Datagedreven werken binnen de gemeente

De transformatie in het sociaal domein brengt de datagedreven gemeente dichterbij. Een datagedreven gemeente maakt goed gebruik van beschikbare data om beleidskeuzes te onderbouwen, om de effecten te volgen en om dat ook doelmatig te doen. Alles in het teken van publieke meerwaarde dus!

Binnen Van Dam & Oosterbaan werken we met een volwassenheidsmodel waarmee organisaties een meer datagedreven werken kunnen worden. Vind hier meer informatie over dit volwassenheidsmodel. In aanvulling op dit volwassenheidsmodel beschrijven we vandaag negen voorbeelden van datagedreven werken die bij u herkenning kunnen oproepen. Deze herkenning vormt een goed perspectief voor het vergroten van uw datagedreven volwassenheid.

1. Meten is niet altijd weten

Neem de omvang van gemeenten als voorbeeld. Op grond van het Besluit Begroten en Verantwoorden (BBV) geven gemeenten in de begroting aan hoe groot de ambtelijke organisatie mag zijn (formatie).

Uit onze inventarisatie blijkt dat er gemeenten zijn die meer dan 20 fte hebben per 1.000 inwoners, terwijl er ook gemeenten zijn die in deze verhouding niet boven de 2 fte uitkomen.

Het is vanuit dit voorbeeld te makkelijk om, op grond van deze data, te veronderstellen dat de grotere gemeente minder efficiënt is dan de kleinere gemeente. Op zo’n conclusie zijn heel wat nuanceringen aan te brengen. Want de kleinere gemeentelijke organisatie bestaat slechts uit de bestuurlijke ondersteuning, aangezien de overige ambtenaren zijn ondergebracht in een werkorganisatie.

Dit zijn twee uitersten. Verschillen tussen gemeenten ontstaan door keuzes over de inrichting van de organisatie. De inning van belastingen kan uw organisatie zelf doen of uitbesteden aan een samenwerkingsverband, de inkoopfunctie kunt in de regio bundelen, het beheer van de openbare ruimte kan overgelaten worden aan marktpartijen. Maar het personeel van theaters en zwembaden kan weer tot uw ambtelijke organisatie behoren. Lokale keuzes dus!

Naast bewuste keuzes die tot verschillen leiden, zijn de lokale opgaven van invloed op de omvang van een gemeentelijke organisatie. Want als een gemeente een wereldhaven binnen zijn grenzen heeft, dan verklaart dat verschillen met een gemeente die niet eens aan een rivier ligt. Dit benadrukt weer dat losstaande data niets zeggen dat het belangrijk is daar de juiste context aan te brengen.

2. Ontbrekende data om tot informatie te komen

Beschikt u eigenlijk wel over de data die voor u belangrijk zijn? Als u goede zorg aan hulpbehoevende burgers wilt verlenen, wilt u wellicht weten dat zij snel geholpen worden en toegang krijgen tot uw ondersteuning. Maar op het moment dat u bijvoorbeeld de datum van keukentafelgesprekken niet kunt koppelen aan de datum dat een burger zich bij u meldde voor ondersteuning, dan is het niet eenvoudig om een beeld te vormen over hoe snel dat gaat.

3. Onvoldoende gestructureerde data om tot informatie te komen

In een groot aantal gemeenten is het een politieke ambitie om, waar mogelijk. in en rond de eigen gemeente in te kopen. Dit is goed voor de stimulering van de lokale en regionale economie.

Om de realisatie van deze ambitie te kunnen tonen is het nodig dat u uit uw administratie kunt tonen wat uw prestaties zijn. Wat u lokaal inkoopt kunt u met een analyse op postcodes van facturen wel achterhalen. Dat kan in de regio ook, maar heeft uw organisatie vastgesteld uit welk gebied dit bestaat? En hoe gaat u om met een leverancier die zich lokaal gevestigd heeft, maar die zijn facturen verzendt vanaf een ander adres (bijvoorbeeld een grote uitzendorganisatie?). Als u hier in uw processen geen rekening mee houdt, loopt u het risico dat rapportages geen juiste beelden geven van de werkelijke bijdrage aan de lokale en regionale economie.

4. Prima structuur voor data aanwezig, maar verkeerd ingevuld

We blijven nog even bij de financiële administratie, aangezien deze een belangrijke bron is om de omvang van de externe inhuur door de gemeente te bepalen. Wat gebeurt er nou met deze omvang wanneer daar ook het uitbesteedde werk in is opgenomen (bijv. de ARBO-dienstverlener)? Precies, dan stijgt de externe inhuur terwijl er wel degelijk een verschil zit tussen externe inhuur en uitbesteding. En het blijkt in de periode van de vaststelling van de jaarrekeningen weer dat de externe inhuur soms kritisch bekeken wordt vanuit gemeenteraden. Dus datagedreven werken betekent ook dat je de juiste data hanteert om te sturen en verantwoorden.

 

5. Verkeerd zoeken kan leiden tot verkeerd vinden!

Wij hebben voorbeelden gezien waarbij de ontwikkeling van verschillende databronnen tegengestelde bewegingen laten zien die onlogisch lijken.  Want is het eigenlijk niet raar dat als een organisatie minder ambtenaren heeft (uit de personeelsadministratie), maar de gemeente toch meer geld uitgeeft aan het salaris van ambtenaren (uit de financiële administratie)?

Nou zijn er wellicht logische verklaringen voor dit verschil te vinden (bijv. duurder personeel dan in het verleden), maar toch valt het op. En plausibele verklaringen zijn ook wel weer met data te toetsten (schalen van de bezetting t.o.v. vorig jaar bijvoorbeeld).

6. Afhankelijk zijn wie de data aanlevert en/of op welk moment

Herkent u als manager de situatie dat u in uw flashy dashboard opeens een onverwachte trendbreuk op uw belangrijke indicatoren aantreft? Vast wel. Voordat u meteen in de stress schiet of blij wordt, stelt u zichzelf dan eerst de vraag of de data wel consistent is verzameld. Want het kan zo maar zijn dat de aanlevering van cijfers is gebaseerd op een andere query uit uw informatiesysteem, of dat een van uw medewerkers wellicht een andere selectie heeft gemaakt in de dataset. Consistentie is een groot goed in datagedreven organisaties en vragen om een goede beheersing van de data!

7. En als de data nou wel kloppen, maar er geen echte antwoorden komen?

Mogelijk is het ziekteverzuim in uw organisatie (weer) gestegen. Dat lijkt, gelet op de recente Personeelsmonitor van het A&O-fonds, zo maar in uw gemeente voor te kunnen komen.

In dat geval wilt u graag weten wat daar de oorzaken van zijn, welke patronen in het verzuim zichtbaar zijn, of er verschillen zijn binnen de organisatie, met welke maatregelen deze stijging af te remmen of om te buigen is, of het heeft geleid tot een hogere inhuur van extern personeel, of er ook risico’s zijn voor de budgetuitputting, etc. Krijgt u als directielid valide analyses met duidelijke antwoorden en gerichte adviezen van uw managers en uw adviseurs?

8. Meer data dan uw organisatie benut.

Uw gemeente verzekert zich tegen risico’s en u doet dat ongetwijfeld heel bewust. Uit ervaring blijkt echter dat bijna alle gemeenten meer geld uitgeven aan verzekeringen dan de bedragen die zij uit deze verzekeringen terugkrijgen.

Wanneer heeft u voor het laatst op kritische wijze gekeken naar de uitgaven aan verzekeringen? En heeft u daarbij ook een analyse gemaakt van het aantal schademeldingen, het aantal uitkeringen waarbij niet de totale schade vergoed is door eigen risico’s en maximale dekkingsbedragen? Wellicht wilt u als datagedreven gemeente uw verzekeringsbeleid dan wel aanpassen. Als een hoger eigen risico een positieve business case oplevert, zijn er minder dossiers af te handelen en kunt u mogelijk zo ook doelmatiger (met minder fte) werken.

9. … u vraagt veel meer data op dan u nodig heeft!

Wanneer een vereniging in uw gemeente een “kleine” bingo wil organiseren, dan dient dat vooraf gemeld te worden aan de gemeente. Dat is een taak die u in medebewind uitvoert. Op basis van de melding kan uw College de gezellige verenigingsavond niet door laten gaan, maar de gronden zijn daar eigenlijk beperkt voor. Ik daag u uit om eens op uw site te kijken hoe zo’n melding gedaan kan worden en hoeveel gedetailleerde gegevens de melder vooraf (en soms zelfs achteraf) moet aanleveren. Veel meer dan strikt noodzakelijk voor een goede uitvoering van uw werk ten aanzien van de melding. Dus waarom vraagt u dit allemaal op?