GIS en de geografische benadering (bron: Esri Nederland)
© Esri Nederland
Geografie en GIS voegen een specifiek aspect toe aan informatievoorziening. Data en cijfers vertellen de feiten, grafieken en diagrammen de onderlinge verhoudingen tussen de cijfers, kaarten en geografie maken inzichtelijk waar dingen gebeuren.
GIS is de technologie van de geografische benadering, de manier van denken en problemen oplossen met behulp van geografische informatie en de concepten en methoden van de geografie. Verschijnselen en processen vanuit een ruimtelijk perspectief bezien, door te kijken naar de locatie en ruimtelijke verdeling en naar de spreiding en patronen. Analyseren van relaties, hoe dingen met elkaar verbonden zijn en hoe de interactie tussen de mens en zijn leefomgeving is. Of het onderzoeken van de kenmerken van gebieden – wat maakt een gebied uniek en hoe verschillen regio’s onderling.
En zo zijn er nog veel meer voorbeelden. Alle processen rond de energietransitie starten met beleidsvorming en meer specifiek met ruimtelijke ordening. In de energieplanologie ondersteunt geo-informatie beleidsmakers bij het in kaart brengen van geschikte of kansrijke locaties voor energietransitieprojecten, rekening houdend met ruimtelijke, ecologische en sociale factoren. Het zijn deze inzichten die de basis vormen voor bestuurlijke afwegingen en besluitvorming.
Met GIS en geo-informatie kunnen geschikte locaties voor zonnepanelen en windturbines worden geïdentificeerd. Dit gebeurt op basis van technische gegevens zoals zoninstraling, windpatronen, hoogteverschillen en obstakels in de omgeving. Daarnaast spelen factoren als grondposities, eigendom, ruimtegebruik, afstanden tot bewoning en de bestaande netinfrastructuur een rol. In een geografisch informatiesysteem komen al deze factoren samen en wordt op basis van het geheel een afweging gemaakt.
Voor het plannen van de energie-infrastructuur, zoals de uitbreiding van elektriciteitsnetwerken en laadpalen voor elektrische voertuigen gebruiken netbeheerders van oudsher al geo-informatie. Met GIS-analyses als ondersteunende informatie voorkomen netbeheerders overbelasting van het stroomnet en wordt inzichtelijk waar de energieopslag en het transport optimalisatie nodig hebben.
Om warmteverlies in gebouwen op te sporen, wordt vaak een thermografisch onderzoek uitgevoerd met behulp van een warmtebeeldcamera. GIS visualiseert de data in thermische kaarten of in 3D-stadsmodellen, om daarmee prioriteiten voor grootschalige woningverbetering te kunnen stellen.
Evenzo zijn geografische analyses essentieel bij het ontwikkelen van warmtenetten, om kansrijke gebieden te identificeren en tracés te bepalen.
Netbeheerders en energieleveranciers zetten GIS in om het energieverbruik en de opwek te monitoren, waarbij het gaat om gebiedsgericht vraag en aanbod te matchen. Sensorgegevens voeden real-time analyses
7. GIS voor de energietransitie
Omdat de energietransitie een ruimtelijk vraagstuk is kan geografie uitkomst bieden. Geografie maakt inzichtelijk waar een vraagstuk speelt in een gebied en toont de ruimtelijke verbanden met omgevingsfactoren en andere opgaven. Dat leidt tot meer inzicht en tot beter begrip, wat weer de basis is voor betere samenwerking. Deze geografische benadering maakt, op basis van data, een betere afweging van belangen mogelijk en helpt bij het maken van ruimtelijke keuzes door verschillende scenario’s met elkaar te vergelijken. Daarbij is de energietransitie ook een schaalafhankelijke opgave. Op regionaal niveau spelen andere vragen dan in een gemeente, op wijkniveau of heel concreet in een straat.
Geografie maakt het mogelijk om processen rond de energietransitie slimmer en sneller uit te voeren. Met geografische informatiesystemen (GIS) als instrumentarium. GIS helpt bij het analyseren, plannen en optimaliseren van duurzame energieoplossingen, ondersteunt datagedreven en gebiedsgerichte samenwerking en kan ingezet worden bij open participatieprocessen. Een aantal voorbeelden:
Objectdetectie versnelt het tellen van vogels
Deep learning maakt het mogelijk om vogelkolonies automatisch te tellen en soorten te onderscheiden op basis van dronebeelden. Waar handmatig tellen dagen kostte, levert het algoritme in enkele uren een betrouwbaar resultaat op. Dit bespaart enorm veel tijd en maakt monitoring van grote natuurgebieden efficiënter en minder foutgevoelig. De waarde: sneller inzicht, betere bescherming van natuur en een schaalbare aanpak voor ecologische monitoring.
Verminderen overlast door samenwerking met data
Dordrecht stapte van losse Excellijsten over op één gedeelde projectenkaart, zodat iedereen intern én extern naar hetzelfde, actuele beeld kijkt. Deze gezamenlijke informatiepositie versnelt afstemming en uitvoering: werkzaamheden worden gecombineerd of juist gefaseerd en dubbel werk verdwijnt. In plaats van nabellen en spreadsheets uitpluizen leidt datadeling nu direct tot afspraken en actie aan tafel met afdelingen en ketenpartners. Dit zorgt voor minder overlast voor bewoners, lagere kosten, kortere doorlooptijden en beter onderbouwde keuzes in de buitenruimte.
Gemeente Deventer zet data in beweging: van silo’s naar samenhang
In Deventer is datagedreven werken geen standaard programma, maar een beweging naar werken met data. Onder leiding van CIO John Kropman kiest de gemeente bewust voor een mensgerichte en iteratieve aanpak, met als doel: betere samenwerking tussen medewerkers, domeinen en ketenpartners. Niet technologie, maar mensen maken het verschil.
“Ik spreek liever van mensgedreven werken, ondersteund door data dan van Datagedreven werken. De kunst en het doel is dat medewerkers, over domeinen heen, met elkaar samenwerken.”
- John Kropman, CIO gemeente Deventer
De droom: van versnippering naar verbinding
Deventer kiest voor een mensgerichte aanpak om mensen te leren werken met data. De ambitie? Data inzetten voor betere beleidsvorming, integrale visualisatie en besluitvorming op basis van één gedeeld beeld. In plaats van losse PDF’s en versnipperde ...
De nieuwe GIS-dataprofessional
GIS en dataprofessionals zijn de spil in datagedreven werken. Om succesvol te zijn vraagt dit kennis, kunde en een breed scala aan vaardigheden. De T-shaped GIS-professional combineert diepe GIS/data‑expertise met communicatie‑ en organisatiekracht. Zij slaan de brug tussen management, architectuur en werkvloer, maken de waarde van GIS zichtbaar en verhogen de kwaliteit van besluitvorming.
European AI Act
Europese wet die tot doel heeft kunstmatige intelligentie (AI) te reguleren https://digital-strategy.ec.europa.eu/nl/policies/regulatory-framework-ai
AVG
Algemene Verordening Gegevensbescherming. Een Europese wet
met als doel om de privacy van alle burgers van de Europese Unie te beschermen. https://www.autoriteitpersoonsgegevens.nl/themas/basis-avg/avg-algemeen
Data
Uitdagingen
Data is vaak versnipperd over afdelingen, systemen en teams, wat leidt tot inconsistenties, dubbele registraties en beperkte herbruikbaarheid
Het op orde brengen en houden van data is een continu proces en vraagt blijvende aandacht en discipline in de organisatie
Data wordt intern en extern nog te weinig gedeeld, mede door cultuur, technische beperkingen of onduidelijkheid over eigenaarschap
Legacy-systemen belemmeren centrale opslag en toegang tot data
Niet alle data hoeft perfect te zijn: het is een uitdaging om te bepalen welke data écht nodig is voor de vraagstukken van vandaag en morgen
Het tempo van data-innovatie is hoog, maar de business en processen kunnen dit niet altijd bijbenen
Succesfactoren
Heldere datastrategie, afgestemd op de organisatiedoelen en gedragen door management en business. Onder andere ook door een dataparagraaf op te nemen in alle afdelingsplannen
Investeren in datakwaliteit: processen, rollen (zoals data stewards) en tooling om data actueel, betrouwbaar en compleet te houden
Toepassing van FAIR-principes en standaardisatie van metadata, definities en processen
Integrale aanpak van datamanagement, waarbij data niet alleen centraal wordt beheerd, maar ook decentraal eigenaarschap en verantwoordelijkheid wordt georganiseerd
Samenwerking tussen domeinen, afdelingen en ketenpartners om data-uitwisseling en interoperabiliteit te bevorderen
Belangrijkste observaties:
Data wordt breed erkend als de “brandstof” van datagedreven werken: zonder betrouwbare, actuele en toegankelijke data is geen enkele datagedreven ambitie haalbaar
De aandacht voor datakwaliteit, beschikbaarheid en bruikbaarheid is sterk toegenomen. Organisaties beseffen dat data actueel, betrouwbaar en compleet (ABC[Jv1] ) moeten zijn om waarde te kunnen leveren
Er is een duidelijke trend naar het toepassen van FAIR-principes (Findable, Accessible, Interoperable, Reusable) om data beter vindbaar, deelbaar en herbruikbaar te maken
Data wordt steeds vaker gezien als een organisatiebrede asset, niet alleen als bijproduct van processen. Dit vraagt om centrale regie op datamanagement, maar ook om eigenaarschap in de business
Het belang van data-uitwisseling in netwerken en ketens groeit, zeker in sectoren als overheid, bouwsector, energie en infrastructuur
DAMA/DMBOK en andere raamwerken worden steeds vaker gebruikt om datamanagement professioneel in te richten
Ethiek, privacy en security
Uitdagingen
Selfservice tooling en brede data-uitwisseling (zowel van brondata als afgeleide data) vergroten de kans op fouten, datalekken en ongewenst gebruik van data
Het is vaak onduidelijk wat juridisch en ethisch wel of niet mag; technische maatregelen alleen zijn niet voldoende
Inclusie: meer dan 2,5 miljoen mensen in Nederland hebben geen toegang tot digitale middelen, waardoor zij mogelijk worden buitengesloten van datagedreven besluitvorming
Datawantrouwen groeit door nepnieuws, onduidelijke algoritmes en gebrek aan transparantie. Mensen accepteren data niet altijd als feiten
AI en algoritmes zijn niet altijd uitlegbaar, eerlijk of neutraal. Het borgen van transparantie, uitlegbaarheid en herleidbaarheid is complex
Het integreren van ethiek, privacy en security in de dagelijkse praktijk vraagt om blijvende aandacht,
middelen en leiderschap
Succesfactoren
Heldere ethische kaders en privacybeleid, afgestemd op wet- en regelgeving en breed gedragen in de organisatie
Bewustwording en kennisontwikkeling over ethiek, privacy en security bij alle medewerkers, niet alleen bij IT of data-afdelingen
Integratie van ethiek, privacy en security in alle processen en projecten, vanaf het ontwerp (“privacy by design”, “security by design”)
Transparantie over het gebruik van data, algoritmes en AI: uitleggen hoe beslissingen tot stand komen en welke data worden gebruikt
Toewijzen van duidelijke rollen en verantwoordelijkheden, zoals een functionaris gegevensbescherming, data stewards en ethische commissies
Continue monitoring en evaluatie van risico’s, incidenten en compliance, inclusief het leren van fouten en near-misses
Belangrijkste observaties:
Door de aanscherping van wet- en regelgeving (zoals AVG en AI Act) is er in vrijwel alle organisaties veel aandacht voor privacy en security
Ethiek wordt steeds belangrijker, zeker nu AI, algoritmes en selfservice analytics breder worden ingezet
Organisaties beseffen dat verantwoord datagebruik essentieel is voor vertrouwen en maatschappelijk draagvlak
Privacy en security zijn niet langer alleen technische onderwerpen, maar raken de hele organisatie en vragen om bewustwording, kaders en governance op alle niveaus
Selfservice tooling en data-uitwisseling brengen nieuwe risico’s met zich mee, bijvoorbeeld ongewenste toegang
Inclusie is een groeiend aandachtspunt: niet iedereen heeft toegang tot digitale middelen of begrijpt de impact van datagedreven werken
Er is groeiende aandacht voor transparantie, uitlegbaarheid en betrouwbaarheid van data, AI en algoritmes en voor het vastleggen van meta-informatie in registers
Technologie
Uitdagingen
Technologie is vaak te complex voor alle gebruikers; niet iedereen kan of wil met geavanceerde tools werken
Software en platforms zijn niet altijd voldoende open of gestandaardiseerd, waardoor integratie en interoperabiliteit lastig zijn
Legacy-systemen en versnippering van tools binnen en tussen teams belemmeren de optimale keuze voor oplossingen van datavraagstukken
Het tempo van technologische innovatie is hoog; organisaties worstelen met het bijhouden en benutten van nieuwe mogelijkheden
AI en analytics worden nog beperkt toegepast; veel organisaties zijn zoekende naar de juiste businesscases en governance
Succesfactoren
Heldere visie op de rol van technologie als facilitator, niet als doel op zich
Keuze voor schaalbare, flexibele en veilige architecturen (cloud, hybride, modulair) die aansluiten op de behoeften van de organisatie
Standaardisatie en openheid van systemen en tools, zodat data en functionaliteit makkelijk gedeeld en geïntegreerd kunnen worden
Nauwe samenwerking tussen IT, data-afdelingen en de business bij het selecteren, implementeren en beheren van technologie
Continue monitoring van technologische ontwikkelingen en het vermogen om snel te experimenteren en te leren (bijvoorbeeld met AI, digital twins, API’s
Belangrijkste observaties:
Technologie is een essentiële enabler voor datagedreven werken, maar wordt door organisaties vaak als minder bepalend ervaren dan organisatie en cultuur
Veel organisaties zijn bezig met de keuze, aanschaf en implementatie van een dataplatform, waarbij cloud-native, schaalbare en flexibele oplossingen steeds populairder worden
Er is een duidelijke trend richting modulaire architecturen, API-first principes en het faciliteren van realtime datasturing en integratie met andere systemen
Selfservice analytics en dashboards worden breed uitgerold, maar het daadwerkelijk zelf uitvoeren van analyses door eindgebruikers staat nog in de kinderschoenen
De inzet van AI en geavanceerde analytics groeit, maar is in veel organisaties nog vooral experimenteel
Interoperabiliteit, security en compliance zijn kernvoorwaarden bij technologische keuzes
Integratie ArcGIS en SAP S/4HANA voor snellere inzichten
Provincie Noord‑Brabant streeft naar open standaarden en data bij de bron. Door de integratie van ArcGIS en SAP S/4HANA (GEF) werken mensen in hun processen vanuit de kaart, direct met de juiste realtime brondata. Hierdoor verdwijnen handmatige, foutgevoelige stappen en ontstaat één gedeelde informatiepositie. Dit leidt tot snellere besluitvorming en efficiëntere bedrijfsvoering, tijdwinst en minder fouten, én beter onderbouwd beleid voor vastgoed en bredere publieke opgaven.
Organisatie
Uitdagingen
Bij een bottom-up aanpak blijft de impact vaak beperkt tot enkele afdelingen; bij top-down bestaat het risico dat het bij plannen blijft en onvoldoende wordt verankerd
Sturing en verantwoordelijkheid zijn niet altijd hoog genoeg belegd; het is soms onduidelijk waar het mandaat ligt of waar budgetten vandaan komen
Verschillende datateams werken langs elkaar heen, met eigen tools en processen, wat leidt tot inefficiëntie en suboptimale oplossingen
Het vasthouden van momentum: na een enthousiaste start verslapt de aandacht als resultaten uitblijven
Het is moeilijk om de juiste mensen te vinden voor nieuwe datarollen; de arbeidsmarkt is krap
Succesfactoren
Heldere visie en strategie, gedragen door het management en vertaald naar concrete doelen en acties
Gebruik van volwassenheidsmodellen (zoals van Gartner) helpt om de organisatie gefaseerd te ontwikkelen
Duidelijke governance: mandaat, verantwoordelijkheden en budgetten zijn goed belegd, liefst op directieniveau (CDO/CIO)
Centrale regie en integrale aanpak, maar met ruimte voor initiatieven uit de business. Het slim combineren van een top-down en bottom-up aanpak
Samenwerking tussen verschillende datateams en domeinen, met aandacht voor het doorbreken van silo’s
Analytics translators, businessanalysten en domeinarchitecten die voor processen de kansen en afspraken voor datagedreven werken in kaart brengen
Flexibele, iteratieve aanpak (agile), met ruimte voor experimenteren en leren
Snel zichtbare resultaten boeken met prioritaire use cases, om draagvlak en momentum te creëren
Belangrijkste observaties:
Datagedreven werken is vooral een organisatorische uitdaging, niet primair een technologische
Organisaties streven ernaar datagedreven werken uiteindelijk organisatiebreed te verankeren, maar de mate van volwassenheid verschilt sterk per afdeling
Er is steeds meer aandacht voor governance, waarbij rollen, mandaat en budgetten worden belegd op directieniveau (CDO/CIO)
De scope verschuift van bedrijfsvoering en uitvoering (zoals HR en assetmanagement) naar beleid, waarbij datagedreven beleid minder ver is ontwikkeld
De start kan zowel bottom-up (vanuit afdelingen of enthousiaste medewerkers) als top-down (vanuit directie of bestuur) plaatsvinden
Een volwassenheidsmeting is vaak een eerste stap gevolgd door het opzetten van een visie, strategie en concrete plannen
Het samenbrengen en beter laten samenwerken van bestaande datateams (zoals BI, GIS, assetmanagement, data science) is een terugkerend thema
Organisatie
Uitdagingen
Bij een bottom-up aanpak blijft de impact vaak beperkt tot enkele afdelingen; bij top-down bestaat het risico dat het bij plannen blijft en onvoldoende wordt verankerd
Sturing en verantwoordelijkheid zijn niet altijd hoog genoeg belegd; het is soms onduidelijk waar het mandaat ligt of waar budgetten vandaan komen
Verschillende datateams werken langs elkaar heen, met eigen tools en processen, wat leidt tot inefficiëntie en suboptimale oplossingen
Het vasthouden van momentum: na een enthousiaste start verslapt de aandacht als resultaten uitblijven
Het is moeilijk om de juiste mensen te vinden voor nieuwe datarollen; de arbeidsmarkt is krap
Succesfactoren
Heldere visie en strategie, gedragen door het management en vertaald naar concrete doelen en acties
Gebruik van volwassenheidsmodellen (zoals van Gartner) helpt om de organisatie gefaseerd te ontwikkelen
Duidelijke governance: mandaat, verantwoordelijkheden en budgetten zijn goed belegd, liefst op directieniveau (CDO/CIO)
Centrale regie en integrale aanpak, maar met ruimte voor initiatieven uit de business. Het slim combineren van een top-down en bottom-up aanpak
Samenwerking tussen verschillende datateams en domeinen, met aandacht voor het doorbreken van silo’s
Analytics translators, businessanalysten en domeinarchitecten die voor processen de kansen en afspraken voor datagedreven werken in kaart brengen
Flexibele, iteratieve aanpak (agile), met ruimte voor experimenteren en leren
Snel zichtbare resultaten boeken met prioritaire use cases, om draagvlak en momentum te creëren
Belangrijkste observaties:
Datagedreven werken is vooral een organisatorische uitdaging, niet primair een technologische
Organisaties streven ernaar datagedreven werken uiteindelijk organisatiebreed te verankeren, maar de mate van volwassenheid verschilt sterk per afdeling
Er is steeds meer aandacht voor governance, waarbij rollen, mandaat en budgetten worden belegd op directieniveau (CDO/CIO)
De scope verschuift van bedrijfsvoering en uitvoering (zoals HR en assetmanagement) naar beleid, waarbij datagedreven beleid minder ver is ontwikkeld
De start kan zowel bottom-up (vanuit afdelingen of enthousiaste medewerkers) als top-down (vanuit directie of bestuur) plaatsvinden
Een volwassenheidsmeting is vaak een eerste stap gevolgd door het opzetten van een visie, strategie en concrete plannen
Het samenbrengen en beter laten samenwerken van bestaande datateams (zoals BI, GIS, assetmanagement, data science) is een terugkerend thema
Risicopredictie op vaarwegen
Een voorbeeld waarbij data wordt ingezet om voorspellingen te doen is de risicopredictie-app van Rijkswaterstaat. Op basis van interne en externe databronnen, van scheepsposities tot KNMI-weersinformatie, worden risico’s op vaarwegen nauwkeurig voorspeld. Zo kunnen patrouillevaartuigen efficiënter worden ingezet en wordt de veiligheid op het water vergroot. Het resultaat: betere risicobeheersing door voorspelbaarheid en datagedreven besluitvorming.
De nieuwe GIS-dataprofessional
GIS en dataprofessionals zijn de spil in datagedreven werken. Om succesvol te zijn vraagt dit kennis, kunde en een breed scala aan vaardigheden. De T-shaped GIS-professional combineert diepe GIS/data‑expertise met communicatie‑ en organisatiekracht. Zij slaan de brug tussen management, architectuur en werkvloer, maken de waarde van GIS zichtbaar en verhogen de kwaliteit van besluitvorming.
Verminderen overlast door samenwerking met data
Dordrecht stapte van losse Excellijsten over op één gedeelde projectenkaart, zodat iedereen intern én extern naar hetzelfde, actuele beeld kijkt. Deze gezamenlijke informatiepositie versnelt afstemming en uitvoering: werkzaamheden worden gecombineerd of juist gefaseerd en dubbel werk verdwijnt. In plaats van nabellen en spreadsheets uitpluizen leidt datadeling nu direct tot afspraken en actie aan tafel met afdelingen en ketenpartners. Dit zorgt voor minder overlast voor bewoners, lagere kosten, kortere doorlooptijden en beter onderbouwde keuzes in de buitenruimte.
European AI Act
Europese wet die tot doel heeft kunstmatige intelligentie (AI) te reguleren https://digital-strategy.ec.europa.eu/nl/policies/regulatory-framework-ai
AVG
Algemene Verordening Gegevensbescherming. Een Europese wet
met als doel om de privacy van alle burgers van de Europese Unie te beschermen. https://www.autoriteitpersoonsgegevens.nl/themas/basis-avg/avg-algemeen
Cultuur en Mensen
Uitdagingen
Weerstand tegen verandering: medewerkers zien datagedreven werken soms als een bedreiging voor hun positie of als extra werk
Gebrek aan eigenaarschap en discipline bij het delen en bijhouden van data; data blijft vaak in silo’s hangen
Onvoldoende verbinding tussen inhoudelijke domeinen en data- of IT-teams, waardoor kansen onbenut blijven
Moeilijkheden bij het vinden van mensen met zowel domeinkennis als datavaardigheden
Het vasthouden van positieve energie en momentum na de start van een datagedreven programma is lastig
Angst voor fouten en gebrek aan een veilige leeromgeving kunnen innovatie en experimenten belemmeren
Succesfactoren
Sterk en zichtbaar leiderschap dat het belang van data en datagedreven werken uitdraagt en faciliteert
Investeren in datageletterdheid en vaardigheden op alle niveaus van de organisatie, niet alleen bij IT of data-afdelingen
Het opstarten van vakgroepen voor data professionals vanuit de hele organisatie die op regelmatige basis kennis en ervaringen uitwisselen
Creëren van een cultuur van openheid, samenwerking en continue verbetering, waarin het delen van data en kennis wordt gestimuleerd
Het aanstellen van verbindende of liaison rollen, zoals business translators of analytics translators, die de brug slaan tussen business en data
Inspirerende voorbeelden en best practices delen om medewerkers te motiveren en te laten zien wat mogelijk is met data
Kleine, iteratieve stappen zetten (“gewoon doen”), met ruimte voor experimenteren en leren van fouten
Het borgen van resultaten en het zorgen voor herbruikbare oplossingen, zodat successen niet incidenteel blijven
Belangrijkste observaties:
Cultuur is een van de belangrijkste onderwerpen bij de invoering van datagedreven werken. Het gaat om een fundamentele verandering in de manier van werken, waarbij zowel medewerkers als dataprofessionals zich moeten aanpassen
Bewustwording en datageletterdheid groeien, maar het daadwerkelijk toepassen van datagedreven werken in de praktijk blijft een uitdaging
Veel organisaties zien de afstemming tussen vraag en aanbod als de grootste opgave voor een datagedreven cultuur. Er zijn weinig mensen die zowel inhoudelijke domeinkennis hebben als snappen wat data en technologie kunnen betekenen
Er is vaak sprake van silo’s: mensen denken nog te veel in verticale domeinen, waardoor data en kennis niet breed gedeeld worden
Verandering wordt soms als iets “extra’s” gezien; medewerkers ervaren datagedreven werken niet altijd als integraal onderdeel van hun werk
Leiderschap en voorbeeldgedrag zijn cruciaal voor het creëren van een datagedreven cultuur
Succesvolle organisaties investeren in opleiding, kennisdeling en het creëren van een veilige omgeving waarin fouten maken en leren centraal staan
Ethiek, privacy en security
Uitdagingen
Selfservice tooling en brede data-uitwisseling (zowel van brondata als afgeleide data) vergroten de kans op fouten, datalekken en ongewenst gebruik van data
Het is vaak onduidelijk wat juridisch en ethisch wel of niet mag; technische maatregelen alleen zijn niet voldoende
Inclusie: meer dan 2,5 miljoen mensen in Nederland hebben geen toegang tot digitale middelen, waardoor zij mogelijk worden buitengesloten van datagedreven besluitvorming
Datawantrouwen groeit door nepnieuws, onduidelijke algoritmes en gebrek aan transparantie. Mensen accepteren data niet altijd als feiten
AI en algoritmes zijn niet altijd uitlegbaar, eerlijk of neutraal. Het borgen van transparantie, uitlegbaarheid en herleidbaarheid is complex
Het integreren van ethiek, privacy en security in de dagelijkse praktijk vraagt om blijvende aandacht,
middelen en leiderschap
Succesfactoren
Heldere ethische kaders en privacybeleid, afgestemd op wet- en regelgeving en breed gedragen in de organisatie
Bewustwording en kennisontwikkeling over ethiek, privacy en security bij alle medewerkers, niet alleen bij IT of data-afdelingen
Integratie van ethiek, privacy en security in alle processen en projecten, vanaf het ontwerp (“privacy by design”, “security by design”)
Transparantie over het gebruik van data, algoritmes en AI: uitleggen hoe beslissingen tot stand komen en welke data worden gebruikt
Toewijzen van duidelijke rollen en verantwoordelijkheden, zoals een functionaris gegevensbescherming, data stewards en ethische commissies
Continue monitoring en evaluatie van risico’s, incidenten en compliance, inclusief het leren van fouten en near-misses
Belangrijkste observaties:
Door de aanscherping van wet- en regelgeving (zoals AVG en AI Act) is er in vrijwel alle organisaties veel aandacht voor privacy en security
Ethiek wordt steeds belangrijker, zeker nu AI, algoritmes en selfservice analytics breder worden ingezet
Organisaties beseffen dat verantwoord datagebruik essentieel is voor vertrouwen en maatschappelijk draagvlak
Privacy en security zijn niet langer alleen technische onderwerpen, maar raken de hele organisatie en vragen om bewustwording, kaders en governance op alle niveaus
Selfservice tooling en data-uitwisseling brengen nieuwe risico’s met zich mee, bijvoorbeeld ongewenste toegang
Inclusie is een groeiend aandachtspunt: niet iedereen heeft toegang tot digitale middelen of begrijpt de impact van datagedreven werken
Er is groeiende aandacht voor transparantie, uitlegbaarheid en betrouwbaarheid van data, AI en algoritmes en voor het vastleggen van meta-informatie in registers
Data
Uitdagingen
Data is vaak versnipperd over afdelingen, systemen en teams, wat leidt tot inconsistenties, dubbele registraties en beperkte herbruikbaarheid
Het op orde brengen en houden van data is een continu proces en vraagt blijvende aandacht en discipline in de organisatie
Data wordt intern en extern nog te weinig gedeeld, mede door cultuur, technische beperkingen of onduidelijkheid over eigenaarschap
Legacy-systemen belemmeren centrale opslag en toegang tot data
Niet alle data hoeft perfect te zijn: het is een uitdaging om te bepalen welke data écht nodig is voor de vraagstukken van vandaag en morgen
Het tempo van data-innovatie is hoog, maar de business en processen kunnen dit niet altijd bijbenen
Succesfactoren
Heldere datastrategie, afgestemd op de organisatiedoelen en gedragen door management en business. Onder andere ook door een dataparagraaf op te nemen in alle afdelingsplannen
Investeren in datakwaliteit: processen, rollen (zoals data stewards) en tooling om data actueel, betrouwbaar en compleet te houden
Toepassing van FAIR-principes en standaardisatie van metadata, definities en processen
Integrale aanpak van datamanagement, waarbij data niet alleen centraal wordt beheerd, maar ook decentraal eigenaarschap en verantwoordelijkheid wordt georganiseerd
Samenwerking tussen domeinen, afdelingen en ketenpartners om data-uitwisseling en interoperabiliteit te bevorderen
Belangrijkste observaties:
Data wordt breed erkend als de “brandstof” van datagedreven werken: zonder betrouwbare, actuele en toegankelijke data is geen enkele datagedreven ambitie haalbaar
De aandacht voor datakwaliteit, beschikbaarheid en bruikbaarheid is sterk toegenomen. Organisaties beseffen dat data actueel, betrouwbaar en compleet (ABC[Jv1] ) moeten zijn om waarde te kunnen leveren
Er is een duidelijke trend naar het toepassen van FAIR-principes (Findable, Accessible, Interoperable, Reusable) om data beter vindbaar, deelbaar en herbruikbaar te maken
Data wordt steeds vaker gezien als een organisatiebrede asset, niet alleen als bijproduct van processen. Dit vraagt om centrale regie op datamanagement, maar ook om eigenaarschap in de business
Het belang van data-uitwisseling in netwerken en ketens groeit, zeker in sectoren als overheid, bouwsector, energie en infrastructuur
DAMA/DMBOK en andere raamwerken worden steeds vaker gebruikt om datamanagement professioneel in te richten
Technologie
Uitdagingen
Technologie is vaak te complex voor alle gebruikers; niet iedereen kan of wil met geavanceerde tools werken
Software en platforms zijn niet altijd voldoende open of gestandaardiseerd, waardoor integratie en interoperabiliteit lastig zijn
Legacy-systemen en versnippering van tools binnen en tussen teams belemmeren de optimale keuze voor oplossingen van datavraagstukken
Het tempo van technologische innovatie is hoog; organisaties worstelen met het bijhouden en benutten van nieuwe mogelijkheden
AI en analytics worden nog beperkt toegepast; veel organisaties zijn zoekende naar de juiste businesscases en governance
Succesfactoren
Heldere visie op de rol van technologie als facilitator, niet als doel op zich
Keuze voor schaalbare, flexibele en veilige architecturen (cloud, hybride, modulair) die aansluiten op de behoeften van de organisatie
Standaardisatie en openheid van systemen en tools, zodat data en functionaliteit makkelijk gedeeld en geïntegreerd kunnen worden
Nauwe samenwerking tussen IT, data-afdelingen en de business bij het selecteren, implementeren en beheren van technologie
Continue monitoring van technologische ontwikkelingen en het vermogen om snel te experimenteren en te leren (bijvoorbeeld met AI, digital twins, API’s
Belangrijkste observaties:
Technologie is een essentiële enabler voor datagedreven werken, maar wordt door organisaties vaak als minder bepalend ervaren dan organisatie en cultuur
Veel organisaties zijn bezig met de keuze, aanschaf en implementatie van een dataplatform, waarbij cloud-native, schaalbare en flexibele oplossingen steeds populairder worden
Er is een duidelijke trend richting modulaire architecturen, API-first principes en het faciliteren van realtime datasturing en integratie met andere systemen
Selfservice analytics en dashboards worden breed uitgerold, maar het daadwerkelijk zelf uitvoeren van analyses door eindgebruikers staat nog in de kinderschoenen
De inzet van AI en geavanceerde analytics groeit, maar is in veel organisaties nog vooral experimenteel
Interoperabiliteit, security en compliance zijn kernvoorwaarden bij technologische keuzes
Organisatie
Uitdagingen
Bij een bottom-up aanpak blijft de impact vaak beperkt tot enkele afdelingen; bij top-down bestaat het risico dat het bij plannen blijft en onvoldoende wordt verankerd
Sturing en verantwoordelijkheid zijn niet altijd hoog genoeg belegd; het is soms onduidelijk waar het mandaat ligt of waar budgetten vandaan komen
Verschillende datateams werken langs elkaar heen, met eigen tools en processen, wat leidt tot inefficiëntie en suboptimale oplossingen
Het vasthouden van momentum: na een enthousiaste start verslapt de aandacht als resultaten uitblijven
Het is moeilijk om de juiste mensen te vinden voor nieuwe datarollen; de arbeidsmarkt is krap
Succesfactoren
Heldere visie en strategie, gedragen door het management en vertaald naar concrete doelen en acties
Gebruik van volwassenheidsmodellen (zoals van Gartner) helpt om de organisatie gefaseerd te ontwikkelen
Duidelijke governance: mandaat, verantwoordelijkheden en budgetten zijn goed belegd, liefst op directieniveau (CDO/CIO)
Centrale regie en integrale aanpak, maar met ruimte voor initiatieven uit de business. Het slim combineren van een top-down en bottom-up aanpak
Samenwerking tussen verschillende datateams en domeinen, met aandacht voor het doorbreken van silo’s
Analytics translators, businessanalysten en domeinarchitecten die voor processen de kansen en afspraken voor datagedreven werken in kaart brengen
Flexibele, iteratieve aanpak (agile), met ruimte voor experimenteren en leren
Snel zichtbare resultaten boeken met prioritaire use cases, om draagvlak en momentum te creëren
Belangrijkste observaties:
Datagedreven werken is vooral een organisatorische uitdaging, niet primair een technologische
Organisaties streven ernaar datagedreven werken uiteindelijk organisatiebreed te verankeren, maar de mate van volwassenheid verschilt sterk per afdeling
Er is steeds meer aandacht voor governance, waarbij rollen, mandaat en budgetten worden belegd op directieniveau (CDO/CIO)
De scope verschuift van bedrijfsvoering en uitvoering (zoals HR en assetmanagement) naar beleid, waarbij datagedreven beleid minder ver is ontwikkeld
De start kan zowel bottom-up (vanuit afdelingen of enthousiaste medewerkers) als top-down (vanuit directie of bestuur) plaatsvinden
Een volwassenheidsmeting is vaak een eerste stap gevolgd door het opzetten van een visie, strategie en concrete plannen
Het samenbrengen en beter laten samenwerken van bestaande datateams (zoals BI, GIS, assetmanagement, data science) is een terugkerend thema
Hoe Hilversum maatschappelijke doelen versnelt met datastrategie
Gemeente Hilversum wil met data maatschappelijke waarde creëren voor de stad en haar inwoners, door opgaven aan te pakken zoals duurzame groei, een fijne leefomgeving en een toekomstbestendige stad. De Omgevingsvisie Hilversum 2040 vormt hierbij de stip op de horizon.
Vanuit een breed gedragen visie is gestart met kleinschalige experimenten met data binnen het Smart City-domein. Denk aan het gebruik van sensoren en data om bijvoorbeeld verkeersstromen of luchtkwaliteit te meten. Deze eerste successen zorgden ervoor dat ook andere domeinen en afdelingen interesse kregen. Daarom is een gemeentebreed programma gestart, met steun vanuit de directie. Het programma werkt volgens drie stappen:
Experimenteren
kleinschalig starten met focus op concrete successen en draagvlakVerbreden
leren, verbeteren en formaliseren op basis van praktijkervaringenVerankeren
structureel borgen in ...
Gemeente Deventer zet data in beweging: van silo’s naar samenhang
In Deventer is datagedreven werken geen standaard programma, maar een beweging naar werken met data. Onder leiding van CIO John Kropman kiest de gemeente bewust voor een mensgerichte en iteratieve aanpak, met als doel: betere samenwerking tussen medewerkers, domeinen en ketenpartners. Niet technologie, maar mensen maken het verschil.
“Ik spreek liever van mensgedreven werken, ondersteund door data dan van Datagedreven werken. De kunst en het doel is dat medewerkers, over domeinen heen, met elkaar samenwerken.”
- John Kropman, CIO gemeente Deventer
De droom: van versnippering naar verbinding
Deventer kiest voor een mensgerichte aanpak om mensen te leren werken met data. De ambitie? Data inzetten voor betere beleidsvorming, integrale visualisatie en besluitvorming op basis van één gedeeld beeld. In plaats van losse PDF’s en versnipperde ...
Evides zet data aan het werk
In een tijd waarin data de motor is van vernieuwing, kiest Evides bewust voor een datagedreven toekomst. “Laat de data voor jou werken, in plaats van dat jij voor de data werkt.” Deze uitspraak van Matthijs Stel, Manager Data Management & Analytics, vat de transformatie van de organisatie treffend samen.
Van droom naar datagedreven werken
Evides heeft de afgelopen jaren een fundamentele transformatie doorgemaakt in datagedreven werken. De verandering kwam niet van de ene op de andere dag. Wat begon als een klein initiatief met een handvol use-cases, groeide in vijf jaar tijd uit tot een volwassen afdeling die het centrale dataplatform ontwikkelt en beheert. Vandaag de dag werkt Evides met één omgeving gericht op één waarheid. Continue verbetering en innovatie levert organisatiebreed steeds meer waarde.
Start van de reis
De reis begon met het verkennen van het ideaalbeeld: hoe kan data bijdragen aan betere processen, meer inzicht en maatschappelijke waarde? Na het verzamelen van concrete use cases werd ...
Er is brede consensus dat een programma voor datagedreven werken de hele organisatie raakt, maar dat invoering flexibiliteit vraagt. Daarbij helpt een agile aanpak met kleine stappen en continue aandacht voor de toegevoegde waarde en de organisatie- en cultuurverandering die het datagedreven werken met zich meebrengt. Uiteindelijk moet de nieuwe manier van werken wel breed landen in de processen en projecten. Tegelijkertijd is het essentieel dat er bewustzijn is bij directie/management dat het op alle aspecten inspanning en investering vraagt. Er zijn programma’s die vroegtijdig stoppen omdat er onvoldoende snel resultaten geboekt worden, maar datagedreven werken vraagt geduld. Het constant vinden en oppakken van nieuwe concrete use cases houdt datagedreven werken levend en zichtbaar. Zoals een persoon het verwoordde die we spraken: “We werken enerzijds aan aansturing op directieniveau, een horizontale governance vanuit de business; maar ook per domein klein beginnen met hele concrete werkpakketten.”