Projectmatig Datagedreven Werken binnen (semi-)overheid en non-profit

Programma

In de cursus wisselen we concrete, aansprekende casuïstiek en theorie over datagedreven werken af. Iedere module bestaat uit twee blokken. In module 1 zijn dat datamanagement en kwaliteitszorg. In module 2 zijn dat vraagarticulatie en data-analyse.

Module 1: Datagedreven werken in jouw praktijk

In deze module introduceer je een project in jouw organisatie: welke databronnen en datastromen spelen een rol, en wie heb je binnen jouw organisatie nodig om de juiste conclusies te trekken over de beschikbare data? Je ziet hoe samenwerking met dataprofessionals strategische waarde oplevert. Je ontdekt wat kwalitatieve data is en hoe je het gebruikt om datagedreven te sturen én AI-kansen te ontsluiten.

• Casuïstiek: de datagedreven organisatie. Hoe ziet die er idealiter uit?
• De principes van datamanagement: welke bouwstenen zijn er nodig?
• Oefening: hoe bouw je aan de datagedreven organisatie?
• Rollen in datagedreven werken
• Casuïstiek: samenwerken met dataprofessionals. Hoe doe je dat? 
• Theorie: datakwaliteit
• Oefening: hoe bevorder je datakwaliteit op een effectieve manier?
• Samenvatting en tijd voor vragen

Tip! Download de brochure voor een compleet overzicht

Module 2: Data als basis van strategische besluitvorming

Je identificeert verbeterpunten in jouw databeheer en bepaalt welke informatie jij nodig hebt om strategisch te sturen. Je leert jouw vragen én strategie vertalen naar de taal van dataprofessionals, zodat je daadwerkelijk de antwoorden en inzichten krijgt om strategische keuzes te maken en onderbouwen. Met praktijkcases ontdek je hoe goed ingerichte datahuishouding leidt tot betere besluitvorming, nieuwe kansen en succesvolle AI-toepassingen wanneer de basis op orde is.

• Hoe stel je de juiste vraag? 
• De theorie en toepassingen van data-analyse: waarde creëren uit data
• Oefening: formuleren van de juiste vraag
• Benutten van data-analyse in je dagelijks werk
• Casuïstiek: de Datasprint aanpak
• Oefening: uitvoeren van een Datasprint 
• Oefening: hoe bevorder je datakwaliteit op een effectieve manier?
• Samenvatting en tijd voor vragen, afronding

Voor wie:

Managers, teamleiders en strategisch adviseurs die willen sturen op de meest effectieve (beleids-) oplossingen en inzet van budgetten met behulp van data 

Beleidsadviseurs, projectleiders en informatiemanagers die de dialoog met data-professionals willen versterken
 

Praktijkcasussen:

Altena: Binnen Altena hebben we een organisatiebreed sturingsmodel geïmplementeerd en datagedreven werken zo laten landen binnen programmatisch werken. Hierbij hebben we Pepperflow geïmplementeerd als ondersteunende software.  
Ook is er een begin gemaakt aan het combineren van externe bronnen, op basis van de systematiek van het RIVM, tot een integraal kaartensysteem waarmee gezondheid in de leefomgeving inzichtelijk gemaakt kan worden. Hiermee kan de Gemeente in de toekomst beleid formuleren, toetsen en herijken op basis van een rijkdom aan openbaar beschikbare informatie.    

Roermond: datagedreven werken in het sociaal domein 
De opdracht was gericht op het verkrijgen van inzicht en grip op de prestaties in het sociaal domein. En hiermee structurele besparingen kunnen realiseren in de uitgaven sociaal domein. De aanpak bestond uit drie bouwstenen: 

1. Korte sprints op basis van beleidsthema’s, gericht om op basis van aannames (hypothesen) inzicht te krijgen in klanten- en kostenstromen, en de effectiviteit van de beleidsinstrumenten. Hiermee zijn goede resultaten behaald; o.a. in het terugdringen van Verlengde Jeugdzorg en betere indicering voor de Wmo.  
2. KPI aanpak. Bij het opstellen van (regionaal) beleid voor het sociaal domein zijn direct KPI’s opgenomen, en is een meetinstrumentarium ingericht om de beleidsprestaties te kunnen volgen via data. Hiertoe is ook een data-omgeving ingericht, met interne en externe (open) databronnen. Hiermee is Roermond in staat om te kunnen sturen op kosten en baten in het sociaal domein (Participatiewet, Wmo, Jeugdwet, Schuldhulpverlening, subsidies). Voor het subsidiebeleid is een vergelijkbare aanpak gehanteerd, waarbij met gesubsidieerde partijen is onderzocht welke maatschappelijke effecten met de subsidieverstrekking gemoeid zijn, en welke (bij)sturing er mogelijk is op basis van de indicatoren die deel uit zijn gaan maken van de beschikking.  
3. Inrichten datamanagement organisatie. Dit betreft de technische inrichting (Dataomgeving), rollen en functies, sturing en processen. 

De opdracht had een doorlooptijd van 1,5 jaar. 
 
Overbetuwe: Voor het hele sociale domein is een beleidsmonitor ontwikkeld. Er zijn KPI’s ontwikkeld in sprints met beleid, uitvoering en bedrijfsvoering. Deze zijn vertaald naar een monitor sociaal domein. Er is een business analist aangesteld die het opstellen van de monitor begeleidt en met het datateam zorgt voor de aanlevering en verwerking van de data, uit interne en externe bronbestanden. De monitor wordt 4 maal per jaar uitgebracht, als onderdeel van de P&C cyclus, en in directie, college en raad geagendeerd. Hiermee heeft Overbetuwe een stap gemaakt naar veel meer feitengebaseerde sturing en beleidsontwikkeling in het sociaal domein.  

Omgevingsdienst Utrecht: Voor de Omgevingsdienst Utrecht hebben we op basis van interne en externe bronnen een risicogerichte werkwijze gecreëerd. Zo kan de omgevingsdienst op basis van de potentiële impact op de omgeving, naleefgedrag van bedrijven en de locatie van de activiteit een prioritering maken in de handhavingsstrategie per gemeente, bedrijfsthema of specifieke activiteiten.   

Daarnaast zijn we op basis van werkprocessen, samenwerkingsverbanden en rapportage verplichtingen gaan kijken naar de noodzakelijke registratiebehoeften van de omgevingsdienst. Zo hebben we een organisatiebreed informatiemodel kunnen opzetten, waarmee dataeigenaren, velddefinities, updatetermijnen en werkafspraken vastgesteld zijn. Hiermee hebben we een langdurige datakwaliteitsstrategie voor de organisatie kunnen formuleren en dit kunnen beleggen bij een nieuwe datakwaliteitscoördinator.