Alle lokale overheden beschikken over data. Zelfs als ze klein zijn, zelfs als ze geen gespecialiseerd technisch team hebben, zelfs als ze geen data-afdeling of geavanceerde analysetools hebben.
De gegevens zijn er: in het register, in dossiers, in belastingen, in vergunningen, in contracten, in sociale bijstand, in voorzieningen, in activiteiten, in incidenten, in documenten, in boekhoudkundige gegevens of in burgerdienstsystemen. Maar het hebben van gegevens betekent niet automatisch dat je ze ook goed kunt gebruiken.
Een gegeven kan bestaan, maar dubbel voorkomen. Het kan in een systeem opgeslagen zijn, maar niemand weet precies wat het betekent. Het kan beschikbaar zijn, maar niet betrouwbaar genoeg. Het kan goed verzameld zijn, maar geen duidelijke eigenaar hebben. Het kan nuttig zijn voor een bepaalde dienst, maar moeilijk te delen met een andere afdeling of administratie.
Daarom is het, als we het over data in de lokale wereld hebben, niet voldoende om te vragen óf we data hebben. We moeten ons afvragen of de data goed beheerd, gecontroleerd en van voldoende kwaliteit is.
Het zijn drie verschillende onderdelen, maar ze maken deel uit van dezelfde uitrusting.
Drie ideeën die van elkaar onderscheiden moeten worden.
Als het over data gaat, worden begrippen vaak door elkaar gehaald. Datagovernance, datamanagement, datakwaliteit, interoperabiliteit, analyses, open data, kunstmatige intelligentie...
Om te beginnen is het nuttig om drie basisideeën te onderscheiden:
- Het beheren van data betekent het bepalen van de spelregels. Zoals beschreven in de vorige publicatie:Wat houdt het in om data te beheren binnen een gemeenteraad?"Het beantwoordt vragen zoals: wie beslist, wie is verantwoordelijk, waarvoor mogen de gegevens worden gebruikt, wie heeft er toegang toe en welke waarborgen moeten worden toegepast?"
- Het beheren van data betekent dat deze regels dagelijks worden toegepast. Het beantwoordt vragen zoals: waar wordt de data opgeslagen, hoe wordt deze bijgewerkt, hoe wordt deze gedocumenteerd, hoe wordt deze gedeeld, hoe wordt deze bewaard en hoe wordt deze geïntegreerd met andere systemen.
- Het waarborgen van datakwaliteit betekent ervoor zorgen dat de data geschikt is voor het beoogde gebruik. Het beantwoordt vragen zoals: is de data correct, volledig, actueel, consistent, uniek, begrijpelijk en bruikbaar voor besluitvorming?
Geen van deze drie stukken werkt goed op zichzelf.
Gegevensbeheer: criteria en verantwoordelijkheid toepassen
Het beheren van data betekent niet dat er een berg documentatie moet komen of dat het gemeentelijk werk ingewikkelder wordt. Het betekent dat er minimumeisen worden gesteld, zodat belangrijke data van de gemeenteraad duidelijke verantwoordelijkheden, toepassingen en waarborgen hebben.
In een kleine gemeente is een formele databeheerstructuur bijvoorbeeld wellicht niet nodig. Maar het is wel belangrijk om te weten wie de censusgegevens het beste kent, wie economische gegevens kan valideren, wie verantwoordelijk is voor gegevens over stadsplanning, of wie kan beslissen of informatie op het portaal gepubliceerd mag worden. transparència.
Het is ook noodzakelijk om te weten welke gegevens bijzonder gevoelig zijn, welke met andere overheden gedeeld kunnen worden, welke cruciaal zijn voor het gemeentelijk bestuur en welke risico's kunnen opleveren als ze niet goed beschermd worden. Het beheren van gegevens is daarom een publieke verantwoordelijkheid. Het gaat erom te beslissen hoe we met gemeentelijke informatie omgaan, zodat deze nuttig, veilig, betrouwbaar en respectvol is voor de rechten van burgers.
Gegevens beheren: regels dagelijks in de praktijk brengen
Datamanagement is het meest operationele onderdeel. Het omvat alle werkwijzen die ervoor zorgen dat data georganiseerd, actueel, toegankelijk en herbruikbaar blijven.
In een klein gemeentehuis kan het beheren van gegevens heel specifieke dingen betekenen:
- Geef duidelijk aan in welk systeem elk stukje informatie is vastgelegd.
- Voorkom dat dezelfde gegevens op verschillende manieren in meerdere bestanden worden opgeslagen.
- Beschrijf minimaal wat elke dataset bevat.
- vaststellen wie bepaalde gegevens mag wijzigen.
- Controleer periodiek de cruciale gegevens.
- Zorg ervoor dat gegevens indien nodig geëxporteerd of gedeeld kunnen worden.
- Bewaar de informatie gedurende de juiste tijd.
- Vermijd het om afhankelijk te zijn van één persoon of één aanbieder voor het begrijpen van de gegevens.
Het beheren van data gaat niet alleen over het uitvoeren van programma's. Het gaat erom ervoor te zorgen dat gemeentelijke informatie gedurende de hele levenscyclus goed gebruikt kan worden: vanaf het moment dat deze wordt verzameld tot het moment dat deze wordt gearchiveerd, hergebruikt, gepubliceerd of niet langer nodig is.
Kwaliteit garanderen: betrouwbare gegevens voor betrouwbare diensten.
Datakwaliteit bepaalt of een gegeven bruikbaar is voor een specifiek doel.
Een gegeven kan voor het ene doel van goede kwaliteit zijn, maar voor een ander doel onvoldoende. Een adres kan bijvoorbeeld gebruikt worden om een gebied binnen de gemeente globaal aan te duiden, maar is mogelijk niet nauwkeurig genoeg voor een formele kennisgeving. Een lijst met voorzieningen kan gebruikt worden voor een intern rapport, maar is mogelijk niet volledig genoeg om te publiceren op een portaal voor burgerdiensten.
Kwaliteit betekent dus niet absolute perfectie. Het betekent geschiktheid voor gebruik.
In het dagelijks gemeentelijk werk kan een gebrek aan datakwaliteit zeer praktische gevolgen hebben:
- Ik ontvang geen meldingen.
- Personen dupliceren in verschillende systemen.
- Bestanden moeilijk te vinden.
- Tegenstrijdige berichten.
- Fouten in de registratie, belastingen of subsidies.
- Het is lastig te bepalen welke diensten het meest gevraagd zijn.
- Het handmatig controleren van informatie is tijdverspilling.
- Wantrouwen in indicatoren en dashboards.
Het verbeteren van de datakwaliteit vereist niet altijd geavanceerde tools. Het begint vaak met eenvoudige criteria: verplichte velden, consistente formaten, basisvalidaties, regelmatige controles en duidelijke verantwoordelijkheden.
Een eenvoudig voorbeeld: gegevens over gemeentelijke voorzieningen.
Stel je een klein gemeentehuis voor dat beter wil weten welke gemeentelijke voorzieningen het heeft, waarvoor ze dienen en welk onderhoud ze nodig hebben.
Zonder databeheer weet misschien niemand wie verantwoordelijk is voor het actueel houden van deze informatie. De culturele afdeling heeft een lijst, de sportafdeling een andere, de afdeling interventie heeft economische informatie, de onderhoudsafdeling weet hoe het met de gebouwen gesteld is en het secretariaat heeft de administratieve documentatie.
Zonder goed gegevensbeheer kunnen lijsten verschillende namen, anders geschreven adressen, dubbele apparatuur of verouderde gegevens bevatten.
Zonder kwalitatieve gegevens kunnen de getrokken conclusies onbetrouwbaar zijn: we weten dan niet welke apparatuur het meest gebruikt wordt, welke het duurst is, welke investeringen vereist of welke met andere diensten gedeeld zou kunnen worden.
Als de drie onderdelen echter samen worden gebruikt, verandert het resultaat.
- Beheren betekent bepalen wie verantwoordelijk is voor de informatie in de faciliteiten en voor welke doeleinden deze gebruikt mag worden.
- Beheer betekent het hebben van een gemeenschappelijk apparatuurbestand, met minimale velden en gedeelde criteria.
- Kwaliteit waarborgen betekent controleren of de informatie volledig, actueel en consistent is.
Hierdoor kan de gemeenteraad beter plannen, investeringen beter onderbouwen en burgers beter informeren.
Voordat we het over kunstmatige intelligentie hebben, moeten we het eerst hebben over betrouwbare data.
Er wordt steeds meer gesproken over kunstmatige intelligentie in het openbaar bestuur. En het is positief om te onderzoeken hoe het kan helpen bij het verbeteren van diensten, het automatiseren van taken, het signaleren van behoeften of het ondersteunen van besluitvorming.
Maar kunstmatige intelligentie heeft betrouwbare, goed beschreven, goed beveiligde en goed beheerde data nodig.
Als de begingegevens onvolledig, onjuist, verouderd of bevooroordeeld zijn, kunnen analyse- of kunstmatige intelligentietools onbehulpzame of zelfs oneerlijke resultaten opleveren.
Gemeenteraden zouden daarom niet moeten beginnen met de vraag welke AI-tool ze nodig hebben. Ze zouden zich eerst moeten afvragen welke data ze hebben, wat belangrijk is, wat de kwaliteit ervan is en met welke garanties ze gebruikt kunnen worden.
De beste manier om je voor te bereiden op kunstmatige intelligentie is door vandaag al te beginnen met een betere regulering en beheer van data.
Ook kleine gemeenten kunnen beginnen
Een kleine gemeenteraad hoeft niet meteen te beginnen met een uitgebreid plan voor het beheer van big data. Een praktische en stapsgewijze aanpak is voldoende.
Bijvoorbeeld:
- Kies twee of drie prioriteitsgebieden, zoals het register, de administratie, de voorzieningen, de sociale diensten, incidenten of economische gegevens;
- Bepaal welke personen deze gegevens het beste kennen;
- De belangrijkste kwaliteitsproblemen opsporen;
- Overeenstemming bereiken over de minimale toelatings- en updatecriteria;
- Beschrijf op een eenvoudige manier wat elke dataset bevat;
- Controleer op dubbele of tegenstrijdige gegevens;
- beoordelen welke gegevens kunnen helpen bij het ontwikkelen van bruikbare indicatoren;
- Identificeer welke gegevens gevoelig zijn en extra bescherming vereisen.
Deze eerste stappen vergen geen grote middelen. Ze vereisen een bereidheid tot organiseren, gedeelde criteria en methodologische ondersteuning.
De kunst is niet om alle data tegelijk te willen beheren. Je moet beginnen met de data die de meeste problemen veroorzaakt of die de meeste waarde kan opleveren.
De rol van het Smart Local Government Network
Kleine gemeenten hoeven deze uitdaging niet alleen aan te gaan. De lokale gemeenschap heeft gezamenlijke oplossingen nodig, omdat velen van ons vergelijkbare behoeften hebben, maar zeer verschillende mogelijkheden.
Het Smart Local Government Network wil juist op dit punt waarde leveren: het helpt om concepten die abstract lijken – databeheer, datamanagement, kwaliteit, interoperabiliteit of kunstmatige intelligentie – om te zetten in modellen, instrumenten en praktische voorbeelden die zijn aangepast aan de lokale realiteit.
Via haar werkgroepen kan het netwerk helpen bij het opzetten van gemeenschappelijke modellen, zodat lokale entiteiten niet helemaal vanaf nul hoeven te beginnen. Dit omvat onder meer:
- gedeelde criteria voor het inventariseren van gegevens,
- beschrijf datasets,
- verantwoordelijkheden definiëren,
- prioriteit geven aan cruciale gegevens,
- kwaliteitsniveaus vaststellen
- Identificeer nuttige toepassingsmogelijkheden voor gemeenten.
Het draagt ook bij aan het definiëren van gemeenschappelijke of herbruikbare technologische oplossingen, ontworpen om de lokale gemeenschap als geheel te dienen en duplicatie, onnodige afhankelijkheden of geïsoleerde projecten te voorkomen.
Een ander belangrijk aspect is de beschrijving van de professionele profielen en functies die aan de data zijn gekoppeld. In veel kleine gemeenten zal er geen persoon zijn die zich uitsluitend met deze taken bezighoudt, maar het is wel noodzakelijk om te begrijpen welke functies gedekt moeten worden: wie valideert de data, wie actualiseert ze, wie beschermt ze, wie documenteert ze, wie interpreteert ze en wie gebruikt ze om beslissingen te nemen.
Het netwerk bevordert eveneens gedeelde gebruiksscenario's die helpen bij het visualiseren van specifieke toepassingen: het voorbereiden van data en het ontwikkelen van gemeenschappelijke indicatoren, het faciliteren van open datasets, het ondersteunen van besluitvorming of het ontwikkelen van op kunstmatige intelligentie gebaseerde diensten met garanties.
Een gezamenlijke taak van AOC, provinciale raden, districtsraden en lokale instanties.
Het data- en AI-platform en het Smart Local Government Network moeten ervoor zorgen dat databeheer, -governance en -kwaliteit beschikbaar komen voor alle lokale overheden.
Dit vereist samenwerking tussen de verschillende bestuurslagen: gemeenteraden, provinciale raden, districtsraden, Consorci AOC en andere actoren die de lokale gemeenschap ondersteunen.
De waarde van deze samenwerking is duidelijk: kennis delen, gemeenschappelijke criteria opstellen, schaalvoordelen benutten, gedeelde diensten bevorderen en ervoor zorgen dat ook gemeenten met minder middelen vooruitgang kunnen boeken.
Datagestuurde transformatie mag niet alleen voor grote gemeenten zijn weggelegd. Het moet een gemeenschappelijke vaardigheid zijn van het gehele lokale publieke systeem.
Drie onderdelen, één doel: betere publieke dienstverlening.
Het besturen, beheren en waarborgen van de datakwaliteit zijn geen afzonderlijke taken en niet voorbehouden aan specialisten.
Het zijn drie onderdelen van dezelfde uitrusting die ervoor zorgen dat gemeentelijke informatie nuttiger, betrouwbaarder, veiliger en meer gericht op de publieke dienstverlening wordt.
- Besturen betekent verantwoordelijkheid nemen en oordelen vellen.
- Beheren betekent gegevens organiseren en beschikbaar maken.
- Kwaliteit garanderen betekent ervoor zorgen dat ze geschikt zijn voor het gebruik dat we ervan willen maken.
Wanneer deze drie elementen samenwerken, kunnen gemeenteraden fouten verminderen, procedures verbeteren, beter plannen, burgers beter beschermen en beter onderbouwde beslissingen nemen.
Om te beginnen hoef je niet alles meteen opgelost te hebben. Je moet een eerste stap zetten: de belangrijkste gegevens identificeren, begrijpen hoe ze worden gebruikt en er beter mee omgaan.
Dit is de weg om ervoor te zorgen dat data niet langer een onzichtbaar probleem is, maar een echt instrument wordt voor het verbeteren van lokale publieke diensten.
