Big data bieden antwoorden, maar ook nieuwe vragen

Mensen met een bijstandsuitkering die niet uitgesproken kansarm zijn op de arbeidsmarkt, maar wel extra aandacht nodig hebben: dat is de zogeheten ‘middencategorie’ waar het big-data-onderzoek in Rotterdam zich op richtte. De ene consulent adviseert zo’n kandidaat om eerst een taalachterstand of ander tekort weg te werken en dan pas te zoeken naar een baan. De andere consulent pakt het directer aan: eerst matching met werk, en dan gaandeweg vaardigheden bijspijkeren. Maar wat werkt nou beter?

Bruikbaarheid van big data

Voor de gemeente Rotterdam was dit een interessante onderzoeksgroep, omdat vergelijkbare kandidaten hierbij verschillende trajecten volgen. Door grote aantallen gegevens met elkaar in verband te brengen, konden de onderzoekers een bekend dilemma bij de toeleiding naar werk bestuderen: eerst meer training, of eerst matching met een baan?

‘Met big data kun je een controlegroep en een experimentele groep samenstellen’, zegt Maarten van Kooij, strategisch adviseur bij de gemeente. ‘Als dat werkt, scheelt dat veel gedoe bij de uitvoering van onderzoek. Het is voor consulenten ingewikkeld om verschillend beleid uit te voeren voor een random gekozen doelgroep en controlegroep. Dat was voor de collega’s met wie ik in G4-verband samenwerk een van de redenen om dit onderzoek te steunen.’

In het kader van het onderzoeksprogramma ‘Vakkundig aan het werk’ namen onderzoekers allereerst de Rotterdamse gegevens van de gemeente en het CBS onder de loep om uitspraken te doen over wat wel of niet werkt bij de toeleiding naar de arbeidsmarkt.
Een multidisciplinair team van wetenschappers (sociologie, econometrie, public health) onderzocht de bruikbaarheid van big data in het sociaal domein.

Hun conclusies zijn helder: Wanneer het doel is om iemand binnen één of twee jaar aan een baan te helpen is matching aan een baan effectiever dan pre-matching (eerst vaardigheden versterken). ‘Zo snel mogelijk aan het werk is het meest effectief, dat laten onze cijfers duidelijk zien’, zegt Merel Schuring, onderzoeker Maatschappelijke Gezondheidszorg bij het Erasmus Medisch Centrum in Rotterdam.

Effectiviteit van interventies

Een goudmijn, zo ziet het werken met big data er op het eerste gezicht uit. Het CBS beschikt over een schat aan gegevens over inwoners van gemeenten, zoals huishoudsamenstelling, opleidingsniveau, leeftijd, arbeidsverleden, inkomen, gezondheid en nog veel meer. Door deze geanonimiseerde data te koppelen aan gemeentelijke data krijgen gemeenten meer inzicht in de effectiviteit van interventies in het domein van Werk en Inkomen.

‘Een gemeente weet bijvoorbeeld niet zo goed wat er met een bijstandsgerechtigde gebeurt nadat deze uitgestroomd is’, zegt econometrist Marike Knoef, eveneens hoogleraar empirische micro-economie in Leiden. ‘Met behulp van de CBS-data kun je dit wel zien. De combinatie van deze gegevensbronnen kan zo tot nieuwe inzichten leiden.’

Veel voorwerk

Voordat de onderzoekers de juiste verbanden konden leggen, moesten ze veel voorwerk doen om de data goed te interpreteren. De cijfers van de gemeente zijn namelijk niet geproduceerd met het oogmerk om er wetenschappelijk onderzoek mee te doen. ‘De systematiek van noteren is niet altijd consequent of wordt na een paar jaar weer anders ingericht’, zegt Marike Knoef. ‘Als een uitkeringsgerechtigde naar een traject geleid wordt, is daar bovendien meestal ook een aanleiding voor. Met andere woorden: ze zijn niet willekeurig in een traject terecht gekomen. Als de cijfers een correlatie laten zien, zegt dat dus nog niets over de daadwerkelijke effectiviteit van een aanpak.’

Als de cijfers een correlatie laten zien, zegt dat dus nog niets over de daadwerkelijke effectiviteit van een aanpak.

Leercultuur

De onderzoekers moesten de aangeleverde cijfers dus met creatieve methoden interpreteren. Ze bekeken daarom eerst nauwgezet hoe werkconsulenten te werk gingen. Wat gebeurde er bij de intake en hoe verwezen ze kandidaten door? Wat vulden ze precies in? En hoe werden in het verleden gegevens geïnterpreteerd?

Onderzoekers en gemeente investeerden veel tijd in een gedeelde werkwijze en formuleerden samen de onderzoeksvragen. Deze co-creatie pakte positief uit, vertelt Merel Schuring. ‘We stelden hulpvragen aan de consulenten, waarmee we gelijkwaardigheid creëerden tussen ons en de consulenten. Daarmee stimuleer je meteen dat er een leercultuur tot stand komt, omdat je dan veel meer open staat voor elkaar.’

Data-dialogen

Tegelijkertijd waren er ook aarzelingen over het gebruik van big data. Wat is eigenlijk het draagvlak voor het gebruik van persoonsgegevens? Weliswaar ging het hier om volledig geanonimiseerde gegevens, die op geen enkele manier terug te leiden zijn naar individuele inwoners. Maar hoe kijken mensen aan tegen het gebruik van databestanden? Zij zijn immers eigenaar van de data.

Als onderdeel van het onderzoek voerden de teamleden ‘data-dialogen’ met bijstandsgerechtigden en leden van cliëntraden. Daaruit bleek dat cliënten vooral heel graag willen weten waar de data precies voor worden gebruikt en welk voordeel dat hen oplevert. ‘Mensen hebben het gevoel dat de gemeente al heel veel weet, maar ze weten vaak niet waar het allemaal voor gebruikt wordt’, vertelt Merel Schuring.

Beslis-instrument

De onderzoekers hadden als uitkomst een beslis-instrument voor ogen wat voor soort advies bij een bepaald profiel past. Cliënten waren juist bang dat ze voortaan via de computer een traject toegewezen krijgen. Die angst is niet terecht, geeft Maarten van Kooij aan. ‘De conclusies uit het onderzoek geven ons een objectief houvast welke aanpak het beste werkt om de uitstroom te bevorderen. Maar we gebruiken het altijd in overleg met de cliënt. Een profiel biedt de consulenten ondersteuning om tot het beste maatwerk te komen.’

Voorlopige conclusie: als mensen het gevoel hebben dat ze er zelf iets mee opschieten, staan ze er welwillend tegenover. ‘Wel willen ze eerst heel goed begrijpen wat er gebeurt met de koppeling van data’, zegt Marike Knoef. ‘Als consulenten beter kunnen uitleggen wat ze precies met de gegevens doen, dan vergroot dat de bereidheid bij cliënten om hun data ter beschikking te stellen. Mensen willen geen misbruik van data, maar zijn wel geïnteresseerd in betere dienstverlening.’

Mensen willen geen misbruik van data, maar zijn wel geïnteresseerd in betere dienstverlening.

Chronische aandoeningen

Naast de uitstroom naar werk richtten de onderzoekers zich op de rol van gezondheid bij cliënten. Door cijfers over medicijngebruik bij het CBS te koppelen aan de data van de gemeente Rotterdam ontdekten ze dat een kwart van de uitkeringsgerechtigden twee of meer chronische aandoeningen tegelijkertijd heeft. In de taal van de onderzoekers: er is een hoge multi-morbiditeit. ‘Dat aantal is veel hoger dan de Rotterdamse populatie als geheel of de Nederlandse populatie’, zegt Berivan Yildiz, junior onderzoeker van het team. ‘Het ging om medicijnen voor hart- en vaatziekten, diabetes, psychiatrische aandoeningen of luchtwegklachten: allemaal aanwijzingen voor chronische ziekten.’

De big data bieden meer inzichten in de populatie, maar er zijn nog tal van andere vragen die de onderzoekers graag willen beantwoorden. Ze hebben zich vooralsnog vooral gericht op de uitstroom naar werk, maar ook de kwaliteit van een baan, de duurzaamheid van uitstroom en het welbevinden van mensen (o.a. armoede en gezondheid) zijn belangrijke uitkomstmaten om te onderzoeken.

Extra huiswerk

‘De resultaten leveren ons meer inzicht op in de soorten mensen met wie we in het sociaal domein te maken hebben’, zegt Maarten van Kooij. ‘Deze inzichten geven ons meer wetenschappelijke onderbouwing om gerichte keuzes te maken.’

Toch zijn de hooggespannen verwachtingen over big data ontkracht, voegt hij daaraan toe. ‘De resultaten leveren ons ook extra huiswerk op. Hoe ga je om met de eigenaren van data? En hoe ondersteun je de professionals die met de nieuwe inzichten aan de slag gaan? Ook willen we meer weten hoe we tot duurzame banen komen. Want we zijn goed geworden in matching, maar we zien de geplaatste kandidaten ook heel vaak terugkeren. We kijken hoe we de nazorg kunnen versterken, bijvoorbeeld in de vorm van lifecoaching als een onderdeel van jobcoaching. Nu stopt onze rol als iemand een baan heeft.’

Big data zijn een goudmijn, maar je kunt niet zomaar gaan delven.

Succesmomenten vieren

Terugblikkend is het onderzoek een gezamenlijke puzzel geweest, waarbij alle partijen veel inzet moesten leveren. Zodra er weer een hoekstuk van de puzzel gevonden was, vierden ze het succesmoment. Die focus op kleinere succesmomenten hield de vaart erin.

De samenwerking heeft een goed netwerk van wetenschappers opgeleverd, waarmee ook vervolgonderzoek gedaan kan worden. Wel zal het veel tijd vergen om bij andere gemeenten soortgelijke onderzoeken uit te voeren. ‘Samenwerking tussen gemeente en onderzoeksteam is echt een noodzaak, niet een luxe’, zegt Marike Knoef. ‘Om de data te koppelen moet je eerst heel goed weten waar je het precies over hebt. Big data zijn een goudmijn, maar je kunt niet zomaar gaan delven.’

• ‘Data dromen in het sociale domein’ (Sociologie magazine)
• Lees ook de andere artikelen uit deze reeks van Divosa
• Projectpagina Re-integratie in BOLD cities
• Nieuws over projecten rond het thema re-integratie (Vakkundig aan het werk)
• Vakkundig aan het werk: nieuws over programma, projecten en thema’s
• Programma-informatie Vakkundig aan het werk
• Preventienieuwsbrief: abonneer u of bekijk de laatste edities