Van data naar beleid: het verhaal achter de cijfers ontrafelen

Datagedreven werken in het sociaal domein | deel 2

Deel 1 van deze artikelreeks ging over verslaglegging binnen het sociaal domein, of anders gezegd het beantwoorden van de vraag: wat is er gebeurd? We legden uit welke informatie onmisbaar is om inzicht te krijgen in o.a. instroom, uitstroom, voorzieningen, zorgduur en financiën. Het inrichten van goede verslaglegging is een belangrijke eerste stap om te zetten als gemeente om grip op het sociaal domein te krijgen. Maar het is ook niet meer dan dat: een eerste stap. Want zodra je betrouwbaar inzicht hebt in wat er gebeurd is, zal automatisch de vervolgvraag zich opdringen: waarom is dit gebeurd? Zeker als de cijfers die je ziet afwijken van de verwachting. Waarom is de instroom hoger dan begroot? Hoe kan het dat de uitstroom tegenvalt? Wat zorgt ervoor dat de zorgduur de laatste jaren steeds verder toeneemt? En waardoor gaan de gemiddelde kosten per client omhoog?

Als je beter snapt waarom er gebeurt wat er gebeurt, ben je beter in staat maatregelen te nemen voor verbetering. Een dashboard dat je helpt de cijfers te duiden, zorgt ervoor dat je aan de juiste knoppen kunt draaien. In deel 2 van deze reeks gaan we dan ook in op het verhaal achter de cijfers. Of deftig gezegd: diagnostische analyses van de achterliggende data. Aan de hand van drie voorbeelden leggen we uit hoe dat soort analyses je ondersteunen bij het maken van effectief beleid en het echt grip krijgen op wat er gebeurt in jouw sociaal domein.

Alhoewel er dus wel verbeteringen te zien zijn, worstelt nog steeds meer dan de helft van de Nederlandse Gemeenten om volledig grip te krijgen op het sociaal domein. En dat begint vaak al bij de basis: de 360⁰ verslaglegging over de gehele zorgketen van instroom tot uitstroom. Voor veel gemeenten is het nog steeds lastig om de vraag ‘wat is er precies gebeurd?’ volledig te beantwoorden. Die basis is niet alleen essentieel om als verantwoordelijke voor het sociaal domein om te gaan met de toenemende vragendruk van allerlei stakeholders als gevolg van alle (financiële) ontwikkelingen van dit moment. Goede en betrouwbare verslaglegging is vooral ook het vertrekpunt om vragen als ‘waarom is het gebeurd?’, ‘wat gaat er gebeuren?’ en zelfs ‘welke maatregelen kan ik het beste nemen?’ te gaan beantwoorden. Zodat er écht grip op het sociaal domein ontstaat.

In dit eerste deel van deze artikelreeks gaan we in op het opzetten van betrouwbare, tijdige en volledige verslaglegging over het sociaal domein. In de volgende artikelen geven we handvatten voor de vervolgstappen die je kunt zetten om al die cijfers te duiden, financiële controle te krijgen, preventief beleid te ontwikkelen en scenario’s door te rekenen.

Auteur: Jet Smits

Een waarschuwing vooraf!

Inzicht in het verhaal achter de cijfers geeft je de mogelijkheid om gerichte maatregelen te nemen, zoals preventief beleid, het beter toewijzen van middelen of het kiezen van de juiste zorgpartners. Door trends en patronen te herkennen, kun je problemen bij de bron aanpakken in plaats van achteraf corrigeren. Toch is de reflex bij veel gemeenten als er zich problemen voordoen allereerst aan de financiële knoppen te draaien – budgetten te verlagen of striktere vergoedingscriteria in te stellen. Dit lijkt op korte termijn effectief, maar geeft vaak verkeerde prikkels, zoals verschuiving van kosten of afwenteling op andere voorzieningen. De inzichten moeten juist worden ingezet om structurele verbeteringen te realiseren, niet alleen om op korte termijn kosten te drukken.

Multidisciplinaire aanpak

Voordat we in de voorbeelden duiken ook nog een advies. Het komt namelijk nogal eens voor dat data geanalyseerd wordt zonder dat alle benodigde expertises betrokken zijn. Beleidsmedewerkers krijgen dashboards voorgeschoteld zonder inzicht in hoe de cijfers tot stand komen, data-analisten werken met ruwe data zonder de beleidscontext goed te kennen en technische specialisten bouwen rapportages zonder goed te weten welke vragen beantwoord moeten worden. Dit leidt tot misinterpretaties, onvolledige analyses en gemiste kansen. Zonder de combinatie van domeinkennis, financiële kennis, datakennis en technische kennis loop je het risico verkeerde conclusies te trekken uit cijfers. Beleidsregels, processen en dynamiek van de doelgroep bepalen de context van de data: een stijging in zorgaanvragen kan wijzen op een toenemende hulpbehoefte, maar ook op betere voorlichting. Tegelijkertijd vereist goede analyse datakennis om databronnen correct te koppelen, inconsistenties te signaleren en trends helder te visualiseren. Daarbovenop is technische kennis nodig om data uit verschillende systemen te ontsluiten, databronnen te integreren en dashboards of rapportages te ontwikkelen. Het doorgronden van data vraagt dus om een multidisciplinaire aanpak die over afdelingen heen gaat!

Diagnostische analyses in de praktijk

OK, laten we nu aan de hand van drie voorbeelden inzoomen hoe het verhaal achter de cijfers een gemeente kan helpen om de juiste maatregelen te nemen en preventief beleid te ontwikkelen.

De gemeente Zandwijk kampte met oplopende zorgkosten en een vastlopende doorstroom in de Wmo en Jeugdwet. Ondanks dat er op papier goede afspraken waren gemaakt met zorgaanbieders, ontstonden er onverwachte tekorten en bleven cliënten te lang in behandeling. Door data-analyse werd duidelijk waar de knelpunten zaten, en met gerichte maatregelen wist de gemeente de situatie te keren.

1. Instroom en verwijsgedrag optimaliseren

Uitdaging: te veel zware zorgtrajecten

Eind 2023 constateerde gemeente Zandwijk een sterke toename van zware jeugdzorgtrajecten, zoals uit huis plaatsing en verblijf in gesloten instellingen. De instroom in deze trajecten was in een jaar tijd met 35% gestegen, terwijl de instroom in lichtere vormen van ondersteuning daalde. Uit de cijfers bleek dat vooral jongeren tussen de 12 en 16 jaar uit bepaalde wijken onevenredig vaak werden doorverwezen naar zware zorg.

Verhaal achter de cijfers: verwijzers en instroompatronen

Door de verwijzingen per bron te analyseren, werd duidelijk dat huisartsen in Zandwijk-West veel vaker direct naar zware zorg doorverwezen dan het wijkteam. Waar het wijkteam in 60% van de gevallen eerst lichte ambulante ondersteuning aanbood, stuurden huisartsen in 75% van de gevallen meteen door naar een instelling. Het bleek dat huisartsen onvoldoende zicht hadden op lichtere interventies en vaak op basis van urgentiegevoel de zwaarste zorg inzetten.

Maatregel en resultaat: betere samenwerking en minder zware zorg

De gemeente nam direct actie door samen met huisartsen en wijkteams afspraken te maken over alternatieve routes. Er werd een consultatieprocedure ingesteld waarbij huisartsen eerst met het wijkteam overlegden over lichtere interventies. Daarnaast werd een preventief programma opgezet op scholen in Zandwijk-West om problemen eerder te signaleren. Binnen zes maanden daalde het aantal verwijzingen naar zware zorg met 22%, terwijl de inzet van lichtere ondersteuning toenam. Hierdoor verminderde de druk op gespecialiseerde jeugdzorg en konden meer jongeren in hun eigen omgeving geholpen worden.

2. Uitstroom stagneert, zorg stapelt

Uitdaging: stagnatie in uitstroom en oplopende zorgkosten

In 2024 constateerde gemeente Zandwijk dat steeds meer cliënten vastliepen in hun zorgtrajecten. De uitstroom uit de Wmo en Jeugdwet stagneerde, waardoor zorg zich opstapelde en de kosten opliepen. Uit een eerste analyse bleek dat 20% van de cliënten verantwoordelijk was voor 80% van de kosten. Dit riep de vraag op: gaat het om incidenten of om een structureel probleem?

 

Verhaal achter de cijfers: verkeerde diagnoses en symptoombestrijding

Een multidisciplinair team van wijkteams, beleidsmedewerkers en een externe data-analist boog zich over de cijfers. Uit een gedetailleerde analyse van zorgpaden bleek dat veel cliënten aan de voorkant een verkeerde diagnose kregen. Hierdoor werd zorg ingezet op symptomen in plaats van op de onderliggende problemen. Bijvoorbeeld: een cliënt met gedragsproblemen kreeg intensieve begeleiding, terwijl de oorzaak eigenlijk lag in een onveilige thuissituatie. Dit leidde tot langdurige trajecten zonder duurzame oplossingen.

Maatregel en resultaat: zorgpaden herzien en preventief werken

De gemeente besloot de zorgpaden kritisch te herzien. Er werd een nieuwe werkwijze ingevoerd waarbij bij complexe casussen altijd een multidisciplinair overleg plaatsvond, met inbreng van de data-analist. Daarnaast werd geïnvesteerd in preventie, zoals vroegsignalering van problemen in gezinnen. Binnen een jaar daalde het aantal cliënten in de top 10 van duurste trajecten met 30%, en verbeterde de uitstroom aanzienlijk. Dit leidde tot een kostenbesparing van €2 miljoen.

Verrast door de kosten

Uitdaging: onverwachte kostenoverschrijdingen

In oktober 2023 bleek dat de jaarlijkse zorgkosten in gemeente Zandwijk op dat moment al €5 miljoen hoger uitvielen dan begroot. De verantwoordelijke wethouder was uiteraard niet blij: “Hoe hebben we dit niet zien aankomen?” De KPI’s op het dashboard gaven geen duidelijk beeld van de oorzaak, en er was behoefte aan een diepgaande analyse.

 

Verhaal achter de cijfers: instroom en crisissituaties

Via een analyse van de facturatiestromen brachten we al snel de oorzaken aan het licht. Het bleek dat de kostenoverschrijding vooral werd veroorzaakt door een onverwachte instroom van nieuwe cliënten en enkele crisissituaties. Een aantal kinderen had 24/7 zorg nodig vanwege complexe problematiek en een aantal uit huis plaatsingen leidde tot hoge kosten. Daarnaast bleek dat sommige zorgaanbieders later factureerden dan verwacht, waardoor het beeld van de kosten op dat moment enigszins vertekend was.

 

Maatregel en resultaat: voorspellende analyses en betere sturing

De gemeente nam twee maatregelen. Ten eerste werd een voorspellend model ontwikkeld om toekomstige instroom en de daarbij behorende kosten beter in te schatten. Ten tweede werd een nieuwe werkwijze ingevoerd waarbij facturatiegedrag van aanbieders maandelijks werd geanalyseerd. Ondanks dat de facturatie van de crisisopvang bijvoorbeeld flink achterliep, lieten tussentijdse rapportages wel de juiste cijfers m.b.t. de kosten zien. Met de nieuwe rapportages kon de gemeente veel sneller bijsturen. Binnen een half jaar was de begroting weer op orde, en werd een nieuwe dreigende kostenoverschrijding van €2 miljoen vroegtijdig gesignaleerd, zodat op tijd maatregelen genomen konden worden.

Aan de slag

Mooie voorbeelden, maar wat nu als je zelf aan de slag wil met het ontrafelen van de cijfers? Het ontdekken van het verhaal achter de cijfers van jouw gemeente begint met de juiste mindset en een gestructureerde aanpak. Denk aan de volgende stappen:

1. Stel de juiste vragen: begin niet bij de data, maar met de vraagstukken die spelen. Wat zijn de grootste uitdagingen op dit moment? Waar loop je tegenaan in de praktijk?
2. Verzamel de juiste data: zorg er vervolgens voor dat je over de benodigde data beschikt. Dit kunnen cijfers zijn over instroom, uitstroom, kosten, cliënttevredenheid of doorlooptijden. Maar betrek bijvoorbeeld ook demografische data in je analyse.
3. Analyseer patronen en uitzonderingen: gebruik data-analyse om trends, patronen en uitzonderingen te ontdekken. Waar wijken de cijfers af van wat je verwacht? Wat valt op als je naar verschillende wijken, doelgroepen of zorgaanbieders kijkt?
4. Betrek de praktijk: data alleen vertelt niet het hele verhaal. Ga in gesprek met wijkteams, zorgaanbieders en cliënten om de context te begrijpen. Waarom worden bepaalde keuzes gemaakt? Wat speelt er achter de cijfers?
5. Experimenteer en leer: data-analyse is een leerproces. Begin klein, experimenteer met interventies en evalueer het effect. Zo ontdek je wat werkt en wat niet. Door deze stappen te volgen, kun je het verhaal achter de cijfers steeds beter ontrafelen en op basis daarvan gerichte maatregelen nemen. Het is een kwestie van doen, leren en bijstellen.

Een volwassen data-organisatie

Het voorbeeld van de gemeente Zandwijk laat zien hoe data-analyse op allerlei manieren kan helpen om knelpunten op te sporen en gerichte maatregelen te nemen. Maar let op: elke gemeente, elke wijk en elke situatie is anders. Het is daarom essentieel om steeds beter te worden in het ontrafelen van het verhaal achter je eigen cijfers. Dat is geen eenmalige oefening, maar een voortdurend leerproces waarin data steeds meer leidend wordt.

De piramide van data-analyse (zie afbeelding) geeft mooi aan welk proces naar datavolwassenheid organisaties doormaken. De piramide bestaat uit vier niveaus:

1. Weten: Je hebt de cijfers en weet wat er speelt (wat is er gebeurd?)
2. Begrijpen: Je analyseert de cijfers en ontdekt het verhaal erachter (waarom is het gebeurd?)
3. Voorspellen: Je gebruikt data om toekomstige ontwikkelingen te voorspellen (wat gaat er gebeuren?)
4. Bepalen: Je bepaalt op basis van data en voorspellingen welk beleid nodig is (wat moet ik doen?)

Als je dacht dat je er bent met het ontrafelen van het verhaal achter de cijfers moeten we je dus teleurstellen. Daarmee bevind je je ‘pas’ op niveau 2: begrijpen. Je weet wat er gebeurd is én waarom en je kunt daar zelf actie op ondernemen, maar er ligt nog een enorm potentieel van datagedreven werken op je te wachten in de volgende niveaus: voorspellen en bepalen. Daarmee kun je pas echt proactief sturen en problemen voorkomen in plaats van oplossen.