Datagestuurd werken Van idee tot concrete resultaten

Presentatie over: "Datagestuurd werken Van idee tot concrete resultaten"— Transcript van de presentatie:

1 Datagestuurd werken Van idee tot concrete resultaten
Tom Pots

2 Interactief kennismaken

3 Wie denkt dat zijn organisatie in de komende 3-5 jaar fundamenteel gaat veranderen door data?
Een bedrijf dat het volgens Tabarki wel snapt, is Deep Knowledge Ventures uit Hong Kong. Deze investeringsmaatschappij benoemde vorig jaar een algoritme in de raad van bestuur. Deze ‘VITAL’ maakt aan de hand van grote hoeveelheden data beslissingen. ‘Het levert geen gezellige vergaderingen op”, vertelt de trendwatcher, ‘maar het geeft wel aan hoe de investeerder omgaat met besluiten op het hoogste niveau.’

4 Wie denkt dat zijn directie over 10 jaar uit één of meer data-analyse programma’s bestaat?
Data-analyse programma ‘VITAL’ volwaardig lid van Raad van Bestuur. Deze ‘VITAL’ maakt aan de hand van grote hoeveelheden data beslissingen Een bedrijf dat het volgens Tabarki wel snapt, is Deep Knowledge Ventures uit Hong Kong. Deze investeringsmaatschappij benoemde vorig jaar een algoritme in de raad van bestuur. Deze ‘VITAL’ maakt aan de hand van grote hoeveelheden data beslissingen. ‘Het levert geen gezellige vergaderingen op”, vertelt de trendwatcher, ‘maar het geeft wel aan hoe de investeerder omgaat met besluiten op het hoogste niveau.’

5 Doel sessie Waar begin je?
Wat zijn essentiële onderdelen van je aanpak? Hoe begeleid je deze verandering? Wat moet je organiseren? Wat zijn belangrijke valkuilen en succesfactoren?

6 Gemeenschappelijke taal data-analyses
Meerdere toepassingen

7 Gemeenschappelijke taal data-analyse
Drie disciplines in data-analyseteam Data-scientists (Analytics) Ontwikkelaars dashboard (BI) Onderzoekers (O&S)

8 Waar begin je? Inspireren, experimenteren en verankeren

9 Haal inspiratie van buiten, begin klein en bij de juiste analyse

10 Individueel idee, onze keuze Informatievoorzieningsstrategie
IV-strategie is de manier om onszelf te dwingen om jaarlijks naar nieuwe ontwikkelingen te kijken en gezamenlijk te duiden: moeten we er iets mee of niet?

11 Informatiepositie verbeteren
Individueel idee, onze keuze Prioritering drie thema’s door alle leidinggevenden en vastgesteld door college Informatiepositie verbeteren Slimme samenleving Datagestuurd werken Per thema zijn de ambities, aansturing (sponsor, trekker en uitvoerend team) en middelen bepaald

12 Individueel idee, onze keuze Beoogde resultaten datagestuurd werken
2. Datapakhuis 1. Datalab 3. Data-academy 6. Verankeren in organisatie 4. Dashboard burger & Leefomgeving 5. Experimenteren in pilots

13 Zorg dat de organisatie heeft gekozen om met data aan de slag te gaan

14 Experimenteren in pilots Beter onderbouwde beslissingen
Besluitvorming Kennis, ervaring en intuïtie Feiten, Data-analyse

15 Feitelijke foto vluchtelingen
In politieke debat: “er komen alleen testosteronbommen!” Feitelijk bleek dit niet te kloppen. Eerst veel gezinnen, Nu veel mannen (beperkt aantal in de categorie ‘testosteronbom’) En volgend jaar veel vrouwen. Ook negatieve feiten, bijvoorbeeld... 75% van de statushouders in het verleden in de bijstand gekomen.

16 Voorspellen funderingsproblematiek met 95% zekerheid

17 Creëer een paar successen en bouw daar een krachtig verhaal omheen

18 Waarom een Data Lab? Waarom deze bijeenkomst? Etc. Etc. Etc. Etc. Etc.
Opgave in samenleving Etc. Etc. Etc. Etc.

19 Het idee ontwikkelen in pilot
Data Lab verbindt Maatschappelijke opgave prioriteren Samen feitelijke foto maken Veilig delen data Verdiepende data-analyses Oplossingen bepalen vanuit eigen rol en positie deelnemers

20 Wat zijn interessante potentiële deelnemers?
Van pilot naar ecosysteem Intentie om mee te doen: Waterland Landsmeer Oostzaan Wormerland Edam-volendam Beemster Parnassia Provincie NH Liander ZonH Intermaris Zaans medisch centrum Pennemes Lucertis-De Jutters Prinsen Stichting SWZP Zorggroep SEZ Purmerend Zaanstad Agora Parteon UWV Evean Politie ACBA GGD Odion Zorgcirkel Leviaan Stichting Enzo SMDZW Spirit Dijkenduin Dock HVC Wat zijn interessante potentiële deelnemers?

21 Geld en capaciteit Capaciteit Trekker Inhoudelijk expert
Gegevensbeheerder Data-analist Geld: Budget voor pseudonimiseertool

22 Kansrijke onderwerpen
Afgerond Extramuralisering & overlast Lopend Woningbouwopgave Zaanstreek Waterland Jongens / meisjes in onderwijs Bedrijventerrein Molletjesveer Noorderveld Verkenning Werkgelegenheid Segregatie Verstedelijking …

23 Ontwikkel een middel om op basis van data complexe maatschappelijke vraagstukken mee aan te pakken

24 Datapakhuis Ambitie * Privacy gewaarborgd * Up to date
* Datapakhuis is van de hele regio * Privacy gewaarborgd * Up to date * In ZaWa bereiken we inwoners * Interne medewerkers kijken met de ogen van de buitenwereld Samen maatschappelijke vraagstukken oplossen (met behulp van data)

25 Datapakhuis Concept Databronnen Dataset-atelier Datapakhuis Klanten
Etc.

26 Toegankelijke data

27 Dashboard burger (en leefomgeving)

28 Ontsluit in samenhang alle beschikbare data en visualiseer die in dashboards (beschrijvende analyses)

29 Verankeren in organisatie
Datasetatelier Data analyseteam Data-scientists (Analytics) Gegevensbeheerders Onderzoekers (O&S) Ontwikkelaars dashboard (BI)

30 Organiseer capaciteit om te ontsluiten (datasetatelier) en analyseren (data-analyseteam)

31 Data-academie Ambitie Voor wie?
Voor gemeenten in Zaanstreek Waterland, zowel ambtelijke als bestuurlijk Voor maatschappelijke partners in de regio Voor burgers Waarom? Inspiratie & leren Best & worst practices Verbinden maatschappelijke partners

32 Data-academy Programma De kracht van big data
Open data en open overheid Machine learning battle Je hebt wel wat te verbergen Blockchain Oriëntatie op ‘smart city’. Cybersecurity (on)begrensde technologie Conceptual thinking en maatschappelijke vraagstukken Etc.

33 Datagestuurd werken Van idee tot concrete resultaten
Haal inspiratie van buiten, begin klein en bij de juiste analyse Creëer ruimte door de hele organisatie te laten kiezen voor data Creëer een paar successen en bouw daar een krachtig verhaal omheen Ontwikkel een middel (bijv. Data Lab) om complexe vraagstukken aan te pakken op basis van data Ontsluit in samenhang alle beschikbare data (bijv. Datapakhuis) en visualiseer die in dashboards Organiseer capaciteit: datasetatelier en data- analyseteam Doe het leren & inspireren niet alleen, maar altijd over grenzen heen (bijv. Data Academy)

34 Vragen