際際滷

際際滷Share a Scribd company logo

Meesterschap in Monitoring wmo hackathon uitnodiging

VNG Realisatie
VNG Realisatie

Meesterschap in Monitoring

1 of 2
Download to read offline
Samen met andere gemeenten het Wmo-gebruik voorspellen? De gemeente Den Haag zoekt partners voor een duurzame samenwerking. Het doel: samen tot een succesvol Wmo-voorspelmodel komen dat werkt vooralle gemeenten. Uitnodiging Hackathon Daarom kickstarten we in september 2019 met een tweedaagse hackathon waar beleidsmakers 辿n data scientists samenkomen. Tijdens het programma zal er, naast kennisdeling, concreet aan de slag gegaan worden met deeigendata om te toetsen of het model goed voorspelt. Ge誰nteresseerde gemeenten zijn dan ook van harte welkom. Aanmelden Aanmelden kan vanaf nu! Neem daarvoor contact op met Wouter Heijnen, die de Hackathon organiseert namens de gemeente. Hij kan tevens het programma inhoudelijk nader toelichten, alsook eventuele andere lopende projecten. @ wouter.heijnen@mydatateam.com T: 06-14 25 79 97 Dit is een project van Dit project wordt ondersteund door
Het Wmo-model: deeerste resultaten Voorspellende indicatoren Uit de eerste fases van het onderzoek blijkt dat het totaal aantal Wmo-gebruikers sterk wordt be誰nvloed door het aantal: arbeidsongeschikten 65-plussers hogere inkomens Voorspellend model Op basis van de eerste fase is onder meer een tool ontwikkeld om met de variabelen te schuiven. Dit kan zeer interessante inzichten opleveren. en model Wmo gemeente Den Haag (fake data) Procentuele afwijking -50 500 Negatief Positief Jaar: 2017 2017 2018 2019 2020 2021 2022 2023 2023 Scenario aantal arbeidsongeschikten (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 6 10 Scenario aantal 65-plussers (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 6 10 Scenario aantal hogere inkomens (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 -5 10 Mogelijke besparing Wmo door investeringen in algemene voorzieningen 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.5 1 Wijk 15 Wijk 20 Wijk 08 Wijk 21 Wijk 26 Wijk 17 Wijk 02 Wijk 06 Wijk 09 Wijk 16 Wijk 27 Wijk 04 Wijk 13 Wijk 05 Wijk 29 Wijk 23 Wijk 19 Wijk 18 Wijk 24 Wijk 10 Wijk 32 Wijk 34 Wijk 22 Wijk 30 Wijk 31 Wijk 14 Wijk 28 Wijk 01 Wijk 25 Wijk 33 Wijk 07 Wijk 11 Wijk 03 Wijk 12 -100 Voorspellingsfouten model Wmo gemeente Den Haag (fake data) Procentuele afwijking Wijk -50 500 Negatief Positief Jaar: 2017 2017 2018 2019 2020 2021 2022 2023 2023 Scenario aantal arbeidsongeschikten (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 6 10 Scenario aantal 65-plussers (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 6 10 Scenario aantal hogere inkomens (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 -5 10 Mogelijke besparing Wmo door investeringen in algemene voorzieningen 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.5 1 Voorspellingsfouten model Wmo gemeente Den Haag (fake data) Index aantal Wmo-gebruikers, jaar = 2023, fake data index 95 100 105 110 115 120 140 185 * De berekening van de besparing op Wmo is regio specifiek en valt buiten de scope van de hackathon.

More Related Content

Meesterschap in Monitoring wmo hackathon uitnodiging

  • 1. Samen met andere gemeenten het Wmo-gebruik voorspellen? De gemeente Den Haag zoekt partners voor een duurzame samenwerking. Het doel: samen tot een succesvol Wmo-voorspelmodel komen dat werkt vooralle gemeenten. Uitnodiging Hackathon Daarom kickstarten we in september 2019 met een tweedaagse hackathon waar beleidsmakers 辿n data scientists samenkomen. Tijdens het programma zal er, naast kennisdeling, concreet aan de slag gegaan worden met deeigendata om te toetsen of het model goed voorspelt. Ge誰nteresseerde gemeenten zijn dan ook van harte welkom. Aanmelden Aanmelden kan vanaf nu! Neem daarvoor contact op met Wouter Heijnen, die de Hackathon organiseert namens de gemeente. Hij kan tevens het programma inhoudelijk nader toelichten, alsook eventuele andere lopende projecten. @ wouter.heijnen@mydatateam.com T: 06-14 25 79 97 Dit is een project van Dit project wordt ondersteund door
  • 2. Het Wmo-model: deeerste resultaten Voorspellende indicatoren Uit de eerste fases van het onderzoek blijkt dat het totaal aantal Wmo-gebruikers sterk wordt be誰nvloed door het aantal: arbeidsongeschikten 65-plussers hogere inkomens Voorspellend model Op basis van de eerste fase is onder meer een tool ontwikkeld om met de variabelen te schuiven. Dit kan zeer interessante inzichten opleveren. en model Wmo gemeente Den Haag (fake data) Procentuele afwijking -50 500 Negatief Positief Jaar: 2017 2017 2018 2019 2020 2021 2022 2023 2023 Scenario aantal arbeidsongeschikten (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 6 10 Scenario aantal 65-plussers (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 6 10 Scenario aantal hogere inkomens (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 -5 10 Mogelijke besparing Wmo door investeringen in algemene voorzieningen 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.5 1 Wijk 15 Wijk 20 Wijk 08 Wijk 21 Wijk 26 Wijk 17 Wijk 02 Wijk 06 Wijk 09 Wijk 16 Wijk 27 Wijk 04 Wijk 13 Wijk 05 Wijk 29 Wijk 23 Wijk 19 Wijk 18 Wijk 24 Wijk 10 Wijk 32 Wijk 34 Wijk 22 Wijk 30 Wijk 31 Wijk 14 Wijk 28 Wijk 01 Wijk 25 Wijk 33 Wijk 07 Wijk 11 Wijk 03 Wijk 12 -100 Voorspellingsfouten model Wmo gemeente Den Haag (fake data) Procentuele afwijking Wijk -50 500 Negatief Positief Jaar: 2017 2017 2018 2019 2020 2021 2022 2023 2023 Scenario aantal arbeidsongeschikten (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 6 10 Scenario aantal 65-plussers (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 6 10 Scenario aantal hogere inkomens (afwijking in %): -10 -10 -8 -6 -4 -2 0 2 4 6 8 10 -5 10 Mogelijke besparing Wmo door investeringen in algemene voorzieningen 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.5 1 Voorspellingsfouten model Wmo gemeente Den Haag (fake data) Index aantal Wmo-gebruikers, jaar = 2023, fake data index 95 100 105 110 115 120 140 185 * De berekening van de besparing op Wmo is regio specifiek en valt buiten de scope van de hackathon.