Webinar 'Hoe brengen experimenten het datagedreven werken verder?’

Welkom bij dit Policy Lab Experiment, Aardgasvrije Wijken Zoetermeer.
Een webinar dat we organiseren in samenwerking
met het leerexpertisepunt Datagedreven Werken.
Ja, en we zijn weer terug bij het webinar
Policy Lab Experiment Aardgasvrije Wijken Zoetermeer.
Een webinar wat we organiseren met 't leerexpertisepunt datagedreven werken,
TNO als onderzoeksinstituut en BZK als opdrachtgever.
En we hebben vanuit VNG, de Vereniging Nederlandse Gemeenten,
ook daarin meegekeken hoe het experiment zich ontwikkeld heeft.
Ik ben hier in de studio.
Wij zijn speciaal afgereisd naar Amsterdam.
Dat was nogal spannend om te doen,
omdat we natuurlijk anderhalf jaar gewoon op zolder hebben gezeten.
En ik ben hier samen met Tara Geerdink van TNO
en Gerdien van de Vreede van VNG
en online hebben we vanuit TNO Anne Fleur van Veenstra
en vanuit Binnenlandse Zaken Haye Hazenberg.
Een mooie club om zo bij elkaar te zijn.
Leuk om de resultaten van 't onderzoek te delen met jullie in ieder geval.
Maar als eerste wil ik eigenlijk het woord geven aan Haye
om een korte introductie te doen van: waarom dit onderzoek?
Haye, aan jou het woord.
Wij horen Haye niet.
Er wordt koortsachtig op knoppen gedrukt in de achtergrond.
HAYE: Nu wel? Ik denk dat het aan mij lag.
Ja, hallo, sorry.
-Kom erin, Haye.
Ik ben dus Haye Hazenberg van het ministerie van Binnenlandse Zaken,
waar ik onder andere werk aan de Data Agenda Overheid.
Dat is een interbestuurlijke data-agenda
tussen overheden, gemeenten, provincies, waterschappen,
die in 2019 voor het eerst is opgesteld, ook als eerste in de wereld is opgesteld.
Nederland ligt ermee voorop en dat is in die eerste fase eigenlijk bedoeld
als een kennisuitwisselingsplatform voor alle verschillende problemen en kansen
die overheden tegenkomen in datagedreven werken.
Dit zijn vijf richtlijnen waarbij we problemen oplossen
met datagedreven werken, aandacht voor wetgeving en publieke waarden,
overheidsdata kwalitatief verbeteren, efficiënter benutten,
kennis over datagedreven werken verzamelen en delen
en investeren in mensen, organisatie en cultuurverandering.
Op veel van die punten kwam dit voorstel voor onderzoek overeen.
Het is echt een manier, hebben we gezien,
om kennis over datagedreven werken te vergroten,
om echt te kijken hoe wetenschappelijke studies dat allemaal zien.
Hoe nou de vork precies in de steel zit
als je data gaat combineren en daar modellen bij maakt.
En daarnaast om te kijken wat precies de voorwaarden zijn
voor datagedreven werken.
In de praktijk wordt ervaring opgedaan
en ook in de wetenschappelijke kant, dus te kijken: werkt het nou echt?
Als je fysieke data combineert, als je sociale data combineert,
zorgt dat voor beleidsinzichten en: wat zijn de scherpe randjes?
Of zijn er scherpe randjes aan?
Hoe zou het voor burgers zijn als datagedreven werken wordt ingezet?
En op wat voor manier moet je als overheid communiceren richting burgers,
uitleg komen geven en rekening houden met juridische kaders?
En ja, daarom kijk ik erg uit naar de presentatie,
de reacties en de discussie over dit onderzoek.
Dank je wel, Haye.
Wij gaan ons best doen om een aantal van de vragen die jij gesteld hebt
in ieder geval boven tafel te krijgen, de antwoorden erop.
Ik realiseer mij, het draaiboek nog een keer nalezend,
dat ik mezelf vergeet voor te stellen. Ik ben Paul Suijkerbuijk.
Ik werk ook voor VNG aan datagedreven werken,
oplossingen in de vorm van een energietransitietool
en ook op het vlak van ondermijning zijn we er druk mee.
Gelukkig mag ik daarvoor samenwerken met Gerdien van de Vreede.
Goed. Sorry voor deze interruptie.
Ik wil nu vooral het woord geven aan Tara.
Tara gaat ons vertellen over het onderzoek, de resultaten, et cetera.
In de tussentijd is er de gelegenheid om vragen te stellen.
Die worden opgevangen en die kan ik zo meteen
aan het eind van Tara's presentatie aan haar stellen.
Dus type vooral je vragen in, laat weten wat je ervan vindt,
welke vraag je hebt en daar komen we dan zo meteen op terug.
Tara, de vloer is aan jou.
Dank, Paul. Ja, ik ga jullie meenemen door de resultaten van ons traject
wat TNO afgelopen jaar heeft uitgevoerd. Het Policy Lab Experiment.
Ter context: voor het oplossen van maatschappelijke vraagstukken
kan data helpen om dat echt gericht te doen.
Een van de dingen waar we voor staan in Nederland
en waar gemeenten ook zo hard aan werken, is de energietransitie.
Haye introduceerde de Data Agenda Overheid ook al.
Daar is de energietransitie ook een van de thema's waaraan gewerkt wordt
om de overheid hierin te ondersteunen, in het werken met data.
aan de rechterzijde van de presentatie
ziet u de verschillende aspecten in de energietransitie.
Het gaat om ons vastgoed, om de gebouwen. Het gaat om onze omgeving.
Het gaat om het energiesysteem en alle subsystemen
en de bewoners en wij daarin, wat betekent dat er data nodig is
op al deze vlakken om goed gericht te bedenken
hoe de energietransitie vorm te geven en te realiseren.
Om even in te zoomen op de uitdagingen waar gemeenten voor staan
die hard bezig zijn om de warmtetransitie te realiseren,
en transitievisie, warmteplannen te ontwikkelen,
geef ik hier een aantal van de kernuitdagingen die ervaren worden.
Het is vooral een tijdsintensief en lang traject, ook kostenintensief.
En hoe komt dat nou?
Dat komt onder andere door de sterke versnippering in het data-aanbod.
Denk aan verschillende dataformats,
denk aan de verschillende data-eigenaren.
Hoe ga je daarmee om?
Maar ook door de verschillende data
op verschillende niveaus, qua detailniveau, maar ook qua actualiteit.
Niet alles is in het nu. Soms zijn ze outdated.
Maar ook, denk aan dat niet altijd de juiste kwaliteit er is
of toegang verleend kan worden, waardoor het ingewikkeld is
voor gemeenten om met de juiste data te werken.
Daar komt nog eens bij kijken
dat je hiervoor toch echt wel expertise aan de datakant nodig hebt
en vaardigheden om die data te kunnen verwerken.
En de juridische en ethische aspecten die hiermee gemoeid zijn...
volgens mij lezen we allemaal nieuws, of het nou om de warmtetransitie gaat
of over de actualiteit rondom social media,
dat is nog best wel wat.
Hoe ga je nou goed om met privacy? Met de data van onszelf ook.
Dit ter intro op ons project dat wij in opdracht van BZK hebben gedaan
afgelopen jaar samen met Zoetermeer
om echt gemeenten te ondersteunen in het realiseren van de warmtetransitie.
Dit hebben we gedaan door samen met de gemeente Zoetermeer,
gericht op de wijk Meerzicht, aan de slag te gaan.
Met de begeleidingscommissie, bestaande ook uit VNG,
en programma Aardgasvrije Wijken,
en het opdrachtgeverschap zit bij BZK, het ICTU en het LED-programma.
Wat hebben we nou met elkaar gedaan?
Het doel was een demo van een data- gedreven beleidsmodel te ontwikkelen
met een bijbehorende handleiding.
Zodat niet alleen Zoetermeer in dit geval,
maar ook andere gemeenten hier lessen uit kunnen trekken
om de warmtetransitie op basis van data een stapje vooruit te kunnen brengen.
TNO heeft een Policy Lab-benadering ontwikkeld
om in een veilige omgeving met data te experimenteren met databronnen,
nieuwe te koppelen, maar ook met nieuwe datamethodes te werken,
zoals machine learning en dit op een zo transparant mogelijke manier te doen,
zodat het ook echt goed uitlegbaar is. Wat wij hier hebben gedaan,
is deze benadering toe te passen op een praktijkcasus, de Zoetermeercasus.
Zoetermeer is zelf bezig met de warmtetransitie en sociale transities.
We hebben gekeken naar het koppelen van deze twee domeinen.
Nou, dan ga ik heel snel wat meer de diepte in.
Wat hebben we nou ontwikkeld met Zoetermeer, samen met het hele team?
Dat is een datagedreven beleidsmodel voor die sociale opgave
in die warmtetransities. Dat ging om het koppelen van deze twee domeinen.
Het datamodel wat we hebben ontwikkeld,
bestaat uit drie lagen die hier weergegeven zijn.
De eerste laag is het conceptueel model
waarbij we de belangrijkste factoren in kaart brengen met elkaar,
de relaties onderling, zodat we goed weten welke belangrijkste variabelen
en indicatoren een rol spelen in die warmtetransitie
en die koppeling met de sociale opgaven in de wijk Meerzicht in dit geval.
De tweede laag is dan de databronnen
die nodig zijn om dat conceptueel model te verrijken.
En vervolgens de derde laag:
de analyse- en visualisatie-instrumenten om met de data aan de slag te gaan
en echt de inzichten vanuit data-analyse te verrijken met een conceptueel model.
Daar kom ik zo ook nog op terug.
Naast die demo van een datamodel
hebben we ook een bijbehorende aanpak ontwikkeld,
bestaande uit vier fasen en drie randvoorwaarden
die in dit figuur zijn weergegeven.
Er zit een volgordelijkheid in deze vier fasen,
maar eigenlijk zijn er continu iteraties geweest in dit traject
met feedbackloops om ook te kijken: is het nog hetgeen wat we moeten weten?
Is het nog uitlegbaar? Zijn dit de juiste keuzes die we maken?
En de vier fases die je hier ziet staan,
is ten eerste de ontwikkeling dus van het conceptuele beleidsmodel.
Dan de tweede: het afleiden van die kennisvragen op basis van dat model.
Dan ten derde het verzamelen, het opslaan, het prepareren van de data
om er daadwerkelijk mee te kunnen werken.
Ten vierde de analyse en visualisatie van de inzichten en bevindingen.
Antwoord gevende op de kennisvragen die we met elkaar...
De drie randvoorwaarden
die we met elkaar hebben geformuleerd voor datagedreven werken
staan in de buitenste cirkel.
De eerste randvoorwaarde is het faciliterend data-ecosysteem.
De databronnen die je nodig hebt, denk aan de IT-architectuur,
denk aan de processen, aan de partijen die je daarvoor nodig hebt.
Ten tweede juridisch en ethisch verantwoord werken.
Dat gaat om de privacy, goed daarmee omgaan.
Denk aan het opstellen van een DPIA.
En ten derde het multidisciplinaire samenwerken.
Wat maakt dat we hier... Dus je hebt data-expertise nodig,
vaardigheden in het werken met verschillende methodes,
maar ook beleidskennis en ook bijvoorbeeld juridische expertise.
Nou, dit traject hebben we met Zoetermeer op deze manier belopen
en ik laat in de volgende slide kort illustraties zien
van datgene wat wij hebben gedaan.
Nou, hier zie je een conceptueel model dat we met elkaar hebben ontwikkeld
waar de bewoners centraal staat, waar we gekeken hebben:
hoe kunnen we de warmtetransitie koppelen
aan de sociale vraagstukken in de wijk Meerzicht
en hebben we met elkaar de belangrijkste factoren geïdentificeerd.
En uiteindelijk heeft een clustering geleid tot zes aandachtsgebieden,
waarbij de bewoner centraal staat, de perceptie van de bewoner
en hun relatie tot, ja, tot hun wensen en kansen en mogelijkheden
om te participeren in die warmtetransitie.
In de tweede fase hebben we met elkaar zes sociale vragen geïdentificeerd
op basis van het conceptuele model. Welke vragen gaan we beantwoorden?
En wat betekent dat ook voor welke data we nodig hebben?
De zesde vraag die je hier ziet,
is de vraag die de richting heeft bepaald.
Het vermogen van bewoners duurzame verandering ten eerste te accepteren
en ten tweede in beweging te brengen in de buurt of wijk.
Dan het dataverzamelingstraject.
Dat heeft heel veel stappen en acties en dingen met zich meegebracht
en ik laat jullie kort zien welke data we geïdentificeerd hebben.
Ten eerste openbare en niet openbare data.
Wat je in dit plaatje ziet,
is dat er data vanuit verschillende domeinen is verzameld.
Vanuit het fysieke domein, vanuit een sociaal domein,
maar ook vanuit andere domeinen nog of overlappende.
Wat je ziet bij die openbare data, is dat er bijvoorbeeld van CBS data gebruikt is,
Stedin, RVO, BAG-data, maar ook dus vanuit die sociale kant.
Denk aan politiedata vanuit de GGD, RIVM.
En vervolgens is er toch ook altijd nog data
die niet zomaar te verkrijgen is, vanuit de CBS microdata,
maar denk ook aan data rondom VVE of particuliere huiseigenaren.
Hierbij wil ik wel benadrukken
dat we in dit traject niet al deze data hebben kunnen gebruiken,
omdat niet alles in handen was ten tijde van dit traject.
Maar dit is om inzicht te geven welke data nodig is
om dat conceptueel model te verrijken.
Vervolgens is er heel wat data verzameld vanuit de gemeente zelf,
vanuit verschillende afdelingen en dus ook vanuit verschillende domeinen.
Wat hebben we daadwerkelijk gedaan in het experiment?
Wat hebben we gedaan met de data zelf naast het hele traject van verzameling?
We hebben eerst een machine learning-experiment gedaan
voor woontevredenheid. Dat is de vierde vraag die we hebben geïdentificeerd
en we hebben daarbij een random forest model geïmplementeerd.
We hebben gekeken naar verschillende algoritmes.
En hetgeen wat ik hier laat zien,
is eigenlijk: wat kunnen we voorspellen als het gaat om woontevredenheid?
Dit is op basis van CBS-data gedaan.
Openbare data, omdat we dus niet de specifieke data
vanuit de gemeenten in handen hadden gekregen op dit moment.
Dit figuur laat zien dat bijvoorbeeld aantrekkelijke bebouwing in de buurt
en problemen en overlast in de wijk, maar ook de tevredenheid over de regio
mogelijk grotere voorspellers zijn voor woontevredenheid van mensen in 'n wijk.
Naast het machine learning-experiment zijn er GIS-analyses uitgevoerd.
Dit zijn gewoon twee voorbeelden.
Links zie je een kaart, die toont de leefbaarheidsdata
die hierin zijn geïntegreerd. Dat zijn bijvoorbeeld meldingen in de buurt.
Om te kijken hoe mensen hier in staan, wat er gebeurt.
Aan de rechterkant zie je een GIS-visualisatie
vanuit BAG-data rondom de gebouwen.
Ten derde hebben we ook met elkaar gekeken:
hoe kunnen we deze inzichten rondom data ook vertalen naar visualisaties?
Daarvoor hebben we templates gebruikt
vanuit het kadaster van het Wijkpaspoort
en hebben we gekeken naar:
welke data vanuit het fysieke domein hebben we opgehaald?
Welke data is van belang vanuit het sociale domein?
En wat betekent het als we die twee integreren?
Zoals je ziet zijn dit templates. Ze zijn niet volledig gevuld,
want dit is ook hetgeen waar Zoetermeer zelf nog mee bezig is.
Wat we hier wilden oplepelen, was ook uit die machine learning-experimenten,
maar ook vanuit de GIS-analyses en dashboarding vanuit de gemeente zelf:
wat kun je hieruit halen voor gemeentelijk beleid?
Wat zijn nou bijvoorbeeld meekoppelkansen
die de gemeente Zoetermeer in dit geval mee kan nemen in hun plannen?
Zo ben ik in een notendop
door het resultaat gegaan wat we hebben opgeleverd.
Wat betekent dit nou eigenlijk?
Concluderend, het datamodel wat we hier hebben ontwikkeld,
en wat ik net heb laten zien, bestaat uit drie samenhangende lagen.
Dus dat is dat conceptueel model. Dan is het tweede laagje databronnen.
En ten derde de data-analyse en visualisatie-instrument.
Deze onderdelen zijn ook herbruikbaar voor gemeenten
en deze demo van dat datamodel is eigenlijk een basis voor gemeenten
om aan de slag te gaan met die warmtetransitie
en te koppelen met de sociale opgave.
In een experiment met datagedreven werken
is het afleiden van de kennisvragen vooraf echt essentieel.
Wat betekent dat je dus op basis van die vragenset gaat kijken:
Welke databronnen zijn nodig?
Maar ook: welke analyse-instrumenten dienen zich hiervoor?
Dus dat betekent dat je niet zomaar heel veel datasets gaat verzamelen,
en dan kijkt wat je ermee kan. Nee, je gaat continu vraaggestuurd aan de slag.
En daarnaast is dus echt de capaciteit, expertise en middelen nodig
vanuit de gemeente om hiermee aan de slag te gaan.
Het is nog nieuw, zoals je bij dit experiment ook ziet.
We hebben met verschillende domeinen en afdelingen ook gewerkt
en als er nog een soort van startende modus is bij mensen,
heb je ook tijd en investering nodig om het ook met elkaar te doen.
Wat betekent dat nou voor als we hiermee verdergaan?
Vooruitkijkend. Voor gemeenten, datagedreven vanuit de gemeente,
bevelen we echt aan dat er dus een andere werkwijze nodig is
om die drie randvoorwaarden die ik geschetst heb aan het begin,
dat faciliterend data-ecosysteem, het multidisciplinaire werken,
het goed omgaan met de privacy,
dat daarvoor iets anders binnen een gemeente nodig is
om dat echt goed voor elkaar te krijgen, om dat te creëren.
Daarnaast dus ook structureel andere expertises, zijn er investeringen,
maar ook voldoende verandercapaciteit nodig binnen een gemeente.
Die wilde ik even highlighten.
Als je dan kijkt, de Data Agenda Overheid,
daar kan een grotere rol gespeeld worden,
ook in het ondersteunen van gemeenten
bij de uitdagingen die zij ervaren in datagedreven beleid.
En ook het faciliteren van het leren ook binnen gemeenten
en tussen gemeenten en het uitwisselen van kennis,
zodat niet elke keer het wiel opnieuw wordt uitgevonden door een gemeente,
of dat nou een kleine gemeente is of een grotere.
Je kunt van elkaar leren.
Als 't gaat om: hoe experimenteren we verder met datagedreven werken?
Dan is een verdieping van die drie randvoorwaarden van belang
voor datagedreven werken: ontwikkelen van een standaard datamodel
zodat er een goede basis ligt, ook voor gemeenten en overheidspartijen,
om daarmee aan de slag te gaan.
Ten derde toetsen van het datamodel op bruikbaarheid voor andere gemeenten,
maar ook voor andere typen beleidsvragen.
En ten vierde, en die is eigenlijk ook wel een beetje overkoepelend:
hoe kan je dat nou doen? Door echt een ontwikkeld programma op te zetten
voor datagedreven beleid waar je de korte- en langere termijndoelen
in kan vastleggen en kan nastreven.
Waar je ook kijkt naar inzichten voor het nationaal niveau,
maar ook voor dat lokale niveau en gemeentelijk niveau
en waar je dus ook vanuit de onderzoekswereld,
vanuit universiteiten en vanuit kennisinstellingen zoals TNO,
met beleidsorganisaties en die praktijk samenwerkt,
omdat je eigenlijk op al die vlakken moet experimenteren,
moet leren en het goed moet inbedden,
willen we hier vooruit en er grotere stappen in kunnen maken.
Daarmee rond ik het af, mijn presentatie, en dan geef ik het woord weer aan Paul.
Tara. Dank je wel voor jouw toelichting, voor je presentatie.
We staan hier wat verhit in de studio, dus dat maakt het soms wat moeilijker.
Goed. Ik wilde jullie nog even twee vragen meegeven.
In ieder geval, nee, er zijn vragen binnengekomen.
Die gaan we zo meteen even beantwoorden, maar ook twee slides
waar jullie op kunnen klikken om jullie aan te melden
als je meer wil weten over datagedreven werken vanuit de data en de overheid.
En je kunt je ook inschrijven voor een volgend webinar.
Ik wilde even doorgaan naar een vraag voor Anne Fleur.
En dat gaat over: data is natuurlijk opgenomen of onderzocht.
En als je het over data hebt, heb je het ook over veiligheid
en een DPIA die dan uitgevoerd is. Een van de vragenstellers is benieuwd
naar de uitkomsten van die DPIA en welke risico's zijn erin geïdentificeerd?
Kun je daar iets over zeggen?
Dank je wel, Paul, volgens mij heel goed dat het even aan bod komt,
want met data werken is niet zomaar een vanzelfsprekendheid.
Het gaat in dit geval ook om deels sociale gegevens.
Voordat je ermee aan de slag mag, moet je wel eerst goed toetsen
of daar een juiste grondslag voor is.
Gemeenten mogen data verwerken, ook persoonsgegevens,
als daar rechtvaardig belang voor is.
Dat kan heel goed bestaan in het kader van energietransitie.
We willen natuurlijk die slag naar een duurzamere wereld maken,
maar die belangen moeten goed afgewogen worden.
In dit onderzoek is er dan uiteindelijk ook besloten
om niet gebruik te maken van een aantal gegevens,
omdat de vraagstelling nog niet specifiek genoeg was.
Of dat de data niet op een goede manier ontsloten kon worden.
Dus de DPIA-fase is in die zin niet afgerond
en ligt ook nog bij de gemeenten.
Maar in de experimentele fase die nu is afgerond,
is dus niet of nauwelijks gebruikgemaakt van persoonsgegevens.
Dat was niet omdat de risico's op dit punt onaanvaardbaar waren,
maar wel binnen het traject wat we net hebben afgerond.
PAUL: Tara gaf daarnet ook al aan dat het ging om de afgeleide kennisvragen
en was het dan niet beter, verstandiger, handiger geweest
om die kennisvragen en beleidsvragen op voorhand te formuleren?
Want dan kun je inderdaad veel concreter aangeven
of dat onderzoek in de data past bij datgene wat je vraagt.
Ja, dat is in het algemeen zeker zo.
Als TNO zien we dat wij op verschillende momenten in 'n proces worden gevraagd
om mee te doen of mee te denken.
En soms hebben gemeenten al een heel specifieke vraag
en hebben ze ook al heel duidelijke datasets geïdentificeerd
waarmee je die vraag kan beantwoorden.
Dan weet je dat al heel goed en dan kan je eigenlijk meteen over
naar een DPIA-fase, heel goed risico's in kaart brengen.
Soms hebben gemeenten een veel meer algemene vraag,
zoals in dit geval, waarbij ze zeiden:
We willen op die sociale aspecten meewegen in de energietransitie.
Maar wat zijn die sociale aspecten dan? Welke mogelijkheden zijn ertoe?
Welke datasets zijn er eigenlijk waar je mee zal kunnen werken?
En daartoe hebben wij eerst gewerkt aan dat conceptueel model.
En eigenlijk zien we: dat opstellen van zo'n conceptueel model
kan best wel wat tijd kosten, maar stelt je vervolgens in staat
om die gerichtere vragen te stellen.
Ja, je bent al aardig aan het bewegen in de richting van een antwoord
op een vraag die ook gesteld is, namelijk:
in welke mate is sociaal-economische status
c.q. kapitaal en WOZ-waarde een voorspeller?
En hebben jullie daarnaar gekeken?
In hoeverre kun je vanuit die twee aspecten,
als de sociaal-economische status, kapitaal en WOZ-waarde...
In hoeverre is dat een voorspellende factor? Kun je daar iets over zeggen?
Alleen indirect, en ook meer gebaseerd op een ander onderzoek
wat wij een keer gedaan hebben.
Een collega van ons, een zeer ervaren statisticus, zegt:
in dit soort sociaal onderzoek weten we al dat met name inkomen
en sociaal-economische status, en die twee hangen, voor zover ik begrijp,
maar dit is niet helemaal mijn expertise, ook in enige mate samen,
zijn in veel sociale vraagstukken nou eenmaal een voorspellende waarde.
Het is zo: als je meer middelen tot je beschikking hebt,
of je bent meer robuust in staat om krachtiger je leven vorm te geven,
ja, dan worden een hoop dingen makkelijker.
Iets als WOZ-waarde kan je in zekere zin zien als een proxy voor inkomen.
De meeste mensen met een hoger inkomen hebben een duurder huis,
dus WOZ-waarde op zich heeft natuurlijk niet zo heel veel te maken
met bepaalde sociale factoren,
maar wel omdat het een indirecte factor gelinkt is aan inkomen.
Ja, het is natuurlijk wel zo, op basis van de voorspellingen
en de modellen die jullie bekeken hebben, kom je tot bepaalde uitkomsten
of kom je in de richting van bepaalde uitkomsten.
Hebben jullie gekeken naar een manier om dat te toetsen aan de werkelijkheid?
Want datageredeneerd werken, data- gedreven werken, dat geeft je inzichten.
Maar af en toe even die toets doen, zo van:
is dat nou wel in overeenstemming met wat wij in werkelijkheid zien?
Die terugkoppeling, is daar een mechanisme voor?
Jazeker, je kan heel goed bijvoorbeeld met stakeholdergroepen werken
of met een afspiegeling van bijvoorbeeld zo'n wijk.
Het is natuurlijk altijd een beetje de vraag in participatietrajecten
wie erop afkomen en is dat dan de juiste afspiegeling.
Als we dat naast ons neerleggen kan dat ook goed in zo'n traject.
In dit specifieke traject, we hebben te maken met tijd, middelen, geld, pandemie
hebben we dat helaas niet kunnen doen.
We hebben dat alleen indirect kunnen toetsen
bij medewerkers van de gemeente die veel kennis hebben over die wijk.
Maar ja, idealiter wil je dat zeker doen.
PAUL: Hoe hebben jullie de privacyvoorwaarden
gedurende het traject gewaarborgd?
Is de privacy officer vanuit de gemeente betrokken geweest?
Of hebben jullie dat zelf vanuit TNO gedaan?
Hoe hebben jullie die waarborgen in kunnen bouwen in het traject?
Ik denk dat het goed is om... in het algemeen is het de gemeente
die met een bepaalde vraag aan de slag wil
en die dan TNO vraagt op een manier,
in dit geval ging het iets indirecter, om daarin mee te doen.
Dus in die zin ligt de grondslag echt primair bij de gemeente
en TNO mag in het geval van onderzoek,
dat geldt ook voor andere onderzoeks- bureaus en eventueel consultancy's,
als het ware in opdracht daaraan meewerken
en wij hebben ook bepaalde wetten waar wij ons aan moeten houden,
om te zorgen dat wij ook zorgvuldig met die gegevens omgaan.
In dit traject is dat eigenlijk niet of nauwelijks aan de orde geweest,
omdat wij na het opstellen van het conceptueel model
en het identificeren van die datasets al snel zagen
dat het werken met gevoelige of persoonsgegevens,
daar was dit traject eigenlijk al te ver voor.
Daar moesten we gewoon nog te veel stappen voor zetten.
Maar normaliter zouden we dat zeker doen
door van beide kanten de privacy officer te vragen om mee te kijken.
Ja, ik vind het...
-Overigens wil ik wel benadrukken...
Sorry Paul, dat ook een DPIA als je...
Het is heel plezierig en goed om juridische adviseurs mee te nemen,
maar het doen van een DPIA in een interdisciplinair team
is ook als je niet primair een juridisch expert bent
gewoon een heel logisch risico gebaseerd traject
en heel goed om te doorlopen.
Ik wil benadrukken dat het niet alleen een honderd procent juridisch traject is.
Er zit ook heel veel common sense in. Als je bepaalde data gebruikt,
zijn de risico's op het gebruik ervan niet groter dan wat het oplevert?
In die zin wil ik mensen ook wel aanmoedigen,
ook gemeenten voor wie het soms best lastig is,
om het 's zorgvuldig te doorlopen, want het leert je ook veel over:
wat kan je eigenlijk met data? Wat zegt het je?
PAUL: Ja, Tara. Een aanvulling.
TARA: Sorry, dat gaat even allemaal nieuw hier zo online.
Wij fysiek hier. Om er nog een stukje op aan te vullen.
Want in het traject, wat Anne Fleur zegt klopt.
Uiteindelijk hebben we niet met persoonsgegevens gewerkt,
dus het was nog in trajectvorm.
Maar we hebben wel degelijk eigenlijk het common sense part
wat Anne Fleur net aanduidt, dat hebben we zeker wel gedaan,
dus ook in dit traject hebben we dus wel met die privacy officers,
vanuit de juridische kant, en wij hebben vanuit de beide beleidsdomeinen
en met TNO'ers heel veel sessies gehad, dat was dus de pandemie,
dus heel veel online sessies om te snappen: waar gaat deze data nou om?
Waar zou de gevoeligheid kunnen liggen?
En ook wel echt met een set van vragen.
Voor de mensen die er bekend mee zijn: we hebben datasessies gehouden
waarbij je dus echt wel met een heel protocol nagaat:
waar moet je rekening mee houden? Wat zijn mogelijke risico's om met elkaar
gemeenschappelijk begrip te krijgen over waar we het over hebben?
En ten tweede is dat echt voorsorteerwerk voor een DPIA.
Dus we hebben wel degelijk heel veel tijd erin gestoken.
Maar op zeker moment hebben we inderdaad niet met die data gewerkt,
dus is het meer onderdeel van het traject geweest
en hebben we puntje bij paaltje niet met die persoonsgegevens gewerkt
in dit traject, vanwege de tijd.
Maar die koppeling tussen die verschillende disciplines en expertise,
dat is wel onderdeel van het traject geweest. En dan zie je dus ook
dat je met elkaar ook wel echt achter heel veel zaken komt,
maar dat je het wel degelijk onderdeel moet laten zijn van je traject.
Je kunt het niet pas aan gaan kaarten...
De maatregelen rond de privacy en de ethische vraagstukken
kunnen echt niet pas aan het eind. Dat wil ik er wel echt bij zeggen.
Het is heel belangrijk om dat in het voortraject mee te nemen,
want als je als je met de data gaat werken pas denkt:
o ja, wat betekent dat nou eigenlijk? Dan ben je eigenlijk al te laat.
Dat kan heel veel vervelende dingen opleveren. En dat wil je niet.
Je wil echt dat heel gedegen, goed, transparant doen. Ook volgens de wet.
Dat is ook een van jullie aanbevelingen,
dat dit echt wel vraagt om andere expertises, nieuwe expertises.
En zou je nu... Volgens mij heb je het al een beetje benoemd,
maar noem eens één rol waarvan je expliciet zegt van: die heb je echt nodig
om datagedreven werken binnen 'n gemeente voor elkaar te krijgen.
Dat is een expertise die nu beperkt of niet aanwezig is bij gemeentes.
Niet aanwezig. Eentje die ik wil highlighten,
wat we hier ook hebben gezien is dat de data-expertise, het datateam,
meestal bestaat die wel binnen een gemeente,
om die een prominentere rol te geven.
Want wat je wel ziet in de beleidsvragen formuleren en zo'n traject ingaan,
welke kennis hebben we dan nodig en welke data hebben we nodig?
Want zo'n datateam is altijd de uitvoerende partij eigenlijk veelal,
terwijl zo'n datateam wel expertise en vaardigheden heeft
om eigenlijk heel gericht, denk ik, al die datavragen te kunnen stellen.
Dus wat wij hier ook hebben gedaan, is die partij,
is die groep ook mee te nemen in het traject
en dus ook meenemen al in het formuleren van de vragen,
het ontwikkelen samen van het conceptueel model.
Dus dat is denk ik iets, omdat het soms wat op de achtergrond verzeilt:
nee, pas als de data-analyses plaatsvinden,
laten we het datateam aan de slag. Er zit meer expertise en meer vaardigheid
om aan te laten sluiten bij de beleidsambtenaar in dat geval.
Oké, super.
Ik wil zo meteen Haye nog even het woord geven,
maar voordat ik Haye het woord geef nog één laatste vraag
die ik vanuit de krochten van het internet op weet te duikelen hier,
die hier gepresenteerd worden voor mij.
Bij big data-analyses moet je oppassen geen verkeerde conclusies te trekken.
Hoe kan je dat borgen in je proces?
Ja, goeie vraag.
Wat wij dus ook hier weer hebben gedaan
en dat raakt volgens mij ook met een van de vorige vragen
is dat we continu in dit traject
dus ook die multidisciplinaire samenwerking hebben gewaarborgd,
waarbij we wel continu interactieve werksessie hadden met elkaar.
Voorheen deden we dat gewoon als sprints
waar we drie dagen in een hok zaten en met elkaar konden sparren.
Dat moest nu helaas online.
Maar dat je met elkaar continu de vertaalslag maakt: wat betekent dit?
En ook die check continu maakt eigenlijk.
Ook als je kijkt naar die data en inzicht: wat betekent dat nou met beleid?
We hadden in dit geval van Zoetermeer de wijkregisseurs
met de expertise vanuit de wijk, die goed contact hadden met de bewoners.
Dus dat was een continue check in dit traject,
maar idealiter, net zoals Anne Fleur aangaf, mijn collega,
wil je dat uiteindelijk met de actoren in het veld ook doen.
We hopen dat we dat binnenkort een keer in antwoordsessies kunnen doen.
Fysiek.
-Haye, heb jij vragen?
Ik wil 'm even bij jou neerleggen.
Oef...
PAUL: Stond niet in het script, hè, dus ik kan me voorstellen...
Maar ik heb er wel één.
Ik ben wel benieuwd naar de ervaring van de gemeente.
Ik weet niet of er iemand daarvan aanwezig is.
Misschien via TNO dan. Wat waren nou grote beleidsinzichten?
Wat bleek er nou uit de toepassing van dit project over de energietransitie?
Over die wijken? Zonder dat je daarbij namen gaat noemen.
Of persoonsgegevens, maar die zijn volgens mij niet verwerkt.
Dus hè, wat kan de gemeente ermee?
Ik denk dat... Tara, wil jij er iets over zeggen?
TARA: Ja, nee, zeker. Ik dacht... ja, dat is goed.
Wat we hier in dit traject hebben gedaan over hele concrete harde inzichten...
Het beeld dat ik nu net heb geschetst,
dan zie je dat er heel veel tijd is gestoken in het ontwikkelen
van het conceptuele model, in het afleiden van de vragen.
Ook het hele dataverzamelingstraject,
waaronder ook het opstellen van zo'n DPIA en de vragen daarbij meenemen,
maar de echte harde data-inzichten tot dusver,
die hebben we gewoon in dit traject vanwege de tijd, vanuit de middelen,
vanuit dat we niet alle data ter beschikking kregen in dit traject,
gewoon niet kunnen opleveren, dus heel concreet:
waar we ook een beetje naar op zoek waren,
waren die meekoppelkansen voor Zoetermeer in de wijk.
Vanuit de warmtetransitie en de sociale vraagstukken.
Die hebben we op dit moment gewoon niet.
Daar kan ik heel kort over zijn.
Ja, dank je wel.
Haye, dan heb ik een vraag aan jou, Haye.
Heeft het onderzoek jou opgebracht wat je zocht?
Zag ie ook niet aankomen, deze vraag.
-Nou, jawel, jawel.
Ja, nee, zeker wel. Het is goed dat er sowieso mee geëxperimenteerd is.
Dat is ook heel belangrijk en ook goed denk ik
dat de eerste stappen zijn gezet met zo'n hypercomplex model.
Dat is het, hè. De complexiteit.
Je ziet het aan de presentatie af en toe,
maar dit zijn modellen die zo complex zijn dat je ze eigenlijk met de hand
of zonder een big data-manier niet kan onderzoeken.
En het is denk ik goed dat er stappen in zijn gezet
en dat je ook een soort van, ja, misschien herbruikbare ervaring hebt
voor het inzetten van die technische kennis.
Daarnaast, denk ik, wat Tara ook zei, wat een goed inzicht is hieruit,
een mooie oplevering, is dat het toch ook verandering van organisatie
binnen gemeentes maar ook bij overheden, teweegbrengt,
dat je dat multidisciplinair moet oppakken.
Dat je juridische expertise, technische expertise
en gewone expertise over 'wat leeft er nou in zo'n wijk'
dat dat samen nodig is om daar volgende stappen in te zetten.
Ja, dus ik denk dat het zeker wat heeft opgeleverd en dat het belangrijk is
ook om dit binnen zo'n experimentele setting te blijven doen.
Want dat is ook wel, over veel van die ethische bezwaren...
Op het moment... Je kan het maar beter een heel aantal keer
binnen deze experimentele setting doen, wat transparant is,
ook het CBS doet dat vaker, dan dat je het zomaar gaat inzetten
voor echt beleid en ook voor, nou ja, het sturen van problemen.
Oplossen van maatschappelijke problemen.
Dus wat dat betreft, ja, ben ik er wel heel blij mee.
En ik denk dat we er ook mee door moeten gaan
om daar meer over te leren met z'n allen.
Super. Dank je wel, Haye, voor deze reflectie.
Zo meteen, en dat is niet nu, Gerdien, gaat Gerdien ook een reflectie geven.
Maar voordat we dat gaan doen,
wil ik jullie eigenlijk eerst even een pollvraag stellen.
En wat we natuurlijk tijdens dit traject ook al een beetje zien gebeuren,
is dat dat spanningsveld tussen enerzijds een beleidsopgave
die eigenlijk uitgaat van gestolde informatie,
en anderzijds dat we een rijkheid van data hebben,
en datamodellen, die constant fluïde is.
Dat dat eigenlijk helemaal niet lekker samengaat, is mijn visie,
maar ik ben wel benieuwd wat jullie daarvan vinden, dus vandaar de stelling,
ik ga de poll starten, vandaar de stelling:
beleid is star en data zijn dynamisch en kunnen daarom niet samengaan.
Dus het niet samengaan. Het gaat niet lekker met elkaar.
Dynamische data en star beleid gaat niet lekker met elkaar,
dus ik ben wel benieuwd wat jullie daarvan vinden.
En ja, ik word nu geacht even wat tijd vol te praten
om jullie de gelegenheid te geven om daarop te klikken.
Hebben we een muziekje? Er is geen muziekje.
Gewoon handwerk dit. De antwoorden stromen binnen, dus dat is wel goed.
Van de 88 kijkers op dit moment hebben er 48 al gereageerd,
dus ik wacht het nog eventjes af.
Ik kan jullie wel vertellen, ik zie de resultaten al hier,
er tekent zich een trend af en...
Ja, ik ben benieuwd.
Ik geef nog even... als we 60 reacties binnen hebben,
dan ga ik de resultaten van de poll met jullie delen.
Dus kom op, nog twee klikken, twee klikkers erbij.
Het kan lang duren zo.
Negen... nog eentje. Nog eentje moet z'n mening geven, kom op.
Ja, we zijn er, oké.
Even kijken, ik ga op 'beëindig poll' klikken en even kijken...
Toon resultaten.
Goed, er tekent zich een vrij duidelijk beeld af.
Ik neem aan dat dit thuis te zien is. Ja? Oké, super.
Ja, ik krijg een thumbs up vanuit de studio.
Beleid is star en data zijn dynamisch en kunnen daarom niet samengaan.
En het merendeel is het daarmee oneens, kan ik je zeggen.
Dat is 90, 89 procent zegt dus eigenlijk dat beleid,
een star beleid en dynamische data wel met elkaar samen kunnen gaan.
Willen we daarop reflecteren?
Ik zie Tara diep nadenken. Wil je er iets over zeggen, Tara?
Ja, dat kan, dat kan zeker.
Ja, ik ben dan heel nieuwsgierig. We hebben natuurlijk nu geen interactie.
Voor de mensen: mocht je je opmerking willen delen in de chat, dan kan dat.
Waarom ben je het mogelijk eens of oneens?
Maar ja, ik denk dat, hè... dit is ook een voorbeeld
waarin we heel interactief met de gemeente Zoetermeer,
met BZK als opdrachtgever en de VNG,
maar ook meedachten continu bij: wat zijn de vragen, waar willen we inzichten,
en continu ook hebben bijgestuurd in dit traject wat we wilden doen.
Dat dit ook een heel dynamisch traject was, spreekt voor zich, denk ik.
Ik denk dat dat zeker kan, maar dat betekent natuurlijk wel wat.
Ik denk dat dat ook wat betekent voor de mensen, voor de inrichting van je beleid,
want je moet daar wel ruimte voor geven
en enigszins flexibel voor zijn om daarop in te spelen.
Dus ja, ik denk... deel ik mijn mening, dacht ik nog even, of niet.
Maar goed, ik ben het er zeker mee eens
dat dynamische data Dat we de data beter kunnen gebruiken.
Dat we dat ook zeker moeten doen, maar dat er echt nog wat voor nodig is
en dat we er nog niet zijn om dat goed in te bedden in de huidige structuren.
Ja, Anne Fleur of Haye, hebben jullie nog een reflectie hierop?
Zo nee, dan gaan we door naar de volgende vraag. Zo ja... Haye, kom erin.
Nou, het is wel... je ziet wel dat juist door die dataondersteuning
dat de beleidscyclus en ook de politiek daardoor versneld en complexer wordt.
Dat is wel iets wat je hebt.
Dus beleid kan het tegenhouden,
maar het betekent ook een soort van versnelling van de beleidsprocessen.
Een van de dingen, dat kwam in de discussie ook al eerder voor,
waar we ook hard aan bouwen, ook vanuit BZK,
is dat de kant van de burger regie kan houden over de gegevens.
Dat is eigenlijk in het datalandschap nog te weinig aanwezig.
En dat is ook een van de expliciete dingen die we aan het bouwen zijn,
die we moeten bouwen als overheid, dat die burger ook...
nou ja, iedereen heeft tegenwoordig een mobiel, digitale aansluiting,
ook regie kan voeren over de gegevens bij overheden, maar ook 'n private partij.
Ook in private stelsels zie je dat dat echt een ontbrekende schakel is.
Die soort van datasoevereiniteit,
de regie over je persoonsgegevens die je kan hebben.
En dat is wel een schakel die we ook hierbij weer zien,
die we met z'n allen moeten gaan bouwen
om ervoor te zorgen dat het beleid en data goed op elkaar aansluiten.
Een van de opmerkingen die ook binnen is gekomen,
is het oneens met de stelling dat beleid star is,
omdat je ziet dat er steeds dynamischer gewerkt wordt, Agile Scrum,
en dat dus veel zaken steeds kortcyclischer worden.
Wat ik in die zin wel eens ben als je kijkt naar softwareontwikkeling
en sowieso ontwikkelingstrajecten.
Of dat nou echt opgaat voor beleidstrajecten,
dat vind ik dan wel een spannende opmerking. Ik vind hem interessant.
We houden 'm in ons achterhoofd. Het is een interessante opmerking.
Of je inderdaad gewoon al het nieuwe werken, Agile Scrum,
terugziet, gereflecteerd ziet in hoe een een beleidsaanpak geformuleerd wordt.
Mooie opmerking.
We hebben nog een tweede pollvraag en, zoals je gezien hebt,
heeft Tara ons ook meegenomen in een datamodel
en getracht daarin de werkelijkheid te vangen.
En daar gaat deze vraag ook letterlijk over.
De vraag is: kun je met een datamodel de werkelijkheid vangen?
En het antwoord daarop is ja of nee. Eens en oneens.
En nou, ik ben wederom benieuwd wat jullie daarvan vinden, zeg maar.
Dus de vraag is: kunnen we met een datamodel de werkelijkheid vangen?
Zit de werkelijkheid in dat datamodel of niet of niet volledig?
Ik ben benieuwd.
De antwoorden stromen binnen.
Ik mis er nog wel een paar.
O ja, dat muziekje, dat was er niet. O ja.
Ik heb ook geen gitaar bij me of zo. Nee, nee, dit gaat goed. Dit gaat goed.
We zijn bijna op het moment dat ik zeg van:
dit gaan we tot een conclusie brengen.
Het is wel een interessante ook weer en ik kan me er wel in vinden.
In datgene wat als antwoord naar voren dreigt te gaan komen.
We gaan 'm beëindigen, want dit zal niet tot dramatische verschillen leiden.
Toon resultaten, goed.
Ja. Met deze stelling: kunnen we met een datamodel de werkelijkheid vangen,
daar is 33 procent het mee eens en de rest,
67 procent, is het ermee oneens.
Dus eigenlijk zegt toch wel een ruime meerderheid van de respondenten hier:
leuk 'n datamodel, maar de werkelijkheid ziet er toch echt wel anders uit.
En ik maak het misschien dramatischer en iets groter dan het is,
maar dat is leuk, Tara, hebben jullie een onderzoek gedaan met een datamodel,
en eigenlijk zegt toch wel een substantieel deel van de mensen hier:
ja, leuk, maar dat past niet. Datamodel is niet de werkelijkheid.
Dus hoe zie je dat?
Eigenlijk kwam dat net ook al terug in een van de vragen:
heb je getoetst aan de werkelijkheid, de resultaten of uitkomst van je onderzoek?
Kun je daar in dit perspectief nog even op reflecteren?
Of Anne Fleur, wil jij er iets over zeggen?
Anne Fleur begint heel hard te knikken. Die gaat er iets over zeggen.
ANNE FLEUR: Nee, dank voor de vraag,
want dit is een van de redenen waarom wij ons hiermee bezighouden.
Als onderzoekers is dit natuurlijk een heel mooie vraag,
want het is ook deel filosofisch: wat is de werkelijkheid?
Natuurlijk is datagedreven beleid, het datamodel, niet de werkelijkheid.
Dat zou ook vragen om big data in de overtreffende trap.
En bovendien spelen er ook gewoon heel veel zaken mee,
zeker als je het hebt over een transitie, over sociale aspecten,
die niet of heel lastig te dataficeren of in data te vangen zijn.
En zelfs de aspecten die dat wel zijn.
Daarvan weten we dat de datasets niet altijd compleet zijn
of van kwalitatief goede aard.
Dus volgens mij is ook het maken van een datamodel
of een datagedreven of dataficeren van beleid gaat niet over het beste model
of beste werkelijkheid ervan,
maar het gaat over hoe effectief voor welke aspecten de data in te zetten
en hoe dat tot betere besluitvorming te laten leiden.
Dat is denk ik net een wezenlijk misverstand.
Als je de werkelijkheid via digital twins kan modelleren,
dan hoeven we misschien daar ook niet meer zoveel van te vinden.
Maar juist bij vroeger al evidence-based policy making,
tegenwoordig datagedreven beleid, gaat het echt over een combinatie,
van ervaringen uit het verleden, het gebruik van data of evidence
van hoe dingen in de praktijk uitpakken, het stelt je in staat,
zoals Haye net al zei, om de feedbackloop
tussen beleid en werkelijkheid korter te maken, kortcyclischer inzicht te krijgen
in wat nou de uitwerking is van je beleid,
maar ook de politieke werkelijkheid of ervaring met elkaar te combineren
en het samenspel tussen die drie maakt dat je complexe besluiten kan nemen
of besluiten kan nemen over complexe transities.
Dus volgens mij is ook het maken van het beste datamodel nooit het doel.
Ik zie in de opmerkingen ook, in de reacties,
dat deze vraag inderdaad wat heeft losgemaakt.
'De vraag is niet om de werkelijkheid te vangen,
maar hoe dicht bij de werkelijkheid je moet komen voor je vraag',
is een van de opmerkingen en er zijn er meerdere gemaakt.
Dank daarvoor. Ik wil nu vooral ook nog even de ruimte geven
aan Gerdien om te reflecteren op het onderzoek.
En volgens mij wil je ook nog iets zeggen over deze stelling.
GERDIEN: Ik wil ook nog iets zeggen over deze stelling inderdaad.
Wat voor mij uiteenvalt, is eigenlijk dat het er heel erg van afhangt
over welk stukje van die werkelijkheid dat datamodel gaat.
Zolang je het hebt over de fysieke omgeving, dan gaat dat vaak vrij aardig.
Dan krijg je een behoorlijk verklarende waarde en kom je een heel eind.
Maar naarmate je verder gaat van de fysieke werkelijkheid
naar een sociale werkelijkheid, merk je dat zo'n datamodel inderdaad
minder goed die werkelijkheid vangt, minder goed representeert.
En de vraag is dan inderdaad hoe erg dat dan is.
Want het doel van zo'n datamodel is natuurlijk ook niet
om die werkelijkheid perfect weer te geven, voor zover dat al zou kunnen.
De vraag is eerder of zo'n datamodel
een stukje van de werkelijkheid goed genoeg kan representeren,
zodat je er in je beleid verdere stappen mee kunt maken,
zodat het je helpt in je nadenken over die werkelijkheid.
Dat is voor mij veel meer de waarde van een datamodel
dan dat het perfect alles vangt.
Als je het hebt over moleculen en atomen,
dan kom je daar nog een heel eind mee.
Zodra het groter wordt dan dat, dan...
Dan ga je alles beschrijven en moet je ook alles in je model opnemen,
wil je het uiteindelijk nog dekkend hebben.
En dat is gewoon niet werkbaar en ook niet per se iets heel zinvols.
Ja, dat is een mooi antwoord of mooie reflectie, moet ik eigenlijk zeggen.
Gerdien, heb jij breder nog op- of aanmerkingen?
Dingen die je graag kwijt wil over het onderzoek?
GERDIEN: Ja, jazeker.
Wat ik in elk geval wil benoemen, is dat ik het fijn vind
dat er in dit onderzoek echt expliciet ingegaan is
ook op het verbinden van opgaven binnen die energietransitie.
Heel vaak wordt er nog gedacht aan die energietransitie in dat fysieke domein,
maar juist ook dat sociale domein is heel belangrijk om mee te nemen.
Dat speelt eigenlijk bij alle gemeentes die ik spreek,
is dat een issue. En ook voor alle inwoners is dat relevant,
want het is nooit alleen energietransitie die leeft in een wijk of een buurt.
Er speelt leefbaarheid, er kan armoede spelen. Het gaat over groen in de wijk.
Het gaat over scholen in de wijk en dat is voor inwoners vaak
veel meer top of mind dan die energietransitie.
Juist door die opgaves te verbinden,
kom je met een veel genuanceerder verhaal bij je inwoners.
En het fijne van dat conceptueel model is dat het je helpt
om na te denken over hoe je die opgaves dan kunt verbinden.
Dan kun je het hebben over sociaal en over een ruimtelijke opgave.
Je kunt het hebben over, zoals in dit model,
de mogelijkheid tot participatie van inwoners.
Maar wat je tegelijkertijd ook ziet in dat model en ook in de vraag net, is:
dat model is complex en dat heeft ermee te maken
dat de werkelijkheid complex is.
Dus het is altijd een beetje balanceren tussen hoe complex je je model maakt.
Want hoe complexer je het maakt,
hoe beter het weer een beetje die werkelijkheid weergeeft.
Maar ja, hoe complexer je het maakt,
hoe lastiger het wordt om het overzicht te houden,
om de data te vinden die je nodig hebt om ermee te werken.
Dus er zit altijd een trade-off tussen de complexiteit van je model
en de werkbaarheid van je model.
Uiteindelijk kun je alles in je model opnemen, maar ja,
dan valt er dus niet meer mee te werken.
Wat ik ook heel erg herken in het verhaal van Tara,
is inderdaad die dataverzameling.
Dat is echt het monnikenwerk van deze tijd.
Het is heel tijdsintensief. Het is arbeidsintensief.
Ja, dat is...
Als ik gemeentes spreek, is dat heel vaak een bottleneck.
In dit project zie je dat dat een bottleneck kan zijn.
En ik denk dat het bij heel veel meer gemeentes het geval zou zijn.
Overigens, als ik kijk wie aan dit project gewerkt hebben...
Ik ken de mensen van TNO. Ik ken de mensen van Zoetermeer.
Die mensen zijn goed in wat ze doen.
En als je dan al ziet hoe moeilijk het in dit project was
om die data boven tafel te krijgen, om verder te komen dan waar je stond,
dan hou ik mijn hart eigenlijk vast als 352 gemeentes dit moeten gaan doen
en er misschien niet altijd de ondersteuning van TNO bij hebben,
misschien niet altijd de capaciteit en de expertise van Zoetermeer hebben,
die daar toch echt niet achterop lopen.
Wat er voor mij ook heel erg uit naar voren komt uit dit onderzoek,
is inderdaad dat data-ecosysteem waar Tara het over had.
Het is niet een lijstje in Excel.
Nee, het is een veel groter ecosysteem wat daar omheen zit.
Om dat verder uit te bouwen, dat is denk ik heel erg belangrijk,
omdat ik denk dat als je dat beter op orde krijgt,
dat je gaat merken dat 't bij gemeentes heel veel minder effort gaat kosten
om datagedreven te werken.
En ik denk dat het ook gaat helpen in het maken van tempo.
En ik denk dat het gaat helpen ook bij de betaalbaarheid van de energietransitie.
Omdat als je 352 keer hetzelfde moet gaan doen,
ja, dat kost tijd, dat kost geld en daar wordt uiteindelijk niemand vrolijk van.
Kanttekening inderdaad is wel dat dat data-ecosysteem,
dat kunnen gemeenten niet alleen opzetten.
Dus ik ben ook heel blij dat Haye erbij is, dat TNO hierbij ondersteunt.
Want dit is gewoon een veel breder verhaal
dan iets wat een individuele gemeente in z'n eentje kan doen.
Het klinkt een beetje alsof het allemaal kommer en kwel is.
Er moet nog heel veel gebeuren.
Tegelijkertijd worden er op het ogenblik ook wel echt hele mooie stappen gezet.
Met dit onderzoek bijvoorbeeld.
Maar ook met een programma als VIVET, waar een aantal partijen bezig zijn
om nieuwe informatie voor de energietransitie boven tafel te krijgen.
Ik wil hier toch ook graag even de DEGO,
Datavoorziening Energietransitie Gebouwde Omgeving, noemen
en de wijkpaspoorten waarvan Paul ongetwijfeld de link in de chat zet. Toch?
PAUL: Eh, eh, ik raak nu in paniek, maar dat ga ik even regelen, denk ik.
Waar je dus inderdaad een heleboel data al kant en klaar kunt vinden
als het landsdekkende data is.
En wat voor mij ook uit het onderzoek heel erg naar voren kwam,
was omdat je al die verschillende specialiteiten bij elkaar zet,
verschillende expertises, wat je dus heel duidelijk ziet,
is dat de manier waarop je data aanbiedt,
moet aansluiten bij degene voor wie die data is.
Dus als je een datascientist hebt,
zal die z'n data in een andere vorm gevoerd willen krijgen,
dan als je een gemiddelde beleidsmedewerker hebt.
Een beleidsmedewerker maak je over het algemeen vrij blij
met kaarten en dashboards.
Ja, de datascientist heeft meestal zoiets van: geef me gewoon de ruwe data
en dan ga ik daar zelf wel gave dingen mee doen.
Nou, lang verhaal kort: ik denk dat het conceptueel model heel goed helpt
bij het verbinden van de opgaven.
En ik denk ook dat het data-ecosysteem echt een onmisbare randvoorwaarde is
om makkelijker datagedreven te kunnen werken
aan de energietransitie voor gemeenten.
Dus wat mij betreft gaan we dat verder ontwikkelen.
Super, dank je wel, Gerdien, voor jouw reflectie.
Ja, we zijn bijna aan het eind van dit webinar.
En als laatste wil ik nog wat afsluitende woorden vragen aan Haye.
Haye, kom er maar in.
-Ja, dank je wel, Paul.
Nou, ik hoorde inderdaad terecht net dat er grote stappen gezet moeten worden
en ik kan verklappen dat ook veel van die grote stappen al gezet zullen worden.
Zeer binnenkort. We zijn bezig om die Data Agenda
eigenlijk om te vormen naar een Data Strategie.
Die zal voor de zomer ook naar de Kamer gaan, publiek gemaakt worden.
En daarbij zal veel van die systematiek die TNO hierop heeft ontwikkeld,
ja, eigenlijk permanent worden of structureel worden ondersteund.
Dus dat betekent dat centraal door BZK bijvoorbeeld
toolboxen zullen worden ontwikkeld voor datagedreven werken
en dat aan de hand van use cases,
bijvoorbeeld een woningopgave in Flevoland,
dat aan de hand van die use cases BZK gaat helpen
om te kijken welke systeemfuncties centraal door het rijk
moeten worden ontwikkeld voor datagedreven werken.
Is dat misschien een technologie om privacy te beschermen?
Is dat misschien een cloud-infrastructuur?
Is dat misschien een datadeelplatform? We hebben natuurlijk al data.overheid.nl,
maar moeten daar andere functionaliteiten aan?
De komende vijf jaar zullen we dus aan de hand van verschillende use cases,
elk jaar weer andere, kijken naar welke centrale systeemfuncties er op de...
bijvoorbeeld op de GDI, de Generieke Digitale Infrastructuur,
van de rijksoverheid moeten worden doorontwikkeld.
En ja, het was eigenlijk een soort van voorproefje, dit onderzoek,
van iets wat we hopelijk de komende jaren op een groter niveau gaan doen.
Ja. Super. Dank je wel, Haye, voor je afsluitende woorden.
Ja, we zijn aan het eind van dit webinar. Dank alle aanwezigen.
Dank, Tara, Gerdien, Haye en Anne Fleur voor jullie aanwezigheid.
Tara en Gerdien, ik vond het heel leuk om jullie fysiek weer even echt te zien.
Ze zijn driedimensioneel kan ik zeggen.
Als jullie denken van: Paul heeft wel heel goede vragen gesteld...
Ik heb vooral opgelezen wat voor vragen binnengekomen zijn op deze manier,
dus dat heeft mij wel geholpen. En ik realiseer me ook,
wellicht tot enige ontevredenheid van sommige kijkers,
dat ik niet alle vragen heb door kunnen spelen aan de sprekers en aanwezigen.
Mijn verontschuldigingen daarvoor. Wellicht dat er nog een andere manier is
om een antwoord op die vragen te bekomen.
Moeten we even kijken hoe we dat in technische zin gaan realiseren.
Gerdien heeft daarnet nog aangegeven
dat ik de url naar ons dataplatform datavoorziening weer zou geven.
Maar inmiddels is Iris heel hard aan het zweten
en de moderatie is heel hard aan het zweten om dat voor elkaar te krijgen.
Dus of dat lukt weet ik niet. Ik zal hem wel even noemen: dat is dego.vng.nl.
Dan had je heel snel moeten zijn om dat nog even bij te houden.
Ik ga ervan uit dat in 'n communicatie- moment we dat nog wel laten weten.
Dit is 'm voor nu. Dank jullie wel, dank jullie wel voor jullie aanwezigheid.
Ik vond het een interessant gesprek en tot ziens. Dank je wel.