Symposium OViN Innovatie

Presentatie over: "Symposium OViN Innovatie"— Transcript van de presentatie:

1 Symposium OViN Innovatie 2014-2018
Elke Moons; & Sascha Hoogendoorn-Lanser;

2 Doel & scope van innovatietraject
Dezelfde kwaliteit tegen lagere kosten Betere kwaliteit tegen gelijke of lagere kosten Scope: Verbetering huidige werkwijze Radicale vernieuwing met nieuwe inwintechnieken & Big Data Uitgangspunt: huidige informatiebehoefte Vraag: Verandering leidt waarschijnlijk tot trendbreuk. Wat is acceptabel na implementeren van innovaties?

3 Hoe innoveren? OViN Verbeteren huidige methodiek - Meer incrementeel - Waarschijnlijk meer grip op mogelijke trendbreuk Fundamentele vernieuwing / innovatie - Onzekerder, aandacht voor continuïteit / trendbreuk - ‘Out of the box’ denken belangrijk, vooral in 2015 Combinatie van beiden

4 Globale informatiebehoefte
OViN Verklaring - Veel meta-informatie nodig om gedetailleerd te kunnen werken - Breed, onderwerpen niet altijd vooraf bekend (bij LMS/NRM wel) Verklaren trends en ontwikkelingen Modellen LMS / NRM / … Monitoring - Stabiele reeksen - Lage marges - Onderwerpen grotendeels vooraf bekend

5 Proces Jaar Activiteit 2014
inventariseren informatie, kennis en informatiebehoefte en werkplan opstellen 2015 breed verkennen 2016 trechteren 2017 implementeren en testen 2018 en verder met kennis van potentiële risico’s implementatie van nieuwe manier van data verzamelen, na nieuwe opdrachtverlening

6 Waar staan we nu? Werkplan goedgekeurd op 10 december in managementsberaad; werkplan halfjaarlijks updaten Onderwerpen af te ronden eerste helft 2015: Non-respons analyse Literatuuronderzoek Big Data Literatuuronderzoek inwintechnieken Stakeholderanalyse en aanscherping informatiebehoefte Onderzoek impact incentives op datakwaliteit en non-respons Onderwerpen af te ronden tweede helft 2015: OV-chipkaart data (afhankelijk van beschikbaarheid gegevens) Relatie OViN - Mobiliteitspanel Nederland Kleine DomeinSchatters

7 Verbeteren huidige methodiek

8 Stakeholderanalyse In beeld brengen huidige en toekomstige stakeholders Verbeteren communicatie en afstemming met belangrijke stakeholders In overleg met stakeholders aanscherpen informatiebehoefte, waarvoor het OViN de basisdata moet leveren

9 Incentives Uit kleinschalig experiment met onconditionele incentives (VVV kadobon van 5 euro bij aanschrijfbrief ) bleek dat forse responswinst gehaald kon worden (zonder: 57,0%; 67,9% met) Als dergelijke responswinst constant is: kunnen veldwerkkosten substantieel verminderd worden (kleinere steekproef voor zelfde aantal responsen en relatief minder cati en capi) wordt datakwaliteit verhoogd terwijl kosten afnemen Nieuw en groter experiment binnen of buiten regulier OViN; trendbreuk is aandachtspunt

10 Non-respons analyses Netto respons voor OViN is 58%. Wijkt het verplaatsingsgedrag van de 58% respondenten af van de 42% respondenten (selectiviteit)? Waarom nemen mensen niet deel aan het onderzoek? Kennis uit non-respons analyse gebruiken om huidige OViN te verbeteren Non-respons onderzoek richt zich op volgende onderzoeksvragen: Verdiepende analyse van non-respons naar diverse segmentaties. Extra aandacht voor gebieden waar gemiddelde samenstelling van de bevolking sterk afwijkt van landelijk gemiddelde (bv. G4) Non-respons naar opleidingsniveau, geslacht, maatschappelijke participatie, beheersing van Nederlandse taal Analyse of non-respons invloed heeft op doelvariabelen Op kleine schaal herbenadering van non-respondenten om redenen non-respons te achterhalen Impact telefonische bereikbaarheid (vinden telefoonnummers, aantal contactpogingen en tijdstip contactpoging) Als mensen gedurende het invullen afhaken, waar gebeurt dit dan?

11 Fundamenteel vernieuwen / innoveren

12 Literatuuronderzoek Big Data
Er is sprake van Big Data toepassingen als gebruik gemaakt wordt van grote hoeveelheden reeds beschikbare data (die resulteren uit andere toepassingen) die kunnen worden omgewerkt tot bruikbare informatie Door wet van grote aantallen kunnen waarschijnlijk smalle marges voor bepaalde doelvariabelen worden verkregen (ontwikkeling vervoermiddelgebruik) Geen informatie over gebruikers en hun kenmerken waardoor slechts gedeelte OViN-informatiebehoefte kan worden afgedekt Eerst literatuuroverzicht, later kansrijke initiatieven beproeven Mogelijke databronnen: NDW-data, OV-chipkaartdata, data- en telefoonverkeer, data uit navigatiesystemen, Twitter-berichten, ...) Datakwaliteit, toekomstvastheid brondata, kosten opname in OViN-productieproces, representativiteit, ... zijn aandachtspunten

13 Literatuuronderzoek inwintechnieken
Er is sprake van alternatieve inwintechnieken als proces van data-inwinning door zelf of in opdracht kan worden ingericht Data-inwinning op niveau van individuele respondenten mogelijk Mogelijkheden: automatisch/passief registreren verplaatsingsgedrag via smartphones of GPS-loggers ondersteund door app/website waarop verplaatsingen gecorrigeerd/aangevuld kunnen worden en aanvullende informatie gevraagd kan worden vragenlijst via smartphone afnemen Eerst literatuuroverzicht, later kansrijke initiatieven beproeven Datakwaliteit, toekomstvastheid brondata, kosten opname in OViN-productieproces, representativiteit, ... zijn aandachtspunt

14 Relatie OViN - MPN Mobiliteitspanel Nederland (MPN) is huishoudpanel en gericht op vergroten inzicht in veranderingen in verplaatsingsgedrag Via dagboekje wordt mobiliteit verschillende keren gemeten en via vragenlijsten wordt uitgebreide achtergrondinformatie over respondenten en hun huishoudens verzameld Kan MPN-data gebruikt worden als aanvullende databron voor schatten van LMS / NRM? Zo ja, wat betekent dit voor OViN-dataverzameling op laagste aggregatieniveau? Te beantwoorden vragen: Zitten alle benodigde variabelen met juiste categorieën in MPN? Zijn aantallen voldoende hoog zijn? Is er voldoende dekking? Bevat MPN voldoende informatie voor afleiden targets en toetsen basismatrices?

15 Kleine DomeinSchatters
Speciaal ontwikkelde methode om statistieken per regio beschikbaar te stellen op basis van landelijke informatie Idee: “verrijk” micro-data met regionale informatie uit externe bronnen (bv. RDW, maar eventueel ook Big Data) Gebruik makend van de samenhang tussen de informatie in de enquête en in het register kunnen (betere) schattingen op een laag regionaal niveau gemaakt worden Indicator: Ritlengteverdeling per motief per provincie voor autobestuurders

16 OV-chipkaart data Toegang tot OV-chipkaart gegevens om via alternatieve bron gedeelte van de informatiebehoefte van het OV af te dekken Moeizaam proces (bedrijfsgevoelige informatie) 3 mogelijkheden Via AMvB Bij verlenging van de concessies Via NOVB Eventueel pilotproject op regionaal niveau

17 Hoe innoveren? OViN Verbeteren huidige methodiek - Meer incrementeel - Waarschijnlijk meer grip op mogelijke trendbreuk Fundamentele vernieuwing / innovatie - Onzekerder, aandacht voor continuïteit / trendbreuk - ‘Out of the box’ denken belangrijk, vooral in 2015 Combinatie van beiden

18 Vragen? Opmerkingen?