Case: WMO-voorspelmodel voor Gemeente Den Haag
Ik, Michiel, ben sinds 2018 projectleider voor de gemeente Den Haag op een ambitieus project om een WMO-voorspelmodel te ontwikkelen. Nog nooit eerder werd zoiets ontwikkeld, dus ik geef je graag inzicht in hoe ik dit project aanpak.
Hoe voorspel je wat de WMO een gemeente kost in 2023?
In 2015 is de Wet Maatschappelijke Ondersteuning (WMO) van start gegaan. Dit is een maatregel die ervoor zorgt dat mensen die niet zelfredzaam zijn zo lang mogelijk thuis kunnen blijven wonen. De gemeente heeft de opdracht om deze groep hulp en voorzieningen te bieden.
De bedragen die gemoeid zijn met de WMO zijn fors. In Den Haag is dit jaarlijks ruim 250 miljoen. Om beter inzicht te krijgen in de kosten van de WMO, en hoe de kosten zich ontwikkelen in de toekomst, nam de Gemeente Den Haag contact op met DXA. Want hoe voorspel je het verloop daarvan?
Als gemeente is het belangrijk om zeker te weten of je genoeg budget hebt om de WMO in de toekomst te kunnen betalen, zodat burgers de voorzieningen en hulp krijgen die ze nodig hebben. Hoe eerder je als gemeente weet hoe de kosten zich ontwikkelen, des te eerder je actief kunt handelen op capaciteitsplanning, preventie en kostenbeheersing.
Nog niet eerder werd vastgesteld welke factoren bijdragen aan de WMO-consumptie op langere termijn. De enige duidelijke factor is de bevolkingsprognose, maar er spelen veel meer onbekende zaken mee. Zolang je deze niet kent is het lastig om een nauwkeurige voorspelling te doen. Met grote gevolgen, want elk procent dat een gemeente ernaast zit levert een verkeerde begroting op en tekorten in het budget. Het is dus logisch dat een gemeente zo precies mogelijk wil weten wat hen te wachten staat, want het veranderen en gericht inzetten van algemene voorzieningen kost tijd. Zoiets is niet ad hoc te regelen.
Fase 1: team opzetten
Nu de uitdaging van de gemeente Den Haag en de opdracht duidelijk in kaart waren gebracht, kon ik in 2018 stap voor stap aan de slag met het ontwikkelen van een WMO-voorspelmodel. Als projectleider en adviseur stelde ik een projectplan op, bepaalde ik het tijdspad en welke (sub)doelen we moesten halen.
Stap 1
Bij zo’n groot project als dit heb je een goed team nodig. Bij het samenstellen ervan heb ik gekozen voor ervaren mensen, zodat ik blind kon vertrouwen op ieders professionaliteit. Als projectleider wil ik niet micro-managen. Het gaat erom dat het team op elkaar kan bouwen en ieder de verantwoordelijkheid neemt voor zijn eigen taken in het project.
Stap 2
Met het team heb ik alle werkpakketten en de tijdsplanning besproken. Daarbij stonden steeds dezelfde dingen centraal:
- Hoe draagt deze taak bij aan de overkoepelende projectdoelstelling
- Geef aan hoeveel tijd nodig is voor een taak, zodat jullie deze ook krijgen. Maar deadline is ook echt deadline
Resultaat
In 6 weken lag er een uitgewerkt projectplan en stond er een kundig team paraat om te gaan werken aan een voorspelmodel dat inzetbaar is voor de capaciteitsplanning, kostenbeheersing en preventie.
Fase 2: creëren van een landelijk voorspelmodel
Het team heeft parallel drie taken uitgevoerd om meer inzicht te krijgen in de WMO-gebruikers in de Gemeente Den Haag.
Taak 1
Met een doorstroom-analyse is het team op zoek gegaan naar verbanden en patronen tussen mensen die van WMO-voorzieningen gebruikmaken. Vragen die o.a. beantwoord zijn:
Hoe lang zitten mensen al in de WMO?
Is er een relatie tussen inkomen en het gebruikmaken van de WMO?
Is er een patroon zichtbaar tussen mensen die steeds meer voorzieningen nodig hebben?
Taak 2
Welke overeenkomsten zijn er tussen WMO-gebruikers? En is er een relatie met de woonwijk waarin ze wonen? Vragen die o.a. beantwoord zijn:
Is er een relatie tussen woonwijken met veel eigen autobezitters en de gebruikte voorzieningen?
Is er een relatie tussen type huishouden (gezinssamenstelling, woningbezit, inkomen) en de gebruikte voorzieningen?
Is er een relatie tussen woonwijken waar veel bewoners uitkeringen en toeslagen ontvangen en de gebruikte voorzieningen?
Taak 3
Op basis van de gevonden data met overeenkomsten, verbanden en patronen heeft het team een landelijk model ontwikkeld. Dit is betrouwbaarder dan alleen voor de 35 wijken in Den Haag een voorspelmodel maken, omdat de databron groter is (2.500 bruikbare wijken in heel Nederland). Hierdoor kwam we tot inzichten die we alleen met de data uit Den Haag niet zouden kunnen ontdekken. Bijvoorbeeld over de correlatie van kerkelijkheid en functiewisseling van wijken met het WMO-gebruik.
Resultaat
Met het WMO-voorspelmodel kunnen we het toekomstige gebruik van voorzieningen per woonwijk in Den Haag nauwkeurig voorspellen. Deze inzichten zijn cruciaal voor de capaciteitsplanning, kostenbeheersing en preventie.
Fase 3: finetunen van het model tijdens een hackathon
Een WMO-voorspelmodel is niet alleen interessant voor de Gemeente Den Haag, maar voor alle gemeentes in Nederland. Tijdig inzicht zorgt ervoor dat financiële tekorten worden voorkomen en beleid tijdig aangepast kan worden. Dat het WMO-voorspelmodel is ontwikkeld door de gemeente Den Haag, wil niet zeggen dat ze de inzichten niet willen delen. Sterker nog: landelijke dekking is een serieuze optie. Andere gemeentes hebben ook baat bij zo’n voorspelmodel.
Daarom organiseerden we vanuit de gemeente Den Haag een WMO-dag met 100 vertegenwoordigers van ruim 70 gemeentes om een dag samen te werken en tot een beter voorspelmodel te komen.
Resultaat
Op de WMO-dag is kennis gedeeld over de samenhang en doorstroom van WMO-gebruikers in meer dan 70 gemeentes. Tijdens de bijbehorende hackathon hebben 3 datateams van ieder 15 man het bestaande voorspelmodel verbeterd aan de hand van nieuwe inzichten en data.
De dag leidde zelfs tot een netwerkorganisatie met gemeentes die in de toekomst ook interesse hebben in een voorspelmodel. In 2020 gaat een kernteam met 8 gemeentes samen het experiment aan om samen de voorspelbaarheid nog verder te verbeteren.
Fase 4: WMO-voorspelmodel 2020
Dankzij het WMO-event zijn talrijke inzichten en verbeterpunten aan het licht gekomen om het voorspelmodel verder te finetunen. De belangrijkste vervolgstap is het laten aansluiten van het voorspelmodel op de dagelijkse realiteit van gemeentes. Je hebt immers alleen iets aan voorspellingen als je weet welke aanpassingen je moet maken in het beleid om de uitkomst te beïnvloeden.
Dreigt er bijvoorbeeld een tekort in budget over een aantal jaren? Dan moet je daar als gemeente tijdig het beleid op kunnen aanpassen. Samen met vertegenwoordigers van de uitvoering gaan we daarom vaststellen hoe het voorspelmodel daadwerkelijk ingezet kan worden voor capaciteitsplanning, preventie en kostenbeheersing.
Resultaat
In 2020 wordt het WMO-voorspelmodel 2.0 in gebruik genomen door de Gemeente Den Haag voor de capaciteitsplanning, preventiemaatregelen en kostenbeheersing. Hierdoor kunnen ze tijdig bijsturen en onderbouwde beleidskeuzes maken om aan de toekomstige vraag te voldoen.
De ambitie is om het voorspelmodel in 2020 landelijk te delen. Er moet nog veel worden uitgezocht voordat het zover is, maar de Gemeente Den Haag en de Vereniging Nederlandse Gemeenten hebben nadrukkelijk de ambitie om dit te doen. Ik ben dus vol vertrouwen dat alle hobbels worden overwonnen.
Beleid maken is makkelijker met een voorspelmodel
Ik ben trots op mijn rol als projectleider in het WMO-project van de gemeente Den Haag. Het opzetten van een voorspelmodel is een hele klus, omdat je samen met een groot multidisciplinair team moet uitpluizen welke factoren een bijdrage leveren aan het WMO-gebruik in de toekomst en hoe je de uitkomsten kunt beïnvloeden. Dit is exact waar ik van houd: topteams organiseren die data analyseren en omzetten tot verbeterkansen voor organisaties.
Wil je ook een voorspelmodel laten ontwikkelen?
Dan zijn wij de aangewezen partij in Nederland. Vertel ons wat je wensen zijn, dan vertellen wij je wat het DXA-team voor jouw bedrijf kan betekenen.
Bel 0348 34 21 04
© Copyright DXA