Postkamer ronde 3 ruimtelijke kijk in het sociaal domein
- 1. Ruimtelijke Kijk op het Sociaal Domein 5 april 2017
- 2. Ruimtelijke Kijk op het Sociaal Domein Sander Bakker (KING) Karolijn van den Heuvel (gemeente Woerden) Juanita van der Hoek (gemeente Uden)
- 3. Waarom RKSD en Ken je wijk? RAAD (waarheen) versus COLLEGE (hoe) Waar is ons kaartmateriaal?
- 4. De geboorte van de Straatkbus Veel meer eenduidig en gedeeld beeld Voorkomt ja maar op een analyserapport van wijk naar straat niveau
- 5. Straatkubus als instrument Wat is ruimtelijk kijken Waar helpt ruimtelijk kijken Welke vragen heeft iedereen binnen het sociale domein Welke vragen moeten we stellen om van data informatie te vragen Hoe past de kennis van het sociale domein in de omgevingsvisie t.b.v. invoering omgevingswet
- 6. Waarom: data kunnen helpen bij het bepalen van interventies
- 7. Maar wel binnen de (privacy) kaders
- 8. Thema, Idee, Concept Praktijk- beproeving Opschalings- ontwerp Implementatie / Collectiviteit 1 2 3 4
- 9. Aanleiding pilot De volgende punten waren aanleiding om de pilot RKSD te starten: Door de decentralisaties in het sociaal domein ontstaan nieuwe beleidsvragen Dit zijn veelal complexe vragen met een grote informatiecomponent Gemeenten verwachten bij het beantwoorden van deze vragen veel toegevoegde waarde van het koppelen van administratieve gegevens aan kaartmateriaal. Almere en Dordrecht hadden hier al ervaring mee.
- 10. Start Pilot
- 11. Doel pilot Het overkoepelende doel van de pilot was het oefenen met en onderzoeken van de meerwaarde van (geo)data gedreven werken in het sociaal domein. Een plaatje zegt meer dan 1000 woorden
- 12. Wat konden wij als gemeente zelf? Met inzet van alleen eigen data en eigen hulpmiddelen: Zichtbaar maken van verleende ondersteuning Gekoppeld aan kaartlaag van sociale huurwoningen e/o jonge, oude of gemiddelde leeftijd e/o Locaties van diverse soorten voorzieningen
- 13. Wat konden we toen niet? Hoe kun je zaken zichtbaar maken binnen de kaders van privacy (CBS-norm / AP-Norm) Automatische koppeling van BRP naar de kaart Correlatie tussen diverse vormen van ondersteuning aantonen; wel de overlap mits klant in beeld Preventie taken goed uitvoeren
- 14. Pilot: RKSD / Straatkubus Pilotresultaten: Stappenplan inzet RKSD 10 generieke beleidsvragen sociaal domein in ruimtelijk kader Vastgestelde onderliggende databronnen Mogelijke interventies Resterende WENSEN Kwetsbaarheid van wijken in beeld (samenstelling) Voorspellend werken => what-if in beeld
- 15. Pilot RKSD Top 10 beleidsvragen 1 Zijn er voldoende voorzieningen beschikbaar zodat mensen langer kunnen thuiswonen? 2 Waar zitten de kwetsbare groepen in de stad? 3 Waar is de kans op eenzaamheid het grootst? 4 Waar is de kans op Schuldenproblematiek het grootst? 5 Welke ondersteuning kunnen we bieden aan kinderen in armoede? 6 Zijn de jeugdvoorzieningen op de juiste wijze verdeeld? 7 Hoe is de zorgvraag verdeeld in de stad? 8 Is de toegang tot ondersteuning op de juiste wijze vormgegeven? 9 Hoe kunnen we op de juiste wijze invulling geven aan de asielzoekersproblematiek? 10 Hoe veilig is een wijk / buurt en hoe wordt het gevoeld?
- 16. Pilot RKSD datasets Type data Bron Gezinssamenstelling CBS (2014) Inkomen CBS (2008) Gemeente Leeftijd CBS (2014) Niet westerse allochtonen CBS (2014) Samenstelling huishouden CBS (2014) Uitkeringen CBS (2014) Gemeente Klachten Hangjongeren Politie Politiecijfers - criminaliteitscijfers Politie Veiligheidsmonitor Politie gemeente e/o GGD WLZ-ge誰ndiceerden CIZ GAK Leefbaarheid BZK (2014) Ontwikkeling Leefbaarheid BZK (2014) Huiselijk geweld en kindermishandeling Veilig Thuis Safe team Scholen DUO Dataland Afdeling ruimte van de gemeente OV-Punten Is facultatief in de BGT opgenomen (Gemeentelijk) Vervoerbedrijf of de afdeling ruimte heeft deze bronnen voorhanden NS stations kunnen opgehaald worden in het PDOK. Type data Bron Hoeveelheid jeugdhulp Gemeente Minimaregelingen Gemeente Probleemjongeren Gemeente Detailhandel in de directe omgeving Gemeente Thuishulp/ Mantelzorg Gemeente Aantal aangepaste woningen in de wijk Gemeente Data kredietbank Gemeente Gebruik PGB Gemeente Gebruik WMO voorzieningen Gemeente Schooluitval RBO Gemeente Speelvoorzieningen Dataland Voorzieningen Dataland Zorggerelateerde voorzieningen (GGZ, verslavingszorg etc) Dataland Type woningbouw (vrijstaand, rijtjes,..., voordeur drempelvrij toegankelijk,...) Dataland Kadaster Opleidingsniveau CBS DUO
- 17. Type data Selectie Bron Leeftijd 65-74 jaar CBS (2014) Leeftijd 75 jaar en ouder CBS (2014) Inkomen Fiscaal maandinkomen (eventueel aanvullend vakapplicatie ivm uitkering) CBS (2008) Bouwlaag Hoogte van de voordeur Dataland Aantal aangepaste woningen in de wijk Aantallen en type aanpassing Gemeente Voorzieningen NTB / Sociale kaart Gemeente OV-Punten Locatiegegevens per type OV punt (shapefile) Gemeente / PDOK Detailhandel in de directe omgeving voor dagelijkse zaken zoals supermarkt en drogist Dataland Thuishulp/ Mantelzorg Mantelzorgers met toelage Gemeente 1. Zijn er voldoende voorzieningen beschikbaar zodat mensen langer kunnen thuiswonen? Mogelijke interventies zijn - Afspraken maken met OV-bedrijven / afdeling ruimte, team verkeer om de routes aan te passen aan de doelgroep. - Beoordelen of het aantal aangepaste woningen voldoen aan de behoefte voor de komende jaren. - Beleid bepalen over het in stand houden / stoppen / samenstelling van voorzieningen. - Op de juiste manier samenstellen van de voorzieningen in de wijk, (ivm kleine gemeente) (is actievere houding) Pilot RKSD
- 18. Hoe nu verder? Pilot RKSD
- 19. Start pilot Ken je wijk Resterende WENSEN Kwetsbaarheid van wijken in beeld (samenstelling) Voorspellend werken => what-if in beeld
- 20. Informatiebronnen niet volledig Boven tafel krijgen buiten gemeentelijke informatie apart traject Binnengemeentelijke informatie ook niet altijd makkelijk ontsloten Privacy-risico: wordt de informatie op de juiste manier ontsloten, verwerkt e/o publiek gemaakt Uniformiteit datadefinities is een aandachtspunt: hoe defini谷ren we bijvoorbeeld armoede met elkaar? En wie bepaalt de definitie? Wie bepaalt het verband tussen onderliggende bronnen en de beleidsvraag? Alleen werken met objectieve data in de stappen 1 t/m 4; duiding (v.a. stap 5) is lokaal beleid / politieke kleur Analyse uit eerdere pilot Met elkaar (collectief) onderliggende databronnen bepalen, om te voorkomen dat iedere gemeente voor zich het wiel uitvindt Basisset aan data ontsluiten voor collectief gebruik => welke data zijn echt nodig? Welke hebben we zelf, welke moeten van buiten komen? Welke partijen kunnen / mogen / moeten leveren? Welk format is nodig en nuttig om binnen de criteria van privacy te blijven Aanscherpen omschrijving benodigde bronnen Kans voor deze pilot Mechanisme om collectief onderliggende databronnen vaststellen via eerdere pilot Collectief inkopen basisset aan data en centraal ontsluiten indien opdrachtverlening leidt tot resultaat Hergebruik en combinatie bestaande databronnen, ook t.b.v. ontwikkeling monitor sociaal domein en t.b.v. kwaliteit benchmark Opschaling indien succesvol 1. beleidsvragen 2. Databronnen bepalen 3. Combineren van data 4. Tonen op kaart 5. Duiden informatie 6. Interventies 7. Evaluatie
- 21. Welk beleidsdoel willen we dienen Preventie: voorkomen van zorg Welke koppeling van factoren cre谷ert een potentieel risico Betreft nog onbekende klanten Escalatie voorkomen: wat kunnen we aan de omgeving aanpassen (= basisstructuur van verenigingen en algemene voorzieningen) waardoor de eigen kracht wordt versterkt individueel maatwerk voorkomen door inzet van collectieve voorzieningen Betreft bekende klanten (gemeente of haar partners)
- 22. Beleidssturing in sociaal domein Toepassing van empirische kennis Gemengde (wit/zwart, rijk/arm, hoog-/laagopgeleid) wijksamenstelling is het meeste zelfredzaam welke stapeling van factoren realiseert kwetsbaarheid Welke data en welke bronnen zijn nodig om deze stapeling te vertalen naar distributie patronen Hoe kunnen deze data veilig gevisualiseerd worden, dus binnen de grenzen van privacy Welke ondergronden zijn nodig om deze informatie op te projecteren
- 23. Theorie en praktijk GBV en onderbuik vergeleken met theoretische onderbouwing Bij bekende klanten: uitgaan van door de ZRM ontwikkelde klantprofielen Bij onbekende klanten: uitgaan van met elkaar ontwikkelde risico profielen
- 24. Benoemde risico profielen Welzijns-profiel => 50+, uitgewerkt, huis gebonden Arbeidsprofiel => 27-50, werkeloos, gezinsverband Jeugdprofiel => 18-, langdurige minima, laagopgeleide ouders, eenoudergezinnen Jongerenprofiel => 18-27, alleenstaand, zonder startkwalificatie Survival profiel => laag betaald en fysiek zwaar werk, eigen huis, schulden / kredieten (werkende armoede) Eenzaamheidsprofiel => alleenstaand, kinderloos, werkeloos of uitgewerkt
- 25. Voorgestelde uitwerking Enkelvoudige data van postcode 6 projecteren op kaart Gestapelde projectie => concentratie van problematiek wordt inzichtelijk maar MET RISICO van herleidbaarheid naar personen Veilige oplossing: uitkomst van gewenste stapeling projectie e/o correlatie berekenen Alleen uitkomsten worden geleverd, niet de data, vanwege privacy
- 26. Waar zijn we gekomen? Overzicht van data die we nodig denken te hebben Definities van gehanteerde begrippen Eerste paar wenselijke combinaties van enkelvoudige data Vragen aan het CBS / en team Impactanalyse vanuit rol begeleidingscommissie
- 27. Impactanalyse RKSD t.b.v. GPO Van welke onderdelen uit de pilot is het wenselijk dat ze opgeschaald worden? Op welke manier(en) en onder welke randvoorwaarden zou de opschaling van ruimtelijke kijk gerealiseerd kunnen worden? Wat is de impact van de mogelijke opschaling? Het GPO heeft in juli 2016 besloten de pilot op te schalen. Daartoe onderzocht KING de opschalingsscenarios.
- 28. Opschaling in het kort: uitgangspunten samengevat Onderscheid focus nu op 10 vragen en onderliggende bronnen en toewerken naar een meer duurzaam model Inzetten op opschalen van proces om te komen tot gestandaardiseerde beleidsvragen en bijbehorende informatievragen en databronnen; nu inhoudelijk oefenen met eerste 10 Collectief inkopen en ontsluiten basisset data Inzet op gebruik in de markt beschikbare geo-viewers, in plaats van nieuwe collectieve ict-voorziening Hulp bij duiden van informatie, zo veel mogelijk aansluitend bij bestaande lokale gremia Kaders voor waarborgen privacy meegeven
- 29. Wisselspoor Samenvoeging sporen praktijk en data op basis van zelfde beleidsvragen: 1. Waar is de kans op kwetsbaarheid in de gemeente het grootst? (Pilot Ken de wijk) 2. Waar is de kans op financi谷le kwetsbaarheid het grootst? 3. Waar is de kans op eenzaamheid het grootst? (CBS) 4. Welke locaties zijn geschikt om langer thuis te wonen? 5. Welke zorgvraag leeft in mijn gemeente en welk aanbod is beschikbaar? 6. Hoe veilig is een buurt en hoe wordt het gevoeld?
- 30. Huidige status Propositie CBS Beschikbaar stellen gegevens
- 31. Straks.. Go- no go Realisatie Implementatie
- 32. 32 AH
- 33. Doorkijk toekomst Mechanisme beleidsvragen Cre谷ren van indicatoren .
- 37. Steunstructuur: gaten in beeld
- 38. Correlatie of overlap: jeugdhulp en armoede
- 39. Laag inkomen, via CBS (bijna aansluiting op wijkniveau)
- 40. Luchtkwaliteit: matig maar wat kun je doen?
- 41. Meting NO2: wegen herkenbaar, dus van belang voor sturing
- 42. Verder praten met Thea, Henk en Petra van Turfbrug over uitdagingen? Stel vragen via de app Congres DA2020 Mail Juanita van der Hoek op Juanita.van.der.Hoek@uden.nl Bel Sander Bakker op 0639854141 of per mail Sander.Bakker@kinggemeenten.nl