LDA Kennisdag: Aan de slag met datagedreven werken

Vrijetijdsonderzoek

De onderzoekers hebben toen de oude methode weer opgepakt en een jaar lang elke week een groep Nederlanders ondervraagd over hun vrijetijdsgedrag van de afgelopen week. Het gaat in dit onderzoek om vrijetijdsactiviteiten met een minimale duur van 1 uur. In tegenstelling tot het vorige onderzoek is het aantal gemeten activiteiten teruggebracht van 81 naar 37. "Het ging ons om activiteiten die met toeristisch-recreatief beleid zijn te beïnvloeden”, vertelde Visser.

De resultaten worden breed gedeeld in een algemeen rapport, provinciale factsheets en een online dashboard waar gebruikers zelf analyses kunnen maken. Enkele highlights:

• Bijna alle Nederlanders ondernemen vrijetijdsactiviteiten, de participatie is het hoogst bij jongeren.
• In totaal hebben Nederlanders 2,4 miljard vrijetijdsactiviteiten ondernomen.
• Wandelen, fietsen en uit eten gaan zijn het meest favoriet.
• Per activiteit wordt gemiddeld 25,11euro uitgegeven. Op jaarbasis zijn vrijetijdsactiviteiten goed voor ruim 60 miljard euro.

Database logiesaccommodatie Nederland

Met de basisonderzoeken is de vraagzijde op nationaal en provinciaal niveau behoorlijk goed in kaart gebracht. Een gedetailleerd inzicht in het verblijfsaanbod ontbreekt tot op heden. Reden voor de LDA om NRIT Onderzoek en Bureau Nijdam opdracht te geven dat uit te zoeken. Het uiteindelijke doel is een landelijke dataset van Nederlandse logiesaccommodaties te bouwen die de komende vijf jaar actueel wordt gehouden en online toegang geeft.

Onderzoekers Arend Jan Kornet en Rolf Nijdam zitten nog middenin de dataverzameling en analyse maar deelden alvast hun inzichten tot nu toe. Kornet: "We zien heel veel overzichten met aanbod in Excel en dat willen we beslist niet opleveren. We gaan een relationele database ontwikkelen die ook online toegang geeft.” Kornets ideaal is een ecosysteem waarbij gebruikers op landelijk, provinciaal en gemeentelijk niveau inzicht krijgen in het logiesaanbod. "We weten dan waar welke hotels, campings, bungalowparken, groepsaccommodaties, b&b’s en jachthavens zich bevinden en welke capaciteit ze vertegenwoordigen.”

De onderzoekers zijn niet op nul begonnen. Kornet: "We hadden al een Nationale Database Verblijfsrecreatie met 4.000 vakantieparken en er was door de LDA al een pilot uitgevoerd. Uit de pilot hadden we geleerd dat het heel lastig is om allerlei databestanden bij elkaar te voegen.” Het idee om met webcrawling de database te vullen lijkt een quick win maar is ook verwarrend en is in feite een vals positieve bron. Die pilot leverde wel een werkwijze en definitiekader op die ook nu worden gebruikt.

BAG als anker

Het anker voor de onderzoekers wordt de BAG waarin gemeenten alle gebouwen landelijk registreren met hun functie. Dat lijkt dan appeltje-eitje maar zo eenvoudig is het. Niet. Kornet: "In de BAG zitten 10 miljoen objecten die we moeten filteren op de functie ‘logies’ en dan komen we op mogelijke 166.000 objecten. Maar klopt dat wel? Als we inzoomen op een bepaalde logiesaccommodatie hebben we vaak meer vragen dan antwoorden. Adressen kloppen niet, functies kloppen niet. Noem naar op.” En die conclusie leidt volgens de onderzoekers tot de actie dat ze gemeenten gaan aansporen hun registratie te verbeteren. Het idee om met webcrawling de database te vullen lijkt een quick win maar is ook verwarrend en in feite een vals positieve bron. Volgens Nijdam is data verzamelen geen probleem, maar data beoordelen, analyseren en bruikbaar maken is een tour de force.

Nijdam haalde met diverse voorbeelden nog wat problemen naar boven die op bedrijfsniveau moeten worden bekeken. Zo zijn er veel gemengde bedrijven met heel wat verschillende logiesfuncties. "Zo hebben we een bedrijf met acht kamers die de ene keer een b&b zijn, dan weer hotelkamers en gekoppeld een groepsaccommodatie vormen.”  Rond de zomer wordt een eerste dataset verwacht. Privacy en AVG hebben de aandacht, zeker bij de toegang tot de data.

---

Gemeenten zoekende naar juiste data-aanpak

Eva Niens en Max Olzheim van Areaal Advies doen onderzoek naar toeristische data in het gemeentelijk beleid. Niens: "We hebben gemerkt dat er veel vraag is naar data bij gemeenten maar nog wel vragen hoe je die data gaat gebruiken.” Het onderzoek heeft een brede focus. Olzheim: "Wat is de informatievraag, welke gebruikers zijn er en welke data is er al?”

Eerste resultaten zijn er ook al. Zo hebben gemeenten vragen over de bijdrage van toerisme aan de samenleving, sociale vraagstukken en vragen rond leefbaarheid. Olzheim: "Gemeenten zien dat discussies over drukte en negatieve effecten in bijvoorbeeld Venetië, Amsterdam en Giethoorn zich in de lokale discussie mengen. Ook als dat bij die gemeente helemaal niet aan de orde is. Het gaat daarbij niet altijd over feiten maar vooral over beeldvorming. Als het over het met meten van impact gaat dan is altijd de vraag of ze het over positieve en/of negatieve impact hebben.” Uit het onderzoek blijkt ook dat ambtenaren worstelen met onvergelijkbare uitkomsten uit verschillende onderzoeken. "Dat geeft onrust en zorgt ervoor dat onderzoeken soms minder breed worden gedeeld.” Tot slot is er bij gemeenten behoefte aan duidelijke inzichten in trends en ontwikkelingen. "Less is hier more want ze hebben vaak niet de tijd om zich in al die data te verdiepen.”

---

Dashboards die wel worden gebruikt

Tom Pots, programmamanager datagestuurd werken in de gemeente Zaanstad vertelde hoe je met datagedreven werken morgen zelf aan de slag kunt. Hij deed dat met veel voorbeelden waarbij hij zichzelf en de gemeente niet spaarde: "We hebben in Zaanstad een mooie historie van niet gebruikte dashboards. Ik ga jullie leren hoe je dashboards maakt die wel worden gebruikt.” Maar ze hebben in Zaanstad ook veel geleerd en dat resulteerde in leergang Datagedreven sturing in de publieke sector die ze samen met de Vrije Universiteit Amsterdam hebben ingericht. Onderzoek is in de optiek van Pots pas klaar als het goed gebruikt wordt. Om dat te realiseren ging hij helemaal terug naar het begin met vier typen analyses.

• Beschrijvende analyses: Wat gebeurt er?
• Diagnosticerende analyses: Waarom gebeurt dit?
• Voorspellende analyses: Wat gaat er gebeuren?
• Voorschrijvende analyses: Hoe kunnen we dit laten gebeuren?

Datagestuurd werken is volgens Pots beschrijvende, diagnosticerend en voorspellende analyses toevoegen aan beleidsteams. Het viel hem op dat diagnosticerende analyses heel weinig worden toegepast. Volgens Pots gaat het met de ontwikkeling van dashboards vaak al bij de start fout, zo ook in Zaanstad: "Het doel was vroeger technisch goed werkende dashboards op te leveren. ‘We geven je een dashboard en fingers crossed of je het gaat gebruiken.’ Nu is het doel goed gebruikte dashboards op te leveren.” Maar dashboards zijn zeker niet altijd de oplossing voor een datavraag: "Soms heb je dashboards nodig, soms de wetenschap en soms modellen maar vaak een combinatie”, stelde Pots.

Minder beslissen op onderbuikgevoel

Dat dashboards over het algemeen slecht worden gebruikt is voor Pots geen reden om het gebruik van data te diskwalificeren, in tegendeel "Als besluitvorming wordt gevoed door data en feiten dan krijgen we betere beslissingen die minder zijn gebaseerd op onderbuikgevoel.” Datagedreven werken gaat niet in één keer goed: "Je hebt kleine succesjes nodig om het belang van datagestuurd werken te laten zien. Waardoor je meer mag doen. Begin dus niet groots en meeslepend. Analyses hoeven niet fancy te zijn als ze maar antwoord geven op de vragen die er zijn.”

Datagestuurd werken kan volgens Pots supermakkelijk zijn. "We beginnen nooit met het verzamelen van data maar juist met het ophalen van vragen. Vervolgens kijken we wat er al is. "We verzamelen dan alle bestaande data (factsheets/onderzoeken) en kunnen daarmee vaak al minimaal 50% van het vraagstuk beantwoorden. Dat noemen we in het proces de foto maken. Een feitelijke foto mag niet meer dan 3 dagen kosten.

Datagedreven innovatie canvas

Om de vraagstelling scherp te krijgen heeft Pots samen met professor Feldberg van Vrije Universiteit Amsterdam een datagedreven innovatie canvas (Datcan)ontwikkeld. "Daarmee kun je kansrijke van kansloze dataprojecten onderscheiden. In een canvas laat je mensen in zes uur tijd een gemeenschappelijk verhaal maken. Datagestuurd werken is vooral samen aan de slag gaan. Voor mensen met weinig tijd en kleine datavragen hebben we een datacan light die in vijf minuten kan worden gerealiseerd.” In dat canvas worden deze vragen beantwoord:

• Doelen: Wat wil je bereiken?
• Data: Wat wil ik weten?
• Feitelijke foto: Wat zien we in bestaande analyses?
• Handelen: Wat ga ik doen?

Volgens Pots moet je altijd bij het doel starten. "Als je niet weet wat je wilt bereiken dan weet je niet wat je wil weten en is de kans op succes nihil. Maar realiseer je dat je vaak in eerste instantie een heel abstracte vraag krijgt omdat mensen niet heel concreet weten wat ze willen weten.”

Je onderdompelen in de data

En als je de data dan op orde hebt moet je het gebruik gaan organiseren: "Dat gaan mensen niet vanzelf doen. Geef ze concrete opdrachten.” En daarvoor had Pots ook een mooi stappenplan. "Datagestuurd werken is hard werken je onderdompelen in de data en daar samen