Data gestuurd werken, hoe dan?

13 september 2018

Wat kunnen publieke organisaties leren van de successen en learnings van data gestuurd werken binnen commerciële organisaties?

Steeds meer organisaties binnen de publieke sector (gemeenten, provincies, zorginstellingen, veiligheidsregio’s etc.) zien wij stappen maken in data gestuurd werken. Data als uitgangspunt om beleid, dienstverlening en activiteiten met feiten te onderbouwen, te verklaren en voort te zetten. Niet alleen het onderbuikgevoel en de jarenlange ervaring van medewerkers bepalen de richting die een organisatie op gaat. Juist ook de forse toename van beschikbare data speelt een steeds belangrijkere rol.

Wordt de koers straks alleen bepaald door data, inzichten en statistische modellen? Nee, ergens moet er een gezonde wisselwerking zijn tussen enerzijds de inhoudelijke kennis en ervaring van medewerkers en anderzijds de inzichten en analyses vanuit de data.

Data gestuurd werken en structurele verankering

Data gestuurd werken klinkt eenvoudiger dan het is. Het is een nieuwe manier van werken voor een organisatie en haar medewerkers: een transformatie of organisatieverandering. Iets dat niet van het ene op andere moment gerealiseerd kan worden. Het vraagt om een gestructureerde aanpak.

Inmiddels hebben wij veel organisaties mogen adviseren in het zetten van de eerste stappen naar een datagedreven organisatie. Het structureel verankeren van data gestuurd werken blijft voor veel organisaties de grootste uitdaging. Initiatieven vanuit een data lab, een pilot om te komen tot een voorspelmodel (bijvoorbeeld voor het voorspellen van voortijdige schoolverlaters) of het opzetten van een dashboard (met inzicht in het gebruik van sociale voorzieningen per wijk) zijn hele mooie eerste stappen. Maar hoe ga je hier op tactisch niveau binnen een organisatie invulling aan geven en hoe kun je het verder opschalen? Met andere woorden hoe word je een volwassen datagedreven organisatie?

Start met een doel voor ogen

Uiteindelijk wil je met data waarde creëren. Wat is dan die toegevoegde waarde en wanneer ben je succesvol? Hierbij is het belangrijk dat iedereen binnen de organisatie hetzelfde beeld heeft van wat data gestuurd werken betekent. Zien de medewerkers voldoende de noodzaak om het ook daadwerkelijk toe te passen en daarmee een verandering in te zetten binnen de organisatie? Is er sprake van een gezamenlijk uitgangspunt, dan is de kans groot dat er voldoende draagvlak is. En dat is nu juist het startpunt voor verandering.

Om daadwerkelijk waarde te halen uit data begin je bij het formuleren van een doel als gemeenschappelijk vertrekpunt. Dit kan een doel zijn per afdeling, domein of zelfs nog een niveau lager per inhoudelijk thema (jeugdzorg, veiligheid, handhaving, omgevingswet, ondermijning etc.). Zonder een duidelijk doel voor ogen (bijvoorbeeld kostenreductie, burgerparticipatie, klanttevredenheid, leefbaarheid etc.) is het ook lastig om het uiteindelijke resultaat aan te kunnen tonen. Het gezamenlijke doel geeft binnen een organisatie of een afdeling richting, duidelijkheid en prioriteit bij de inzet van middelen en de toepassing van data.

Het Target to Data model

Je kunt het bovenstaande model, het Target to Data model, gebruiken om de data strategie concreter te krijgen. In het model wordt een relatie gelegd tussen data, inzichten, toepassingen en (organisatie)doelen. Het kan als startpunt dienen voor data gestuurd werken.

Tevens kan dit model verder uitgewerkt worden in een roadmap en groeimodel. Het maturiteitsmodel van Davenport kan hier een mooi handvat in bieden.

Maturiteitsmodel

In een groeimodel maak je een ‘foto’ waar je nu als organisatie staat, waar de ambitie ligt en hoe zich dat vervolgens vertaalt in concrete stappen per organisatie aspect. De belangrijkste aspecten, oftewel de bouwstenen voor een datagedreven organisatie zijn mensen, middelen, processen en organisatie.

Commercieel domein versus publiek domein

In de markt horen wij vaak dat publieke organisaties achter lopen in hun serviceverlening aan burgers en bedrijven ten opzichte van commerciële organisaties. De focus zou sterker liggen op de interne organisatie, in plaats van het centraal stellen van de burgers (klanten) en bedrijven.

Het commerciële domein is zeker niet 1-op-1 te vergelijken met het publieke domein. Echter, de aanpak naar data gestuurd werken kent in feite dezelfde stappen. Bij commerciële organisaties is er sprake van een hele andere organisatie-klant verhouding, waar de consument keuze heeft. De doelen en drijfveren van de organisatie zijn dan ook heel anders: meer omzet en klanten, een hogere NPS score, klanten langer aan je binden etc..
Binnen de publieke sector ben je als bewoner afhankelijk van hoe het binnen jouw gemeente of provincie geregeld is (denk aan het aanvragen van een paspoort of vergunning). Beide sectoren willen echter wel ‘de klant’ centraal stellen.

Binnen commerciële organisaties komen marketingafdelingen al langere tijd niet meer weg met het handelen op basis van marktervaring. Zij moesten met feiten (data) bewijzen wat hun toegevoegde waarde was naar de markt.
In commerciële organisaties zie je dat de front office (sales, klantenservice) en de back office (IT, intelligence) continu samenwerken. De klant staat centraal en zijn gedrag is het vertrekpunt. Aan de hand van data creëren zij een integraal klantbeeld. Dankzij het integrale klantbeeld is relevantie in de dienstverlening mogelijk. Dit is een goed voorbeeld van data en klant gedreven werken.

Bij publieke organisaties bestaan er vaak veel verschillende systemen waar informatie en daarmee data wordt vastgelegd. Door het creëren van een integraal klantbeeld met statusinformatie, krijg je meer grip op de informatievoorziening. Een gemeente kan afdeling overschrijdend een betere aansluiting krijgen bij de klant (burgers en bedrijven) en echt toegevoegde waarde leveren met relevante dienstverlening. Innovatie op het gebied van informatiemanagement is hierdoor mogelijk. Neem bijvoorbeeld de situatie dat je een kind gaat aangeven bij de gemeente en meteen ook geattendeerd wordt op het verlopen van een paspoort van een ander gezinslid. Of gerichte (proactieve) informatievoorziening over onderhoud in een wijk na klachten van individuele burgers.

Steeds vaker staat de burger centraal en gelden doelen als burgerparticipatie, klant (burger)tevredenheid en het vergroten van de publieke waarde als gemeenschappelijk uitgangspunt. Door een klantreis te doorlopen, binnen de organisatie, leer je vervolgens hoe de dienstverlening vanuit het perspectief van burgers en bedrijven wordt ervaren en het beste kan worden ingericht. Klant (burger)data in combinatie met de inhoudelijke kennis van domeinexperts zorgt uiteindelijk voor een meer klant gedreven dienstverlening. Ook vanuit verschillende thema’s en opgaven.

Learnings

Wat kunnen organisaties binnen de publieke sector nu leren van commerciële organisaties? Een aantal ervaringen zijn interessant om rekening mee te houden in de ontwikkeling naar een datagedreven organisatie.

• Start met een doel voor ogen
  Denk niet vanuit middelen (tooling/systemen) en oplossingen, maar vanuit een doel dat breed in de organisatie wordt gedragen.
  Direct een hele stad vol hangen met sensoren om data te verzamelen is heel interessant. Maar wat doe je er vervolgens mee? Welk probleem los je op en welke vraag ga je hiermee voor de organisatie beantwoorden, zodat je in de toekomst ander beleid kan toepassen. Formuleer eerst een gezamenlijk doel. Dat stelt je in staat de juiste prioriteiten te stellen en het geeft richting aan de inzet van middelen en toepassing van beschikbare data.
• De basis op orde
  Het is heel verleidelijk om in een wereld van Big Data en Data Science snel in te springen op nieuwe ontwikkelingen als machine learning, Internet of Things of blockchain. Om daadwerkelijk met data aan de slag te kunnen gaan, moet echter eerst de basis op orde zijn. Veel tijd zit vaak in de ontsluiting van de juiste data. Zeker wanneer het in verschillende systemen zit, er afhankelijkheid van leveranciers is of data vanuit meerdere afdelingen moet komen.
• Stel de klant centraal
  Ga niet vanuit de data analyseren, maar neem de klant(doelen) als vertrekpunt.
• Beschrijvende analyses geven al goede inzichten
  Voorspellende analyses zijn niet altijd de eerste logische stap. Eerst terugkijken en het beschrijven van de huidige situatie (aan de hand van rapportages en dashboards) geeft vaak al goede inzichten. Op basis van deze inzichten kun je vervolgstappen uitvoeren en beleidskeuzen maken.