Stimulansz top bar
Kennis & advies over werk en inkomen, welzijn en gezondheid
Onderdelen
U bent hier: Home / Sociaal domein / Bedrijfsvoering / Big data in het sociaal domein

Big data in het sociaal domein

Gemeenten hebben heel veel informatie over hun inwoners. Als je deze data onderling zou koppelen en automatiseren, ontstaat een schat aan waardevolle informatie. Dat kan u als gemeente helpen om nog beter, nauwkeuriger en efficiënter te werken. Bijvoorbeeld bij het opsporen van fraude of het bieden van begeleiding bij schuldhulpverlening. Stimulansz ondersteunt gemeenten die dit willen toepassen.

Wat is big data?

Big data is de verzamelnaam voor data die je als organisatie kan gebruiken om meer te weten te komen over de mensen wiens gegevens het betreft. Bijvoorbeeld om iemands recht op een uitkering te bepalen. Andere redenen kunnen zijn: het verbeteren van de dienstverlening of voorkomen dat mensen steeds dezelfde gegevens in moeten leveren. Denk aan de enorme hoeveelheid gegevens uit onder meer de gemeentelijke basisadministratie, de uitkeringsadministratie en in de administratie van het sociaal domein. Feitelijk werken gemeenten natuurlijk al gegevensgestuurd. Maar met de inzet van big data wordt dit proces geautomatiseerd en kunnen gemeenten nog meer profijt hebben van data.

Een gevoelig onderwerp

Het werken met big data is nog geen gemeengoed bij overheden. De term ‘big data’ ligt gevoelig. Dat heeft vier oorzaken:

  1. Het gebruik van big data is nieuw. Gemeenten zijn niet gewend om er mee te werken.
  2. Big data klinkt een beetje eng. Wat mag wel en niet? De regels zijn nog niet altijd even duidelijk, omdat er nog maar weinig jurisprudentie is. Daardoor zijn gemeenten heel voorzichtig.
  3. Je hebt kwalitatief goede en vergelijkbare data nodig die goed worden bijgehouden.
  4. Big data toepassen is kostbaar, want je hebt een goed IT-systeem nodig.

Wat mag wel en niet?

De bescherming van persoonsgegevens is een groot goed in Nederland. Wat organisaties in Nederland wel en niet mogen, is vastgelegd in de Wet bescherming persoonsgegevens (wbp). Daarin staat het beginsel van doelbinding beschreven (artikel 7 en 9). Dat betekent dat er bij het verzamelen van de gegevens sprake moet zijn van een uitdrukkelijk en welbepaald doel. Dat doel moet ook moet gerechtvaardigd zijn.

Kortom: gemeenten mogen alleen gegevens gebruiken voor de reden waarvoor ze zijn verzameld. Bijvoorbeeld om te beoordelen of iemand een uitkering krijgt of om te kijken of iemand fraudeert. Met als doel om opnieuw vast te stellen of iemand recht heeft op een uitkering. Daarnaast mag u als gemeente niet zomaar Facebookgegevens gebruiken. Of gegevens van het energiebedrijf gebruiken om te bepalen of iemand misschien samenwoont. Wél mag u nagaan welke gemeenschappelijke kenmerken mensen hebben bij wie bijvoorbeeld fraude voorkomt. Of nagaan welke kenmerken mensen gemeen hebben bij wie het schuldhulpverleningstraject succesvol zal zijn of bij wie de kans op uitval groot is.

Machine learning

Het proces waarbij een ICT-systeem patronen vindt uit alle beschikbare data heet: machine learning. Steeds meer (samenwerkende) gemeenten verdiepen zich in de mogelijkheden van big data en machine learning. Zoals de gemeenten in de Lekstroomregio (Houten, IJsselstein, Lopik, Nieuwegein en Vianen) en de gemeenten Middelburg, Vlissingen en Veere (verenigd in Orionis Walcheren).  

Stimulansz biedt gemeenten organisatorische, beleidmatige en technische ondersteuning. In samenwerking met een gespecialiseerde ICT-partner bouwen we algoritmes en voorspellingsmodellen. Hiervoor gebruiken we geanonimiseerde documenten van inwoners van wie een deel in het verleden bijvoorbeeld fraudeerde met de bijstandsuitkering. Op basis van deze historische data begint het systeem patronen te herkennen. Vervolgens voeren we actuele dossiers in. Bij elk nieuw toegevoegd dossier leert het systeem bij. De voorspellingen worden dus steeds nauwkeuriger en objectiever.

Kansen op fraude

Dit alles biedt u als gemeente bijvoorbeeld de kans om nauwkeurig en objectief in te schatten hoe groot de kans is dat iemand gaat frauderen. U kunt hierin een volgorde van waarschijnlijkheid aanbrengen en dus heel gericht begeleiden en handhaven. Hiermee verbetert u het fraudebeleid in uw gemeente. Dit beleid wordt efficiënter en doelgerichter. Inwoners bij wie de kans op fraude klein is, valt u niet meer onnodig lastig. En inwoners in de risicogroepen kunt u juist beter begeleiden en nauwkeuriger volgen.

Schuldhulpverlening

Ook de kwaliteit van de schuldhulpverlening is erbij gebaat. Hoe groot is de kans dat iemand succesvol doorstroomt? En welke hulp heeft iemand precies nodig in een bepaalde fase? Ook hiervoor geldt: hoe meer digitale gegevens u als gemeente hierover verzamelt, hoe beter en sneller het systeem leert. En hoe beter u de dienstverlening kunt afstemmen op de individuele inwoner. Overigens zal het iets langer duren voordat het systeem een nauwkeurige en objectieve voorspelling genereert, omdat u het als gemeente bij schuldhulpverlening moet doen met minder dossiers dan bij de bijstand.

De andere kant van big data en machine learning

Er is één belangrijk aandachtspunt: hoe beter het systeem in staat is de juiste voorspellingen te doen, hoe minder goed u als ambtenaar weet waarom bepaalde voorspellingen zijn gedaan. Dit maakt dat veel ambtenaren bang zijn dat computers hun werk overnemen en dat zij geen grip meer hebben over hun cliënten. Deels klopt dit. Anderzijds helpt het systeem u om uw werk beter en efficiënter te doen. Een goed voorbeeld zijn de taken van de sociaal rechercheur. Die taken veranderen naarmate een gemeente meer gebruikmaakt van big data. Zij kunnen veel gerichter werken aan echte fraudezaken en zijn minder tijd kwijt aan fraudegevallen die dat niet blijken te zijn. Maar uiteindelijk moet fraude altijd worden geconstateerd door mensen. De rechercheur moet bewijzen blijven verzamelen. Het blijft mensenwerk.

Informatie



Gerrit van Romunde
Adviseur

Telefoon: 06 53 81 15 18
gerrit.vanromunde@stimulansz.nl