Meesterschap in Monitoring

1. Wmo voorspelmodel
Onderdeel van programma Informatie Gestuurd Werken
Olivier van der Vet
Bas Beekmans
Wouter Heijnen
21 maart 2019 Versie 1.0

2. INTRO
1. De gemeente heeft geïnvesteerd in een eigen team en eigen ontwikkeling
2. Er zijn nu twee modellen ontwikkeld: VSV en Wmo
3. Doelstelling voor de gemeente is altijd delen en samen doorontwikkelen.
4. Praktijk richt zich nu op:
• verbetering en toepassing in Den Haag
• “open” maken van de kennis
!2

3. ONTWIKKELINGEN
1. 36.000 inwoners met een Wmo voorziening.
2. > 50% van deze mensen is 65 jaar of ouder.
3. De komende jaren groeit en vergrijst de
bevolking en neemt het gebruik van de Wmo toe.
!3

4. PROJECTDOELSTELLING
Kunnen we voor 2018-2023 voorspellen het:
1. aantal Wmo-gebruikers,
2. gedifferentieerd per wijk
3. aantal gebruikers van vier groepen voorzieningen:
a. Huishoudelijke Hulp
b. Begeleiding en Dagbesteding
c. Voorzieningen Gehandicapten Wonen
d. Voorzieningen Gehandicapten Vervoer
op basis van het totale aantal Wmo-gebruikers in 2017?
!4

5. NUT
Meer armslag om te sturen en te begroten:
1. Op aantal gebruikers per wijk
2. Omzetting in geld -> meerjaren begroting per wijk
3. Koppeling aan wijkinzet via JMO teams
!5

6. BELANG & TOEPASSING
Van one size fits all naar verklaring
1. Verschillen tussen wijken inzichtelijk en verklaarbaar
2. Maatwerk forecast
3. Scherp beeld per wijk
Hulpmiddel bij organiseren van wijkteams
1. Inrichting
2. Bemensing
3. Begroting
!6

7. PROJECTGROEP
Opzetten projectgroep met duidelijke rollen, o.a.:
a. Opdrachtgever: opzetten projectgroep, zorgen voor financiering
b. Domeinexperts: uitwerken onderzoeksvraag, identificeren databronnen, inbrengen domeinkennis, geven van feedback
c. Projectleider: projectmatige aanpak en sturing
d. Data scientists: exploreren data, ontwikkelen voorspelmodel, visualiseren resultaten
e. Functioneel beheerders: zetten databronnen in datalab na goedkeuring, checken of data privacygevoelig is, zorgen voor
goedwerkend datalab
f. Privacy Officer: uitbrengen van advies over gebruik en te koppelen data, te uploaden data naar CBS omgeving en andere
privacy-gerelateerde zaken
!7

8. • Voorspelmodellen gemaakt voor het aantal gebruikers op wijkniveau
• Aantal observaties = aantal verschillende wijken = 34
• Alleen wijkkenmerken gebruikt
• Vooral open data CBS (incl. maatwerktabellen)
• Kleine aantal observaties stelt grenzen aan complexiteit model:
• Robuust lineair regressiemodel (rlm-functie MASS-package R)
• Voorspelmodel max 4 kenmerken
• Geen interacties meegenomen
6
VOORSPELMODEL WIJKNIVEAU

9. 7
KENMERKEN GETEST OP VOORSPELLENDE WAARDE

10. 6
HOE GOED VOORSPELT HET MODEL?
• In 2017 waren er gemiddeld 992 Wmo-
gebruikers per wijk
• Het model heeft per wijk een gemiddelde
afwijking van 120 Wmo-gebruikers
• Gemiddeld wijkt het voorspelde aantal
Wmo-gebruikers 14.6% af van het
werkelijke aantal gebruikers per wijk

11. UITKOMSTEN
Uitkomsten gevisualiseerd
1. Meerjaren ontwikkeling in de stad
2. Verbijzonderd naar wijk
3. Verbijzonderd naar soort voorzieningen
Beste model voor totaal Wmo-gebruik bevat de volgende wijkkenmerken:
1. Aantal arbeidsongeschikten
2. Aantal inwoners van 65 jaar en ouder
3. Aantal bovengemiddelde inkomens (60-80% hoogste gestandaardiseerde huishoudinkomens)
!11

12. 7
INPUT MODELLEN GROEPEN VOORZIENINGEN
Huishoudelijke
Hulp
Begeleiding en
dagbesteding
Vg Wonen Vg Vervoer
Wijkkenmerk 1 Aantal
arbeidsongeschikten
Aantal
arbeidsongeschikte
n
Aantal
arbeidsongeschikten
Aantal
arbeidsongeschikten
Wijkkenmerk 2 Aantal 65-plussers Aantal 65-plussers Aantal 65-plussers Aantal 65-plussers
Wijkkenmerk 3 Aantal autochtonen Aantal hogere
inkomens
Aantal hogere
inkomens
Aantal hogere
inkomen
Wijkkenmerk 4 Aantal
alleenstaanden
Aantal woningen met
oppervlakte 90-99m2
Selectie wijkkenmerken voor de modellen voor specifieke voorzieningen
(data over deze kenmerken nodig om te kunnen voorspellen)

13. AANPAK – PRESENTATIE RESULTATEN EN FEEDBACK
1. Resultaten en voortgang worden elke 2 weken besproken binnen projectgroep.
2. Voortgang wordt besproken binnen stuurgroep. Stuurgroep bepaalt ook of het
project de gewenste resultaten behaalt.
3. Belangrijk om stakeholders gedurende het gehele project te betrekken en te
informeren middels presentaties en visualisaties.
4. Hiervoor is onder meer een Shiny app ontwikkeld.
!13

14. VOORBEELD SHINY APP
Stakeholders kunnen interactief gewenste informatie ophalen en scenario’s bekijken
!14

15. GEPLANDE ACTIVITEITEN 2019
1. Iteratieve verbetering voorspelmodel
a. Ontwikkelen voorspelmodel voor kans op Wmo-gebruik op individueel niveau
b. CBS microdata testen op voorspellende waarde
2. In kaart brengen instroom, doorstroom en uitstroom Wmo
a. Via welke paden komen mensen in de Wmo terecht?
b. Wat is de relatie tussen algemene en maatwerkvoorzieningen?
c. Welke reis leggen Wmo gebruikers af (doorontwikkeling)?
3. Hackathon!!
!15

16. HACKATHON
Iedere gemeente is welkom op de hackathon op 20 en 21 september!
- Samenkomen van beleidsmakers én data scientists
- Kennis delen op het gebied van de Wmo
Wat gaan we doen?
- Testen van wijkmodel gemeente Den Haag op “eigen” data
- Leren van elkaars ontwikkelingen en programma’s
- Uitvoeren van scenario-analyses met behulp van Shiny app
- Ontwikkelen van voorspelmodel op regionaal of landelijk niveau
!16

17. HACKATHON
Zaken waar we nu tegen aan lopen:
- moeten we iets met de “financiën”?
- moeten iets met privacy?
- moeten we iets met technologie?
- kunnen we al eerder samen werken?
- doen we een kick-off in juni 2019?
- wat doen we in de toekomst met het model?
!17

18. HACKATHON - AANMELDEN
Interesse? Neem dan contact op met Wouter Heijnen:
wouter.heijnen@mydatateam.com
06-14257997
!18