Volgende stap Van data naar informatie

Programma 7 september Voorstelrondje: welke organisatie, welk werkveld (ICT, sociaal domein of ….), welk belang om mee te doen Presentatie over traject tot nu toe Aan het werk …. Vervolg afspraken en evt. huiswerk voor 16/9

Vertrekpunt april 2016 Op 7 april 2 de prijs gewonnen in GIC-Brabant 2 wensen: – Completering van data en, in samenwerking met CBS, projectie op kaarten – ‘what-if’ scenario’s kunnen projecteren op kaarten Werving meedenkers via een aanmelding op pilotstarter, de werkgroep Business Analitics en de begeleidingscie ‘opschaling RKSD’

Dit heeft jullie gelukkig niet weerhouden

Waarom: data kunnen helpen bij het bepalen van interventies

Maar wel binnen de (privacy) kaders

7 Er was eens…

Aanleiding pilot De volgende punten waren aanleiding om de pilot RKSD te starten: Door de decentralisaties in het sociaal domein ontstaan nieuwe beleidsvragen Dit zijn veelal complexe vragen met een grote informatiecomponent Gemeenten verwachten bij het beantwoorden van deze vragen veel toegevoegde waarde van het koppelen van administratieve gegevens aan kaartmateriaal. Almere en Dordrecht hadden hier al ervaring mee. Tegelijkertijd werd geconstateerd dat deze koppeling niet als vanzelf tot stand komt; geo-mensen en beleidsmedewerkers zoeken elkaar niet als vanzelf op Het identificeren en ontsluiten van onderliggende databronnen kost daarnaast veel tijd. De vraag voor de pilot was of dit samen/slimmer zou kunnen

Doel initiërende pilot Het overkoepelende doel van de pilot was het oefenen met en onderzoeken van de meerwaarde van (geo)data gedreven werken in het sociaal domein. Een plaatje zegt meer dan 1000 woorden

Hoe ver is Uden nu dex.html?appid=cb0ad745a98d4530b0e79a706f e6ca8a Dit is nog steeds met inzet van alleen eigen data en eigen hulpmiddelen

Pilot: RKSD / Straatkubus Pilotresultaten: – Stappenplan inzet RKSD – 10 generieke beleidsvragen sociaal domein in ruimtelijk kader – Vastgestelde onderliggende databronnen – Mogelijke interventies Resterende WENSEN – Kwetsbaarheid van wijken in beeld (samenstelling) – Voorspellend werken => what-if in beeld

Informatiebronnen niet volledig

Nu wens 1: via ketenomkering Gemeenten (en partijen als corporatie, telefoonproviders etc.) leveren data aan CBS; CBS vertaalt deze naar distributiepatronen op kaart binnen hun kaders van privacy => bronbestanden zijn niet meer te muteren Profielen bepalen welke stapeling zichtbaar kan/moet worden Uitgangspunt: niet meer registratiewerk van gemeenten en betrokken partijen.

Via profielen beleidsvragen bedienen Beleidssturing in sociaal domein: Welke profielen zijn te benoemen door toepassing van empirische kennis: welke stapelingen komen vaak voor en realiseren kwetsbaarheid Welke data en welke bronnen zijn nodig voor deze profielen Hoe kunnen deze data veilig gevisualiseerd worden

Profiel suggesties Welzijns-profiel => 50+, ‘uitgewerkt’, huis gebonden Arbeidsprofiel => 27-50, werkeloos, gezinsverband Jeugdprofiel => 18-, langdurige minima, laagopgeleide ouders, eenoudergezinnen Jongerenprofiel => 18-27, alleenstaand, zonder startkwalificatie Survival profiel => laag betaald en fysiek zwaar werk, eigen huis, schulden / kredieten (werkende armoede) Eenzaamheidsprofiel => alleenstaand, kinderloos, werkeloos of uitgewerkt

Uitwerking van profielen Betreft stapeling van enkelvoudige data in logische, vast afgesproken combinaties Geprojecteerd op locatie via zgn distributie patronen Geprojecteerd afzonderlijk en – volgtijdelijk – gestapeld => concentratie van problematiek wordt inzichtelijk Alleen uitkomsten worden geleverd, niet de data, vanwege privacy => zgn. ketenomkering

Welke data? Waar vandaan? – jong en oud – ‘wit’ en ‘zwart’ – hoog- en laagopgeleid – Hoogte en herkomst inkomens – alleenstaanden en (één ouder) gezinnen – koop- en huurwoningen en stavaza hypotheek – Woningwaarde – Vermogend ja/nee Uit GBA (nu BRP) Uit GBA In te kopen via Experian of via DUO CBS, UWV, ABP etc. Diffuus uit GBA Via dataland in te kopen Via kadaster, Via belastingdienst of CBS

Welke data? Waar vandaan? (2) Algemeen: Ondersteuning vanuit gemeente (P-wet, Wmo, SDV e/o Jeugdwet) Armoede Provider-schulden SDV / GKB Eenzaamheid Lidmaatschap van sport- cultuur- e/o geloofs- verenigingen? Algemeen GWS of vgl. suite, GGK-data Vast- of flex aanstelling (uit Competensys?) Telefoon- e/o internet providers, Ziggo etc.? BKR? ISA4All?

Hoe gaan we werken? Praatstuk met profielen: per profiel uitwerking – Logica van benaming en combinatie van factoren – Welke data zijn nodig (per factor specifiek en voor het profiel algemeen) – Welke data hebben we zelf – Welke partijen moeten / kunnen data leveren

Welzijnsprofiel  zelfredzame, baanloze inwoners in de leeftijd van 50jaar en ouder met een loonwaarde van % (als ze nog niet pensioengerechtigd zijn), woonachtig in een koopwoning zonder bezigheden buitenshuis en zonder inwonende kinderen van 18+ (vgl. Competensys loonwaarde %, trede 1-4, leeftijd 50 jaar en ouder) een vergrijzende populatie met groeiende zorgvraag gelijkblijvende of dalende inkomens waarbij het vermogen geheel of deels in de ‘stenen’ zit. Benodigde aanvullende data: – inkomen (hoogte en herkomst, werk, uitkering of pensioen) – woning waarde hoog/laag (afgelost ja/nee) – vermogend ja/nee

Arbeidsprofiel  minder zelfredzame inwoners in de leeftijd van jaar zonder vaste aanstelling in een baan met inkomen hoger dan minimumloon en zonder de vaardigheden om daar zelf permanent verbetering in aan te brengen, vermoedelijk door een tekort aan regie vermogen, veelal wonend in sociale huurwoning met schoolgaande kinderen  Arbeidsprofiel is een relatief jonge populatie die moeite heeft om  op eigen kracht een startkwalificatie te verkrijgen en te verzilveren naar een stabiele positie op tenminste 3 trede van de piramide van Maslow  Benodigde aanvullende data: – Inkomen, hoogte en herkomst (werk of uitkering) – Bij werk: vast of flex-aanstelling – Bij uitkering: structureel of gericht op uitstroom – Kredieten e/o schulden, via BKR e/o SDV – Culturele diversiteit / laaggeletterdheid ja/nee

Jeugdprofiel  18-, langdurige minima, laagopgeleide ouders, eenoudergezinnen, met schulden, geen (gratis) voorzieningen in de vrije tijd, drop-outs, jonge mantelzorgers  huishoudens met opgroeiende kinderen in de leeftijd van 0 t/m 16 jaar waarbij  de ouders of verminderd regie hebben dan wel  de omstandigheden dusdanig pover zijn en  de omgeving niet in staat is versterking te bieden dat de kinderen eronder lijden  Welke data zijn nodig:

Jongerenprofiel  18-27, zonder partner of kinderen, zonder startkwalificatie (vgl. Competensys loonwaarde 30-80%, jaar, trede 1-4) met wens tot zelfstandig wonen  Welke data zijn nodig:

Survivor profiel  niet kunnen deelnemen aan ontspanningsbezigheden noch buitenshuis verkeren met gelijkgestemden a.g.v. geldtekort e/o tijdgebrek door zwaar, laagbetaald maar langdurige werkweken en wegvallen van toeslagen a.g.v. uitstroom uit de uitkering  Welke data zijn nodig:  minima,  schulden en kredieten,  eigen huis bezit,  trede 5-6,  loonwaarde %

Eenzaamheidsprofiel  geen omgang met gelijkgestemden, gevoelsmatig geïsoleerd, en geen mogelijkheden om dat te doorbreken (financieel of fysiek / mobiliteit)  Welke data:  alleenstaand,  kinderloos,  werkeloos

Vervolgafspraken Huiswerk 16/9: Input t.b.v. bijeenkomst 19/9 (Business Analytics en Logistics)