Gemeenten krijgen nogal wat kritiek te verduren. Er is geen twijfel dat sommige beter kunnen, maar vele zijn sterk gericht op het leveren van hoogwaardige diensten voor hun burgers.

Echter, deze 'goed nieuws' verhalen komen zelden in de pers - zelfs niet in de lokale kranten in rustige weken. Zoals de meeste overheidsorganisaties over de hele wereld hebben ook gemeenten te maken met een toenemende druk om meer te doen met minder. Er wordt bezuinigd op de budgetten en er wordt gevraagd om efficiëntie. Het is een uitdagende omgeving.

Onder deze omstandigheden wenden gemeenten zich in toenemende mate tot data en analytics om aan de behoeften en verwachtingen van de burgers te voldoen. Ze doen dat op verschillende manieren.

Inzichten ontwikkelen en de dienstverlening verbeteren

Gemeenten hebben geen tekort aan data. Sinds ze in de jaren tachtig en negentig voor het eerst computers hebben aangeschaft, hebben ze vaak enorme databases met informatie over diensten, burgers en behoeften opgebouwd. In de afgelopen tien jaar hebben nieuwe benaderingen zoals datawarehouses het mogelijk gemaakt om informatie bij elkaar te brengen, maar niet altijd in bruikbare vorm.

Voorspellende modellen stellen lokale overheden in staat om hun gegevens te ontsluiten en inzichten te ontwikkelen. Deze kunnen worden gebruikt om nieuwe diensten te leveren die beter aansluiten bij de behoeften van de burgers. Dit is met name relevant omdat steeds meer steden ‘smart’ technologie gebruiken, omdat dit het mogelijk maakt om complexe uitdagingen op slimmere manieren aan te pakken. Gemeenten kunnen analytics ook strategischer inzetten. In plaats van alleen maar te kijken naar de activiteiten en de prestaties, kunnen gemeenten ervoor zorgen dat hun activiteiten hen helpen om hun strategische doelen te bereiken.

Uitvoerende diensten verbeteren

Lokale overheidsdiensten hebben zich in de loop van de tijd vaak stukje bij beetje ontwikkeld. In de dagelijkse routine is er weinig tijd om na te denken over hoe het beter kan, dus dit gebeurt niet. Met behulp van analytics kan de bedrijfsvoering worden beoordeeld en kan worden bekeken waar de efficiëntie kan worden verbeterd. Analytics kan bijvoorbeeld helpen bij het optimaliseren van de route voor vuilniswagens of andere soortgelijke diensten, zoals een gerichte inzet van wijkagenten. Geplande 'rondes' kunnen steeds vaker plaatsvinden in gebieden met een hoger niveau van asociaal gedrag of drugsproblemen.

Nationwide Building Society maakte gebruik van natural language processing om oproepen naar contactcentra te beoordelen en te kijken hoe ze voorkomen hadden kunnen worden. Gemeenten zouden een soortgelijke aanpak kunnen hanteren bij klachtendata of oproepen naar hulplijnen.

‘De puntjes op de i zetten’: voorkomen in plaats van genezen

Het is al lang bekend bij zowel de lokale als de centrale overheid dat problemen in gezinnen niet op zichzelf staan. De 24-jarige die voor drugsdelicten naar de gevangenis wordt gestuurd, heeft vaak een lange geschiedenis van contact met de sociale diensten. Hij kan hebben gespijbeld van school, of de buren kunnen de Kinderbescherming hebben ingelicht. Daarvoor zagen we vaak dat de familie aangemerkt was als steunbehoevend toen de kinderen nog heel klein waren, of zelfs al eerder. Er zijn echter veel meer gezinnen aangemerkt als steunbehoevend dan er daadwerkelijk kunnen worden ondersteund. Konden we maar vaststellen welke 10% de meest risicovolle zijn.

Analytics kan gemeenten helpen bij het vinden van patronen in de data. Vroege inzichten kunnen voorkomen dat gezinnen instorten en dat ouderen worstelen met onvervulde zorgbehoeften. Met analytics kunnen gemeenten de beperkte middelen doelgerichter inzetten. Dit zorgt voor kostenverlaging en betekent dat er op langere termijn meer mensen kunnen worden geholpen.

Fraude vóór zijn

Gemeenten hebben de plicht om te zorgen dat het belastinggeld nuttig besteed wordt. Fraude is echter big business in de publieke sector, ook bij de gemeenten. Een schatting in het Verenigd Koninkrijk suggereerde dat de lokale overheden in 2017-2018 meer dan 300 miljoen pond aan fraude hadden voorkomen of ontdekt. Het lijkt redelijk om aan te nemen dat dit misschien maar een klein deel van het totaal is.

Nieuwe analysetechnieken maken een veel betere preventie en opsporing van fraude mogelijk. Met behulp van Machine Learning kan worden geleerd van data en kunnen nieuwe gedragspatronen worden opgespoord die potentiële problemen aan het licht kunnen brengen. Netwerkanalyse kan potentiële verbanden tussen schijnbaar niet-verbonden groepen identificeren, bijvoorbeeld door het overmatig gebruik van telefoonnummers of IP-adressen. Deze technieken kunnen ook worden gebruikt om fraude te bestrijden.

Het topje van de ijsberg

Deze voorbeelden zijn slechts het topje van de ijsberg voor gemeenten. Er kan en wordt veel meer gedaan met behulp van analytics. In het e-book Verantwoord Gebruik van Overheidsdata worden meer voorbeelden besproken van organisaties die data en analytics vanuit strategie en visie inzetten. Ik hoor graag van u hoe u analytics inzet, en of we u kunnen laten zien hoe analytics u kan helpen bij het transformeren van uw activiteiten of diensten.