Dolen in de data-woestijn

Eén integrale monitor zou uitweg bieden

Voorbeelden, Albert Jan Kruiter knettert ze er als een repeteergeweer uit. Sommige precies ontleend aan feitelijke situaties en andere losjes gebaseerd op de praktijk. Kruiter (1976), bestuurskundige, ziet zichzelf en zijn teamleden van het Instituut voor Publieke Waarden (IPW) als ‘actie-onderzoekers’. Ze willen met de voeten in het bluswater van het sociale domein staan en van daaruit ideeën en theorie ontwikkelen. Kruiter: ‘Als je problemen helpt oplossen, leer je ze beter begrijpen dan wanneer je ze uitsluitend analyseert en af en toe met ambtenaren praat.’

Met onder meer hun ‘Sociaal Hospitaal’ helpt IPW zo’n 300 gezinnen per jaar, vooral multiprobleem- huishoudens. Daarvan telt Nederland er naar schatting 100.000, die opgeteld een budget van 10 miljard euro aan zorg en ondersteuning consumeren. Een educated guess, zegt de gepromoveerde bestuurskundige, omdat registratie ontbreekt.

Huiselijk geweld
Hij beschrijft een waargebeurde casus van een wegens huiselijk geweld gescheiden vrouw met vijf kinderen en 2.200 euro huurachterstand. De schuld ontstond doordat haar uitkering nog niet in gang was gezet. Daarop volgde huisuitzetting. ‘De kinderen kwamen in de crisispleegzorg voor 13.000 euro per traject, dus 65.000 euro. Moeder ging drie maanden de vrouwenopvang in voor 100 euro per dag, maakt 9.000 euro. Al met al geeft deze gemeente 74.000 euro uit om een probleem níet op te lossen.’ Het kan ook anders, schetst hij: ‘Onze oplossing zou zijn: 2.200 euro overmaken aan de woningcorporatie, zodat ze thuis kan blijven wonen. Om te voorkomen dat ze weer de schulden in rolt, maken we mét die vrouw een plan. Zo valt het gezin niet uit elkaar en houdt ze zelf de regie. Dit bespaart de samenleving bijna 72.000 euro, waar andere problemen van kunnen worden opgelost.’

Kruiter wijst erop dat in het sociaal domein lokaal aan meerdere knoppen kan worden gedraaid, maar aan enkele belangrijke juist niet. Huisvesting bijvoorbeeld, een van de pijlers van bestaanszekerheid. De druk om snel veel bij te bouwen is weliswaar groot in veel gemeenten, maar de woningcorporaties, die moeten zorgen voor goedkope huisvesting, in Kruiters woorden, zijn ‘aan alle kanten ingesnoerd.’ ‘Terwijl op woonproblematiek – te kleine huizen, te weinig woningen, wachttijden, geen doorstroming uit de opvang of de GGZ – op dit moment ontzettend veel vastloopt.’

Betaalbare huizen
Het vorige kabinet centraliseerde het volkshuisvestingsbeleid met de verhuurdersheffing en het verplichte ‘passend toewijzen’ grotendeels, terwijl delen van het sociale domein juist gedecentraliseerd zijn. Fnuikend, vindt Kruiter. Het zou naar zijn echt opschieten als gemeenten en corporaties van het rijk de ruimte zouden krijgen om samen te bepalen wat nodig is en het verplichte ‘passend toewijzen’ lokaal in te vullen. Gebruikmakend van een deel van de opbrengst van de verhuurdersheffing, die nu direct naar het rijk wordt overgemaakt. Dan kan minder schaarste aan betaalbare huisvesting ook het sociale domein ontlasten. Kruiter: ‘Helaas: ook de data over de relatie tussen de schaarse woningmarkt en zorgkosten houdt niemand systematisch bij. En dus hebben we het er niet over.’

Nog maar een achterkant sigarendoos-berekening: ‘Wij schatten dat er in Nederland 6.500 mensen onnodig in een intramurale zorgvoorziening verblijven bij gebrek aan woningen. Voorzieningen die gemiddeld 45.000 euro per persoon per jaar kosten, gefinancierd vanuit de Wet langdurige zorg (Wlz) en Wet maatschappelijke ondersteuning (Wmo). Dat kost 240 miljoen euro per jaar aan zorggeld. Staat ongeveer gelijk aan bijna 8,5 miljard extra investeringsruimte voor woningcorporaties om betaalbare huizen van te bouwen. Omgerekend 58.000 sociale huurwoningen.’

Huurschuld
Kruiter haalt nog maar eens de casus van de vrouw met huurschuld erbij en somt de verschillende wetten op die betrekking hadden op dit geval: Woningwet, Wet passend toewijzen, huurrecht, de Wmo, de Jeugdwet en de Participatiewet. ‘De tekorten bij veel gemeenten worden alleen per wet verklaard. Terwijl de verklaring van die tekorten in de waterbedeffecten tússen de wetten zit. Die zien we echter niet, omdat de verantwoordingsdata die gemeenten verzamelen daar ongeschikt voor zijn. Dat de vrouw een uitkering heeft, staat in een ander datasysteem dan het gegeven dat die kinderen in de tweedelijns jeugdzorg zitten. Van de schulden bij de woningcorporatie weet die gemeente vermoedelijk niet eens. Als onderzoeker zou ik me afvragen wat de correlatie is tussen huurschulden en tweedelijns jeugdzorg.’ Zo is er volgens Kruiter veel relevante informatie waarover gemeenten niet beschikken.

Om die reden relativeert hij vooralsnog de vergezichten die geschilderd worden over alles wat afgelezen kan worden uit big data. ‘Op dit moment is nog sprake van een datawoestijn. Hoeveel mensen zitten in intramurale voorzieningen voor beschermd wonen, verpleeghuis, ziekenhuizen, omdat er woningnood is? Hoeveel kinderen worden uit huis geplaatst, niet omdat ze slechte ouders hebben, maar bij wijze van huurschuldopvang, waardoor ze in zorgvoorzieningen blijven hangen? De combinatie van variabelen is relevant voor het waterbedeffect op macroniveau. Zolang we data per koker verzamelen, gaan we nooit echt integraal en preventief werken.’

Slimme meiden
Als gemeenten echt profijt willen hebben van hun data, moeten ze hun ict-budget anders verdelen, zegt Kruiter. ‘Niet door uitsluitend te investeren in een infrastructuur voor verantwoordingsinformatie, maar door een systeem op te zetten voor ontwikkelinformatie. Een ontzettend belangrijk onderscheid. Nu zeven we data door die niet aansluiten op de logica van de leefwereld. Voor een man die problemen krijgt op z’n werk en ontslagen wordt, in een vechtscheiding belandt, letterlijk op straat komt te staan, zes maanden bij vrienden logeert, een psychose krijgt, in de crisisopvang komt, is sprake van één causale keten. Juist de verbanden en patronen zien wij niet terug.’

Dat wreekt zich, onder meer in de vorm van miljoenentekorten, vooral in de jeugdzorg. ‘Sturen in het donker’, noemde voorzitter Jantine Kriens van de Vereniging van Nederlandse Gemeenten dat vorig jaar in een column. Kruiter: ‘Slimme jongens en meiden koekeloeren in al die beschikbare data, maar de meest basale variabelen, de correlatie tussen armoede en jeugdzorg; tussen schulden en dakloosheid; tussen schaarse woningen en zorgkosten; tussen werkloosheid, vechtscheiding en jeugdzorg blijven verborgen. Die kunnen ze niet uit de systemen halen.’

Van de eilandjes met applicaties voor specifieke doelen, waarbij rechtmatigheid vaak centraal staat, moeten gemeenten zo snel mogelijk af, volgens Kruiter. Om daar software voor in de plaats te zetten die aansluit op de logica van het sociale domein. De volgende stap in de transformatie is in zijn ogen de hervorming van de ‘bureaucratische backbone’, waarbij ‘ontschotting’ het sleutelbegrip is. ‘Ontschotting van wetgeving: één verordening sociaal domein. Van financiering: één budget sociaal domein. En van data: één integrale monitor. Ik snap best dat dit niet mogelijk is vanuit de huidige systemen, want voor je het weet tast je de uptime van je servers aan of vernachel je het primaire proces. Mijn idee: doe het dan niet vanuit je primaire systeem, maar zet er een systeem naast.’

Big data-sausje
Hoe ziet het datamodel van de toekomst er uit in Kruiters visie? ‘De data staan centraal en de organisatie bouwen we daar omheen. Dan kunnen we maatschappelijke vraagstukken kwantificeren en er bestuurlijke en beleidsmatige consequenties aan verbinden. Nu gaat het zo: wethouder X heeft ambitie Y, beleidsmaker X maakt beleidsprogramma Z en data-analist P wordt gevraagd om het met data Q te verantwoorden. Zo ontwikkelden we beleid in de twintigste eeuw, zo doen we dat nog steeds. Alleen gooien we er tegenwoordig een big data-sausje over.’ Het brengt hem op wat Arre Zuurmond, nu ombudsman in Amsterdam, het ‘postkoets-met-hulp motoreffect’ noemde: oude processen digitaliseren, maar nieuwe mogelijkheden die de technologie biedt onbenut laten.

Predictive analysis is een van die beloften: de voorspellende waarde van grote sets (geanonimiseerde) historische data. Zo weet iedereen in het veld volgens Kruiter dat schulden de grootste voorspeller van meer narigheid zijn. ‘Wat je zou moeten voorspellen is waar in je gemeente schuldenproblematiek vaak voorkomt. Als je dat weet, kun je iemand met die specifieke expertise in het wijkteam zetten. Zijn er bovengemiddeld veel vechtscheidingen waarvan je op basis van ervaring weet dat die uitmonden in een groot beroep op jeugdhulp, dan kan het wijkteam mediators inzetten. Wil een wijkteam nu een mediator, dan komt vaak de vraag: hoe vaak komen vechtscheidingen voor? Dat weet niemand, omdat we die niet registreren. En dus is het probleem dan niet urgent. De praktische kennis van wijkteamleden, wijkagenten, woningbouwconsulenten is volstrekt onderbenut. Analisten, strategen en onderzoekers zouden daar veel meer gebruik van moeten maken: big data koppelen aan inzichten van de werkvloer.’

Een ideetje voor bestuurders en gemeenteraden: ‘Geef wijkteams vouchers waarmee ze data-analisten kunnen inschakelen. Als ze een huisuitzetting op een bepaalde manier hebben voorkomen, kunnen ze meteen laten onderzoeken hoe vaak die problematiek voorkomt. Zo kunnen ze op wijkniveau van individuele naar collectieve oplossingen komen.’ Echt niet moeilijk te organiseren, zegt hij: ‘Laat eens per week een data-analist aansluiten bij een wijkteam en aan de hand van bevindingen uit praktijk onderzoek doen. Dan kom je een heel eind.’