1 - UIT-20-12867 raadsinfobrief datagedreven sturing

Gemeente

Oldenzaal

RAADSINFOBRIEF

Aan de leden van de raad en de forumleden

Datum college 15 december 2020 Onderwerp Datagedreven sturing

Bezoekadres Ganzenmarkt 1 Postadres Postbus 354 7570 AJ Oldenzaal Telefoon (0541) 58 81 11 14+ netnummer 14 0541 E-mail info@oldenzaal.nl Internet www.oldenzaal.nl

VERZONDEN 15 DEC. 2020

Uw brief van Uw kenmerk Ons kenmerk UIT-20-12867 Zaaknummer Behandeld door Mike Tanke Telefoonnummer (0541)58 8240 Bijlage(n) 1

Geachte leden van de raad en forumleden, De hoeveelheid beschikbare data is de afgelopen jaren wereldwijd geëxplodeerd. Dit wordt mede gestimuleerd door technologische ontwikkelingen. Data krijgt een belangrijke rol bij het monitoren en oplossen van verschillende maatschappelijke opgaven, waaronder de energietransitie, kosten­ beheersing sociaal domein en bescherming van het milieu (o.a. stikstof en PFAS). Een ander actueel voorbeeld is de data die verzameld en gebruikt wordt om de verspreiding van Corona te monitoren en de maatregelen die het Kabinet op basis van deze cijfers neemt. Datagedreven sturing Data krijgt een steeds grotere rol in het nemen van (beleids)beslissingen. De VNG noemt deze ont­ wikkeling datagedreven sturing en adviseert gemeenten om een denkkader en agenda te ontwikke­ len voor datagedreven sturing. Door de virtuele zee aan data om te zetten naar informatie, krijgen we kansen om ons werk beter en slimmer te doen. De resultaten van datagedreven sturing variëren van eenvoudige efficiencywinst door sensoren in containers, tot ingrijpende innovaties in de zorg door beter inzicht in de behoeften van doelgroepen en de spreiding van voorzieningen in wijken. Voor Oldenzaal biedt deze ontwikkeling ook kansen. In de gemeentelijke organisatie zijn al ver­ schillende initiatieven gestart om stuurinformatie te halen uit beschikbare databronnen, o.a.

voor de meldingen openbare ruimte en de monitor sociaal domein. De notitie datagedreven sturing (zie bijlage) bevat een doorkijk naar de toekomst van deze ontwikkeling en schetst mogelijkheden die datagedreven sturing biedt voor sociaal en ruimtelijk beleid, voor dienstverlening en bedrijfsvoe­ ring. Met verschillende gemeentelijke organisaties heeft er afstemming plaats gevonden over datagedreven sturing, de gemeentelijke aanpak en specifieke dashboard oplossingen die gereali­ seerd zijn. Het betreft hier o.a. gemeenten Rijssen-Holten, Noaberkracht (Tubbergen/Dinkelland), Hengelo, Enschede, Hellendoorn, Nijmegen en het samenwerkingsverband Dimpact. Ook is er contact geweest met verschillende bedrijven die zich bezig houden met data analyse, dataplatformen en data analytics software. Deze input is meegenomen bij de uitwerking van de notitie datage­ dreven sturing.

u

Datum 15 december 2020

Gemeente

Oldenzaal

Ons kenmerk UIT-20-12867 Paginanr. 2

Dóórontwikkeling De komende periode zetten we een volgende stap in deze ontwikkeling naar meer datagedreven sturen. In samenwerking met het bedrijf InfoTopics gaan we werken aan het beschikbaar krijgen van betere stuurinformatie, waarbij we in eerste instantie de focus leggen op het sociaal domein en op digitale dienstverlening. Door onze data beter te ontsluiten en doorzoekbaar te maken in ge­ bruiksvriendelijke dashboards krijgen we meer zicht op trends en ontwikkelingen. De inzichten die hieruit ontstaan geven naar verwachting handvatten om beter te kunnen monitoren en waar nodig bij te sturen. De raad zal worden meegenomen in de ontwikkeling van het dashboard sociaal do­ mein. In de uitwerking zoeken we vooral de ervaring en best practices op van andere gemeenten. Daarmee positioneren we ons als slimme volger in de ontwikkeling van datagedreven werken en sturen.

Met vriendelijke groet, het college van burgemeester en wethouders

de sésretaris

de burgemeester

a

Datagedreven sturing Gemeente

Oldenzaa

3 december 2020

Datagedreven sturing

Inhoudsopgave

1. Inleiding op datagedreven sturing.............................................................................................. 3 1.1

Belang van data voor onze maatschappij.................................................................................. 3

1.2

Datagedreven sturing bij gemeenten..........................................................................................3

2. Oldenzaals perspectief...................................................................................................................5 2.1

Huidige situatie............................................................................................................................ 5

2.2

Ambitieniveau Oldenzaal............................................................................................................. 6

3. Bouwstenen.......................................................................................................................................7 3.1

Datastrategie op orde................................................................................................................. 7

3.2

Experimenteren........................................................................................................................... 8

3.3

Datavaardigheden..................................................................................................................... 10

4. Privacy en ethiek........................................................................................................................... 11 Bijlage 1: Voorbeelden van datagedreven sturing....................................................................13 Bijlage 2: Rollen datagedreven gemeente...................................................................................15 Bijlage 3 Voorbeeld indicatoren dashboard sociaal domein................................................. 16

1. 1.1

Inleiding op datagedreven sturing Belang van data voor onze maatschappij

De hoeveelheid beschikbare data is de afgelopen jaren geëxplodeerd. Dit wordt mede gestimuleerd door technologische ontwikkelingen. In de media wordt veel aandacht besteed aan de kansen en bedreigingen rondom “data”. Enkele observaties: • De groei van de hoeveelheid data gaat vele malen harder dan ons menselijk vermogen om het te verwerken. Een te grote stroom levert spanning: informatiestress; Goedkoper worden van proceskracht, opslagmedia en verwerking van data; • Toename van de mogelijkheden van kunstmatige intelligentie. Er komen steeds betere voorspellende en zelflerende algoritmen. Vanuit de Algemene Verordening Gegevensbescherming (AVG) is het gebruik van algoritmen aan strenge regels gebonden. Vuistregel is dat de werking van een algoritme eenvoudig uit te leggen is aan de gemiddelde burger; Uitlegbaarheid van algoritmen en het bewaken van ‘de menselijke maat’ zijn thema’s die steeds vaker terugkomen in het nieuws. Recent voorbeeld is de uitspraak van de rechter over de inzet van het Systeem Risico Indicatie (SyRi) dat, bij de handhaving en fraudebestrijding in ons sociale stelsel, onvoldoende waarborgen bood om de privacy van mensen te beschermen. Technologische ontwikkelingen van Internet of Things (loT) en robotisering.

Denk hierbij aan de inzet van sensoren in de openbare ruimte, bijvoorbeeld bij afvalcontainers en het gebruik van slimme lantaarnpalen; Groei van het vermogen om (gezamenlijk) met data en de resultaten van analyse te werken; Overheidsorganisaties stellen hun data beschikbaar voor hergebruik (open data). Op data.overheid.nl hebben Rijksoverheid, provincies, gemeenten en andere overheidsorganisaties al meer dan 18.000 datasets beschikbaar gesteld; • Data wordt gericht ingezet bij verschillende maatschappelijke opgaven, waaronder energietransitie, kostenbeheersing WMO, infrastructurele knelpunten en ondermijnende criminaliteit. Recent voorbeeld is ook de dagelijkse statistieken met betrekking tot Corona, zoals het aantal besmettingen, het aantal intensive care bedden en het reproductiegetal. Data en data-analyses spelen een steeds grotere rol bij het formuleren van beleid. In het publieke debat gaat het daarmee steeds vaker over kwaliteit van data en de uitlegbaarheid van gebruikte rekenmodellen. Voorbeelden hiervan zijn de stikstof- en PFAS-crisis. 1.2

Datagedreven sturing bij gemeenten

Veel publieke en commerciële organisaties hebben de meerwaarde van datagedreven sturing aangetoond door naast het oplossen van problemen beter in control te zijn bij de dagelijkse werkzaamheden. De explosie van beschikbare data biedt kansen op het gebied van dienstverlening, ruimtelijk en sociaal beleid en bedrijfsvoering. In bijlage 1 is een opsomming van projecten/initiatieven opgenomen van datagedreven sturing bij gemeenten. De VNG hanteert in het rapport “Datagedreven sturing bij gemeenten” de volgende definitie:

“Datagedreven sturing is sturingshandelen gebaseerd op het systematisch verzamelen, beheren, analyseren en interpreteren van data. ”

In essentie komt het erop neer dat data een grotere rol krijgt in het nemen van beslissingen. Door de virtuele zee aan data om te zetten naar informatie, krijgen we kansen om ons werk beter en slimmer te doen. De resultaten van datagedreven sturing variëren van eenvoudige efficiencywinst door sensoren in containers, tot ingrijpende innovaties in de zorg door beter inzicht in de behoeften van 3

doelgroepen en de spreiding van voorzieningen in wijken. Centraal staat dat verbeterde inzichten op basis van data kunnen leiden tot andere, meer gedragen of goedkopere beslissingen en zo tot meer publieke waarde. Datagedreven sturing brengt beleids- en bestuursmatig een beweging op naar een meer op feiten gebaseerde beleidsontwikkeling en -uitvoering. Data is een extra ingrediënt - naast meer kwalitatieve ingrediënten zoals praktijkervaring en expertkennis - om in te zetten als onderbouwing bij het maken van beslissingen. Essentieel bij het opzetten van datagedreven toepassingen is dat er bewustwording moet zijn van onze eigen vooroordelen en interpretaties. Iedereen heeft een gekleurde bril waarmee bewust of onbewust naar de werkelijkheid wordt gekeken, en om zaken te ordenen, te interpreteren en begrijpen. Bij datagedreven sturing moeten we automatische ‘kleuring’ en tunnelvisie voorkomen. Dit kan door bij de opzet van datagedreven systemen hier aandacht voor te hebben en in gesprek te gaan met elkaar en vragen te beantwoorden zoals “Wat wil je weten? Welke indicatoren kunnen we gebruiken? Welke data is beschikbaar en nodig? Hoe interpreteer je de data? Hoe verhoudt de data zich tot kennis en ervaring uit de praktijk?” Dit zorgt ervoor dat we bewust bezig zijn met welke data we verzamelen en hoe we deze gaan gebruiken.

Bij datagedreven sturing kunnen enorm grote, gecombineerde datasets gebruikt worden (big data), maar zeker ook het zoeken naar inzichten in kleine databestanden hoort bij de mogelijkheden. Bij gemeenten gaat het vaak echter (nog) niet om grote hoeveelheden data, maar eerder om “small” data of data rondom een persoon of kleine groep. Er zijn verschillende niveaus van datagedreven sturing te onderkennen: • Beschrijvende analyse: Wat is er gebeurd? Diagnosticerende analyse: Waarom is dit gebeurd? Voorspellende analyse: Wat gaat er waar gebeuren? • Voorschrijvende analyse: Hoe kunnen we het laten gebeuren?

4 Toekomst

Voorschrijvende analyse

D)

J

Voorspellende analyse

>

C

I ^ro

Diagnosticerende analyse

ro

Beschrijvende analyse

T3

Verleden t

Complexiteit

-------------------------- » Bron: Gartner

Figuur 1 Niveaus van datagedreven sturing

In het volgende hoofdstuk zal nader worden geduid op welk niveau van datagedreven sturing de gemeente Oldenzaal zich bevindt en wat de ambitie van de gemeente is. In het daaropvolgende hoofdstuk zal worden beschreven op welke wijze de gemeente Oldenzaal dit gaat realiseren.

4

2.

2.1

Oldenzaals perspectief

Huidige situatie

De volgende constateringen ten aanzien van datagedreven sturing zijn voor de gemeente Oldenzaal van toepassing: Externe analyse • De hoeveelheid data waar we over beschikken komt op dit moment nog vooral uit de eigen bedrijfssystemen. Voor een beperkt aantal thema’s geldt dat we data van andere organisaties gebruiken. Te denken valt aan gegevens van de politie over veiligheid en openbare orde en gegevens afkomstig uit basisregistraties. Voor het sociaal domein geldt dat er een gezamenlijke monitor sociaal domein is ontwikkeld met gegevens van zowel gemeente als maatschappelijke organisaties uit Oldenzaal; Een aantal maatschappelijke opgaven zoals ondermijnende criminaliteit, kostenbeheersing WMO en energietransitie kunnen met de bestaande traditionele methoden en technieken niet opgelost worden; • De maatschappij verwacht meer feit gebaseerde informatie en inzicht in effecten van gemaakte beleidskeuzes. Zo is er bijvoorbeeld sinds een aantal jaar een digitale lokale lastenmeter waar inwoners en ondernemers van Oldenzaal op individueel niveau, transparant, de gemeentelijke belastingen kunnen berekenen; Inwoners, organisaties en samenwerkingspartners van de gemeente Oldenzaal willen meer inzicht hebben in wat de effecten van bepaalde beleidskeuzen voor een specifiek domein (bv. WMO) zijn op andere mogelijke afhankelijke domeinen (Werk & Inkomen).

Bijvoorbeeld: is er een relatie tussen het minimaliseren op zorg en het aantal uitkeringsgerechtigden? • Inwoners, organisaties, instellingen en samenwerkingspartners van de gemeente Oldenzaal verwachten van ons dat we real time inzicht hebben in hoe de gemaakte beleidskeuzes zich ontwikkelen en op basis daarvan rapporteren en ingrijpen daar waar nodig. Interne analyse In de visie op dienstverlening (2020) heeft het college van B&W aangegeven dat digitalisering en nieuwe technologieën steeds meer data genereren die we slimmer in willen zetten. Een datagedreven gemeente kan eenvoudiger en sneller inspelen op nieuwe ontwikkelingen en vraagstukken. Dit alles vraagt om betrouwbare en juiste informatie; De gemeente Oldenzaal bevindt zich op dit moment (medio 2020) op het niveau “Beschrijvende analyse” (blauwe vlak in figuur 1). Enkele voorbeelden: O Monitor sociaal domein waarbij halfjaarlijks op basis van een aantal beleidseffecten en indicatoren gegevens worden verzameld, zowel interne data als data afkomstig van onze samenwerkingspartners; O Monitor melding openbare ruimte die ontwikkeld is en waarbij de afhandeling van meldingen, het type melding en de geografische spreiding wordt bijgehouden; • Er is aantal voorbeelden waarin sprake is van “Diagnosticerende analyse”.

O Je kunt hierbij denken aan de financiële analyse die plaatsvindt op financiële ontwikkelingen in het maatschappelijk domein. Kenmerkend hierbij is dat er veel handmatige bewerkingen; plaatsvinden en het momentopnames betreffen waarbij teruggekeken wordt naar het verleden. o De huisvestingsgegevens (over woningen en ondernemers) en de klimaatatlas zijn voorbeelden van hoe verschillende datasets bij elkaar wordt gebracht. Deze gegevens worden weer gebruikt als input voor het gemeentelijk rioleringsplan, en op het gebied van openbare ruimte, vergunningen, verkeer en geo. Voorspellende en voorschrijvende analyse vindt binnen de organisatie nagenoeg niet plaats. Bij het Kennispunt Twente zijn hier wel voorbeelden van te vinden. Zo wordt op regionaal niveau de arbeidsmarktontwikkelingen en werkgelegenheid gevolgd. 5

• •

2.2

Er is op dit moment geen sprake van gestructureerd behoefteonderzoek binnen de organisatie naar managementinformatie. Het initiatief ligt bij de betreffende leidinggevende en wordt ad hoe opgepakt; Verschillende ICT-leveranciers van applicaties bieden eigen oplossingen aan om managementinformatie te genereren. Dit levert een verscheidenheid aan oplossingen op waarbij de data niet integraal ontsloten, gecombineerd en hergebruikt wordt. Ook is het moeilijk om intern kennis op te bouwen; De huidige i-organisatie is met de bestaande capaciteit niet in staat om de noodzakelijke toenemende vraag naar rapporten en dashboards te kunnen uitvoeren en te beheren; Veel medewerkers weten nog niet wat de mogelijkheden en de toegevoegde waarde van datagedreven sturing is. We kunnen nog meer uit onze data halen; Het sturen op basis van data door het management wordt niet als standaard gereedschap toegepast; De kwaliteit (i.e. syntax en semantiek) en beschikbaarheid van de data binnen en tussen de verschillende systemen is niet voldoende om eenvoudig data-analyses te kunnen maken; Er is geen overzicht van alle data die we binnen de organisatie vastleggen. Per applicatie is dit wel bekend bij een functioneel beheerder. Voor het combineren van data(sets) is overzicht wel belangrijk en noodzakelijk. Ambitieniveau Oldenzaal

Oldenzaal is met circa 32.000 inwoners een middelgrote gemeente. Bij vernieuwing/innovatie kiezen we ervoor om een slimmer volger te zijn. We kijken daarbij naar succesvolle toepassingen van datagedreven sturing bij andere gemeenten en zoeken de samenwerking op met andere gemeenten in samenwerkingsverbanden. We zien de toegevoegde waarde van datagedreven sturing en de kwaliteitsimpuls die dit brengt om trends/ontwikkelingen beter te volgen en beleidskeuzes te baseren op feitelijke gegevens. We kiezen voor een stapsgewijze benadering in de ontwikkeling en groei naar een organisatie die meer datagedreven werkt en stuurt. De visie in deze ontwikkeling is juist om met projecten en een goede datastrategie^ stap voor stap verder te komen. De dominante invalshoek is hier 'uitvinden’ en ervaring opdoen. Op basis van de interne en externe analyse en het ambitieniveau zou de volgende focus van toepassing moeten zijn: 1. Zorgen dat de basisvoorzieningen voor onze data op orde is door het ontwikkelen van onze datastrategie. 2. Zorgen dat de stap naar meer “inzicht” wordt gemaakt: via experimenten op het gebied van beschrijvende en diagnosticerende analyses en naar voorspellende analyses. Vernieuwing! 3. Zorgen dat medewerkers en management ervaring opdoen via experimenten en zodoende een datagedreven mindset ontwikkelen.

Om deze ambitie te kunnen waarmaken is in het volgende hoofdstuk beschreven welke bouwstenen we daarvoor de komende jaren kunnen inzetten: Data op orde, Experimenten en Datavaardige organisatie.

^ Met datastrategie bedoelen we de ontwikkeling van een data-infrastructuur, die de basis vormt voor datagedreven sturing. Dat vereist verbinding van databestanden, mogelijkheden tot integratie van bestanden en analyse.

6

3.

Bouwstenen

3.1

Datastrategie op orde

Een goede datastrategie is de basis voor datagedreven sturing. Dit vereist verbinding van databestanden, mogelijkheden tot integratie van bestanden en analyse. Tevens moet aandacht zijn voor de kwaliteit van de data (in termen van juistheid en volledigheid). Voor het inrichten van datagedreven sturing, zal de gemeente Oldenzaal een voorziening moeten inrichten die kan worden ingezet voor zowel de centrale dashboards, als de decentrale selfservice voorzieningen. In figuur 2 is de gewenste architectuur opgenomen.

Selfservice analytics 3

Dashboard

Dashboard

a BH

SfflM

lïiïï

"+!+' + a b I e o u

Dashboard

Ê!li!

imm.

COChK^ 4 Centrale dashboard store

vf

Datawa rehouse 1

Databronnen 2

Easma •centnc

Ei

mw

hd=

ORACUe Figuur 2 Gewenste architectuur

1.

Het datawarehouse is de centrale datalaag, waarin tabellen met beschikbare data binnen de organisatie worden opgebouwd en bewaard. De benodigde ontsluiting, distributie, transformatie en translatie (Extract Transform Load (ETL) functionaliteit) vindt eveneens in deze laag plaats. Het datawarehouse en ETL moet nog ingericht worden. 2. De databronnen die de gemeente Oldenzaal kan benaderen. In eerste instantie zijn dit de eigen bedrijfssystemen die lokaal zijn geïnstalleerd of in de Cloud staan. Op een later moment kunnen dit ook externe bronnen of open data zijn. 3. De decentrale voorzieningen die teams en afdelingen gebruiken voor de selfservice analytics. In principe gebruiken deze voorzieningen altijd de domeindata uit de centrale datalaag. Bekeken moet worden of het mogelijk is om zoveel mogelijk met één Bl-softwarepakket te werken. 4. Centrale dashboards. Deze kunnen ter beschikking worden gesteld door de i-organisatie, dan wel worden ontwikkeld en vervolgens gedeeld door de individuen, teams en afdelingen (selfservice). Op basis van de eerste experimenten moet bepaald worden welke Bl-software gebruikt wordt voor het ontwikkelen en ontsluiten van de centrale dashboards. We werken geleidelijk toe naar deze architectuur, waarbij we per experiment en op natuurlijke momenten (zoals bij aanbestedingen van nieuwe informatiesystemen) datasets aansluiten op de nieuwe architectuur.

Hierbij wordt ook heel nadrukkelijk aansluiting gezocht bij de landelijke ontwikkeling met betrekking tot Common Ground. Applicaties bestaan in de toekomst uit modulair opgebouwde componenten waarbij de data gescheiden wordt opgeslagen van de proces en interactielaag (zie figuur 3). De toegang tot de data vindt plaats via gestandaardiseerde API-services en een landelijke “gegevenssnelweg”. De datastrategie van de gemeente moet in deze Common Ground architectuur mee groeien.

7

Interactie Websites & apps 1 Procesinrichting Bedrijfsprocessen

4

tóf

3

i; -

U

ä-O-ä ■"'TT?.,-

landelijke

3

integratie faciliteit Uitwisseling data

o

o

Toegang tot data (API's)

1 1

»4.

. *

T' ■

I

Standaard informatiemodel Opslag en archivering

o

o I

T

Services

2

o

I

.Tl

mi .IT"

-i

m

. ;-5..

Figuur 3 Common ground architectuur

3.2

Experimenteren

Door te experimenteren met data(-analyses) worden nieuwe inzichten verkregen in het gebruik en toepassingen hiervan. We kiezen nadrukkelijk voor het stapsgewijs ervaring opdoen met datagedreven sturing via experimenten. Hiermee worden best practices, methoden en technieken en kennis over datagedreven werken verzameld en gedeeld. Uitgangspunt is dat de informatiebehoefte van de vakafdeling leidend is in het bepalen en definiëren van de experimenten. Er wordt vraaggericht gewerkt. Tegelijkertijd zal ook gekeken worden naar wat andere gemeenten en ICT-leveranciers ontwikkelen, zodat best practices sneller overgenomen kunnen worden. Binnen de organisatie moet het onderwerp (nog) gaan leven. Dit doen we door resultaten van experimenten (bv. dashboards) breder te delen, presentaties te geven, cursussen of een kijkje-in-dekeuken te organiseren. We willen medewerkers bewust maken en enthousiast krijgen om zelf met ideeën te komen hoe je met data het werk nog beter kunt uitvoeren. Bij het opstarten van een initiatief wordt een analyse gemaakt, o.a. opzet, benodigde databronnen, autorisaties, impact op privacy (zie ook hoofdstuk 4). De organisatie stelt faciliteiten beschikbaar, zoals data-analysetools en visualisatie tools, zodat groepen en medewerkers zelfstandig of met beperkte begeleiding kunnen experimenteren met data-analyse.

Hiervoor kunnen medewerkers een PowerBI licentie krijgen. PowerBI is een laagdrempelig en relatief goedkope tooi om op individueel niveau met data aan de slag te gaan. Om aan de slag te gaan kunnen medewerkers een cursus volgen hoe ze met deze software kunnen werken, bijvoorbeeld via de Oldenzaal Academie. Centraal worden dashboards aangeboden en onderhouden met dagelijkse/periodieke verversing. Deze dashboards bevatten gevalideerde data. De kwaliteit en beschikbaarheid van deze gegevens is gegarandeerd. Het team Ondersteuning & Informatie (ONI) houdt het overzicht over de verschillende initiatieven in de organisatie, adviseert de vakafdeling hoe experimenten vormgegeven kunnen worden (o.a. data, ICT en privacyaspecten) en bouwt en beheert de centrale dashboards.

8

Hieronder volgt een korte omschrijving van de eerste experimenten waarmee gestart wordt. De gedachte is dat dit een dynamisch overzicht wordt en dus in de toekomst wordt aangevuld met nieuwe initiatieven.

1.

Dashboard sociaal domein (Wmo, werk & inkomen, Jeugd) Dit project is bedoeld om de principes van datagedreven sturing te toetsen in de praktijk én om meer inzicht te krijgen in de (financiële) ontwikkelingen binnen het sociaal domein. Bronsysteem is de Suite4SociaalDomein. Organisatie Uitgevoerd door team Ontwikkeling & Ondersteuning en team Ondersteuning & Informatie Opdrachtgever C. Arkink Aanpak Dit project wordt gestart bij wijze van een Proof of Concept (POC). Een gebruikersgroep wordt gevraagd om onder begeleiding van een extern Blconsultancybureau een dashboard sociaal domein te ontwikkelen en te testen in Tableau. In bijlage 3 staan voorbeelden van indicatoren die ontwikkeld kunnen worden. De keuze kan nader afgestemd worden op de situatie en informatiebehoefte van Oldenzaal. De gebruikersgroep zal bestaan uit een aantal inhoudsdeskundigen van team O&O, functioneel beheer Suite4SociaalDomein en functioneel beheer en i-advies van team ONI. Als het concept zichzelf bewijst gaan we over tot afname van de oplossing. Het voordeel van een POC is datje nog niet direct meerdere jaren aan een oplossing vast zit. Er kan tevens tijdens de POC een beeld gevormd worden over opleiding en benodigde capaciteit voor beheer en dóórontwikkeling van het dashboard.

Planning Dit project start in januari 2021 en kent een doorlooptijd van zes maanden Investering De initiatieven rondom datagedreven sturing worden binnen bestaande begroting uitgevoerd. Beschrijving

Dashboard dienstverlening (ePiensten, zaken en contacten) 2. Beschrijving Dashboard ten behoeve van digitale dienstverlening, zaakafhandeling en klantcontactafhandeling. Bronsysteem is de eSuite. Dit project is bedoeld om de principes van datagedreven sturing te toetsen in de praktijk én tevens om ervaring op te doen met zowel Tableau als PowerBI. Organisatie Uitgevoerd door team Dienstverlening & Communicatie en team Ondersteuning & Informatie Opdrachtgever C. Voogdgeert Aanpak We sluiten aan bij een initiatief van Dimpact (samen met gemeente Twenterand) om een dashboard dienstverlening eSuite te maken in Tableau. Parallel hieraan gaan we ervaring opdoen met Microsoft PowerBI door zelf een dashboard te ontwikkelen op basis van de eSuite datadump. Dit geeft ons inzicht in de voor- en nadelen van beide Bl-softwarepakketten en helpt ons om een keuze te maken welke oplossing we gebruiken voor het ontsluiten voor de centrale dashboards. Planning Dit project is reeds gestart en wordt 1-5-2021 afgerond. Investering De initiatieven rondom datagedreven sturing worden binnen bestaande begroting uitgevoerd. Dashboard leerplicht, RMC en leerlingenvervoer 3. Beschrijving Dit project is bedoeld om de principes van datagedreven sturing te toetsen in de praktijk én om meer inzicht te krijgen in data rondom leerplicht, RMC en leerlingenvervoer.

Uitgevoerd door team Werk & Inkomen en team Ondersteuning & Informatie Organisatie Opdrachtgever W. ter Horst Aanpak Eind 2020 wordt het nieuwe informatiesysteem voor leerplicht, RMC en leerlingenvervoer geïmplementeerd. In de aanbesteding is meegenomen dat een datadump dagelijks wordt aangeleverd bij de gemeente. Deze datadump zal gebruikt worden om een dashboard te ontwikkelen. Ook zal onderzocht worden of data gecombineerd kan worden met het dashboard sociaal domein (project 2). Planning Dit project start begin 2021 nadat de nieuwe applicatie Carel voor leerplicht, RMC en leerlingenvervoer is geïmplementeerd.___________________________

9

Investering

3.3

De initiatieven rondom datagedreven sturing worden binnen bestaande begroting uitgevoerd.

Datavaardigheden

De derde bouwsteen is het (door)ontwikkelen van datavaardigheden bij medewerkers en management in de organisatie. Het is essentieel dat de organisatie datagedreven werken ondersteunt. Hoe kunnen we met data ons werk nog beter doen? Welke data heb ik als manager nodig om te kunnen sturen? Dit soort vragen horen thuis in een datagedreven organisatie. Dit vraagt om een andere manier van kijken. Medewerkers moeten bijvoorbeeld trends en afwijkingen in onze data kunnen volgen en kunnen duiden wat dit betekent voor het beleid en de uitvoeringspraktijk. Hiervoor is enthousiasme en bewustwording nodig bij medewerkers en zgn. datavaardigheden moeten we (door)ontwikkelen. We doen dit over de as van de experimenten. Dus geen grote programma’s, maar learning-on-the-job tijdens en naast het uitvoeren van experimenten. Op die manier verwachten we een positief effect te halen doordat kennis direct toegepast wordt in de praktijk. Vanuit de ervaringen van de eerste experimenten moet geëvalueerd worden welke behoefte er aan begeleiding, opleiding en ondersteuning is. Om tot een waardevolle manier van datagedreven werken te komen, is tevens specialistische kennis en kunde nodig. Daarbij zijn specialisten in verschillende rollen nodig. In bijlage 2 staan verschillende rollen beschreven die in meer of mindere mate een rol spelen bij datagedreven sturing.

Binnen het team ONI moet professionaliteit ontwikkeld worden om de data uit de bronsystemen te ontsluiten in een datawarehouse en de data te prepareren voor verwerking. Ook moet er kennis en ervaring opgedaan worden hoe dashboards ontwikkeld kunnen worden in Bl-software. Je kunt hierbij denken aan aspecten zoals grafisch design en storytelling als wijze waarop je iemand meeneemt/uitlegt in het verhaal van de data. Dit vraagt opleiding van medewerkers bij team ONI en ondersteuning van consultants tijdens experimenten zodat kennis over het ontwikkelen van dashboards tijdens het bouwen wordt overgebracht.

10

4.

Privacy en ethiek

Het werken met data moet zorgvuldig gebeuren. Het belang hiervan blijkt bijvoorbeeld wel uit projecten die te weinig rekening hiermee hielden, zoals het anti-fraudesysteem SyRI van het ministerie van Sociale Zaken en Werkgelegenheid. Het Europees Hofvoer de Rechten van de Mens oordeelde in februari 2020 over dit project dat er geen eerlijke balans is tussen het maatschappelijk belang van fraudebestrijding en de inbreuk op het privéleven van burgers. Enorme hoeveelheden data zouden verzameld en geanalyseerd worden van grote groepen inwoners zonder enige indicatie van fraude. Uiteraard is dit niet wenselijk. Bij het vormgeven van een datagedreven aanpak moet aandacht zijn voor ethische en juridische aspecten die een rol spelen bij het datavraagstuk. Onderwerpen waarover (vooraf) nagedacht moet worden zijn: • De privacy van de burger; • Gelijke behandeling; • Het belang van transparantie; • De menselijke component; • Organisatie aspecten. Om eventuele risico’s rond bovenstaande kwesties in kaart te brengen zijn diverse tools beschikbaar, waaronder een Data Protection Impact Assessment (DPIA) en de ethische data assistent van de Universiteit Utrecht^. Deze instrumenten helpen om vooraf de privacy risico’s van gegevensverwerking in kaart te brengen en om daarna maatregelen te kunnen nemen om de risico’s te verkleinen.

In de opstart- en realisatiefase van projecten zullen de privacy en ethische aspecten nader worden beschouwd. Het is van belang dat de Functionaris Gegevensbescherming betrokken wordt bij initiatieven op het vlak van datagedreven sturing. Kenmerkend van datagedreven sturing is dat vaak meerdere databestanden worden gecombineerd, waarbij je buiten de bedrijfsapplicatie zelf om werkt. Dat roept vanuit de AVG twee grote vragen op: 1. Mag deze informatie zomaar worden gecombineerd? Data wordt verzameld en bij het gebruiken van data heb je te maken met doelbinding. De (persoons)gegevens mogen alleen worden gebruikt voor het doel waarvoor deze zijn verzameld. Combineren met andere data is dan ook vaak niet toegestaan. 2.

Mag deze persoon (of personen) deze data wel zien Bij een BI tooi werkje normaal gesproken rechtstreeks op de database (of een dump) en negeer je daarmee eventuele restricties vanuit autorisaties. Daardoor is het mogelijk datje meer informatie ziet, dan waartoe je eigenlijk recht hebt.

Anonimiseren / pseudonimiseren Het verschil tussen deze twee is dat bij anonimisering de persoonsgegevens onherleidbaar worden weggehaald, terwijl bij pseudonimisering persoonsgegevens worden vervangen door een ander gegeven. In dat geval is het proces in principe herleidbaar. Bij geanonimiseerde gegevens is de AVG niet meer van toepassing. Dat gaat vooral bij grote datasets op. Bij kleinere datasets is het soms toch mogelijk dat gegevens alsnog herleidbaar zijn. Ook is het soms nog mogelijk door meerdere (geanonimiseerde) datasets te combineren, dat de persoonsgegevens alsnog herleidbaar zijn. Voor beleidsdoeleinden is het vaak niet nodig om herleidbare persoonsgegevens te gebruiken. Voor andere doeleinden kan dat wel gewenst zijn, maar ook dan moet met doelbinding rekening gehouden worden.

^ https://www.diqitaleoverheid.nl/overzicht-van-alle-onderwerpen/nieuwe-technoloqieen-data-enethiek/het-led/toolbox/aandacht-voor-ethische-en-iuridische-aspecten/ 11

Testdata De Autoriteit Persoonsgegevens heeft nadrukkelijk benoemd dat testen niet toegestaan is met daadwerkelijke persoonsgegevens. Het lastige is dat het ontwikkelen van goede dashboards alleen mogelijk is door te testen en met gebruik van productiegegevens. Hiervoor zal een oplossing moeten worden gevonden waarbij we in eerste instantie focussen op het anonimiseren/pseudonimiseren van data. Geautomatiseerde besluitvorming Datagedreven sturing is iets anders dan geautomatiseerde besluitvorming. In de praktijk zie je echter vaak dat de gedachten achter datagedreven sturing doorgezet worden naar toepassingen voor geautomatiseerde besluitvorming. Dit is vanuit de AVG niet direct verboden, maar wel gebonden aan strakke regels. Als de gemeente Oldenzaal dit wil toepassen, is onder meer een DPIA verplicht om alle risico’s goed in beeld te brengen.

12

Bijlage 1: Voorbeelden van datagedreven sturing In deze bijlage volgt een opsomming van voorbeeldprojecten bij gemeenten. Deze tekst is een kopie uit het VNG-rapport Datagedreven sturing bij gemeenten. Gemeente Groningen - sociale zekerheid Onderzoek & Statistiek Groningen is in het najaar van 2016 gestart met het ontwikkelen van voorspellingsmodellen ter opsporing van sociale zekerheidsfraude. Hiervoor is gebruik gemaakt van historische data van inwoners van de gemeente Groningen, van wie bekend is dat ze in het verleden hebben gefraudeerd met de bijstandsuitkering. Middels risicoanalyse is onderzocht welke groepen een verhoogd risico op het plegen van fraude hebben. Hierbij werden risicoprofielen beschreven van situaties waarvan in de praktijk is gebleken dat het risico op fraude groter is dan gebruikelijk (‘statistisch profileren’). Door in deze situaties intensiever te controleren, is de kans op het detecteren van fraude wellicht groter. Het project draagt bij aan publieke waarde door effectievere fraudebestrijding. Het is gericht op het sociaal domein, handhaving en naleving. Het is gericht op repressie (preventie is vanuit privacyoverwegingen lastig) en richt zich uiteindelijk op individuele controle. Het is gesloten opgezet en dat is te rechtvaardigen vanuit overwegingen van algemeen belang. De methodiek is gericht op voorspellen.

Gemeente Rotterdam - eenzaamheid Om als oudere langer alleen thuis te kunnen wonen is sociaal contact essentieel. Maar om de kans te vergroten dat eenzame senioren genoeg mensen ontmoeten moetje goed weten hoe de wijk in elkaar steekt. Op basis van interviews en daadwerkelijke routes gemeten met GPS trackers, zijn de bezigheden van deelnemende senioren in kaart gebracht. De inzichten uit het onderzoek zijn van groot belang voor de gemeente Rotterdam om in kaart te brengen of parkjes en groenvoorzieningen effectief gelegen zijn voor het stimuleren van ontmoeting. Het project is gericht op innovatie van de openbare ruimte, gericht op beter ontmoeten. Het richt zich op het collectief van ouderen, is afhankelijk van de omgang met ouderen meer of minder open, is voorspellend. Bron: http://www.vngzine.nl/data-en-gemeenten/ Gemeente Dordrecht - sociaal domein De gemeente Dordrecht maakt gebruik van de Straatkubus, initieel ontwikkeld in de gemeente Almere. De Straatkubus is een systeem met informatie over bijvoorbeeld bevolkingssamenstelling, inkomen en koopkracht van burgers. Al die informatie kan tot op straatniveau worden weergegeven en geanalyseerd, maar er zijn goede spelregels om de privacy te waarborgen. Wanneer er signalen zijn dat er een probleem in een wijk ontstaat, kan met de Straatkubus worden bekeken welke onderliggende factoren daar de oorzaak van zouden kunnen zijn.

Daardoor kan tijdig, gericht en beter onderbouwd worden ingegrepen. Het project is dus gericht op effectiviteit, is gericht op preventie, is afhankelijk van de wijze van omgaan met de bewoners meer of minder open en richt zich zowel op collectieven als individuen, al zijn individuen niet herkenbaar in de analyse ten gevolge van aggregeren. De methodiek is van monitorend tot uiteindelijk voorspellend. Bron: https://www.wijkendordrecht.nl/sterrenburg/ sterrenburg-vitaal/de-straatkubus Gemeente Enschede - openbare ruimte In verschillende delen van Enschede kampen inwoners en bedrijven met snel opkomend grondwater in de kelders en kruipruimten. Tot dusver is niet achterhaald wat de oorzaak van dit fenomeen is. Inwoners van Enschede werken nu samen met de gemeente, Saxion, Tubantia en de Universiteit Twente (DesignLab) aan het in kaart brengen en misschien zelfs oplossen van deze grondwaterproblematiek. Dit gebeurt op basis van data verzameld door inwoners en professionals. De gemeente heeft op een aantal plaatsen grondwaterpeilbuizen. Deze worden nu handmatig uitgelezen. Nu loopt de aanbesteding om buizen te installeren die 24/7 informatie doorgeven over het grondwaterpeil. Dit systeem maakt gebruik van Lora (een specificatie voor een telecomnetwerk; geschikt voor langeafstandscommunicatie met weinig vermogen). Meer informatie: https://www.utwente.

nl/evenementen/!/2017/5/69704/ smart-citizens-lab-grondwateroverlast Gemeente Zwolle - luchtkwaliteit Klimaat Actief Zwolle organiseert samen met andere partijen uit haar netwerk het ‘SensHagen’ project. In het ‘SensHagen’ project wordt ervaring opgedaan met burgers die zelf luchtkwaliteit, neerslag, verdamping, hitte en wind meten. Meerdere inwoners van Stadshagen doen hieraan mee. Het RIVM, de Universiteit Twente en het KNMI denken mee over de sensoren die hiervoor ingezet kunnen worden. Hierdoor ontstaan goede

13

mogelijkheden om de uitkomsten van de verschillende metingen te vergelijken. Bron: httDs://vww.zwolle.nl/senshaqen-wat-meten-de-buren Gemeente Amsterdam - overlast In Amsterdam loopt een project waarbij de intensiteit van potentiële overlast wordt voorspeld op basis van portofoon-en digitale bonddata, omgevingskenmerken en weerdata. Deze informatie kan vervolgens worden ingezet voor een efficiëntere handhaving. Bron: Jads (2017). Data science maturity van gemeenten Gemeente Nijmegen - veiligheid De afdeling Veiligheid is gestart met 'veilige wijkteams’. Deze teams proberen in de verschillende wijken snel in te spelen op trends en gebeurtenissen die de veiligheidsaspecten van een wijk raken. Het Enterprise Intelligence team (El-team) heeft hiervoor dashboards ontwikkeld met data van de politie en deze aangevuld met wijkstatistieken. Doordat ook de historische data worden ingelezen, kunnen patronen worden vergeleken met afgelopen jaren en maanden. De dashboards zijn zodanig interactief gemaakt dat de teams zelf selecties en vergelijkingen kunnen maken en kunnen doorklikken op de achterliggende data. Elke maandagochtend worden de data van de vorige week ingeladen en kunnen de veilige wijkteams aan de slag om de inzet voor de komende week te gaan bepalen.

Naast deze dashboards worden regelmatig analyses gemaakt (bijvoorbeeld op woninginbraken) om inzicht te krijgen in welke kritische indicatoren voorspellend zijn. Een aantal van deze indicatoren wordt dan toegevoegd aan de dashboards om te kijken of de getroffen maatregelen werken. Gemeente Amsterdam - dienstverlening De gemeente Amsterdam werkt met web analytics, zoals Google Analytics of A-B testen voor websites. Bij A-B testen worden twee versies van websites met elkaar vergeleken door ze live te laten draaien en te kijken waar mensen het best op reageren. Dit wordt onder andere gedaan om de armoedevoorzieningen aan meer doelgroepen aan te kunnen bieden. De centrale vraag hierbij is hoe de website het meest gebruiksvriendelijk kan worden gemaakt. De methode is om in plaats van lang te vergaderen, snel te testen wat wel en niet werkt. Het doel is om het voor een Amsterdammer makkelijker te maken om de vergoedingen aan te vragen waar ze recht op hebben. Onder andere worden processtappen getrackt en onnodige processtappen uit processen verwijderd. Hierdoor verbetert dienstverlening en bedrijfsvoering. Gemeente Utrecht - financiën Op het niveau net boven facturen (iv3-niveau) wordt financiële informatie van de gemeente Utrecht open ter beschikking gesteld. Ook raadsinformatie (stukken en besluitvorming) is open toegankelijk.

De financiële informatie kan worden gebruikt voor benchmarking. In de toekomst worden raadsstukken voorzien van geoinformatie. Dan kunnen inwoners volgen wat over hun directe leefomgeving wordt besproken en besloten. Het project is gericht op efficiency en effectiviteit door beter functioneren van democratie en innovatie door de mogeiijkheid voor van initiatieven van burgers. Het project is open en gericht op het coliectief van burgers. De methodiek is niet bepaald; die bepalen de gebruikers, maar in ieder geval is monitoring mogelijk. Gemeente Dordrecht - open data Door gegevens uit het eigen open data portaal te visualiseren kreeg de gemeente Dordrecht meer inzicht in de (opkomst) van verkiezingen. Bepaalde stembureaus hadden een veel hogere opkomst dan andere. Door deze uitkomsten te bespreken met de verantwoordelijken voor de organisatie van stembureaus is afgestemd welke acties op basis van de uitkomsten genomen konden worden. Inmiddels is Dordrecht aan het experimenteren met een datagedreven zoektocht naar slimme locaties voor stembureaus voor de aankomende gemeenteraadsverkiezingen. Het project is gericht op effectiviteit in termen van een beter functionerende democratie, richt zich op burgers en is redelijk gesloten van aanpak (communicatie met kiezers zou het project effectiever kunnen maken; wellicht gebeurt dat ook).

Het richt zich op de groep van kiezers en is voorspellend/interveniërend van aard. Gemeente Haarlem - open data De gemeente Haarlem biedt open datasets aan op Haarlem Open Data, het portaal voor Haarlemse open datasets. De open datasets op het portaal worden realtime gegenereerd en zijn altijd actueel. Er worden voortdurend nieuwe sets toegevoegd. Het project is gericht op innovatie door mogelijkheid van initiatieven van burgers/partijen. Het project is open, maar wat gebruikers doen is niet bepaald. De methodiek is niet bepaald; die bepalen de gebruikers. Bron: https://www.haarlem.nl/haarlem-open-data/

14

Bijlage 2: Rollen datagedreven gemeente In deze bijlage wordt een globale schets gegeven van de rollen die kunnen worden onderscheiden in de datawereld. De opsomming pretendeert niet volledig te willen zijn. De opsomming is bedoeld om een beeld te geven van de verschillende taken. Deze rollen moeten aan de hand van de experimenten nader geduid en afgebakend worden voor onze eigen organisatie. Hierbij moeten we ook gaan ervaren waar de scheidslijnen komt te liggen in wat we zelf gaan doen en wat we laten doen c.q. inkopen bijvoorbeeld bij een Bl-consultancy partij. Data-engineer: Prepareert en verrijkt data; • Zorgt voor data consistentie en datakwaliteit; Beheert het gegevenswoordenboek voor een eenduidige semantiek. Data-analist: • Analyseert data; Begrijpt de datamodellen; Brengt samenhang aan in de verschillende databronnen; • Kan rapportages en dashboards ontwikkelen. Data-expert: • Voert dezelfde activiteiten uit als een data-analist; Kent daarnaast ook de specifieke processen en gegevens van een applicatie en is daardoor in staat om een sparringpartner voor de business te zijn. Data-scientist: • Kan op basis van data voorspellingen uitvoeren (o.a. op basis van wiskundige en statistische modellen); • Kan patronen in data herkennen

15

Bijlage 3 Voorbeeld indicatoren dashboard sociaal domein Algemeen Inwoners naar geslacht en leeftijd Inwoners naar leefvorm Inwoners naar huisvesting Inwoners verhouding nationaliteit Inwoners naar nationaliteit Inwoners naar reden instroom Inwoners geografisch woonplaats Inwoners top tien per straat Verloop historisch aantal unieke Inwoners Inwoners naar geslacht en leeftijd gelijke gemeentegrootte Uitkeringen LO Aantal uitkeringen (actueel) Aantal actieve uitkeringen (historisch) In- en uitstroom Duur actieve uitkering Leeftijd - duur uitkering Uitkeringen en Nationaliteit Duur beëindigde uitkering Uitkeringen en statushouders Soorten en aantal inkomstenkortingen Reden Einde uitkering Verhouding leeftijd klant en duur uitkering Opschortingen Combinatie uitkeringsduur en reden uitstroom Maatregel/boete (aantal/euro) Aantal personen met een bedrijfskrediet incl. bedrag initieel en openstaand Aantal Inwoners langdurige LKS Wanbetalers zorgverzekeringswet Aantal Inwoners met inkomstenkorting per maand incl. soort inkomen Overzicht werkgevers met aantal klanten en verworven inkomsten ln-/uitstroom Inwoners met inkomstenkorting Aantal aanvragen Levensonderhoud per maand Debiteuren Debiteuren naar geslacht en leeftijd Debiteuren naar nationaliteit Debiteuren verhouding nationaliteit Aantal vorderingen per soort Aantal vorderingen per regeling Overzicht aantal debiteuren vs.

aantal vorderingen Debiteuren geografisch woonplaats Ontstaansgrond vordering Aantal debiteuren met lopende uitkering In- en uitstroom vorderingen (aantal) In- en uitstroom vorderingen (saldo) Debiteurensaldo per soort vordering Aantal vorderingen per klasse € Looptijd vordering

16

Status vordering Ontvangen aflossing per maand en per soort Aantal interne verrekeningen incl. bedrag per maand Aantal beslagleggingen Aantal debiteuren wel of niet aflossen Buiten invordering gesteld incl. € Financieel Netto uitgaven Levensonderhoud Bruto uitgaven Levensonderhoud Maandelijkse hoogte gekorte inkomsten Uitgaven langdurige ioonkostensubsidie Vergelijk werkelijke uitgaven en BUIG-ontvangst Gemiddelde kosten uitkering per maand per regeling Overzicht jaarresultaten op BUIG Bijzondere Bijstand Soorten bijzondere bijstand Aantal incidenteel/periodiek Financieel per soort per maand Verstrekkingen geografisch Leeftijdscategorieën per soort bb Overzicht uitgaven per jaar per jaar Overzicht aantal Inwoners per soort per jaar Overzicht gemiddelde kosten per jaar per gebruiker Armoedebeleid Overzichten vanuit de verstrekkingenwebsite Basisset Inwoners armoederegeling Aanvullende zorgverzekering Aantal Inwoners LO met schuldhulpverlening Inhoudingen Wanbetalers zorgverzekeringswet Aantal schuldhulpverlening Re-integratie Doelgroepindeling Soorten lopende voorzieningen WMO Aantal Voorzieningen Aantal voorzieningen per groep Historisch verloop totaal aantal voorzieningen Reden einde voorziening Historisch prijsoverzicht verschillende voorzieningen Kostenplaatje per groep Gemiddelde looptijd per soort voorziening Per geslacht soort voorziening weergeven in 2 aparte grafieken

Overzicht aanbieders Totaaloverzicht aanbieders, type product, aantal klanten, euro's - Begeleiding Totaaloverzicht aanbieders, type product, aantal klanten, euro's - HBH

17

Voorzieningen Wmo - Rolstoel Aantal en type voorzieningen Rolstoel Aantal actieve voorzieningen per product Gebruikers naar leeftijd en geslacht Looptijd actieve voorzieningen In- en uitstroom rolstoelvoorziening Kosten van de actieve voorzieningen Uitsplitsing in ZIN en RGB Kosten per maand van Onderhoud en Verzekering Gebruikers naar burgerlijke staat Overzicht aantal gebruikers per kern Gebruikers geografisch weergegeven Voorzieningen Wmo - woonvoorzieningen Aantal en type voorzieningen woonvoorzieningen (gegroepeerd) Aantal actieve voorzieningen per product Gebruikers naar leeftijd en geslacht Looptijd actieve voorzieningen In- en uitstroom woonvoorziening Gebruikers naar burgerlijke staat Overzicht aantal gebruikers per kern Verhouding % tussen woonvoorziening en woningaanpassing Gebruikers geografisch weergegeven Leveranciers woningaanpassingen Leveranciers woonvoorzieningen Voorzieningen Wmo - vervoersvoorziening Aantal en type voorzieningen Vervoer (gegroepeerd) Aantal actieve voorzieningen per product Gebruikers naar leeftijd en geslacht Looptijd actieve voorzieningen In- en uitstroom voorziening Gebruikers naar burgerlijke staat Overzicht aantal gebruikers per kern Gebruikers geografisch weergegeven Voorzieningen Wmo - Schoon en Leefbaar Huis Aantal en type voorzieningen HBH (gegroepeerd) Aantal actieve voorzieningen per product Gebruikers naar leeftijd en geslacht

Huidige looptijd voorzieningen. Instroom + Uitstroom Uitsplitsing in ZIN en RGB. Totale kosten Overzicht berichtenverkeer Gebruikers geografisch weergegeven Overzicht kosten per periode 4 weken Verloop aantal actieve gebruikers per aanbieder Kosten per gebruiker Bezettingsgraad per aanbieder Gemiddelde uren toekenning per leeftijdsgroep

18

Voorzieningen Wmo - begeleiding Aantal en type voorzieningen Begeleiding (gegroepeerd) Aantal en type voorzieningen Begeleiding per ultimo maand (gegroepeerd) Aantal actieve voorzieningen per product Gebruikers naar leeftijd en geslacht Huidige looptijd voorzieningen. Instroom + Uitstroom Gebruikers geografisch weergegeven Uitsplitsing in ZIN en RGB Overzicht berichtenverkeer Overzicht aantal gebruikers per kern Totale kosten Overzicht aantal klanten en hoeveelheid zorg per maand per aanbieder voor product ind. Begeleiding Overzicht aantal klanten en hoeveelheid zorg per maand per aanbieder voor product groepsbegeleiding Kwaliteit 303 factuur per aanbieder Overzicht aanbieders procentueel aandeel in zorg/klanten Overzicht kosten per periode 4 weken Financieel Uitgaven Wmo Uitgaven Schoon en leefbaar huis (01) Uitgaven Begeleiding (02) Uitgaven Persoonlijke Verzorging (03) Uitgaven Kortdurend verblijf (04) Uitgaven Dagbesteding (07) Uitgaven Vervoerdiensten (08) Uitgaven Rolstoelen (11) Uitgaven Vervoervoorzieningen (12) Uitgaven Woonvoorzieningen (13) Uitgaven Beschermd wonen (15) Uitgaven Mantelzorgcompliment Kosten t.o.v. budget rijk Vergelijk budget t.o.v. omringende gemeenten Overzicht verdeling kosten binnen wmo producten ind. % Vergelijk € zorg t.o.v.

aantal gebruikers (duur of goedkoop) Historisch overzicht kosten wmo Verschil gedeclareerd en betaald Wmo kosten berichtenverkeer Aanbieders Per aanbieder type product en kosten Gemiddelde kosten per product per klant Gemiddelde looptijd per product actieve producten Gemiddelde looptijd per product beëindigde producten Verloop afname bij aanbieder (groter/kleiner) Marktaandeel per product per aanbieder Omzet per aanbieder (aflopend) Uitnutting indicatie in € en % Prognoseberekening met nog te verwachten kosten op basis van indicaties Overzicht aanbieder per product en grondslag toekenning Kwaliteit berichtenverkeer (overzicht afkeur 303 enz.)

19

Aanvragen Aantal aanvragen per maand per type proces Aantal toekenning / afwijzing Looptijd aanvragen Geografische kaart Een schermvullende kaart met in een kader de mogelijkheid bijv. type voorzieningen aan of uit te vinken Voorzieningen Jeugd Aantal voorzieningen Jeugd Aantal voorzieningen Jeugd per ultimo maand In- en uitstroom Jeugd Verloop voorzieningen Jeugd Overzicht aantal gebruikers per kern t.o.v. aantal voorzieningen Persoonlijke verzorging Dagbehandeiing Vervoersdiensten Jeugdhulp verblijf (incl. behandeling) Jeugdhulp verblijf (excl. behandeling) Jeugdhulp ambulant Jeugdhulp crisis Jeugdreclassering Jeugdbescherming Activiteiten in het preventief justitieel kader Maatwerkarrangementen jeugd Generalistische basis GGZ Specialistische GGZ/Dyslexiezorg Kindergeneeskunde Actieve voorzieningen per groep: leeftijdsopbouw gebruikers Looptijd meldingen per maand Overzicht vervolgvoorzieningen

20

Bl Gemeente

Oldenzaal Bezoekadres Ganzenmarkt l Postadres Postbus 354 7570 AJ Oldenzaal Telefoon (0541) 58 8111 E-mail info@oldenzaal.nl Internet www.oldenzaal.nl