Welke taken moeten we oppakken? Hoe werkt een applicatie? Wat houdt een bepaalde rol in? En welke uitdagingen komen daarbij kijken? Als adviseur is het essentieel om deze informatie mee te nemen in je opdrachten. Praktijkervaring is hierbij net zo belangrijk als theoretische kennis, vooral bij het begeleiden van projecten.  

Het afgelopen jaar heeft de Telengy-werkgroep “datagedreven werken” zich intensief beziggehouden met een intern dataproject. Dit project bood ons de kans om te experimenteren met rollen die we normaal niet vervullen en om een nieuwe applicatie te verkennen. Zo heeft Eline de rol van data-architect en engineer op zich genomen, een geheel nieuwe ervaring voor haar. Frank heeft zijn vertrouwde rol als projectleider en CDO vervuld. 

We delen graag de waardevolle lessen die we hebben geleerd: 

Rollen, geen functies

Een datateam bestaat uit diverse rollen, zoals data-architect, data-steward, data-analist en UX-designer. Het is een voordeel als de organisatie deze rollen al in huis heeft, maar dat is vaak niet het geval bij de start van datagedreven werken. Dit gold ook voor ons dataproject. We hebben ervoor gekozen om bepaalde rollen te combineren; zo vervulde de data-architect ook de rol van engineer. Het is belangrijk om de verschillen en overlap tussen deze rollen te begrijpen, zodat de verantwoordelijkheden duidelijk zijn voor degene die de rol op zich neemt. 

Enthousiasme is fijn, maar houd het klein

Een project begint altijd met een duidelijke opdracht. Tijdens ons project zagen we steeds meer mogelijkheden, wat het verleidelijk maakte om mee te gaan in het enthousiasme. Het is echter belangrijk om deze valkuil te vermijden. Houd het project klein en overzichtelijk; zodra de basis stevig staat, kun je altijd verder bouwen. Maak een MoSCoW-lijst om prioriteiten te stellen en plaats andere wensen op een backlog voor toekomstige uitbreiding. 

Begin op papier

Start met het opstellen van een datamodel op papier. Tijdens ons project hebben we meerdere modellen gemaakt om de opdracht goed uit te voeren en om keuzes te maken voordat we deze implementeerden. 

1. Benodigde data: Ontleed de hoofdvraag in subvragen en bepaal welke data nodig is om deze vragen te beantwoorden. 
2. Datamodel: Identificeer de databronnen en noteer waar eventuele dubbelingen zitten, aangezien dezelfde data uit verschillende bronnen kan komen. 
3. Gegevensmodel: Bepaal welke bronnen daadwerkelijk worden gebruikt en geef de titels aan die in de datapijplijn terugkomen. Noteer ook welke gegevens als ‘Key’ dienen om de data te koppelen, zoals een gemeentecode die in verschillende lijsten voorkomt. 
4. Data-architectuur: Schets hoe de datapijplijn eruitziet. Wat is je datasource? Hoe is je data lakehouse ingericht? Maak je gebruik van een data lakehouse? 

Meer over architectuur kun je terugvinden in een eerder artikel. Door deze punten eerst op papier uit te werken, bespaar je veel tijd en overleg. Als engineer kun je het systeem dan sneller en efficiënter inrichten. Als projectleider geven deze modellen handvatten om overzicht te houden, het project te sturen en een praatplaat om met de opdrachtgever te bespreken. 

Circulair in plaats van lineair

Bij de uitvoering van ‘Begin op papier’ is een circulaire projectaanpak essentieel. De vormgeving van het eindrapport hangt bijvoorbeeld af van hoe de data door de pijplijn stroomt. Tegelijkertijd is de pijplijn afhankelijk van de beschikbare databronnen en de kwaliteit daarvan. Het is dus een voortdurend samenspel tussen de verschillende rollen om tot een goed resultaat te komen. Het werkt het beste om kortcyclisch te werken en tijdig bij te sturen. 

Structuur voor je data-architectuur

Om overzicht te behouden bij het inrichten van het dataplatform, zijn de volgende punten belangrijk: 

1. Naamgeving: Kies een logische naamgeving om duidelijk onderscheid te maken tussen het type data, de fase waarin de data zich in de pijplijn bevindt, en wanneer de data is ingeladen. Dit voorkomt veel zoekwerk en vergissingen tijdens het bewerken van de data. 
2. Brons, zilver, goud: Zorg voor verschillende stadia waar de data doorheen gaat. Data begint in brons wanneer het wordt ingelezen, wordt zilver na bewerking, en wordt goud wanneer het klaar is voor visualisatie. Deze stappen geven inzicht in hoe de data is bewerkt en bieden ruimte voor latere aanvullingen of experimenten. 
3. Opruimen van het oude: Het klinkt vanzelfsprekend, maar ruim bestanden die niet meer gebruikt worden op. Zorg dat je werkruimte schoon blijft. Bij kleine projecten is dit wellicht nog te overzien, maar bij grote dataprojecten kan het snel problematisch worden.

Vragen of meer willen weten over data-projecten? 

Neem gerust contact op met  Eline van Lieshout, 06 14 31 62 03 of Frank Huijbregts, 06 21 81 29 02.
Momenteel voert Telengy een eigen dataproject uit. In een volgend artikel lichten wij dit project toe qua stappen die zijn gezet en de lering die wij hieruit hebben getrokken.   

Een stevig informatiehuis begint bij architectuur

Bij het bouwen van een huis is het niet alleen belangrijk dat het er mooi uitziet, maar ook dat het goed functioneert. Het dak mag bijvoorbeeld niet te zwaar zijn voor de fundering en uit de kranen moet water komen. Gelukkig hoef je als toekomstige huiseigenaar niet zelf de draagkracht van de muren te berekenen. Je kunt een architect inschakelen om jouw huis op maat te laten ontwerpen. De architect gaat aan de slag met jouw wensen en legt eventuele keuzes voor. Als huiseigenaar kun je redelijk goed begrijpen wat de impact is van de gemaakte keuzes 

Dit scenario is ook van toepassing op een gemeente die meer datagedreven wil werken, maar de ICT heeft uitbesteed. Als opdrachtgever begrijp je de functionele behoeften, maar hoef je niet alle technische details te kennen. Toch is het prettig om in gesprek met de uitvoering de inhoud van de terminologie te begrijpen. Dit artikel gaat in op de meest belangrijke bouwstenen van een data-architectuur en probeert zo handvatten te geven.  

Wensen, schetsen, bouwen 

Vergelijkbaar met het bouwen van een huis, begint datagedreven werken met een wens die wordt uitgewerkt tot een concreet plan voordat de stenen worden gekocht. Hoewel dit artikel zich richt op de techniek, is het belangrijk te benadrukken dat datagedreven werken niet begint bij de technologie zelf, maar bij de functionele behoeften die de koers bepalen.  

De bouwstenen hebben geen vaste plek of vorm in de architectuur, wat betekent dat ze flexibel kunnen worden ingezet ter ondersteuning van de functionele wensen. Bij een huis kan immers een steen aan de buitenkant van de muur, maar kan ook binnen als decoratieve wand gebruikt worden. Het blijft een steen, maar de functie en vorm verschillen.  

De fundering

De basisfunctie van een data-architectuur is om inzichtelijk te maken hoe de data door de verschillende bouwstenen verloopt, van de bron naar visualisatie. De architectuur geeft nog niet weer wat de kwaliteit is van de data en de uitkomst, maar wel waar de data vandaan komt, hoe de data worden getransformeerd en opgeslagen, om uiteindelijk gevisualiseerd te worden.   

Bouwmateriaal 

Gegevensbron

De data die we nodig hebben, halen we uit een gegevensbron. Dit kan bijvoorbeeld het zaaksysteem, een los Excel in SharePoint of een andere externe bron zijn. In de architectuur staat niet alleen waar de data vandaan komt, maar wordt ook de vorm van de data aangeven. Gaat het om een Excel, een video of om een API-verbinding. Het type brongegeven heeft invloed op wijze van opslaan en nodige bewerking.

Opslag

De data waarmee gevisualiseerd wordt, wil je niet bij de bron bewerken. Dit betekent dat de data op een andere plek opgeslagen wordt zodat de werkprocessen en dataprocessen elkaar niet negatief beïnvloeden.
In de hele data-flow wordt de data op verschillende punten in de architectuur opgeslagen en bewerkt. Zo kunnen de brongegevens beginnen als ongestructureerde data, denk aan een filmpje, maar door bewerkingen eindigen als gestructureerde data, denk aan tabellen. Beide vormen vragen om een ander type opslag. 

Database 

Een database is het meest geschikt voor het verwerken van operationele data. Dus data waarmee dagelijks en  “realtime” gewerkt wordt. Wanneer data geanalyseerd moet worden, komen de andere type opslag naar voren. Een database slaat gestructureerde data op, vaak uit één enkele bron. Hierdoor is de data minder complex en geschikt voor snelle en efficiënte dataverwerking. 

Voorbeeld: een standaard uitdraai, csv-bestand, vanuit het zaaksysteem met betalingen wordt in de database opgeslagen. Vervolgens pakt het financieel systeem de csv op en leest hem in om de betalingen klaar te zetten. 

Datawarehouse, datalake & datalakehouse 

Dit type opslag is geschikt voor het opslaan van grote hoeveelheden gecombineerde data uit verschillende bronnen en analyses op uit te voeren. Zo is het mogelijk om analyses uit te voeren op de historie van deze gecombineerde data.  

Voorbeeld: vanuit het financieel systeem en het zaaksysteem komen verschillende gegevens, samen vormen ze een nieuw tabel die gebruikt wordt voor de visualisatie. Die tabel kan geautomatiseerd aangemaakt worden en zo bouwt er binnen de opslag een historie op van de gecombineerde data waar analyses opgemaakt kunnen worden. 

Ook zit er een verschil tussen een datawarehouse, datalake en datalakehouse. Dit zit hem in het type data, gestructureerd of ongestructureerd: 

• Een datawarehouse bevat gestructureerde data en is geschikt voor analyses op grote hoeveelheden gegevens met bijvoorbeeld een BI-tool.
• Een datalake is bedoeld om veel data (uit verschillende bronnen) in oorspronkelijke vorm op te slaan, met name ongestructureerde data. Een datalake gebruik je bijvoorbeeld wanneer je aan de slag gaat met machine learning en geavanceerde data-analyses.
• Een datalakehouse is een combinatie van beide.  

ETL (Extract, Transform, Load)

Ook wel ‘Extraheren, Transformeren en Laden’. Een ETL kan meerdere keren terugkomen in een architectuur. Zo wordt er vaak gewerkt met verschillende stadia van het inladen van de data. Hiervoor worden de termen ‘Brons’, ‘Zilver’ en ‘Goud’ gebruikt. Tussen elk stadium zit een ETL om naar een hoger stadium te komen. 

Extract

Het ophalen van de data uit de bron. Dit kan bijvoorbeeld uit de database zijn, maar ook vanuit de datawarehouse.  

Transform

Data moet getransformeerd worden om te gebruiken. Zo wil je overbodige data verwijderen, data verrijken of de vorm aanpassen. Dit gebeurt allemaal tijdens het transformeren. 

Load

De getransformeerde data moet opgeslagen worden. Hiervoor is het handig om keuzes te maken in type opslag maar ook het stadium waar de data in valt. 

Voorbeeld: data vanuit het zaaksysteem en het financiële systeem worden door een ETL opgeslagen in een datalakehouse, dit is ‘Brons’. Vervolgens wordt er een verbeterslag op de data gedaan via een ETL, maar blijft de data opgeslagen in de datalakehouse. Dit is het zilveren stadium. Voor het gouden stadium wordt de zilveren data via een ETL opgehaald en een laatste keer getransformeerd om in de datawarehouse op te slaan. In het gouden stadium staat de data klaar om verwerkt te worden in de analyse of visualisatie. 

 Analyse

Met de getransformeerde data kan geanalyseerd worden. Welke patronen worden ontdekt, of hoe is het met de datakwaliteit gesteld. De analyse kan in verschillende tools gedaan worden. Dit hangt af van het type data. Voor gemeenten gaat het met name om Business Intelligence (BI), hiervoor zijn vaak al applicaties in huis.  

Visualisatie 

Uiteindelijk dient de data zo opgesteld te worden dat de beoogde doelgroep iets kan doen met de inzichten. Hetzij een bestuur dat besluiten neemt op basis van een rapportage of team dat de werkdruk beter wil verdelen. De visualiseer tool ondersteunt bij het modelleren van de data tot bijvoorbeeld een dashboard of rapport. De analyse applicatie kan hetzelfde zijn als de visualisatie applicatie. 

De handleiding en garantie van het huis 

Bij de oplevering van een huis krijg je als huiseigenaar de sleutels en maak je afspraken met de andere bewoners over het afsluiten van het huis voor vertrek. Bij datagedreven werken dient de datagovernance als handleiding met afspraken die gemaakt zijn.  

Geen technische bouwsteen, maar wel belangrijk voor het behoud en beveiliging van de architectuur. Daarnaast beschrijft het een strategie hoe je gegevens toegankelijk zijn en veilig worden beheerd. Een eigen datagovernance opstellen? Het DAMA (Data Management Association) raamwerk biedt richtlijnen en hulpmiddelen die je ondersteunen bij het implementeren van datagovernance. 

Wat heb je al in huis? 

De meeste gemeenten hebben al veel van de bouwstenen in huis, zoals bijvoorbeeld een database, Microsoft PowerBI of Tableau. De vraag is of dit voldoende is om mee te beginnen of dat er techniek aangeschaft moet worden. Dat ligt per situatie anders, maar aan de volgende punten kan gedacht worden om mee te beginnen voor de data-architectuur.

1. Bestaande systemen en databases
   Je hebt waarschijnlijk al verschillende systemen en databases die waardevolle data bevatten. Denk aan bevolkingsregisters, meldingssystemen, en financiële administratie. Deze kunnen dienen als bron voor je ETL-proces.
2. Tools voor data-opschoning en -integratie
   Veel organisaties hebben al tools in huis voor data-opschoning en -integratie, zoals Microsoft Excel of Access, of gespecialiseerde ETL-tools zoals Talend of Informatica. Deze kunnen de eerste stappen naar een data-gedreven aanpak aanzienlijk vergemakkelijken.
3. Analyse- en visualisatie-tools
   Je hebt mogelijk al licenties voor analyse- en visualisatie-tools zoals Power BI of Tableau. Deze tools kunnen meteen gebruikt worden om de eerste analyses en visualisaties te maken. 

Denk na over hoe je je gegevens wilt opslaan en welke tools je wilt gebruiken voor analyse. En vooral, wees niet bang om te experimenteren en te leren. 

Ondersteuning bij de bouw?

Vragen en meer willen weten naar aanleiding van dit artikel? Neem gerust contact op met Eline van Lieshout, 06 14 31 62 03 of Frank Huijbregts, 06 21 81 29 02.
Momenteel voert Telengy een eigen dataproject uit. In een volgend artikel lichten wij dit project toe qua stappen die zijn gezet en de lering die wij hieruit hebben getrokken.  

Het sinterklaasgedicht met ChatGPT gemaakt? Mails op spelling en grammatica controleren? Of gevraagd naar de beste manier om …? Dat kan best nuttig (of leuk) zijn, maar dan wordt nog niet het volledige potentieel en kracht van large language models (LLM) en generatieve AI benut.  

LLM is een type model voor ‘machine learning’ dat natuurlijke taal kan verwerken. ChatGPT, Bing-chat en nog vele andere applicaties gebruiken dit model, maar LLM is breder toepasbaar.   

In dit artikel staan drie toepassingen toegelicht waar op dit moment laaghangend fruit hangt. Deze toepassingen zijn algemeen toepasbaar. De voorbeelden zijn geschreven voor lokale overheden.   

1. Het vinden van een document of informatie uit documenten. 
2. Het analyseren van ongestructureerde data uit documenten. 
3. Het fungeren als (eerstelijns) helpdesk.  

Het vinden van informatie of documenten

Het gemakkelijk terugvinden van informatie binnen de organisatie laat soms wat te wensen over. Proberen te vinden van de juiste informatie is dagelijkse kost en met de huidige manier van zoeken niet altijd efficiënt of succesvol. Deze (klassieke) vorm van zoeken heet ‘lexicaal zoeken’. De zoekmachine zoekt op woorden die identiek zijn aan de woorden die zijn ingevoerd. Het terugvinden van informatie is mogelijk wanneer de zoeker weet welke unieke woorden worden gebruikt. De zoekresultaten worden gebaseerd op het aantal ‘matches’ die de zoekmachine kan maken.  

Het terugvinden van informatie wordt lastig wanneer alleen de strekking van een document bekend is en niet bekend is welke sleutelwoorden in het document gebruikt zijn. Dit maakt dat de zoeker meer tijd moet besteden aan de zoekopdracht dan gewenst. Met een beetje pech weet de zoeker niet de exact gebruikte terminologie en zal de zoekopdracht falen. De oplossing hiervoor is ‘semantisch zoeken’, ook wel ‘vector zoeken’ genaamd. De zoekmachine zoekt hiermee op de context (semantiek) van de zoekopdracht. De techniek achter de zoekmachine zoekt niet alleen naar een ‘match’ op de woorden in de zoekopdracht, maar kijkt ook naar woorden en zinnen die dicht in de buurt komen en matcht deze op basis van een vector-index. Zo kan de zoekmachine sneller tot de gewenste informatie komen, zonder precies de terminologie te kennen.  

Dit kan helpen om een archief beter doorzoekbaar te maken, maar kan ook worden toegepast op een zaaksysteem of ander document managementsysteem (DMS). Of zelfs over meerdere bronnen heen. 

Analyse ongestructureerde data

Naast het vinden van informatie, kan LLM ook ingezet worden om tot nieuwe inzichten te komen. Veel informatie zit nu ‘verstopt’ in documenten, ook wel ongestructureerde databronnen genoemd. Voorheen was het arbeidsintensief en lastig om hier trendanalyses of andere inzichten uit te halen vanwege de beperkte mogelijkheid in automatisering. Met de komst van LLM, zijn ook hier de mogelijkheden veel groter geworden. Zo is het mogelijk om per document te scoren over welk(e) onderwerp(en) het gaat, het sentiment te bepalen, of een samenvatting of conclusie te geven. Daarnaast is het mogelijk om een combinatie van deze analyses uit te voeren.  

Het kan interessant zijn om tafelgespreksverslagen te analyseren op type problematiek en de hulp die geboden is. Een ander voorbeeld is het analyseren van bouwinspectierapporten op de meest veelvoorkomende gebreken.     

Eerstelijns helpdesk: chatbot 

Dezelfde techniek voor het vinden van het juiste document of informatie kan ingezet worden om een chatbot in te zetten als eerstelijns-hulp. In tegenstelling tot bij een chatbot, zal bij een zoekmachine de zoeker zelf een check moeten doen op wat de meest relevante informatie is tussen de zoekresultaten. Een chatbot moet juist een correct antwoord genereren die gericht antwoord geeft op de vraag van de zoeker. 

Chatbots zijn natuurlijk niets nieuws. Maar waar eerst alles zeer expliciet moest worden geprogrammeerd (van woorden in een vraag, naar vooraf gedefinieerde antwoorden), is er nu veel minder programmeerwerk nodig en ontzorgt het LLM je voor het grootste deel. Het trainen en finetunen van het model is hierin wel belangrijk.  

Bij een chatbot is de nauwkeurigheid van cruciaal belang. Daarom is het aan te raden te beginnen bij minder risicovolle processen. Een kleine, maar waardevolle toepassing zou zijn om een chatbot op te zetten voor interne informatie, bijvoorbeeld HRM. Hoe ziet de speciale verlofregeling eruit, wat is de ouderschapsverlofregeling, wie is de vertrouwenspersoon? Dit zijn vragen die vrij eenvoudig met een chatbot te beantwoorden zijn. Ook voor de interne dienstverlening zou een experiment met een chatbot interessant kunnen zijn. Zo kan een collega sneller antwoord krijgen op de gestelde vraag (hoe doe ik een password reset, hoe reserveer ik een ruimte, hoe pas ik mijn handtekening aan?) en houdt de service desk ruimte voor vragen die meer aandacht nodig hebben. Een vervolgstap zou een chatbot voor externe vragen kunnen zijn. 

Hoe aan de slag?

Een kant-en-klare handreiking om deze toepassingen om te zetten naar techniek is niet in één artikel te gieten. Ook zullen verschillende leveranciers LLM-modellen gaan integreren in hun applicatie. Wel kunnen we een aantal punten meegeven om rekening mee te houden bij het toepasbaar maken van LLM’s; 

1. Selecteer de juiste usecase. Het kabinet onderstreept in hun visie op generatieve AI dat een waarde gedreven benadering noodzakelijk is bij het regie houden op de techniek. Vanuit deze benadering is er nagedacht over het doel, de urgentie, de mogelijkheden en de risico’s.  
2. Houdt rekening met de veiligheid. Voorkom een data-lek door bewust om te gaan met de data. Het is juist een meerwaarde om gebruik te maken van de data van jouw organisatie. Een gratis-versie van OpenAI GPT is dan bijvoorbeeld niet aan te raden (zie ook punt 4). Er is een nationaal initiatief om een eigen veilige LLM te bouwen voor de Nederlandse taal, dit gaat ‘GPT-NL’ heten (Bron; TNO).
3. Het kan niet vaak genoeg benoemd worden, maar LLM’s leren van de data waarop ze zijn getraind. Ook voor LLM’s geldt het spreekwoord “je bent want je eet”. Om betere resultaten te krijgen is het in veel gevallen raadzaam om het LLM dat gebruikt wordt ook te trainen of te finetunen op eigen data.
4. Bepaal welke techniek het beste van toepassing is voor de casus. Kees van den Tempel geeft in zijn linkedIn post een mooi overzicht. 

Meer weten?

Meer willen weten of een vraag naar aanleiding van dit artikel?Voor meer informatie kun je contact opnemen met Eline van Lieshout, 06 14 31 62 03, e.v.lieshout@telengy.nl of Tim van der Pol, 06 21 36 68 58, t.v.d.pol@telengy.nl.

Het is geen geheim dat de druk in het sociaal domein hoog is, van krappe budgetten tot een hoge werkdruk bij medewerkers. Tegelijkertijd is de behoefte om meer grip te krijgen op het sociaal domein groot. Concrete voorbeelden van informatiebehoeften in het sociaal domein zijn: de jaarlijkse verantwoording van de zorgaanbieders en het monitoren van de verwijzingen naar het voorliggend veld versus de middelen die hiervoor beschikbaar zijn. Maar denk ook aan meer organisatorische informatie zoals de hoeveelheid contactmomenten, de werkdruk binnen een team of inzicht in wachtlijsten.  

In onze rol als adviseur zijn we betrokken bij informatievraagstukken en horen we vaak: ´we hebben een dashboard nodig om meer inzicht te krijgen´. Of ´we moeten meer datagedreven gaan werken´. Om datagedreven werken in een organisatie te definiëren bestaan er verschillende niveaus van volwassenheid. Onze collega´s Tim van der Pol en Roel Ottens schreven hier eerder een artikel over ‘Naar een volwassen dataorganisatie, maar waar naartoe?!’ In dit artikel staat een groeimodel uitgewerkt waaraan de ambitie en huidige situatie gemeten kan worden. Een grootschalige verandering, in de vorm van het neerzetten van een data-organisatie met bijpassende architectuur en formatie vraagt veel van de capaciteit van een gemeente en is in de meeste gevallen niet realistisch. 

De meeste gemeenten werken op kleine schaal al datagedreven. Het is bijvoorbeeld heel herkenbaar dat er excel-lijsten worden bijgehouden met rapportages of met gegevens die medewerkers niet in een zaak- of regiesysteem kwijt kunnen. Ook dit is al een vorm van datagedreven werken. Ook zonder dashboard kun je al nadenken hoe dit soort informatie beter positioneert in de organisatie. Niet alleen vanuit gebruikersgemak, maar ook om meer regie op gegevens, kwaliteit, veiligheid en privacy te krijgen. Daarbij is het vooral belangrijk om uit te gaan van de informatiebehoefte die speelt in de organisatie en daarna pas na te denken over het middel (bijvoorbeeld een dashboard) dat daarvoor wordt ingezet. Door vooraf goed na te denken over de informatiebehoefte creëer je ook een basis om verder te bewegen naar een meer datagedreven organisatie.  

Stappen om aan te sluiten bij de informatiebehoefte uit de organisatie

Stap 1: Bepaal wat echt nodig is

Door keuzes te maken komt er focus en minimaliseert de administratieve last. Denk na over wat er nu echt nodig is, wat is noodzakelijk vanuit de wet en waar stuurt de organisatie op? Daarbij is het opzoeken van de samenwerking tussen beleid en uitvoering belangrijk. Compleet willen zijn is een valse veiligheid. Het vastleggen van meer gegevens maakt het beheersen lastiger en de kans op fouten wordt groter. Wees dus kritisch op wat je wilt vastleggen en welke gegevens noodzakelijk zijn om invulling te geven aan de informatiebehoefte.   

Stap 2: Wat hebben we al?

Wanneer duidelijk is wat je nodig hebt qua gegevens, kan er gekeken worden naar waar deze gegevens worden vastgelegd. Wat is er al (deels) beschikbaar in een zaak- of regiesysteem, of wat wordt er al aan overzichten bijgehouden door collega’s? Probeer daarbij zoveel mogelijk te werken vanuit de gegevens die rechtstreeks uit de bron komen om dubbelingen te voorkomen. Denk bijvoorbeeld over automatische rapportage mogelijkheden in systemen.    

Stap 3: Borgen van de kwaliteit

Inzichten zijn alleen betrouwbaar wanneer de kwaliteit van de data hoogwaardig genoeg is. De gemeente Rotterdam is zich hiervan bewust en is aan de slag gegaan met een kwaliteitslabel voor data. Net zoals je een huis of een koelkast een label geeft, zegt dit label ook iets over de betrouwbaarheid van de data en hoe onderbouwd de inzichten zijn die hiermee gemaakt worden. 

Het borgen van de kwaliteit kan op verschillende manieren, één manier is door eenduidigheid van registratie. Bepaal wat en hoe er wordt geregistreerd. Bijvoorbeeld: wanneer er in een excel-lijst handmatig wordt bijgehouden hoeveel verwijzingen naar het voorliggend veld plaatsvinden. De ene collega noteert het woord ‘Bibliotheek’ en de ander ‘De bieb’ of ‘Bibliotheek De Gieter’. Allemaal bedoelen ze hetzelfde, maar om tot inzicht te komen moeten de gegevens eerst voorbereid worden voordat er een analyse plaats kan vinden van hoeveel verwijzingen er naar de Bibliotheek zijn gegaan. 

Bepaal met elkaar definities en context, zodat iedereen dezelfde associaties heeft bij de gegevens. Door te werken met vaste waarden, wordt het makkelijker om een analyse uit te voeren op de verzamelde data. Het liefst ondersteun je de medewerker hierbij, bijvoorbeeld door middel van techniek. Kies voor een keuzemenu in plaats van een vrij in te vullen veld.  

Stap 4: Denk na over privacy en veiligheid

Losse excel-lijsten die worden bijgehouden door collega’s zijn vaak herkenbaar binnen organisaties. Het is lastig om hier grip op te krijgen en in te spelen op aspecten zoals privacy en veiligheid. Hoe borg je namelijk dat gevoelige gegevens niet worden vastgelegd in dit soort lijsten? En hoe borg je dat de lijsten ook alleen toegankelijk zijn voor de personen die toegang mogen hebben tot dit soort informatie. Denk daarom na op welke plekken de informatie beschikbaar is, zoals algemene schijven of Sharepoint omgevingen, of het noodzakelijk is dat bepaalde gegevens geregistreerd worden en onder welke voorwaarden met wie deze gedeeld mag worden.  

Stap 5: Continue verbeteren

De bovenstaande stappen zorgen voor duidelijkheid over het: wat je wil weten, waarom je dit wil weten, waar haal je de gegevens vandaan en hoe borg je de kwaliteit, privacy en veiligheid. Door deze manier van denken verder uit te spreiden binnen de organisatie zorg je voor meer bewustwording rondom datagedreven werken.  

Deze houding en gedrag zorgen voor een goede basis om verder te ontwikkelen. Denk bijvoorbeeld aan aanbestedingstrajecten. Door als organisatie duidelijkheid te hebben over dit soort vragen (ook al is het op kleine schaal), maak je ook scherp waar de informatiebehoefte binnen de organisatie ligt.  

Duidelijkheid krijgen in de informatiebehoefte kan ook zorgen dat inrichting van processen verder geoptimaliseerd kan worden. Vaak zijn er mogelijkheden om bepaalde informatie tóch vast te leggen in een systeem. Door hierover in gesprek te gaan met een functioneel beheerder kan de inrichting worden geoptimaliseerd om naast het ondersteunen van het proces ook beter aan te sluiten op de informatiebehoefte.  

Waarom wil je uitgaan van de informatiebehoefte?  

Het van tevoren duidelijkheid creëren in wat er nodig is binnen de organisatie, nog los van de ´hoe-vraag´, is een belangrijk vertrekpunt voor datagedreven werken. Op de markt bestaan verschillende mooie programma’s die het vertalen van de data tot inzichten makkelijk maken, waardoor het verleidelijk kan zijn vooral te denken vanuit de mogelijkheden. Wees scherp op deze valkuil en blijf kritisch op de informatiebehoefte van de organisatie. Met de focus op de wat- en waarom-vraag, heb je betere kaders om de hoe-vraag in te vullen.  

Meer weten? 

Heeft u vragen of wil u graag meer weten naar aanleiding van dit artikel? Neem dan gerust contact op met Dimphy Severijnen,  d.severijnen@telengy.nl of Eline van Lieshout, 06 14 31 62 03 of e.v.lieshout@telengy.nl. 

Datagedreven werken speelt al ruime tijd een belangrijke rol in de bedrijfsvoering en zal in de toekomst steeds relevanter worden. Hoewel beslissingen nemen op basis van data niet nieuw is, evolueert de volwassenheid op dit gebied voortdurend. Er zijn veel redenen waarom datagedreven werken een positieve ontwikkeling is, maar het is essentieel dat organisaties zich bewust zijn van de vooroordelen die gepaard gaan met het interpreteren van data.

Bewustwording

Als professional streef je naar objectiviteit, maar het is onvermijdelijk dat de interpretatie van data wordt beïnvloed door persoonlijke achtergrond, ervaringen en overtuigingen. Daarom is het belangrijk om je bewust te zijn van deze invloeden en kritisch te blijven bij het interpreteren van data, zodat je tot zo nauwkeurig mogelijke conclusies kunt komen.

Binnen iedere sector wordt het resultaat van datagestuurd werk nog te vaak ten onrechte beschouwd als “De waarheid”. We weten bijvoorbeeld dat AI-systemen, zoals ChatGPT, structureel biases in zich hebben geprogrammeerd (1).  Binnen de publieke sector hebben we het bekende voorbeeld van de toeslagenaffaire, waar de werkelijke situatie ondergeschikt werd gemaakt aan de waarheid van het systeem. De uitkomst werd als de waarheid bestempeld zonder bewust te zijn van het feit dat deze data-construct een waarheid weergeeft, met alle nadelige gevolgen van dien.  Dit gebrek aan bewustzijn en het ontbreken van een herleidbaar besluitvormingsproces kan leiden tot ernstige ethische implicaties. Het is van belang dat organisaties en overheden zich bewust zijn van de achterliggende processen en aannames die ten grondslag liggen aan de gegenereerde conclusies.

Aanpak

Om waardevolle inzichten te verkrijgen uit rauwe data, is het belangrijk dat deze goed wordt gevormd en gestructureerd. Vanaf het moment dat de data wordt verzameld tot aan de uiteindelijke visualisatie, ondergaat het verschillende vertaalslagen die elk hun eigen invloed hebben op de data. Dit kan bijvoorbeeld gebeuren door het toepassen van algoritmes en analyses, maar ook door de keuze van de visualisatietool en het weergeven van de resultaten. Er zijn drie verschillende vooroordelen die invloed hebben op de kwaliteit en betrouwbaarheid van data (2):

• Systemische biases: Dit zijn vooroordelen en ongelijkheden ingebouwd in sociale of institutionele systemen, wat kan leiden tot ongelijke kansen en discriminatie.
• Menselijke biases: Dit zijn denkpatronen die invloed hebben op beslissingen, zoals het zoeken naar informatie die onze bestaande overtuigingen bevestigt.
• Statistische biases: Dit zijn fouten die kunnen optreden bij het verzamelen, analyseren en presenteren van gegevens, waardoor conclusies onnauwkeurig kunnen zijn.

Voorbeelden vooroordelen

Voor zowel de organisatie die net begint met datagedreven werken als een meer datavolwassen organisatie is het van belang om bewust te zijn van de aanwezigheid van biases. Hieronder een selectie van vijf biases om rekening mee te houden tijdens het werken met data:

• Bevestigingsbias is de neiging om informatie te zoeken en te interpreteren op een manier die onze bestaande overtuigingen bevestigt.

Bijvoorbeeld: Beleidsmakers kunnen ervan overtuigd zijn dat er veel criminaliteit plaatsvindt in een bepaalde wijk en alleen zoeken naar gegevens die deze overtuiging bevestigen, terwijl ze mogelijk relevante gegevens negeren die deze overtuiging tegenspreken.

• Framing is het bewust beïnvloeden van de perceptie en interpretatie van informatie door het kiezen van specifieke woorden, beelden en context.

Bijvoorbeeld: ‘90% van de inwoners zorgen dat de wijk niet wordt vervuild’ versus ‘10% van de inwoners zorgen voor overlast en vandalisme in de wijk’.

• Selectie bias, dit treedt op wanneer de gegevens die je gebruikt niet representatief zijn voor de bredere populatie.

Bijvoorbeeld: Je verzamelt gegevens van inwoners uit één wijk terwijl je op zoek bent naar de vertegenwoordiging van de gehele gemeente.

• Alles-of-nietsprincipe verwijst naar een situatie waarin iets slechts als volledig negatief wordt beschouwd zonder ruimte voor nuances of grijze gebieden.

Bijvoorbeeld: Het uitdelen van subsidies voor culturele evenementen, waarbij alleen projecten die aan alle criteria voldoen in aanmerking komen voor financiering.

• Beschikbaarheidsbias, dit is de neiging om beslissingen te nemen op basis van informatie die het meest recent of gemakkelijk beschikbaar is, in plaats van op basis van een volledige analyse van alle relevante gegevens.

Bijvoorbeeld: Beleidsmakers baseren het gemeentebeleid op mediagenieke gebeurtenissen, zoals een incident in een park, terwijl andere langdurige en minder zichtbare problemen, zoals huisvestingskwesties, mogelijk minder aandacht krijgen.

Tot slot

Bij het werken met data is het belangrijk om rekening te houden met deze biases. Zoals eerder vermeld, wordt data altijd beïnvloed, ongeacht de nauwkeurigheid waarmee professionals deze beïnvloedingen proberen te vermijden. Het doel is daarom niet om perfectie en volledigheid na te streven, maar om ruimte te bieden voor interpretatie van de data en het vermijden van harde conclusies.

Data geeft een weerspiegeling van een waarheid, maar niet de waarheid.

Meer weten?

Voor meer informatie kunt u contact opnemen met Eline van Lieshout 06 14 31 62 03, e.v.lieshout@telengy.nl.

Bronnen

1. https://www.binnenlandsbestuur.nl/digitaal/sas/hoe-ai-menselijke-bias-reflecteert-en-versterkt?tid=TIDP2155518X298DF39EF5C34752B2111675F018D5D8YI5&utm_campaign=BB_NB_Digitaal&utm_medium=email&utm_source=binnenlandsbestuur
2. https://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.1270.pdf

Veel informatiemanagers kennen het; je komt thuis van jouw werkdag vol met energie, eindelijk heb je een digitale oplossing gevonden voor dat prangende vraagstuk in de organisatie. Je vertelt over de vooruitstrevende technologie die gebruikt gaat worden, de kwalitatieve data die is vrijgegeven en je tafelgenoot kijkt je glazig aan…

De inhoud van ons werk is vaak complex en staat ver af van je tafelgenoot, vakdomeinen en bestuurders. Toch is het cruciaal dat zij weten waar jij mee bezig bent. Het kan dat zij capaciteit moeten leveren, belangrijke keuzes moeten maken, extra financiering moeten regelen of een begripvol luisterend oor bieden.

Jouw verhaal vertellen over cruciale keuzes in jouw werk is een belangrijk onderdeel. In dit artikel geven Eline van Lieshout en Roel Ottens, een aantal aandachtspunten mee waarop jij kan letten.

Ruimte krijgen

Er zijn vele scenario’s denkbaar waarom een informatiemanager zijn verhaal wil doen, bijvoorbeeld:

• het samenvatten van een binnengekomen stuk van de VNG over Common Ground, met een advies;
• het managementteam op de hoogte brengen van de gevolgen van de Wet open overheid voor de afdeling Dienstverlening;
• tijdens een informatieavond de raad informeren over generatieve AI en de mogelijke kansen en risico’s voor de ambtelijke organisatie;
• de medewerkers van het sociaal domein inlichten over de WAMS;
• de projectvoortgang/-stagnatie voorleggen aan een stuurgroep.

Redenen genoeg om aandacht te vragen, maar hoe zorg je voor een overdracht die blijft hangen.

Openen is het halve werk

De luisteraar die ervaart jouw verhaal zowel mondeling als zichtbaar. Beide aspecten tellen dus mee in de storytelling. Hierin zijn de volgende tips belangrijk:

1. Blijf jezelf en zoek de juiste energie bij het verhaal dat je wilt vertellen. Je voelt een bepaalde urgentie of je gelooft ergens in anders zou je hier nu niet staan. Geloof in dat verhaal, sta fysiek stevig en vertel het verhaal open en oprecht.
2. Open met een anekdote, compliment, belofte of een vraag om mensen te betrekken bij jouw verhaal:

• • Wat zijn de overeenkomsten met dit project en de bouw van de Eiffeltoren?
  • Lang geleden maakte ik een reis waarin…..
  • Mijn zoon maakt zijn huiswerk nu drie weken met ChatGPT, mag ik daar wat van zeggen vinden jullie?
  • Met deze informatie kan het bestuur…

Contact maken

Ze luisteren, maar voor hoelang? Om de aandacht te houden, is er contact nodig. Het liefst contact waarbij de ander wil horen wat je te vertellen hebt. Er zijn diverse manieren om dit te bereiken:

1. Zoek naar de gemene deler: “allemaal werken wij bij een gemeente, allemaal willen we gemeenschappelijke meerwaarde creëren”. Vanuit hier kunnen we een perspectief schetsen waarin iedereen zich herkent.
2. De boodschap verbinden aan een expertise: “om tot deze conclusie te komen, heb ik informatie van verschillende buurgemeenten opgevraagd…” of “de ontwikkelingen van het Digitaal Stelsel Omgevingswet volg ik nu ruim zes jaar…”
   
3. De ander zien. Mensen herbergen veel ‘lagen’ die ook meeluisteren. De wethouder is niet alleen een bestuurder, maar ook iemand die een kind heeft die hulp ontvangt van de gemeenten. Medewerkers in het sociaal domein zijn niet alleen systeemgebruikers, maar weten vaak beter wat de werkelijke hulpvraag is dan wat het systeem weergeeft. Complimenteer mensen daarover, betrek het in jouw verhaal om contact te maken. Erken en herken de kwaliteiten van mensen.

BIOS

Een heldere structuur maakt jouw verhaal meer natuurlijk en daarmee eenvoudiger te begrijpen.

Boodschap

Begin daarom met de Boodschap. De luisteraar hoeft zich niet meer af te vragen waar je naartoe gaat met het verhaal. Een goede boodschap is actueel, vernieuwend, overtuigend en begrijpelijk.

Informatie

De Informatie moet waardevol zijn, feitelijk opvolgbaar en helder. Een verhaal hoeft niet helemaal onderbouwd te zijn met bronnen, maar wanneer er een vervolggesprek ontstaat moet je het nauwkeurig kunnen onderbouwen.

Opbouw

Door een goede Opbouw bouw je een structuur in het hoofd van de luisteraar. Veel gebruikte structuren zijn:

• De herhaling: “I have a dream” Een goed voorbeeld is de speech van Dr. Martin Luther King, waarin hij elke keer weer de luisteraar meeneemt in zijn verbeelding.
• Heden, verleden en toekomst: “De laatste grote wijziging van de grondwet dateert van 1983, nu volgt eenzelfde grote wetswijziging: de Omgevingswet, we zullen zien dat over 10 jaar… ”
• Opsomming: som voorbeelden op uit de praktijk, verbind deze met een boodschap en biedt de luisteraar jouw oplossing. “Veel medewerkers klagen over de instabiele infrastructuur, er is een nijpend tekort aan I&A personeel, security en privacy issues stapelen zich op, de inwoners van de gemeente vragen naar meer vooruitstrevende digitale dienstverlening…, het is tijd dat wij onze ICT anders organiseren door een gedeelte buiten de organisatie te plaatsen en daarmee onze huidige organisatie te ontlasten. Dit vraagt om..”

Stijl

Stijl, dit laatste is een uitdaging in ons vakgebied, we spreken veel vakjargon met DLA’s (drie letterige afkortingen) en digitalisering klinkt bij veel toehoorders als ééntjes en nulletjes. Jij bent diegene die verantwoordelijk is dat iedereen jou begrijpt. Neem als stelregel: wanneer je buurjongen van 15 jaar het begrijpt, zit je goed.

Tot slot

Het feit dat je tot hier bent gekomen maakt dat dit artikel een succesverhaal is ; ). Hopelijk krijg je plezier in het vertellen van mooie verhalen over ons vakgebied en je tafelgenoten ook.

Meer weten?

Voor meer informatie kunt u contact opnemen met Roel Ottens, 06 50 43 15 77, r.ottens@telengy.nl,  of Eline van Lieshout, 06 14 31 62 03, e.v.lieshout@telengy.nl.

Deze artikelen zijn tot stand gekomen door observaties van collega’s en informatiemanagers in het wild.

Digitale empathie is noodzakelijk voor een informatiemanager om de vakinhoudelijke domeinen en digitale technologie beter te verbinden. Er bestaat namelijk een kloof waardoor digitale oplossingen soms het probleem worden.

In 2023 heeft een informatiemanager aan kennis en projectmanagementvaardigheden niet meer genoeg. De informatiemanager is een ambassadeur geworden van digitalisering en digitale technologie. Hij/Zij beweegt zich tussen afdelingen, groepen, netwerken en organisaties en tot slot vertelt de informatiemanager het mooie verhaal van de samenwerking tussen de mens en digitale technologie om het welzijn van inwoners en de organisatie te verbeteren.

In drie artikelen schrijven Eline van Lieshout en Roel Ottens over nieuwe vaardigheden van een informatiemanager. Waar het de vorige keer ging over netwerken, staat nu digitale empathie centraal.

De kloof

Om te begrijpen waar de kloof is ontstaan, moeten we terug in de tijd. Digitale technologie werd als eerst ingezet om simpele taken uit te voeren. Dit gebeurde vaak nog door een vakinhoudelijke enthousiasteling, maar het veranderde als snel:

• In de ’70-er jaren zocht men door middel van automatisering naar een efficiëntere bedrijfsvoering. De sleutel-uitvinding was de chip / microprocessor begin jaren ’70. Het begin van o.a. glasvezelnetwerken, het internet, draadloze radiocommunicatie.
• In de ’90-er jaren richtte de digitalisering zich steeds meer op de interactie met de klant. De uitvinding van de term digitale dienstverlening liet nog even op zich wachten. Naast automatisering wordt ook informatisering een begrip. Binnen de overheid en bij gemeenten kreeg digitalisering steeds meer aandacht o.a. via programma’s als Overheidsloket 2000 (OL2000), Overheid.nl, e-overheid, EGEM, NUP, iNUP, Digicommissaris, Digitale overheid 2017, KING (voorloper VNG Realsiatie) en NL DIGIbeter (dit is geen uitputtende opsomming).

Nu wordt digitale technologie ingezet om een oplossing voor maatschappelijke opgaven te vinden. Alle gemeentelijke taken zijn doorvlochten met technologie: keuzes in digitalisering hebben impact op de maatschappij, inwoners en bedrijven. Opvallend is dat de verantwoordelijkheid voor de ontwikkeling en functionele inrichting van digitalisering en digitale technologieën (zoals robotica, dataficatie, kunstmatige intelligentie) vaak nog bij de leveranciers en I&A-afdelingen liggen. Hierdoor kunnen er oplossingen ontstaan die niet aansluiten op de realiteit en vervelende bijeffecten hebben of problemen niet oplossen.

Ligt dit aan de (software)markt, de I&A-afdeling of is er structureel te weinig tijd vanuit de inhoudelijke domeinen om de essentiële werkzaamheden te verrichten bij ontwikkeling en inrichting van een oplossing? Hier geven wij geen antwoord op, wij richten ons op hetgeen waar we invloed op hebben als informatiemanager: digitale empathie.

Digitale empathie

Digitale empathie is het toepassen van empathie, mededogen, cognitie en emotie bij het ontwerpen en ontwikkelen van digitale technologie.

Een informatiemanager staat aan de lat om nieuwe ontwikkelingen te volgen en organisatorische en maatschappelijke vraagstukken samen met de inhoudelijke domeinen te identificeren en te vertalen naar bruikbare digitale oplossingen. Digitale empathie verruimt de blik van een functionele taak van een oplossing naar de interactie tussen de oplossing en de eindgebruiker. Dit helpt een informatiemanager bij het ontwerpen en ontwikkelen van producten die beter aansluiten bij de wensen en behoeften van de gebruiker.

Informatiemanagers kunnen digitale empathie ook inzetten bij het doorontwikkelen van producten. Zij zijn vaak verantwoordelijk voor het communiceren met eindgebruikers en staan tussen de inhoudelijke domeinen en de digitale technologie in. Zij kunnen achterhalen hoe de eindgebruiker zich voelt en daarop inspelen. Dit kan leiden tot betere oplossingen en meer begrip vanuit de eindgebruiker. Dit alles kan leiden tot een hogere klanttevredenheid.

Tot slot kan digitale empathie helpen bij het begrijpen van de gevolgen van beslissingen in het ontwerp en de ontwikkeling op verschillende groepen mensen, waardoor informatiemanagers beter geïnformeerde beslissingen kunnen nemen waarvan zij de gevolgen van overzien.

Digitale empathie toepassen

Waar begin je als informatiemanager? Het begint bij het centraal stellen van de eindgebruiker en het aangaan van partnerschappen. Om dit succesvol te doen, zal de informatiemanager zich ook kwetsbaar op moeten stellen. Dit zorgt ervoor dat en open en eerlijke communicatie ontstaat over wat er nog niet naar wens loopt.

Naast deze open houding zijn er ook manieren om gezamenlijk op een andere wijze te denken. Neem bijvoorbeeld design thinking. Dit is een iteratief proces dat gebruikt wordt om complexe problemen op te lossen in 5 fasen:

• Fase 1: Creëer empathie voor de eindgebruiker (inleven)
• Fase 2: Definieer het probleem (definiëren)
• Fase 3: Verzin oplossingen (ideeën genereren)
• Fase 4: Maak een prototype (prototyping)
• Fase 5: Test & optimaliseer (testen)

Door dit proces worden betrokkenen gestimuleerd om anders te denken en los te komen van de waan van de dag. Dit is bevorderlijk voor het openstaan voor elkaars inzichten.

Maar het kan ook kleiner. Begin eens met de vraag of je een half uurtje met jouw collega mee mag kijken wat hij doet en waar hij tegenaan loopt om zijn doel te bereiken. Het is verbazingwekkend hoe inventief mensen zijn met work arounds en hoe eenvoudig een oplossing soms is.

Kortom, als informatiemanager in 2023 snap je de context en zoek je het partnerschap en de dialoog op om te identificeren waar de kloof zich bevindt. Om vervolgens een oplossingsrichting te vinden met empathie, mededogen, cognitie en emotie.

Het resultaat

Het streven is naar innovatie die is ontworpen en afgestemd  op de gevoelens, gedachten, wensen en emoties van eindgebruikers. Dit zijn oplossingen van digitale en niet-digitale aard, aangezien de behoefte van de eindgebruiker breder ligt dan techniek. Er zijn interessante technische ontwikkelingen gaande die een oorsprong vanuit digitale empathie kennen.

We staan op het punt dat geavanceerde algoritmen en machine learning-technieken getraind worden om menselijke communicatie en interactie te analyseren en te begrijpen. Voorbeelden van deze empathische digitale technologieën zijn:

• Een virtuele assistent die getraind is om empathisch te reageren. Deze kan gemeenten helpen bij het verbeteren van de klantenservice door snel en efficiënt te reageren op vragen van burgers.
• Chatbots kunnen worden gebruikt om empathisch te reageren op vragen van burgers over bijvoorbeeld ophaaldagen van afval, weersomstandigheden, parkeervergunningen.
• Empathische digitale technologie kan worden gebruikt om de sociale dienstverlening van gemeenten te verbeteren door het analyseren van sociale media-berichten van burgers om te identificeren welke problemen er spelen en hoe hierop gereageerd kan worden.
• Crisis management: empathische digitale technologie kan worden gebruikt om empathisch te reageren op crisissituaties door het analyseren van sociale media-berichten en het snel verzenden van relevante informatie naar burgers.

Meer weten?

Voor meer informatie kunt u contact opnemen met Roel Ottens, 06 50 43 15 77, r.ottens@telengy.nl,  of Eline van Lieshout 06 14 31 62 03, e.v.lieshout@telengy.nl.

Bronnen

• Digitale Overheid. Geschiedenis.
• Delen van deze blog zijn in samenwerking met open ai samengesteld.
• Gemeente Nijmegen. Presentatie Digitalisering en Dienstverlening.
• Boek: Digital Empathy: de achilleshiel van IT – Marco Gianotten
• Boek: Design Thinking for strategic innovation – Idris Mootee

Deze artikelen zijn tot stand gekomen door observaties van collega’s en informatiemanagers in het wild.

In 2022/2023 heeft een informatiemanager aan kennis en projectmanagementvaardigheden niet meer genoeg. De informatiemanager is een ambassadeur geworden van digitalisering en digitale technologie. Hij/Zij beweegt zich tussen afdelingen, groepen, netwerken en organisaties en tot slot vertelt de informatiemanager het mooie verhaal van de samenwerking tussen de mens en digitale technologie om het welzijn van inwoners en de organisatie te verbeteren.

In drie artikelen schrijven Eline van Lieshout en Roel Ottens over nieuwe vaardigheden van een informatiemanager. Deze keer staat netwerken centraal.

Netwerken

Waar een informatiemanager vroeger nog gewoon kon wachten tot advies werd gevraagd, zal deze nu zelf op de hoogte moeten zijn van de laatste ontwikkelingen in de organisatie, regio en in het land om adequaat bij te dragen aan de besluitvorming.

Hier komt de vaardigheid netwerken van pas. Veel mensen denken “netwerken dat is voor populaire sociale dieren”. Niets is minder waar. Netwerken is een puzzel die je als persoon moet leggen om door te krijgen waar en wie de besluiten neemt en welke mensen jouw informatie moeten krijgen om de juiste besluiten te nemen.

Het is belangrijk dat je als informatiemanager aansluit bij netwerken rondom een vraagstuk, probleem, thema, opgave of agenda. Netwerken hebben niet ‘de’ oplossing, maar vormen door middel van een sociaal proces het besluit over het vraagstuk dat jij wil oppakken.

Het netwerk ontwikkelen in de praktijk

Linda van Duiven van de gemeente Kapelle is een informatiemanager die haar netwerk optimaal benut om de laatste ontwikkelingen te volgen en toe te passen bij haar gemeenten. Vanaf 2019 heeft zij, mede via het netwerken, datagedreven werken op de kaart weten te zetten binnen haar gemeente en de Bevelanden-regio. Dit deed zij aan de hand van de volgende stappen:

Stap 1. Welke richting gaan we op? Breng in kaart welke bestuurlijke opgaven er liggen, wetgeving en welke regionale thema’s spelen

Kapelle is een gemeente waar vernieuwing voorop staat. Op deze wijze kan de gemeente unieke dienstverlening blijven verzorgen voor inwoners en blijft de gemeente van waarde voor haar omgeving.

Om op de hoogte te blijven van alle vernieuwingen organiseert Linda in 2019 de regiobijeenkomst Zeeland. Verschillende organisaties delen daar ervaringen en oplossingen op het gebied van informatisering en automatisering. Eén van de thema’s die blijft hangen is de meerwaarde van oplossingen op basis van data.

Stap 2. Wat doet de informatiemanager? Bepaal de rol van de informatiemanager en het raakvlak met de I&A-organisatie

Samen met haar interne opdrachtgever kiest Linda in 2020 het thema datagedreven werken uit om te experimenteren. Linda krijgt het mandaat om een verkenning uit te voeren wat datagedreven werken de gemeente kan bieden.

Binnen de organisatie gaat Linda op zoek naar soortgelijke projecten of projecten met een datagedreven element. Daarnaast gaat zij op zoek naar mogelijke organisatievraagstukken die kunnen worden opgelost door middel van datagedreven werken, een rol die bij de informatiemanager past.

Stap 3. Waar staan we? Bepaal de positie van de gemeente t.o.v. het onderwerp, de ontwikkeling, i-visie en/of het informatiebeleidsplan

Linda gaat met verschillende experts het gesprek aan, dit kunnen organisatieadviesbureaus zijn die meer vertellen over de datavolwassenheid van organisaties of technische consultants die de gemeente voorlichten wat haalbaar is.

Deze informatie houdt zij niet voor zichzelf. In de regio zet zij een werkgroep op. De presentaties/trainingen worden vaak in de werkgroep gegeven en de werkgroep praat elkaar bij over de laatste ontwikkelingen binnen de organisaties. Op deze wijze  ontstaat er een goed beeld welke overeenkomsten er zijn tussen de Bevelandse gemeenten en waar zij gezamenlijk kunnen optrekken.

Stap 4. Waar en wie zijn sleutelfiguren? Identificeer welke personen/netwerken relevant zijn 

In de eigen organisatie is voorlichting nodig over het onderwerp. Mensen zijn niet bekend met datagedreven werken of hebben angst voor potentiële risico’s. In samenwerking met haar interne opdrachtgever brengt zij de interne hoofdrolspelers in kaart, o.a.: het managementteam, het college van B&W, de gemeenteraad. Maar ook de domeinexperts die betrokken moeten worden bij de eerste pilots.

Extern trekt Linda op met verschillende gemeenten, materiedeskundigen, de gemeenschappelijke regeling en leveranciers om de technische randvoorwaarden te organiseren.

Stap 5. Wie nemen er besluiten? Benut de cirkel van invloed

Om zowel de ambtelijke organisatie als de politieke organisatie te informeren organiseert zij informerende sessies. Mede op basis van deze bijeenkomsten wordt besloten om de verdere financiering vast te stellen.

Het lobbyen werpt zijn vruchten af en de gemeente Kapelle gaat aan de slag met een pilot rondom afvalinzameling. De vraag naar expertise op het gebied van data-analyse leidt in 2022 tot een gezamenlijke inhuur van een data-analist met de gemeente Borsele. Daarnaast wisselen de gemeenten verschillende projecten uit.

Resultaat

De gemeente Kapelle heeft in 2022 een datateam dat zowel voor de gemeente als in de regio werkt aan dataoplossingen. De werkgroep bestaat nog steeds en het netwerk wordt steeds verder uitgebreid, onder andere met de Hogeschool Zeeland. Ook de nieuwe leden van het datateam zorgen voor interessante en verfrissende nieuwe relaties. De ontwikkelingen en het delen van oplossingen wordt op deze manier versneld. Voor ons een goed voorbeeld hoe netwerken een informatiemanager versterkt.

Digitale empathie

Het succes van digitalisering wordt voor een groot gedeelte bepaald door bereidwilligheid om mee te werken en gebruik te maken van de digitale oplossing oftewel: digitale empathie. Dat behandelen we een volgende keer.

Meer weten?

Voor meer informatie kunt u contact opnemen met Roel Ottens, 06 50 43 15 77, r.ottens@telengy.nl,  of Eline van Lieshout 06 14 31 62 03, e.v.lieshout@telengy.nl.

In onze vorige artikelen spraken we over Design Thinking en de toegevoegde waarde van deze aanpak voor de gemeentelijke praktijk. Hoe kan een succesvol Design Thinking project leiden tot duurzame veranderingen binnen een organisatie?

Traditionele projecten kennen een vast begin en eind. Uiteraard biedt dit een mooi houvast voor het projectteam, maar sommige projecten of processen zijn meer gebaat bij een continu proces. Denk hierbij aan het vormen van een visie die om de paar jaar aangepast wordt aan de hand van feedback, of het optimaliseren van de dienstverlening op diverse vlakken binnen een organisatie. Dit soort onderwerpen zijn abstract, beweeglijk en gedijen goed bij een “ongoing” focus op deze thema’s. Daar waar een traditioneel project stopt, kan een geborgd proces zorgen voor een duurzame verandering.

Wendbaar en continu innoveren

Design Thinking is een methodiek die voor menig organisatie nieuw is. Een manier van denken en projectmatig werken die nog niet van tevoren is uitgestippeld door het iteratieve karakter van de methodiek en doordat de eindgebruiker de koers bepaalt. De kracht van deze methodiek zit hem dan ook in de wendbaarheid van het proces. Door kleine stappen te maken en constant bij te sturen.

Door het inzetten van Design Thinking wordt er een proces binnen de organisatie opgestart dat continu innoveren bevordert. Door de inzet van een multidisciplinair team draagt deze vorm van werken bij aan de daadkracht binnen een organisatie. Nog een manier om blijvende resultaten te waarborgen. Door diverse disciplines uit de organisatie in het projectteam te betrekken ontstaat er een manier van werken waarbij niet alleen de belangen van de verschillende afdelingen gewaarborgd zijn, maar worden er op deze manier kanalen gecreëerd om de resultaten vanuit het project over te brengen en te waarborgen.

Houvast voor strategie en doelen

Om van een incidenteel innovatief project naar een innovatieve organisatie te groeien zijn er verschillende succesfactoren. Een zeer belangrijke factor, en ook een open deur voor menig lezer is namelijk strategie en het vormen van doelen. Een belangrijke factor waar veel organisaties mee stoeien. Sommige organisaties hebben een uitdaging bij het vormen van een duidelijke strategie en doelen die bij elk niveau in de organisatie passen. In dit artikel reik ik daarom graag het 3H-model van McKinsey aan. Dit model kan een houvast bieden op de innovaties die jouw organisatie verder kunnen brengen. De innovaties die op dit model worden geplot dienen het doel dat op dat niveau van toepassing is. Daarnaast is dit een manier om inzichtelijk te krijgen hoe de verschillende projecten met elkaar uitlijnen. Zo kan het zijn dat de projecten van vandaag schuren met de innovaties van de toekomst of markt. Dit is niet verkeerd en juist sterk om van bewust te zijn als innoverende organisatie.

3 Horizons model van McKinsey

Horizon 1 is op operationeel niveau, dit gaat om de behoefte van vandaag, ook wel procesontwikkeling. Innovatie op dit niveau gaat over procesoptimalisatie van de huidige business. Dit zorgt voor behoud en versteviging van de basis van de organisatie. Denk hier bijvoorbeeld aan het digitaliseren van ondertekenprocessen bij gemeenten.

Horizon 2 is op tactisch niveau, dit gaat om de nabije toekomst, ook wel businessontwikkeling. Innovaties op deze horizon bieden een brug tussen de ontwikkelingen op horizon 1 en horizon 3. Tevens richten deze innovaties zich op ontwikkeling van de organisatie bijvoorbeeld op basis van grotere plannen met als doel om de business als geheel verder te ontwikkelen. Denk hierbij aan totale organisatiestructuren aanpassen, zodat de dienstverlening beter past bij de behoefte van de inwoner.

Horizon 3 is op strategisch niveau, dit gaat om de behoefte over een aantal jaren, ook wel marktontwikkeling. Innovaties op deze horizon kunnen disruptief zijn ten opzichte van de huidige gang van zaken. Deze innovaties bieden niet alleen de mogelijkheid om als organisatie te ontwikkelen, maar ook om de markt te beïnvloeden. Denk hierbij aan bijvoorbeeld concepten zoals “Smart Cities”.

Hoe kan Design Thinking leiden tot een duurzame verandering?

Door de inzet van Design Thinking wordt niet alleen een abstract en uitdagend puzzelstuk opgepakt, maar deze methodiek biedt ook een toegang tot het vormen van een innovatief proces of zelfs een innovatieve organisatie. Dit wordt gecreëerd door de manier waarop het proces is ontworpen, maar ook door de mensen die betrokken worden.

Om het geheel in elkaar te laten vallen zijn realistische doelen op elk niveau cruciaal voor blijvende veranderingen en het vormen van een innovatieve organisatie.

In een volgend artikel gaan wij in gesprek met een gemeente die zich op dit moment bezighoudt met het omvormen van een incidenteel project naar een blijvende verandering in de organisatie. Zij hebben gekozen voor de Design Thinking methode en wij gaan graag in gesprek met de gemeente over dit onderwerp.

Vanaf 1 juni mag ik mezelf met trots adviseur bij Telengy noemen. In deze introductie stel ik mijzelf graag voor. Mijn naam is Eline van Lieshout en in het kort ben ik een georganiseerde creatieveling met een passie voor innovatie.

Na mijn studie psychologie ben ik in de wereld van ICT voor overheidsorganisaties aan de slag gegaan. Niet voor iedereen een voor de hand liggende keus, maar voor mij een goede stap. Ik zie de uitdaging om een brug te vormen tussen mens en techniek. Een brug die nodig is om succesvol te groeien als organisatie. Dit ben ik als projectmanager gaan inzetten in projecten en procesoptimalisaties. Zo heb ik mij ingezet voor diverse grootschalige technische migratieprojecten, maar ook creatieve processen zoals design sprints en validatie-onderzoeken.

De wereld verandert snel en de wens naar flexibiliteit wordt groter. Zo ook de mogelijkheid om op een slimme en flexibele manier zaken te doen met de overheid. Dit vraagt om ontwikkeling op zowel de interne als de externe processen en technologie bij deze organisaties. Om op de juiste zaken te innoveren is het centraal stellen van de eindgebruiker “key”. Hiervoor zet ik mij dan ook graag in. In mijn werk als adviseur houd ik oog voor de mens, mijn drijfveer om mij elke dag weer in te zetten en de wereld makkelijker, toegankelijker en sneller te maken waar nodig.

In mijn ideale wereld houden we op deze manier meer tijd over voor een persoonlijke benadering  daar waar die behoefte ligt.

Als adviseur zet ik mijn analytische, empathische en verbindende vermogen graag in om op een actiegerichte wijze concrete optimalisaties voor de maatschappij te realiseren. Dit doe ik graag op een open, energieke en stimulerende wijze.  Mooie woorden op papier, die ik graag mijn omgeving laat ervaren.

Meer weten?

Voor meer informatie kunt u contact opnemen met Eline van Lieshout, adviseur bij Telengy, 06 14 31 62 03 of e.v.lieshout@telengy.nl.