2. Ruimtelijke Kijk op het Sociaal
Domein
Sander Bakker (KING)
Karolijn van den Heuvel (gemeente Woerden)
Juanita van der Hoek (gemeente Uden)
3. Waarom RKSD en Ken je wijk?
RAAD (waarheen) versus COLLEGE (hoe)
Waar is ons
kaartmateriaal?
4. De geboorte van de Straatkbus
Veel meer
eenduidig en gedeeld
beeld
Voorkomt ‘ja maar’ op
een analyserapport
van wijk naar straat
niveau
5. Straatkubus als instrument
• Wat is ruimtelijk kijken
• Waar helpt ruimtelijk kijken
• Welke vragen heeft ‘iedereen’ binnen het sociale
domein
• Welke vragen moeten we stellen om van data
informatie te vragen
• Hoe past de kennis van het sociale domein in de
omgevingsvisie t.b.v. invoering omgevingswet
9. Aanleiding pilot
• De volgende punten waren aanleiding om de pilot RKSD te starten:
• Door de decentralisaties in het sociaal domein ontstaan nieuwe beleidsvragen
• Dit zijn veelal complexe vragen met een grote informatiecomponent
• Gemeenten verwachten bij het beantwoorden van deze vragen veel toegevoegde
waarde van het koppelen van administratieve gegevens aan kaartmateriaal.
Almere en Dordrecht hadden hier al ervaring mee.
11. Doel pilot
Het overkoepelende doel van de pilot was het
oefenen met en onderzoeken van de meerwaarde
van (geo)data gedreven werken in het sociaal
domein.
Een plaatje zegt meer dan 1000 woorden
12. Wat konden wij als gemeente zelf?
Met inzet van alleen eigen data en eigen
hulpmiddelen:
• Zichtbaar maken van verleende ondersteuning
Gekoppeld aan kaartlaag van
• sociale huurwoningen e/o
• jonge, oude of gemiddelde leeftijd e/o
• Locaties van diverse soorten voorzieningen
13. Wat konden we toen niet?
Hoe kun je zaken zichtbaar maken binnen de kaders
van privacy (CBS-norm / AP-Norm)
Automatische koppeling van BRP naar de kaart
Correlatie tussen diverse vormen van ondersteuning
aantonen; wel de overlap mits klant in beeld
Preventie taken goed uitvoeren
15. Pilot RKSD
Top 10 beleidsvragen
1 Zijn er voldoende voorzieningen beschikbaar zodat mensen langer
kunnen thuiswonen?
2 Waar zitten de ‘kwetsbare’ groepen in de stad?
3 Waar is de kans op eenzaamheid het grootst?
4 Waar is de kans op Schuldenproblematiek het grootst?
5 Welke ondersteuning kunnen we bieden aan kinderen in armoede?
6 Zijn de jeugdvoorzieningen op de juiste wijze verdeeld?
7 Hoe is de zorgvraag verdeeld in de stad?
8 Is de toegang tot ondersteuning op de juiste wijze vormgegeven?
9 Hoe kunnen we op de juiste wijze invulling geven aan de
asielzoekersproblematiek?
10 Hoe veilig is een wijk / buurt en hoe wordt het gevoeld?
16. Pilot RKSD
datasets
Type data Bron
Gezinssamenstelling CBS (2014)
Inkomen CBS (2008)
Gemeente
Leeftijd CBS (2014)
Niet westerse allochtonen CBS (2014)
Samenstelling huishouden CBS (2014)
Uitkeringen CBS (2014)
Gemeente
Klachten Hangjongeren Politie
Politiecijfers -
criminaliteitscijfers
Politie
Veiligheidsmonitor Politie
gemeente e/o GGD
WLZ-geïndiceerden CIZ
GAK
Leefbaarheid BZK (2014)
Ontwikkeling Leefbaarheid BZK (2014)
Huiselijk geweld en
kindermishandeling
Veilig Thuis
Safe team
Scholen DUO
Dataland
Afdeling ruimte van de gemeente
OV-Punten Is facultatief in de BGT opgenomen
(Gemeentelijk) Vervoerbedrijf of de afdeling ruimte heeft deze
bronnen voorhanden
NS stations kunnen opgehaald worden in het PDOK.
Type data Bron
Hoeveelheid jeugdhulp Gemeente
Minimaregelingen Gemeente
Probleemjongeren Gemeente
Detailhandel in de
directe omgeving
Gemeente
Thuishulp/ Mantelzorg Gemeente
Aantal aangepaste
woningen in de wijk
Gemeente
Data kredietbank Gemeente
Gebruik PGB Gemeente
Gebruik WMO
voorzieningen
Gemeente
Schooluitval RBO
Gemeente
Speelvoorzieningen Dataland
Voorzieningen Dataland
Zorggerelateerde
voorzieningen (GGZ,
verslavingszorg etc)
Dataland
Type woningbouw
(vrijstaand, rijtjes,...,
voordeur drempelvrij
toegankelijk,...)
Dataland
Kadaster
Opleidingsniveau CBS
DUO
17. Type data Selectie Bron
Leeftijd 65-74 jaar CBS (2014)
Leeftijd 75 jaar en ouder CBS (2014)
Inkomen Fiscaal maandinkomen
(eventueel aanvullend
vakapplicatie ivm uitkering)
CBS (2008)
Bouwlaag Hoogte van de voordeur Dataland
Aantal aangepaste woningen in
de wijk
Aantallen en type aanpassing Gemeente
Voorzieningen NTB / Sociale kaart Gemeente
OV-Punten Locatiegegevens per type OV
punt (shapefile)
Gemeente /
PDOK
Detailhandel in de directe
omgeving
voor dagelijkse zaken zoals
supermarkt en drogist
Dataland
Thuishulp/ Mantelzorg Mantelzorgers met toelage Gemeente
1. Zijn er voldoende voorzieningen beschikbaar zodat
mensen langer kunnen thuiswonen?
Mogelijke interventies zijn
- Afspraken maken met OV-bedrijven / afdeling ruimte,
team verkeer om de routes aan te passen aan de
doelgroep.
- Beoordelen of het aantal aangepaste woningen voldoen
aan de behoefte voor de komende jaren.
- Beleid bepalen over het in stand houden / stoppen /
samenstelling van voorzieningen.
- Op de juiste manier samenstellen van de voorzieningen
in de wijk, (ivm kleine gemeente) (is actievere
houding)
Pilot RKSD
19. Start pilot “Ken je wijk”
Resterende WENSEN
Kwetsbaarheid van wijken in beeld
(samenstelling)
Voorspellend werken => what-if in beeld
20. Informatiebronnen niet volledig
•Boven tafel krijgen buiten gemeentelijke informatie apart traject
•Binnengemeentelijke informatie ook niet altijd makkelijk ontsloten
•Privacy-risico: wordt de informatie op de juiste manier ontsloten, verwerkt e/o publiek gemaakt
•Uniformiteit datadefinities is een aandachtspunt: hoe definiëren we bijvoorbeeld armoede met elkaar? En wie “bepaalt” de definitie? Wie bepaalt het verband tussen
onderliggende bronnen en de beleidsvraag?
•Alleen werken met objectieve data in de stappen 1 t/m 4; duiding (v.a. stap 5) is lokaal beleid / politieke kleur
Analyse uit
eerdere pilot
•Met elkaar (collectief) onderliggende databronnen bepalen, om te voorkomen dat iedere gemeente voor zich het wiel uitvindt
•Basisset aan data ontsluiten voor collectief gebruik => welke data zijn echt nodig? Welke hebben we zelf, welke moeten van buiten komen? Welke partijen kunnen
/ mogen / moeten leveren? Welk format is nodig en nuttig om binnen de criteria van privacy te blijven
•Aanscherpen omschrijving benodigde bronnen
Kans voor
deze pilot
•Mechanisme om collectief onderliggende databronnen vaststellen via eerdere pilot
•Collectief inkopen basisset aan data en centraal ontsluiten indien opdrachtverlening leidt tot resultaat
•Hergebruik en combinatie bestaande databronnen, ook t.b.v. ontwikkeling monitor sociaal domein en t.b.v. kwaliteit benchmark
Opschaling
indien
succesvol
1.
beleidsvragen
2.
Databronnen
bepalen
3. Combineren
van data
4. Tonen op
kaart
5. Duiden
informatie
6. Interventies
7. Evaluatie
21. Welk beleidsdoel willen we dienen
Preventie: voorkomen van zorg
• Welke koppeling van factoren creëert een potentieel risico
• Betreft nog onbekende klanten
Escalatie voorkomen:
• wat kunnen we aan de omgeving aanpassen (= basisstructuur van
verenigingen en algemene voorzieningen) waardoor de eigen kracht wordt
versterkt
• individueel maatwerk voorkomen door inzet van collectieve voorzieningen
• Betreft bekende klanten (gemeente of haar partners)
22. Beleidssturing in sociaal domein
Toepassing van empirische kennis
• Gemengde (wit/zwart, rijk/arm, hoog-/laagopgeleid) wijksamenstelling is het
meeste zelfredzaam
• welke stapeling van factoren realiseert kwetsbaarheid
Welke data en welke bronnen zijn nodig om deze stapeling te vertalen naar
distributie patronen
Hoe kunnen deze data veilig gevisualiseerd worden, dus binnen de grenzen van
privacy
Welke ondergronden zijn nodig om deze informatie op te projecteren
23. Theorie en praktijk
GBV en ‘onderbuik’ vergeleken met theoretische
onderbouwing
Bij bekende klanten: uitgaan van door de ZRM ontwikkelde
klantprofielen
Bij onbekende klanten: uitgaan van met elkaar ontwikkelde
risico profielen
25. Voorgestelde uitwerking
Enkelvoudige data van postcode 6 projecteren op kaart
Gestapelde projectie => concentratie van problematiek wordt inzichtelijk maar
MET RISICO van herleidbaarheid naar personen
Veilige oplossing: uitkomst van gewenste stapeling projectie e/o correlatie
berekenen
Alleen uitkomsten worden geleverd, niet de data, vanwege privacy
26. Waar zijn we gekomen?
Overzicht van data die we nodig denken te hebben
Definities van gehanteerde begrippen
Eerste paar wenselijke combinaties van enkelvoudige
data
Vragen aan het CBS / en team Impactanalyse vanuit
rol begeleidingscommissie
27. Impactanalyse RKSD t.b.v. GPO
Van welke onderdelen uit de pilot is het wenselijk dat ze opgeschaald worden?
Op welke manier(en) en onder welke randvoorwaarden zou de opschaling van
ruimtelijke kijk gerealiseerd kunnen worden?
Wat is de impact van de mogelijke opschaling?
Het GPO heeft in juli 2016 besloten de pilot op te schalen. Daartoe onderzocht
KING de opschalingsscenario’s.
28. • Opschaling in het kort: uitgangspunten samengevat
• Onderscheid focus nu op 10 vragen en onderliggende bronnen en
toewerken naar een meer duurzaam model
• Inzetten op opschalen van proces om te komen tot gestandaardiseerde
beleidsvragen en bijbehorende informatievragen en databronnen; nu
inhoudelijk “oefenen” met eerste 10
• Collectief inkopen en ontsluiten basisset data
• Inzet op gebruik in de markt beschikbare geo-viewers, in plaats van
nieuwe collectieve ict-voorziening
• Hulp bij duiden van informatie, zo veel mogelijk aansluitend bij
bestaande lokale gremia
• Kaders voor waarborgen privacy meegeven
29. • Wisselspoor
Samenvoeging sporen praktijk en data op basis van zelfde beleidsvragen:
1. Waar is de kans op kwetsbaarheid in de gemeente het grootst? (Pilot
Ken de wijk)
2. Waar is de kans op financiële kwetsbaarheid het grootst?
3. Waar is de kans op eenzaamheid het grootst? (CBS)
4. Welke locaties zijn geschikt om langer thuis te wonen?
5. Welke zorgvraag leeft in mijn gemeente en welk aanbod is
beschikbaar?
6. Hoe veilig is een buurt en hoe wordt het gevoeld?
42. Verder praten met “Thea, Henk en
Petra” van Turfbrug over
uitdagingen?
• Stel vragen via de app “Congres DA2020”
• Mail Juanita van der Hoek op
Juanita.van.der.Hoek@uden.nl
• Bel Sander Bakker op 0639854141 of per mail
Sander.Bakker@kinggemeenten.nl
