Veel gemeentes zijn de laatste jaren bezig om meer datagedreven te werken. Eén voorloper op dit gebied is de gemeente ’s-Hertogenbosch. Waarin Karin Akkers, manager van de afdeling Onderzoek & Statistiek en het programma Toonaangevende Datastad, de capaciteit van haar team data scientists aanvult met ervaren professionals van voormalig Ynformed (nu Royal HaskoningDHV):

“Data scientists brengen niet alleen veel technische kennis mee. Doordat ze een deel van hun tijd hier bij de gemeente zitten, blijven ze continu leren van andere collega’s en projecten waar ze in betrokken zijn. Dit straalt weer af op onze werknemers die zich nog aan het verdiepen zijn in data science. Daarnaast hebben zij heel veel ervaring in het uitvoeren van opdrachten voor gemeentes. Dat ervoor zorgt dat ze begrijpen hoe een gemeente werkt en een netwerk hebben binnen gemeenteland.”
Karin Akkers, Manager Onderzoek & Statistiek, Gemeente 's-Hertogenbosch

Het project

Eén van de projecten waar wij aan hebben gewerkt bij de Gemeente ’s-Hertogenbosch. Is het voorspellen van de ontwikkeling van Wet maatschappelijke ondersteuning (Wmo)-voorzieningen. Een belangrijk en actueel thema.

De uitdaging

Sinds 2015 moeten gemeenten door invoering van de Wet maatschappelijke ondersteuning (Wmo) ervoor zorgen dat hun inwoners zo lang mogelijk zelfstandig thuis kunnen blijven wonen. En deel kunnen nemen aan de maatschappij. Het gaat hier om mensen die niet op eigen kracht zelfredzaam zijn. Mensen die gebruik maken van de Wmo-wet krijgen hulp van de gemeente middels:

  • Algemene voorzieningen: zoals maatschappelijke opvang en een maaltijdservice;
  • Maatwerk voorzieningen: zoals huishoudelijke hulp en begeleiding;
  • Vervoersvoorzieningen: zoals aanpassingen van auto’s en regiotaxi’s.

Het aanbieden van deze voorzieningen kost gemeenten veel tijd en geld. Het is zodoende cruciaal om grip te krijgen op de historische ontwikkeling van Wmo- indicaties. Daarnaast om goed in te schatten hoeveel Wmo-indicaties er zullen zijn in de toekomst. Het doel van dit project was zodoende tweeledig: (a) inzicht krijgen in het effect van beleidswijzigingen op het aantal indicaties, en (b) onderzoeken of het mogelijk is om een prognose te maken van de ontwikkeling op basis van historische data.

Onze oplossing

Met historische data uit onder andere het Basisregistratie Personen (BRP) hebben we inzicht gekregen in de ontwikkeling van demografische gegevens op gemeente en wijkniveau. Zo konden we per maand een overzicht opbouwen van de personen, die woonachtig zijn in elke wijk van de gemeente. Tegelijkertijd hebben we ook inzicht in het soort en aantal toegewezen Wmo-voorzieningen binnen diezelfde wijken. Door dit samen te voegen kregen we een compleet beeld van de ontwikkeling van zowel de bevolking als de Wmo-voorzieningen.

“Met behulp van time-series modellen en machine learning hebben we een prognose gemaakt van de ontwikkeling van indicaties van Wmo-voorzieningen, rekening houdend met overige informatie zoals demografische ontwikkelingen.”
Ruben Peeters, Manager Business Developer Healthcare, Royal HaskoningDHV 

De resultaten

Een voorspelling van de ontwikkeling van Wmo-voorzieningen is cruciaal om een goede inschatting te maken van de benodigde inzet en begroting voor de komende jaren. Dit is ook gebleken in het tweede kwartaal van 2019 toen meerdere gemeenten te kampen hadden met veel grotere zorgkosten dan vooraf gedacht. Gedurende het project hebben we met een multidisciplinair team van werknemers van de gemeente gesproken. Dit met als doel om te zorgen dat het eindresultaat overeenkomt met de wensen van de betrokken collega’s bij de uitvoering of het beleid. Continu afstemmen met experts van verschillende domeinen was cruciaal om de context en beschikbare data van de gemeente ’s-Hertogenbosch goed te begrijpen. Ook kon er inzicht gegeven worden op andere prangende onderwerpen, zoals het effect van beleidswijzigingen, of veranderingen in de doelgroep van Wmo-voorzieningen over tijd. Uiteindelijk is er een intelligent dashboard ontwikkeld waarmee de gemeente een beter beeld krijgt van zijn inwoners en een betere inschatting kan maken over de toekomst. Uitvoerende teams zijn hierdoor beter op de hoogte van de hoeveelheid en type voorzieningen die geïndiceerd zijn. De beleidsbepalers kunnen de begroting beter afstemmen op de toekomstige zorgvraag.

Contact

Ruben Peeters

Manager Business Development Healthcare

Verstuur bericht Verstuur bericht

Gerelateerde markten