HET GDI-NETWERK IN VLAANDEREN EEN KWANTITATIEVE VERKENNING VAN HET GEBRUIK EN DE UITWISSELING VAN GEODATA IN VLAANDEREN.

Transcriptie

1 HET GDI-NETWERK IN VLAANDEREN EEN KWANTITATIEVE VERKENNING VAN HET GEBRUIK EN DE UITWISSELING VAN GEODATA IN VLAANDEREN. Joep Crompvoets Ezra Dessers Tessa Geudens Katleen Janssen Glenn Vancauwenberghe Danny Vandenbroucke Matthias Van hoogenbemt Rapport D/2009/10107/002

2 Instituut voor de Overheid - K.U.Leuven Faculteit Sociale wetenschappen Parkstraat 45 - bus BE-3000 Leuven Prof. Dr. Geert Bouckaert geert.bouckaert@soc.kuleuven.be tel: fax: Divisie voor Ruimtelijke Informatieverwerking (SADL) - K.U.Leuven Departement Aard- en Omgevingswetenschappen Celestijnenlaan 200e - bus BE-3001 Heverlee Prof. Dr. Jos Van Orshoven jos.vanorshoven@sadl.kuleuven.be tel: fax: Centrum voor Recht en Informatica (ICRI) - K.U.Leuven Faculteit Rechtsgeleerdheid Sint-Michielsstraat 6 - bus BE-3000 Leuven Prof. Dr. Jos Dumortier jos.dumortier@law.kuleuven.be tel: fax: Centrum voor Sociologisch Onderzoek (Ceso) - K.U.Leuven Faculteit Sociale wetenschappen Parkstraat 45 - bus BE-3000 Leuven Prof. Dr. Geert Van Hootegem geert.vanhootegem@soc.kuleuven.be tel: fax: Vakgroep MOSI - Vrije Universiteit Brussel Faculteit Economische, Sociale en Politieke Wetenschappen en Solvay Business School Pleinlaan 2 BE-1050 Brussel Prof. Dr. Cathy Macharis Cathy.Macharis@vub.ac.be tel: fax: Het SPATIALIST-project wordt mogelijk gemaakt door de steun van het Instituut voor Aanmoediging van Innovatie door Wetenschap en Technologie (IWT).

3 Het GDI netwerk in Vlaanderen Een kwantitatieve verkenning van het gebruik en de uitwisseling van geodata in Vlaanderen > Rapport Joep Crompvoets Ezra Dessers Tessa Geudens Katleen Janssen Glenn Vancauwenberghe Danny Vandenbroucke Matthias Van hoogenbemt

4

5 Inhoudstafel Inleiding 3 1. Het GDI-netwerk in Vlaanderen 5 2. Methodologie Gebruikers versus producenten GIS-integratie in de werkprocessen Een juridisch beleid voor geodata Het belang van GIS-software Externe financiering Gebruikers versus producenten (bis) De prijs van geodata Een beperkt gebruik van geodata? Een netwerk van afhankelijkheden Een technologische blik Het GDI-netwerk in Vlaanderen: een eindoordeel Vooruitblik naar een netwerk-analyse 121 i

6

7 Inleiding Voor overheden zijn geografische data en informatie altijd al cruciaal geweest. De introductie van geografische informatiesystemen (GIS) betekende een belangrijke evolutie in het omgaan met deze data en informatie. Daar waar de focus aanvankelijk lag op het individuele gebruik binnen afzonderlijke organisaties, zien we dat deze steeds meer verschuift in de richting van het samen-gebruiken en dus uitwisselen van data over verschillende organisaties heen. De voorbije jaren werden dan ook verscheidene initiatieven ondernomen om de uitwisseling van deze geografische bestanden te promoten en te optimaliseren. Naar het geheel van deze initiatieven wordt vaak verwezen met het concept Geografische Data Infrastructuur (GDI). Een Geografische Data Infrastructuur kan in die zin gedefinieerd worden als het geheel van technologische en niettechnologische maatregelen die worden genomen om het gebruik en de uitwisseling van geografische data te bevorderen. Het SPATIALIST-project wil nagaan wat de vereisten zijn voor de verdere ontwikkeling van een succesvolle Geografische Data Infrastructuur in Vlaanderen. Het multidisciplinaire karakter van het project kan gezien worden als een erkenning van de complexiteit en veelzijdigheid van een GDI. Niet alleen op technologisch vlak, maar ook op organisatorisch, economisch, juridisch en interorganisatorisch vlak zijn immers inspanningen vereist voor de ontwikkeling van een goed functionerende GDI. Het SPATIALIST-project wil bijdragen tot het in kaart brengen van deze vereisten en hoe deze gerealiseerd kunnen worden, en dit via verscheidene onderzoeksactiviteiten. Dit rapport dient gezien te worden als een samenvatting van een van deze activiteiten. Als vertrekpunt voor andere onderzoeksactiviteiten wil het SPATIALISTproject namelijk een beschrijving maken van de actuele Geografische Data Infrastructuur in Vlaanderen. Het SPATIALIST-onderzoek gaat daarbij uit van een netwerkperspectief op Geodata Infrastructuren. Dit perspectief houdt in dat een GDI geoperationaliseerd wordt in termen van de organisaties die geodata gebruiken, produceren en/of verdelen en in termen van de stromen van geografische data tussen deze organisaties. Samen vormen zij als het 3

8 ware een netwerk van geografische data-uitwisseling. De Geografische Data Infrastructuur kan dan gezien worden als het geheel van technologische en niet-technologische maatregelen dat vorm geeft aan deze uitwisseling. De organisaties die geodata gebruiken, produceren of uitwisselen in Vlaanderen en de stromen van geografische data tussen deze organisaties vormen het centrale onderzoeksobject van dit rapport. Beide worden doorheen dit rapport bekeken door de multidisciplinaire bril van SPATIALIST. We maken hiervoor gebruik van een kwantitatieve bevraging van 222 gebruikers en producenten van geodata in Vlaanderen. De resultaten van deze bevraging worden in dit rapport uitgebreid besproken. Het rapport is opgebouwd uit 14 hoofdstukken die als volgt zijn georganiseerd. De twee eerstvolgende hoofdstukken gaan dieper in op de aanpak van het onderzoek. Hoofdstuk 1 van dit rapport vertrekt vanuit een korte beschrijving van de (bestuurlijke) context van de huidige Geografische Data Infrastructuur in Vlaanderen. Om na te gaan wat de betekenis is van deze context voor het gebruik en de uitwisseling van geografische data in Vlaanderen, wordt vervolgens het netwerkperspectief op GDI geïntroduceerd. De methodologische uitwerking van dit perspectief wordt besproken in hoofdstuk 2. Hier gaan we na hoe het netwerkperspectief werd toegepast in onze bevraging en welke methodologische bemerkingen hierbij gemaakt kunnen worden. De resultaten van het onderzoek worden besproken vanaf hoofdstuk 3. In de hoofdstukken 3 tot en met 7 bespreken we eerst een aantal GIS-relateerde kenmerken van de bevraagde organisaties. Hoofdstuk 8 maakt vervolgens de sprong van de organisaties binnen de GDI in Vlaanderen naar de data binnen deze GDI. In dit hoofdstuk worden uiteindelijk meer dan 800 stromen van geografische data in Vlaanderen geïdentificeerd. Die stromen worden daarna uitgebreid geanalyseerd in de hoofdstukken 9 tot en met 12. In hoofdstuk 13 wordt de huidige Geografische Data Infrastructuur in Vlaanderen geanalyseerd in termen van sterktes, zwaktes en prioriteiten. In het laatste hoofdstuk van dit rapport, hoofdstuk 14, wordt tot slot vooruitgekeken naar de verdere analyse van het GDI-netwerk in Vlaanderen. 4

9 1. Het GDI-netwerk in Vlaanderen > 1. Inleiding Dit rapport omvat een kwantitatieve verkenning van de Geografische Data Infrastructuur in Vlaanderen. Die verkenning gebeurt vanuit een netwerkperspectief op GDI. In dit hoofdstuk gaan we na wat dit netwerkperspectief juist inhoudt. Alvorens we dat doen, geven we eerst een korte - meer formele - beschrijving van de Geodata Infrastructuur in Vlaanderen. We vertrekken vanuit het samenwerkingsverband GIS- Vlaanderen, en kijken naar de rol van de verschillende partijen binnen én buiten dit samenwerkingsverband. Op basis van deze formele beschrijving trachten we vervolgens aan te tonen wat juist de meerwaarde kan zijn van een netwerkvisie op de GDI in Vlaanderen. > 2. De Geodata Infrastructuur in Vlaanderen De Geografische Data Infrastructuur in Vlaanderen wordt in sterke mate vorm gegeven door het samenwerkingsverband GIS-Vlaanderen. Het samenwerkingsverband, opgericht in 1995, heeft als doel om de aanmaak, het beheer, de uitwisseling en het gebruik van geografische gegevens te optimaliseren. Dit betekent dat het samenwerkingsverband onder meer instaat voor het gemeenschappelijk verwerven van geografische gegevens en het aanmaken, beheren en distribueren van geografische gegevens, maar daarnaast ook voor het opzetten van opleidingsprogramma s en een documentatiecentrum (Vlaamse Parlement, 2000). De deelnemers van het samenwerkingsverband zijn de departementen en agentschappen van de Vlaamse overheid, de Vlaamse openbare instellingen, de provincies en de gemeenten. Met het GDI-decreet, waarin het samenwerkingsverband GDI- Vlaanderen wordt opgericht als vervanger van het samenwerkingsverband GIS-Vlaanderen, worden ook andere Vlaamse instanties opgenomen als deelnemer. Het gaat hier onder meer om Vlaamse intergemeentelijke samenwerkingsverbanden, lokale politie, OCMW s en onderwijsinstellingen (Vlaams Parlement, 2009a). Kortom, alle Vlaamse instanties worden deelnemer aan GDI-Vlaanderen. 5

10 Het Agentschap voor Geografische Informatie Vlaanderen (AGIV) staat in voor de operationele coördinatie en organisatie van het samenwerkingsverband. Ter ondersteuning van de aansturing van het samenwerkingsverband werd de stuurgroep GIS-Vlaanderen opgericht. Deze stuurgroep is samengesteld uit afgevaardigden van de verschillende deelnemers van het samenwerkingsverband, en kan voorstellen formuleren met betrekking tot de toegang, de uitwisseling en het gebruik en het hergebruik van geografische gegevens. Daarnaast werd ook een GI-raad opgericht, bestaande uit maatschappelijke actoren en deskundigen in geografische informatie, en een Wetenschappelijk Comité. De cel Geografische Informatie van het departement DAR staat in voor de beleidsondersteunende taken inzake geografische informatie. Gelet op de verruiming van het toepassingsgebied van het GDI-decreet, wordt de stuurgroep GIS-Vlaanderen vervangen door de Stuurgroep GDI- Vlaanderen, met een aangepaste vertegenwoordiging. De GI-Raad en het Wetenschappelijk Comité worden vervangen door de GDI-Raad (Vlaams Parlement, 2009a). Het AGIV kan dus beschouwd worden als uitvoerend orgaan van het samenwerkingsverband. Het AGIV treedt op als coördinerende kracht en als centraal distributiecentrum voor het verkrijgen van geografische gegevens in Vlaanderen. Hiervoor is het agentschap gemachtigd om zowel met deelnemers aan GIS-Vlaanderen als met derden overeenkomsten af te sluiten voor de aanmaak, bijhouding, distributie en financiering van geografische gegevens. Met de Algemene Administratie van de Patrimoniumdocumentatie (A.A.P.D.) van de FOD Financiën werd bijvoorbeeld een overeenkomst afgesloten ter verdeling van de kadastrale perceelsgegevens (CADMAP). Die gegevens worden jaarlijks door de A.A.P.D. zelf bijgewerkt en verdeeld aan de gemeenten. Het AGIV mag deze gegevens echter verspreiden onder de andere deelnemers van het samenwerkingsverband. Met het Nationaal Geografische Instituut werd dan weer een overeenkomst gesloten inzake de verspreiding van de topografische kaartbestanden. Het wegenbestand dat door het AGIV verspreid wordt, wordt geleverd door een private partner (AGIV, 2009). 6

11 Het AGIV staat daarnaast zelf in voor de realisatie van het Grootschalig Referentie Bestand (GRB), waarin gegevens van gebouwen, inrichting van wegen, spoorwegen, watergebieden en kavels worden opgenomen en, in samenwerking met de gemeenten, voor het Centraal Referentie Adressen Bestand (CRAB). Deze laatste twee bestanden werden decretaal onderbouwd (Vlaams Parlement, 2004: Vlaams Parlement, 2009b). Tot slot staat het AGIV ook in voor de verspreiding van gegevens die aangemaakt en/of beheerd worden door de verschillende deelnemers van het samenwerkingsverband. Voorbeelden hiervan zijn de Vlaamse Hydrografische Atlas, de bodemgebruikskaart, en de watertoets. In de meeste gevallen zijn het departementen of agentschappen van de Vlaamse overheid die deze data beheren. Hierboven werd reeds duidelijk dat een aantal belangrijke geografische datasets worden aangemaakt en beheerd op federaal niveau. Dat is bijvoorbeeld het geval voor het kadastrale percelenplan en de topografische kaarten, maar ook andere federale organisaties zoals het Rijksregister of de Algemene Directie Statistiek en Economische Informatie bezitten waardevolle geografische gegevens. Deze federale organisaties zijn betrokken partij bij de ontwikkeling van de Geografische Data Infrastructuur in Vlaanderen. Organisaties in Vlaanderen die geografische data gebruiken, maken immers vaak gebruik van deze federale data. Die federale data worden in een aantal gevallen weliswaar verspreid via het samenwerkingsverband GIS-Vlaanderen. Toch worden deze data vaak ook rechtstreeks bij de federale producent gehaald. Organisaties kunnen deze directe toegang bijvoorbeeld verkiezen omdat ze zo sneller toegang verkrijgen tot de data, of omdat ze zo meer invloed hebben op de gebruiksvoorwaarden. Dat geldt trouwens ook voor geografische data die op Vlaams niveau worden aangemaakt en beheerd. Ook daar kan het gebeuren dat gebruikers de gewenste data rechtstreeks bij de producent halen. Naast de partijen op federaal en Vlaams niveau spelen ook de provincies een belangrijke rol in de Geodata Infrastructuur in Vlaanderen. Slechts één voorbeeld van de rol van de provincies binnen de GDI in Vlaanderen is de productie van de middenschalige kleurenorthofoto s (Vereniging van de Vlaamse Provincies, 2006). De aanmaak en update van een orthofotobedekking voor Vlaanderen zijn immers het resultaat van een samenwerking tussen het AGIV en de provincies. Binnen bepaalde beleidsdomeinen staan de provincies daarnaast ook in voor de aanmaak 7

12 en/of bijhouding van geografische gegevens. Bovendien worden op provinciaal niveau ook verschillende GDI-initiatieven ontwikkeld naar de lokale besturen toe (Vereniging van de Vlaamse Provincies, 2009). Die initiatieven bestaan voor een deel uit het samenbrengen en ter beschikking stellen van geografische data. Op die manier vormen de provincies weliswaar in verschillende mate en op enigszins verschillende manieren een bijkomend verdeelpunt voor geodata naar de lokale overheden. De rol van die lokale overheden in de Geografische Data Infrastructuur in Vlaanderen is echter niet beperkt tot het pure gebruik van al dan niet extern aangeboden - geografische data. Lokale besturen maken ook zelf geografische data aan, en zijn bovendien beheerder van heel wat (kern)data. Het is vooral daardoor dat ook zij een sleutelpositie innemen in een GDI. In bovenstaande beschrijving van de Geografische Data Infrastructuur in Vlaanderen hadden we hoofdzakelijk aandacht voor de zogenaamde producenten en verdelers van geografische data. Om het verhaal te vervolledigen, dienen we echter aan te geven dat er daarnaast ook heel wat gebruikers van geodata zijn. Er zijn immers verscheidene overheidsorganisaties die (voorlopig) niet meer doen dan het samenbrengen van data van verschillende producenten en verdelers in hun GIS. Net zoals er overheidsorganisaties zijn die wel eigen data aanmaken, maar deze (voorlopig) nog niet ter beschikking stellen van anderen. Organisaties die niet tot de overheid behoren, kregen vooralsnog slechts beperkte aandacht in deze voorstelling van de GDI in Vlaanderen. Tot slot willen we daarom benadrukken dat ook zij onderdeel zijn van deze GDI. Geografische data die door private of non-profit organisaties worden aangemaakt, kunnen immers evenzeer aan de GDI toegevoegd worden. Omgekeerd kunnen de data die de GDI bevat ook voor partijen buiten de overheid van waarde zijn. > 3. Een netwerkvisie op GDI In Vlaanderen zijn er dus een veelheid aan organisaties die geografische data aanmaken, beheren, verdelen en/of gebruiken. Om de uitwisseling van 8

13 data tussen deze organisaties te coördineren en te faciliteren, worden verscheidene initiatieven opgezet. Het samenwerkingsverband GIS- Vlaanderen (of GDI-Vlaanderen) kan beschouwd worden als het meest belangrijke van deze initiatieven. Zowel binnen als buiten dit samenwerkingsverband worden echter verscheidene andere initiatieven opgezet ter verbetering van de toegang, het gebruik en de uitwisseling van geodata. Eén van de cruciale vraagstukken bij de ontwikkeling van een performante GDI is hoe deze verschillende initiatieven op elkaar af te stemmen. Het SPATIALIST-onderzoek is dan ook geïnteresseerd in de wisselwerking tussen verschillende initiatieven. Vanuit de context in Vlaanderen bekeken, betekent dit dat onze beschrijving niet alleen oog heeft voor het samenwerkingsverband GDI-Vlaanderen op zich, maar ook kijkt naar andere initiatieven binnen de GDI, zoals bijvoorbeeld de initiatieven op provinciaal niveau of de rechtstreekse datastromen. In de realiteit worden organisaties immers geconfronteerd met verschillende initiatieven, en kunnen zij data verkrijgen vanuit verschillende hoeken. Via dit onderzoek willen we inzicht krijgen in wie gebruik maakt van welke data en waarom. Voor onze beschrijving van de GDI in Vlaanderen zijn we dus geïnteresseerd in de feitelijke resultaten van de GDI en de onderliggende initiatieven. Dit wil zeggen dat we in deze studie niet kijken naar welke standaarden er gevolgd worden, welke metadata voorzien worden of welke coördinatieorganen er zijn. Wél analyseren we wat de betekenis is van een GDI voor de wijze waarop organisaties data verkrijgen en uitwisselen. We bekijken een GDI zodoende vanuit het oogpunt van de organisaties waarvoor deze ontwikkeld wordt. Het SPATIALIST-onderzoek gaat daarom uit van een netwerkperspectief op Geodata Infrastructuren. Dit perspectief houdt in dat een GDI geoperationaliseerd wordt in termen van de organisaties die geodata gebruiken, produceren en/of verdelen en in termen van de stromen van geografische data tussen deze organisaties. Samen vormen zij een netwerk van geografische data-uitwisseling. De Geografische Data Infrastructuur kan hierbij gezien worden als het geheel van maatregelen en initiatieven dat vorm geeft aan dit netwerk. 9

14 Een aantal van die maatregelen en initiatieven werden eerder in dit hoofdstuk kort besproken. Verder in dit rapport gaan we na wat de betekenis is van deze initiatieven op de toegang, het gebruik en de uitwisseling van geografische gegevens in Vlaanderen. Dit doen we door te kijken naar de organisaties die geodata gebruiken, produceren of uitwisselen in Vlaanderen, en naar de geodatastromen hiertussen. 10

15 2. Methodologie > 1. Inleiding Dit rapport bevat de resultaten van de SPATIALIST-bevraging bij de gebruikers en producenten van geografische data in Vlaanderen. Doel van deze bevraging was om een zicht te krijgen op de huidige stand van zaken van de Geografische Data Infrastructuur in Vlaanderen. Die bevraging gebeurde op basis van een online vragenlijst, verzonden naar alle publieke organisaties in Vlaanderen. In dit hoofdstuk bespreken we de respons van de bevraging en de opbouw van de vragenlijst. Ter afronding maken we ook enkele methodologische bemerkingen omtrent de gevolgde aanpak. > 2. Respons van de survey De online vragenlijst werd verzonden naar 509 publieke organisaties. Het ging hier om 40 organisaties op federale niveau, 109 organisaties van de Vlaamse overheid, de vijf provincies, de 308 Vlaamse gemeenten en een 47- tal andere organisaties. Die andere organisaties zijn in hoofdzaak intercommunales, maar daarnaast werden ook de provinciale ontwikkelingsmaatschappijen en enkele havens uitgenodigd om deel te nemen aan het onderzoek. De vragenlijst werd een eerste maal verzonden in april Ter verhoging van de respons werd de bevraging herhaald in november Tabel 2.1 Respons per bestuursniveau Populatie Respondenten Percentage Federaal ,0 % Vlaams ,5 % Provinciaal % Lokaal ,5 % Andere ,0 % Totaal ,5 % 11

16 De uiteindelijke respons per bestuursniveau is weergegeven in tabel 2.1. De totale responsgraad van de enquête is 45,5%. Dat percentage kan verduidelijkt worden door te kijken naar de verschillende bestuursniveaus. Als we om te beginnen de respons op federaal niveau bekijken, dan zien we dat slechts een kwart van de aangeschreven organisaties de vragenlijst hebben ingevuld (25%). Op Vlaams niveau ligt die respons al iets hoger, met 36,5% van de uitgenodigde organisaties die hebben deelgenomen aan de enquête. Kijken we evenwel enkel naar de organisaties uit de beleidsdomeinen Ruimtelijke Ordening, Woonbeleid en Onroerend Erfgoed (RWO), Leefmilieu, Natuur en Energie (LNE), Mobiliteit en Openbare Werken (MOW) en Landbouw en Visserij (LV) plus het Agentschap voor Geografische Informatie Vlaanderen (AGIV), dan stijgt die respons naar 76%. Van de 25 aangeschreven organisaties uit deze beleidsdomeinen, hebben namelijk 19 de vragenlijst ingevuld teruggestuurd. Dit kan gezien worden als een indicatie dat vooral organisaties die vertrouwd zijn met GIS en geografische data, de vragenlijst hebben ingevuld. Een aantal aangeschreven organisaties hebben trouwens expliciet laten weten dat zij de vragenlijst niet konden invullen, omdat zij zelf gewoonweg geen (digitale) geodata gebruiken. Dat is enigszins begrijpelijk, aangezien de vragenlijst in sterke mate gericht was op gebruikers en producenten van digitale geografische data. Deze vaststelling geldt trouwens voor alle bestuursniveaus (behalve het provinciale), en kan telkens gezien worden als een gedeeltelijke verklaring voor een lage of lagere respons. Ook de relatief lage respons van het federale niveau, zou dus gedeeltelijk verklaard kunnen worden door een beperkt gebruik van digitale geodata op dat niveau. Hetzelfde geldt in bepaalde mate voor het lokale niveau. Daar is de respons met een percentage van 52,5% relatief hoog, maar kan eveneens gesteld worden dat enkel lokale overheden die met GIS vertrouwd zijn, aan onze enquête hebben deelgenomen. In tabellen 2.2 en 2.3 bekijken we de respons op lokaal niveau even van naderbij. In tabel 2.2 worden de lokale organisaties die hebben deelgenomen aan onze bevraging opgedeeld naar aantal inwoners. Tabel 2.3 maakt een opdeling van de lokale respondenten over de verschillende 12

17 provincies. In beide gevallen wordt de verdeling van lokale besturen van onze survey vergeleken met de verdeling binnen Vlaanderen. Tabel 2.2. Respons op lokaal niveau per aantal inwoners Respons Vlaanderen Minder dan (24,1%) 89 (28,9%) (21,0%) 83 (26,9%) (19,8%) 51 (16.6%) (16,7%) 43 (14,0%) (10,5%) 26 (8,4%) Meer dan (8,00%) 16 (5,2%) Totaal 162 (100%) 308 (100%) Bekijken we de verdeling van onze lokale respondenten naar aantal inwoners, dan zien we onder meer dat het in bijna een kwart van de gevallen gaat om gemeenten met minder dan inwoners. Belangrijker is echter de vergelijking met de verdeling van lokale besturen binnen Vlaanderen. Aangezien bijna 29% van de gemeenten in Vlaanderen gemeenten zijn met minder dan inwoners, is deze categorie van gemeenten ondervertegenwoordigd in de survey. Hetzelfde geldt voor de gemeenten met tot inwoners. De overige categorieën zijn dan weer oververtegenwoordigd in de bevraging. Op basis van deze vergelijking kunnen we dus stellen dat de kleinere gemeenten in lichte mate ondervertegenwoordigd zijn in de enquête. Tabel 2.3 geeft de verdeling van onze lokale respondenten naar de provincie waartoe deze behoren. Zo zien we dat de enquête evenveel respondenten bevat uit de provincies Antwerpen, Oost-Vlaanderen en West-Vlaanderen. De vergelijking met de algemene verdeling van gemeenten in Vlaanderen toont echter dat de gemeenten uit Vlaams-Brabant ondervertegenwoordigd zijn in de enquête. De gemeenten uit Limburg en West-Vlaanderen zijn daarentegen licht oververtegenwoordigd. Algemeen kan evenwel gesteld worden dat de verdeling van de gemeenten in onze enquête in zekere mate overeenkomt met de realiteit. 13

18 Tabel 2.3. Respons op lokaal niveau per provincie Respons Vlaanderen Antwerpen 36 (22.2%) 70 (22,7%) Limburg 26 (16.0%) 44 (14,3%) Oost-Vlaanderen 36 (22,0%) 65 (21,1%) Vlaams-Brabant 28 (17,3%) 65 (21,1%) West-Vlaanderen 36 (22,2%) 64 (20,8%) Totaal 162 (100%) 308 (100%) Op provinciaal niveau zelf is de respons maximaal, met alle vijf de provincies die hebben deelgenomen aan de enquête. De non-respons bij de andere organisaties is dan weer grotendeels toe te schrijven aan de intercommunales. Van de 38 aangeschreven intercommunales werd de vragenlijst door slechts 8 intercommunales ingevuld. Ook hier kan evenwel de vraag gesteld worden in welke mate de overige 30 intercommunales in aanraking komen met geodata. Tot slot dienen we ook aan te geven dat een aantal van de respondenten in de vragenlijst zelf aangaven dat zij geen geodata gebruiken. Aan het begin van de enquête werd immers de vraag gesteld of de bevraagde organisaties gebruiker of producent zijn van geografische data, of eventueel geen van beide. Die organisaties maken geen deel uit van de analyses in dit rapport. Uiteindelijk werden 222 organisaties opgenomen in de analyses. > 3. Opbouw van de survey In de voorgaande hoofdstukken van dit werk introduceerden we reeds onze netwerkbenadering op Geografische Data Infrastructuren. Die operationele benadering van GDI houdt in dat een GDI bekeken wordt enerzijds vanuit de organisaties die geografische data gebruiken, produceren en uitwisselen, en anderzijds vanuit de stromen van geografische data tussen deze organisaties. Samen vormen zij een netwerk van geografische datauitwisseling. 14

19 De opbouw van de vragenlijst sluit nauw aan bij deze netwerkvisie. Die vragenlijst was opgebouwd uit drie delen. In het eerste deel stonden de organisaties centraal, en werd geïnformeerd naar een aantal kenmerken van deze organisaties. Informatie werd verzameld over algemene kenmerken als het bestuursniveau, de organisatiestructuur en het aantal personeelsleden, maar ook over een aantal GIS-gerelateerde kenmerken. Zo werd bijvoorbeeld gepeild naar de mogelijke aanwezigheid van een dataverstrekkingsbeleid, de gebruikte GIS-software en de beleidsmateries waarvoor GIS-gebruikt wordt binnen de organisatie. Het tweede deel van de enquête was gericht op de datastromen tussen deze organisaties. Voor vier specifieke types van geografische data dienden de respondenten aan te duiden van welke andere organisaties ze deze data ontvingen. Op die manier konden voor alle organisaties stromen van geografische data vanuit andere organisaties geïdentificeerd worden. Voor elk van deze stromen werden daarbij een aantal kenmerken bevraagd. Het gaat hier bijvoorbeeld om kenmerken zoals prijs, juridische basis, vervangbaarheid en overdrachtfrequentie. Op basis van deze eerste twee delen kan dus een netwerk van geografische datastromen tussen de bevraagde actoren onderscheiden worden. Bovendien werd ook een aantal kenmerken bevraagd van organisaties en van de datastromen. Deel drie beschouwt dit netwerk of de GDI in Vlaanderen in meer algemene zin. In dit deel werd aan de respondenten gevraagd wat volgens hen de voornaamste sterktes zijn van de GDI en wat de voornaamste zwaktes. Daarnaast werd ook gepeild naar de investeringsprioriteiten voor de Geodata Infrastructuur in Vlaanderen. > 4. Methodologische kanttekening Alvorens we overgaan tot de bespreking van de resultaten, is het noodzakelijk om enkele methodologische bemerkingen te maken bij de gevolgde aanpak. Bij de bespreking van de respons stuitten we reeds op een eerste belangrijke beperking van onze methodologie. Daar gaven we reeds aan dat de vragenlijst expliciet gericht was op gebruikers en producenten van geografische data. Voor organisaties die niet vertrouwd zijn met geografische data, was het minder evident om de bevraging tot een goed 15

20 eind te brengen. Er kan dan ook verwacht worden dat de respons bij deze niet-gebruikers van de geodata heel wat lager ligt. De analyses in dit rapport gebeuren op het niveau van de organisatie. De antwoorden voor elke organisatie werden evenwel verzameld bij individuele respondenten. Zij beantwoorden de vragenlijst als het ware in naam van hun organisatie. De persoon aan wie de vragenlijst werd voorgelegd, is in de meeste gevallen de GIS-coördinator van deze organisatie. Bij ontbreken van deze functie, werd de vragenlijst verstuurd naar een andere dienst of functie. In een aantal gevallen was dit de ICT-verantwoordelijke of de ICTdienst van de organisatie, voor de lokale besturen was dit vaak de dienst ruimtelijke ordening of de technische dienst. Wat de contactopname met de organisaties in kwestie betreft, leverde de utiliteitsgroep van het SPATIALIST-project een substantiële bijdrage. Zij bezorgden ons de geschikte contactgegevens van heel wat van de respondenten, en hielpen bij het overtuigen van de respondenten tot deelname aan de bevraging. We moeten er ons dus van bewust zijn dat de vragenlijst over de organisaties heen werd ingevuld door verschillende profielen. Uiteindelijk werd getracht om de vragenlijst in iedere organisatie te laten terechtkomen bij de meest geschikte persoon. Toch moeten we ons de vraag stellen in welke mate dit mogelijk was. In de vragenlijst werd namelijk informatie verzameld over uiteenlopende aspecten van GIS-gebruik en datauitwisseling. Die informatie had niet alleen betrekking op de puur technologische aspecten hiervan, maar ook economische, juridische en organisatorische kennis was in zekere zin vereist. De kans is reëel dat die kennis niet altijd in gelijke mate aanwezig is bij één persoon, wat uiteindelijk kan resulteren in een zekere vertekening van de resultaten. Door evenwel rekening te houden met de bovenvermelde methodologische bemerkingen kunnen we de resultaten en bevindingen van dit onderzoek op een correcte manier inschatten. 16

21 3. Gebruikers versus producenten > 1. Inleiding Bij de ontwikkeling van een Geografische Data Infrastructuur zijn tal van partijen betrokken. Dit geheel van betrokkenen kan op verscheidene manieren opgedeeld worden. Om te beginnen wordt bijvoorbeeld vaak het onderscheid gemaakt tussen stakeholders binnen de overheid en stakeholders buiten de overheid. Dat onderscheid wordt vooral gemaakt om er op te wijzen dat de ontwikkeling van een Geografische Data Infrastructuur ook oog moet hebben voor partners buiten die overheid. Hierbij kan gedacht worden aan private organisaties, non-profit organisaties, academici en ook burgers. Voornamelijk om methodologische redenen, was onze enquête hoofdzakelijk gericht op partijen binnen de overheid. De enquête werd immers uitsluitend uitgezonden naar publieke organisaties. Partijen buiten de overheid kwamen slechts aan bod in de mate dat zij data leverden aan de ondervraagde organisaties. Maar zelfs als we enkel binnen de overheid kijken, zien we een aantal nieuwe opdelingen terug. Traditioneel gezien wordt de overheid als geheel bijvoorbeeld vaak opgesplitst volgens bestuursniveaus. Ook in de context van GDI wordt dat onderscheid als relevant beschouwd. Men stelt dan dat organisaties uit verschillende bestuursniveaus sterk van elkaar verschillen, zowel op vlak van capaciteit als op vlak van eisen en noden. Bij de bespreking van de respons van de enquête, werd reeds aangetoond dat de verschillende bestuursniveaus opgenomen zijn in de bevraging. Dit onderscheid tussen verschillende bestuurslagen wordt ook meegenomen doorheen de verdere analyses. Voor elk van de onderzochte kenmerken zal immers worden nagegaan wat de impact is van een bestuursniveau. Nog een typische onderverdeling in de GDI-literatuur is die tussen producenten van geografische data en gebruikers van die data. Dat onderscheid geldt niet alleen binnen de overheid, maar ook daarbuiten. De private sector kan bijvoorbeeld de data aanmaken die overheden vervolgens gebruiken, maar omgekeerd kunnen ook de geografische data van de overheid waardevol zijn voor de private sector. Ook burgers kunnen niet alleen data gebruiken, maar kunnen ook een bijdrage leveren aan de productie van geodata. In dit hoofdstuk en verder in het rapport - 17

22 beperken we ons evenwel tot de publieke organisaties, en gaan we om te beginnen na in welke mate het basisonderscheid tussen gebruikers en producenten daar aanwezig is. Aansluitend kijken we ook naar de beleidsvelden waarin deze geografische data gebruikt en ook geproduceerd worden. Eén van de belangrijkste kenmerken van geografische data is immers hun grote toepassingspotentieel. Geodata kunnen waardevol zijn in verschillende toepassingsgebieden. In dit hoofdstuk gaan we voor een aantal beleidsvelden na in welke mate geodata hierin worden ingezet. Dit stelt ons bovendien in staat om onze organisaties in te delen in een aantal categorieën. > 2. Gebruiker of producent Overheden worden in vele gevallen beschouwd als sleutelspelers in de ontwikkeling van Geodata Infrastructuren. Dat komt dan doordat zij traditioneel en zeker in de analoge wereld - zowel de grootste producenten zijn van geografische data als de grootste gebruikers van deze data. Dit basisonderscheid tussen producenten enerzijds en gebruikers anderzijds wordt frequent toegepast in de GDI-literatuur. Nog steeds worden gebruikers en producenten al te vaak als opponenten beschouwd, aangezien de belangen van beide groepen immers tegenstrijdig zijn. Terwijl producenten gericht zijn op het verkrijgen van een juiste prijs voor hun data, willen gebruikers vooral toegang tot data op een zo eenvoudig en dus goedkoop mogelijke manier. In realiteit is het strikte onderscheid tussen producenten enerzijds en gebruikers anderzijds echter nogal ongenuanceerd, en is verdere specificering wenselijk. Tussen de pure producenten aan de ene zijde en de pure gebruikers aan de andere zijde, zijn er bijvoorbeeld nog aantal tussenopties: actoren die bestaande geodata gebruiken om nieuwe data te produceren, actoren die data verwerken in functie van de eigenlijke gebruikers, enz. Zelfs gebruikers van data kan men op verschillende manieren beschouwen: er zijn bijvoorbeeld de gebruikers van de geografische data zelf, maar daarnaast ook gebruikers van de informatie die 18

23 uit deze data wordt afgeleid. De grens tussen beide is niet altijd even duidelijk vast te leggen. In de vragenlijst werd deze veelheid aan mogelijkheden teruggebracht tot drie opties. Aan de respondenten werd immers gevraagd om aan te geven of hun organisaties ofwel (vooral) gebruiker was van geodata, ofwel (vooral) producent van geodata, ofwel beide. De resultaten van deze vraag vinden we terug in tabel 3.1. Wat meteen opvalt in deze tabel, is het zeer geringe aantal organisaties die omschreven worden als vooral producent. Slechts één van de 222 respondenten beschouwde zijn organisaties immers op die manier. Dat is in zekere mate begrijpelijk. Voor de productie van geografische data zijn in bepaalde gevallen ook geografische data vereist. In zekere zin worden oude data dan gebruikt om de nieuwe data aan te maken. Of, andersom, de geproduceerde data worden meestal uiteindelijk ook gebruikt door de organisatie die deze aanmaakt. Tabel 3.1. Gebruikers versus producenten: frequenties en percentages Aantal Percentage Vooral gebruiker ,5 Vooral producent 1 0,5 Zowel gebruikers als producent 83 37,5 Weet niet 8 3,5 Totaal Het gevolg hiervan is dat de groep van bevraagde organisaties opgedeeld kunnen worden in twee deelgroepen: enerzijds de organisaties die geografische data vooral of uitsluitend - gebruiken, anderzijds de organisaties die geografische data gebruiken en produceren. Die eerste groep is in de meerderheid, met een verhouding van ongeveer 60% tegenover 40%. Bij de verdere analyses van de enquêteresultaten, zullen we dit basisonderscheid in het achterhoofd houden, en zal telkens nagegaan worden wat de impact is van dit onderscheid op andere bevraagde karakteristieken. Eerder al gaven we aan dat ook het bestuursniveau van de organisaties op een zelfde manier zal opgenomen worden in de enquête. Wanneer we nu kijken naar het verband tussen beide variabelen, vinden we alvast geen significante relatie terug. Dit betekent dat zowel de pure 19

24 gebruikers van geodata als de organisaties die ook geodata aanmaken op alle bestuursniveaus zijn terug te vinden, en dat de verdeling tussen beide groepen nagenoeg gelijk is over de bestuursniveaus heen. Verder in de enquête gaan we dieper in op het onderscheid tussen producenten enerzijds en gebruikers anderzijds. We doen dit aan de hand van vier vooraf bepaalde types van geografische data. Zo gaan we na of het aantal gebruikers en producenten al dan niet constant is voor deze vier types van geodata. Bovendien proberen we ook na te gaan hoe het produceren van data en het gebruiken van data met elkaar verbonden zijn. Als organisaties geodata produceren, produceren ze die dan voor eigen gebruik of voor gebruik door anderen? En als organisaties eigen data gebruiken, combineren ze die dan met gelijkaardige data van anderen, of niet? Die vragen trachten we in hoofdstuk 8 van dit rapport te beantwoorden. In het vervolg van dit hoofdstuk focussen we op beleidsvelden waarin geografische data gebruikt en/of aangemaakt worden. > 3. Beleidsvelden > 3.1. Algemeen Van geografische data wordt vaak gesteld dat zij ingezet kunnen worden in tal van toepassingen en beleidsvelden. Dit grote toepassingspotentieel wordt dan gezien als een belangrijk argument om Geografische Data Infrastructuren te ontwikkelen. Die Infrastructuren moeten in zekere zin vermijden dat organisaties uit verschillende beleidsvelden hun eigen geografische data (moeten) aanmaken. Gelet op de hoge kostprijs die vereist is om geografische data aan te maken, een tweede belangrijk kenmerk van deze data, kunnen zo enorme kosten voor dataproductie uitgespaard worden. In onze enquête wilden we nagaan in welke mate dit grote potentieel aan toepassingen ook daadwerkelijk gerealiseerd wordt. We gebruiken hiervoor de beleidsvelden als invalshoek. Men kan immers stellen dat het grote potentieel van geodata niet alleen inhoudt dat er veel toepassingen zijn binnen één beleidsveld, maar ook dat er toepassingen zijn in verschillende beleidsvelden. Om die reden werden aan de respondenten vier 20

25 beleidsvelden voorgelegd, waarvoor zij dan vervolgens dienden aan te geven of in hun organisatie GIS in deze beleidsvelden werd ingezet. Hierbij werd gekozen voor een aantal uiteenlopende beleidsvelden: enerzijds een typische geografisch-gericht beleidsthematiek als ruimtelijke planning, anderzijds een beleidsveld dat minder met geografische data geassocieerd wordt als sociaal beleid. De overige twee voorgelegde beleidsvelden, waterbeleid en verkeersveiligheid, bevinden zich tussen beide uitersten. De keuze van deze vier beleidsvelden gebeurde eveneens in functie van verdere onderzoeksactiviteiten van het SPATIALIST-project. Tabel 3.2. Geodata-gebruik in verschillende beleidsvelden Ja (%) Nee (%) Ruimtelijke planning 190 (85,5) 32 (14,5) Water 86 (38,5) 136 (61,5) Verkeersveiligheid 76 (34,0) 146 (66,0) Sociaal beleid 29 (13,0) 193 (87,0) Andere 103 (46,5) 109 (53,5) Tabel 3.2 geeft een overzicht van de mate waarin de bevraagde organisaties geografische data inzetten in deze vier velden. Het beeld van de twee uitersten wordt hier bevestigd. Meer dan 85% van de organisaties geeft immers aan geografische data te gebruiken voor ruimtelijke planning, terwijl slechts 13% dit doet voor sociaal beleid. Ook voor waterbeleid en verkeersveiligheid gebruikt slechts een minderheid van de respondenten geografische data. In geval van waterbeleid gaat het om 38% van de organisaties, bij verkeersveiligheid is dit 34,0 %. Een belangrijke afweging die hierbij gemaakt dient te worden is hoeveel organisaties bij elk van deze beleidsvelden betrokken zijn, en hoeveel van deze organisaties deelgenomen hebben aan het onderzoek. Logischerwijs kunnen organisaties geografische data pas inzetten in een bepaald beleidsveld als zij bij dit beleidsveld betrokken zijn. De respondenten konden daarnaast ook aangeven dat zij geografische data gebruiken in andere beleidsvelden. Bijna de helft van de respondenten (46,5%) gaf aan dat dit voor zijn organisatie het geval was. Via een open vraag konden zij vervolgens aangeven over welke beleidsvelden het juist 21

26 gaat. Beleidsvelden die hierbij veelvuldig werden aangegeven zijn milieu, openbare werken en mobiliteit. Verscheidene organisaties gaven ook aan geografische data te gebruiken voor het beheer van hun bevolkingsgegevens. Het belang van geografische data beperkt zich echter niet tot de mogelijkheid om deze data in vele toepassingen en velden te gebruiken. Wat geografische data nog waardevoller maakt, is de potentie om data uit deze verschillende toepassingen en velden met elkaar te combineren. Dat combineren van data uit verschillende bronnen is mogelijk op basis van een gemeenschappelijke geometrische component. Het samenvoegen van data en informatie uit verschillende beleidsvelden kan zo bijdragen tot nieuwe informatie, en uiteindelijk tot het voeren van een geïntegreerd beleid. Men zou kunnen stellen dat een basisvereiste hiervoor is dat GIS reeds wordt ingezet in elk van de afzonderlijke beleidsvelden op zich. Pas als alle beleidsvelden op een effectieve en efficiënte manier geografische data aanmaken, gebruiken en beheren, kan er dan sprake zijn van een geïntegreerde beleidsvoering. Tabel 3.3 biedt een indicatie van de mate waarin deze basisvereiste gerealiseerd is, door voor elk van de organisaties de som te maken van het aantal beleidsvelden uit onze bevraging waarin geodata gebruikt werden. Uit praktische overwegingen werd de categorie Andere hierbij als één beleidsveld beschouwd. Het maximum aantal beleidsvelden is zodus vijf, het minimum één. Tabel 3.3. Geodata-gebruik in totaal aantal beleidsvelden Aantal Percentage Eén beleidsveld 81 37,0 Twee of drie beleidsvelden ,0 Vier of vijf beleidsvelden 33 15,0 Totaal Op die manier kunnen we de respondenten onderverdelen in drie groepen. Om te beginnen zijn er 81 organisaties waarbij het gebruik van geografische data beperkt is tot één van de vijf beleidsvelden. Het gaat hier om 37% van de organisaties. Bijna de helft van de organisaties (48%) zet geodata in in 22

27 twee of drie beleidsvelden. 15% van de bevraagde organisaties gebruiken geografische data in vier of zelfs vijf beleidsvelden. > 3.2. Vergelijking Ook deze onderverdeling naargelang het aantal beleidsvelden zal meegenomen worden doorheen het volledige eerste deel van de enquête. Maar eerst kijken we in welke mate er een verband is met onze vorige twee achtergrondvariabelen, het bestuursniveau en het gebruiker-producent onderscheid. In beide gevallen is er een significant verschil terug te vinden. Tabel 3.4. Geodata-gebruik in totaal aantal beleidsvelden: per bestuursniveau Eén Twee of drie Vier of vijf Vlaams 56,0 % 44,0 % - Provinciaal - 20,0 % 80,0 % Lokaal 31,5 % 51 % 17,5 % Wat het bestuursniveau betreft (tabel 3.4), zien we dat de organisaties die geografische data gebruiken in vier of vijf beleidsvelden vooral de zogenaamde lagere overheden zijn. Bij de lokale overheden geeft 17,5 % van de organisaties aan GIS te gebruiken in zeker vier van de opgesomde beleidsvelden. Bij de provincies is dit zelfs 80% (of vier van de vijf). GISgebruikers binnen de Vlaamse overheid kunnen vervolgens opgedeeld worden in twee groepen: organisaties die geodata gebruiken binnen slechts één beleidsveld enerzijds, en organisaties die deze data gebruiken in twee of drie van de door ons opgesomde beleidsvelden. Dit contrast tussen de Vlaamse overheid enerzijds en de lagere overheden is op zich weinig verwonderlijk. Organisaties op Vlaams niveau maken steeds deel uit van een bepaald beleidsdomein, waarbinnen ze slechts geconfronteerd worden met een beperkt aantal nauw verbonden beleidsvelden. Het is dan ook logisch dat hun gebruik van geodata zich beperkt tot deze beleidsvelden. De beleidsvelden die in de enquête werden voorgelegd, waren eerder divers van aard, en worden zelden tot nooit gecombineerd binnen één beleidsdomein. 23

28 Op provinciaal en lokaal niveau is de situatie anders. Vergeleken met de Vlaamse overheid, die in sterke mate georganiseerd is op basis van één functie of specialiteit per organisatie, zijn lokale en provinciale overheden territoriaal georganiseerd. Binnen dit territorium worden dan verscheidene functies gecombineerd. Beleidsmatig bekeken komen lokale en provinciale overheden in aanraking met verscheidene beleidsvelden. Van de 31% van de lokale organisaties die slechts in één van de vijf velden geodata gebruiken weten we dus dat zij ook met de andere beleidsvelden geconfronteerd worden. Alleen gebruiken zij voor het bepalen en uitvoeren van het beleid in deze velden geen geografische data. Op dat vlak onderscheiden de provinciale overheden zich van de lokale. Ook provinciale overheden komen immers in aanraking met meerdere van de door ons opgesomde beleidsvelden. Maar in tegenstelling tot de lokale overheden maakt de meerderheid van hen ook gebruik van geografische data binnen deze beleidsvelden. Tabel 3.5. Geodata-gebruik in totaal aantal beleidsvelden: gebruikers versus producenten Eén Twee of drie Vier of vijf Gebruiker 42,0 % 48,5 % 9,5 % Producent 24,0 % 51,0 % 25,0 % Tot slot kijken we nog even naar het onderscheid tussen de gebruikers en de producenten, of, juister, tussen de organisaties die geografische data vooral gebruiken en de organisaties die deze data eveneens produceren. De producenten-groep bestaat met andere woorden uit de organisaties die aangaven geodata te gebruiken en te produceren aangevuld met de ene organisatie die geodata toch hoofdzakelijk produceert. Tabel 3.5 toont aan dat de verdeling van beide groepen naargelang het aantal beleidsvelden waarin zij geodata inzetten enigszins verschillend is. De verschillen situeren zich aan de beide uiteinden. We zien dat de pure gebruikers van geodata deze data slechts gebruiken in een beperkt aantal beleidsvelden. Slechts 10% van de datagebruikers zet immers geodata in in vier of vijf van de voorgelegde beleidsvelden. 24

29 Bij de organisaties die ook zelf data aanmaken, ligt dit percentage significant hoger. Eén op de vier producerende organisaties gebruikt namelijk geografische data in zeker vier van de beleidsvelden. Een ander kwart van de producenten doet dit in slechts één beleidsveld, terwijl de helft van de producenten geodata inzet in twee of drie van de opgesomde velden. Wat dat laatste betreft, is er eigenlijk nauwelijks verschil met de organisaties die zichzelf als gebruikers beschouwen. > 4. Conclusie Geografische Data Infrastructuren hebben als doelstelling om de uitwisseling en het gebruik van geografische data te promoten en te faciliteren voor alle relevante stakeholders. In dit deel hebben we even stilgestaan bij een aantal manieren waarop deze stakeholders opgedeeld worden in groepen. Eén van die opdelingen is de opdeling tussen gebruikers enerzijds en producenten anderzijds. De resultaten van onze enquête tonen aan dat er in de context van de GDI in Vlaanderen eerder sprake is van een onderverdeling tussen pure gebruikers enerzijds en producerende gebruikers anderzijds. Die laatste groep bestaat dan hoofdzakelijk uit organisaties die voor, na of tijdens de productie van geodata ook zelf geodata gebruiken. We zagen dat in Vlaanderen de verhouding tussen beide groepen ongeveer 60% gebruikers is tegenover 40% producenten. Bovendien blijft die verhouding constant over de verschillende bestuurslagen heen. Vervolgens werd ook gekeken naar het aantal beleidsvelden waarin geografische data werden ingezet. Hier zagen we dat het gebruik van geodata in veel gevallen beperkt was tot een aantal beleidsvelden. Slechts 15% van de bevraagde organisaties zette GIS en geodata in zeker vier van de door ons voorgelegde beleidsvelden. Voor de organisaties van de Vlaamse overheid is dit nog enigszins logisch, omdat zij veelal met slechts een beperkt aantal beleidsvelden geconfronteerd worden. Het is vooral de toestand op lokaal niveau die erop wijst dat het enorme toepassings- en integratiepotentieel van geografische data vooralsnog onderbenut blijft. 25

30

31 4. GIS-integratie in de werkprocessen > 1. Inleiding Een Geografische Data Infrastructuur wil de toegang, het gebruik en het delen van geografische data bevorderen. Dit is echter geen doel op zich. De werkelijke relevantie van de GDI zit in haar bijdrage aan een betere werking van de organisaties en hun werkprocessen. De manier waarop de verschillende besturen intern omgaan met geografische informatie, is dus belangrijk om de huidige werking van de GDI in Vlaanderen te begrijpen, en om er de verdere uitbouw op af te stemmen. De hoeveelheid GIS-gebruikers in een organisatie zegt nog niets over de wijze waarop geografische data en informatie gebruikt worden. We onderscheiden 4 vormen van GIS-gebruik (gebaseerd op de vraag over de inzet van ICT in de werksituatie, in de Panel Survey on Organisations (PASO) (De Winne, 2002): 1. GIS wordt niet ingezet. Het werk verloopt zonder inzet van GIS. 2. GIS wordt ingezet ter ondersteuning van de taken. Het is een hulpinstrument dat in hoofdzaak dient om de taken te informatiseren en te vergemakkelijken. Dit kan men vergelijken met het gebruik van of een tekstverwerker. 3. GIS is geïntegreerd in het werkproces. GIS wordt ingezet zowel ter ondersteuning van taken als in het procesverloop. De werknemer stuurt zelf het proces. Denk bijvoorbeeld aan het afleveren van gepersonaliseerde vergunningen op basis van een informatiesysteem. 4. GIS stuurt de werknemer. Het proces is (bijna) volledig geïnformatiseerd. De werknemer heeft enkel nog een bewakende functie, zoals het operationeel houden van actieve webservices. Een andere mogelijkheid is dat het werk zelf gestuurd door de technologie. Het automatisch plannen van routes voor postbedeling is hiervan een goed voorbeeld. 27

32 Uiteraard zullen in de meeste organisaties verschillende vormen van GISgebruik voorkomen. Daarom is het vooral interessant om de verhouding tussen die verschillende types van gebruik te onderzoeken. > 2. Resultaten > 2.1. Algemeen Er werd aan de respondent gevraagd om voor de vier mogelijke vormen van GIS-gebruik aan te geven op hoeveel procent van de werknemers van de eigen organisatie die vorm van toepassing is. Dit was zeker niet de makkelijkste vraag uit de enquête. Sommige organisaties vulden de vraag foutief in (door bijvoorbeeld bij twee opties 80% in te vullen) of lieten de vraag onbeantwoord. Bovendien zou men kunnen denken dat het bij relatief complexe en breed vertakte organisaties en dat zijn openbare besturen vaak wellicht niet vanzelfsprekend is om zicht te krijgen op de activiteiten van alle werknemers. Toch vermoeden we dat informatie van de respondenten die de vraag wel correct hebben beantwoord, betrouwbaar is. Meestal is de survey ingevuld door de GIS-coördinator, of door een andere persoon met een goed overzicht van het GIS-gebruik binnen de organisatie. Bovendien gaat het om een inschatting van de onderlinge verhouding tussen de verschillende vormen van GIS-gebruik, en niet om het evalueren en categoriseren van elke individuele werknemer. Tabel 4.1 toont een overzicht van de gemiddelde percentages over alle onderzochte organisaties. Het valt meteen op dat een ruime meerderheid (64%) van de werknemers niet in aanraking komt met digitale geografische informatie. Zeker als men weet dat het GIS-gebruik bij de organisaties die niet deelnamen aan de survey wellicht nog een heel stuk lager ligt. Zo hebben we heel wat reacties gehad van organisaties die ons lieten weten dat ze de vragenlijst niet zouden invullen, omdat ze in het geheel niet met geografische informatie werken. Het gemiddelde aandeel niet-gebruikers binnen de publieke sector in Vlaanderen zou dus nog een stuk hoger kunnen liggen. 28

33 Tabel 4.1. Gemiddelde percentages voor vier vormen van GIS-gebruik Percentage 1. GIS wordt niet ingezet 64,5 2. GIS als hulpinstrument 19,5 3. GIS geïntegreerd in werkproces 13,5 4. GIS stuurt de werknemer 2,5 Totaal 100 Maar wij waren vooral geïnteresseerd in het type van GIS-gebruik. In tabel 4.1 kunnen we zien dat GIS meestal (20%) als hulpmiddel gebruikt wordt. Slechts voor een relatief beperkt aandeel werknemers (13%) zou op dit moment geografische informatie geïntegreerd zijn in hun werkprocessen. En eigenlijk geldt dit a fortiori voor de groep van werknemers wiens werk aangestuurd wordt door de geografische informatiesystemen (3%). Als we er van uitgaan dat het klopt dat meer dan 80% van alle overheidsinformatie een ruimtelijke component heeft, zoals zo vaak beweerd wordt, dan suggereren deze cijfers op zijn minst dat er nog veel werk aan de winkel is. Uiteraard moet dit ook in perspectief geplaatst worden: pakweg 15 jaar geleden was het aantal GIS-gebruikers in heel wat overheidsorganisaties op één hand te tellen. > 2.2. Vergelijkingen Men zou kunnen verwachten dat de resultaten sterk verschillen tussen de bestuursniveaus. Zo werken sommige diensten van het Vlaams Gewest al meer dan 10 jaar met GIS, terwijl heel wat gemeenten pas recent hun eerste stappen op het GIS-pad gezet hebben. We behandelen hier enkel de antwoorden van de Vlaamse, de provinciale en de gemeentelijke overheden. De gemiddelde resultaten voor de verschillende bestuursniveaus blijken sterk gelijk lopen. Wat maakt dan wel een verschil? Twee aspecten komen naar boven. Ten eerste gaat het om de vraag of een organisatie enkel data gebruikt, dan wel ook produceert. Ten tweede lijkt ook het aantal beleidsvelden waarin het GIS-gebruik zich situeert een bepalende factor. 29

34 Als we de organisaties die zichzelf als vooral datagebruiker bestempelen, vergelijken met degenen die zowel data gebruiken als produceren, zien we opvallende en significante verschillen, voor alle vormen van GIS-gebruik (tabel 4.2). Terwijl in de eerste groep zowat 3 op 4 werknemers geen gebruik maakt van digitale geografische informatie, slinkt dit in de tweede groep tot - toch nog steeds - iets meer dan de helft (55%). Niet enkel wordt in de tweede groep GIS meer ingezet als hulpmiddel, het zit ook vaker geïntegreerd in de werkprocessen, en er zijn dubbel zoveel werknemers die aangestuurd worden door het GIS, vergeleken met de eerste groep. Wellicht is het zelf produceren van geografische data vaak een logische stap verder in de ontwikkeling van een organisatiebreed GIS. Tabel 4.2. Vormen van GIS-gebruik voor gebruikers versus producenten Niet ingezet Als hulpinstrument Geïntegreerd in werkproces Stuurt de werknemer Gebruiker 72,0 % 16,0 % 10,5 % 1,5 % Producent 55,0 % 23,5 % 17,0 % 4,5 % In voorgaand hoofdstuk toonden we reeds aan dat in sommige beleidsvelden het gebruik van GIS meer voor de hand lijkt te liggen dan in andere. Ruimtelijke planning, mobiliteit, en milieu zijn slechts enkele voorbeelden van velden waarin besturen vaak hun eerste GIS-toepassingen realiseren. Minder evident is het blijkbaar om, bijvoorbeeld, onderwijs-, cultuur- of sociaal beleid te ondersteunen met geografische informatie. Tabel 4.3 toont dat er een significant verschil is tussen het aantal beleidsvelden waarin er gebruikt gemaakt wordt van GIS, en het type GISgebruik. Het aantal werknemers dat niet met GIS in aanraking komt daalt naarmate het aantal beleidsvelden stijgt, en de waarden voor de verschillende categorieën van GIS-gebruik nemen toe naarmate het aantal beleidsvelden groeit. Opvallend is wel dat de verhouding tussen ondersteunend, geïntegreerd en sturend gebruik niet sterk verschilt naargelang het aantal beleidsvelden. 30

35 Tabel 4.3. Vormen van GIS-gebruik per aantal beleidsvelden van GIS-gebruik Niet ingezet Als hulpinstrument Geïntegreerd in werkproces Stuurt de werknemer Eén 73,5 % 16,0 % 10,0 % 0,5 % Twee of drie 62,5 % 19,5 % 14,5 % 3,5 % Vier of vijf 52,0 % 27,5 % 16,0 % 4,5 % > 3. Clusteranalyse > 3.1. Algemeen De vraag naar het GIS-gebruik blijkt niet enkel interessante resultaten op te leveren via beschrijvende statistiek, maar leent zich ook goed voor een clusteranalyse. Clusteranalyse is een techniek om binnen een bepaalde populatie de te bestuderen onderzoeksobjecten te groeperen op basis van overeenkomsten in meerdere kenmerken. In onze studie betekent dit dat we de organisaties indelen in verschillende groepen, en dit op basis van de aanwezigheid van de verschillende vormen van GIS-gebruik in elke organisatie. De organisaties binnen elk cluster zullen voor wat betreft deze vier vormen van GIS-gebruik zo sterk mogelijk op elkaar gelijken, terwijl de vier clusters onderling zo sterk mogelijk van elkaar zullen verschillen. Het uiteindelijke aantal clusters wordt hierbij bepaald door de analysetechniek zelf. De analyse clustert de organisaties in vier clusters (of types) van GIS-gebruik (zie tabel 4.4): In organisaties uit de cluster Minimaal gebruik maakt gemiddeld meer dan 80% van de werknemers geen gebruik van GIS. Slechts een beperkt aantal werknemers maken dus wel gebruik van GIS, maar vaak slechts als hulpinstrument. In organisaties uit de cluster Selectief gebruik werkt nog steeds de meerderheid (62%) van de werknemers niet met GIS, en zien we reeds een iets hoger aandeel ondersteunend en geïntegreerd gebruik. 31

36 De organisaties uit de cluster Ondersteuning gebruiken GIS voornamelijk ter ondersteuning. Bijna 60% van de werknemers in deze organisaties zetten GIS immers in als hulpinstrument. Het aantal niet-gebruikers is beperkt tot één vier van de werknemers. Ook in organisaties uit de cluster Integratie gebruikt een kwart van de werknemers geen GIS. De organisaties combineren daarnaast een hoge mate van geïntegreerd (35%) en sturend (11%) GIS-gebruik met ondersteunend gebruik (26%). Tabel 4.4. Vier clusters clusters van GIS-gebruik Cluster 1. Minimaal gebruik Cluster 2. Selectief gebruik Cluster 3. Ondersteuning Cluster 4. Integratie GIS wordt niet ingezet 84 % 62 % 25 % 28 % GIS als hulpinstrument 10 % 20 % 59 % 26 % GIS geïntegreerd in werkproces 6 % 14 % 14 % 35 % GIS stuurt de werknemer 0 % 3 % 2 % 11 % Aantal organisaties Tabel 4.4 biedt een overzicht van de vier clusters, en hun verdeling over de vier vormen van GIS-gebruik. De clusters Minimaal gebruik en Selectief gebruik onderscheiden zich van de overige twee clusters door hun relatief hoge percentage aan werknemers die GIS niet inzetten. Bij de Selectieve gebruikers ligt dit percentage op 62%, bij de Minimale gebruikers zelfs op 84%. Die extra gebruikers in de cluster Selectief gebruik zetten GIS ofwel in als hulpinstrument (20%) of geïntegreerd in het werkproces (14%). De overige twee clusters, Ondersteuning en Integratie, onderscheiden zich door hun hoge aandeel van GIS-gebruikers. In de cluster Ondersteuning bestaat dat surplus aan GIS-gebruikende werknemers vooral uit werknemers die GIS inzetten als hulpinstrument. Vergeleken met de cluster van Selectieve gebruikers is het aandeel van de twee andere vormen van GIS-gebruik (geïntegreerd en sturend) immers nagenoeg identiek. In de cluster Integratie vinden we tot slot niet alleen meer 32

37 geïntegreerde gebruikers terug (35%), maar ook meer werknemers wiens werk door het GIS gestuurd worden (11%). Merk trouwens op dat de clusters die een algemeen verspreid gebruik van GIS kennen, Ondersteuning en Integratie, relatief weinig organisaties bevatten (respectievelijk 12 en 18). Beide andere clusters zijn nagenoeg even groot. Minimaal gebruik bevat 63 organisaties, en Selectief gebruik heeft er 65. > 3.2. Vergelijkingen Wat bestuursniveau betreft is er geen significant verschil tussen de clusters. Dit bevestigt opnieuw dat de verschillende types van GIS-gebruik terug te vinden zijn in organisaties op alle bestuursniveaus. Wel blijkt uit tabel 4.5 een significant verschil tussen de organisaties die alleen gebruiker zijn, en zij die ook producent zijn. Gebruikers bevinden zich hoofdzakelijk in de cluster Minimaal gebruik, en deels ook in Selectief gebruik, terwijl de producenten meer gespreid zitten over de verschillende clusters, veel minder in Minimaal gebruik, en aanzienlijk meer in de clusters Ondersteuning en Integratie. Tabel 4.5. Clusters van GIS-gebruik: gebruikers versus producenten Minimaal gebruik Selectief gebruik Ondersteuning Integratie Gebruikers 55,5 % 37,0 % 4,0 % 3,5 % Producenten 21,0 % 46,0 % 12,5 % 20,5 % Ook het aantal beleidsvelden waarin GIS wordt ingezet blijkt significant te verschillen tussen de clusters, zoals blijkt uit tabel 4.6. Samen met het aantal beleidsvelden neemt niet enkel het aantal organisaties in de clusters Selectief gebruik en Integratie toe. Vooral in de cluster Ondersteuning is de toename sterk. Het lijkt er op dat het aandeel dat cluster minimaal gebruik verliest, naarmate het aantal velden toeneemt, steeds verdeeld wordt over de andere clusters. 33

38 Tabel 4.6. Clusters van GIS-gebruik: aantal beleidsvelden van GIS-gebruik Minimaal gebruik Selectief gebruik Ondersteuning Integratie Eén 57,0 % 33,0 % 2,0 % 8,0 % Twee of drie 37,5 % 45,0 % 5,0 % 12,5 % Vier of vijf 11,0 % 48,0 % 26,0 % 15,0 % > 4. GIS-gebruik en organisatiekenmerken We hebben ook onderzocht of de vorm van GIS-gebruik al dan niet samenhangt met een aantal organisatiekenmerken: het aantal personeelsleden, het aantal hiërarchische niveaus, en de mate van teamwerk. Op basis van het werk van De Sitter (2000) en Van Hootegem (2008) verwachten we immers dat het type organisatiestructuur een impact heeft op het vermogen van de organisatie om geografische informatie doeltreffend te integreren in haar processen. Die vragen bleken niet altijd even makkelijk te beantwoorden. Wellicht speelt het feit dat de survey meestal ingevuld is door een GIS-coördinator of -expert, en niet door een organisatiedeskundige of hogere leidinggevende, hierbij een rol. De respondent werd gevraagd een schatting te maken van het aantal personeelsleden dat zijn organisatie ongeveer telt. Hoewel organisatiegrenzen tegenwoordig niet altijd makkelijk te trekken zijn en wellicht niet alle respondenten dit op dezelfde manier interpreteren, kan dit toch een beeld geven van de verschillen in organisatiegrootte, in termen van het aantal personeelsleden. Uit de analyse bleek dat er geen significante samenhang te vinden is tussen het aantal personeelsleden en het type van GIS gebruik. Dit is op zich interessant, want het lijkt er op te wijzen dat de omvang van een organisatie weinig zegt over de mate en het type van GIS-gebruik. Dit lijkt in tegenspraak met wat wel eens beweerd wordt, met name dat grote organisaties omwille van bepaalde schaalvoordelen als vanzelfsprekend beter in staat zouden zijn om GIS in te zetten dan kleinere organisaties. Het aantal hiërarchische niveaus van leidinggevenden in de organisatie werd als indicator gebruikt voor de mate waarin er eerder sprake is van een verticale hiërarchie, dan wel van een 34

39 horizontale, vlakke organisatiestructuur. Er werd geen significant verband gevonden tussen het aantal hiërarchische niveaus en het type van GISgebruik binnen de organisatie. De survey stelde de vraag of er binnen de organisatie groepen van werknemers zijn die op permanente basis samen verantwoordelijk zijn voor een taak of een proces? Het was de bedoeling om te peilen naar de mate waarin team-gebaseerd werken als organiserend principe toegepast wordt. 12% van de respondenten zegt dat teamwerk niet toegepast wordt, 38% geeft aan dat het enkel voor een beperkt aantal werknemers geldt, 40% beweert dat het een vrij algemeen verspreid principe is, terwijl 10% het antwoord schuldig blijft. De resultaten lijken er op te wijzen dat het concept teamwerk soms in erg brede zin begrepen wordt. Tabel 4.7 geeft de significante relatie weer tussen de mate van teamwerk en de clusters van GIS-gebruik (zie hoger). Organisaties met algemeen verspreid teamwerk scoren hoog op de clusters Ondersteuning en Integratie, en laag op de cluster Minimaal gebruik. De cluster Selectief gebruik geeft een minder uitgesproken beeld, daar scoort algemeen verspreid teamwerk iets lager dan teamwerk voor een beperkt aantal werknemers, maar nog steeds veel hoger dan in organisaties zonder teamwerk. Het aandeel van de cluster Minimaal gebruik daalt met de stijging van de mate van teamwerk. De tabel suggereert een samenhang tussen de mate van teamwerk en het type van GIS-gebruik, in de zin dat meer teamwerk correleert met een hogere mate van GIS-gebruik binnen de organisatie. Enige voorzichtigheid is hier geboden, gezien de mogelijke conceptuele wazigheid van het begrip teamwerk, en het feit dat sommige cellen in de tabel weinig cases bevatten. Tabel 4.7. Mate van teamwerk over verschillende clusters van GIS-gebruik Minimaal gebruik Selectief gebruik Ondersteuning Integratie Teamwerk niet toegepast 60,0 % 26,5 % 0,0 % 13,5 % Teamwerk voor beperkt aantal werknemers Teamwerk als vrij algemeen verspreid principe 40,5 % 44 % 7,0% 8,8 % 31,5 % 40,5 % 12,0 % 16,4 % 35

40 > 5. Conclusie In de jaren 90 won GIS sterk aan populariteit in de publieke sector in Vlaanderen. Al snel groeide het bewustzijn dat een GIS meer kan zijn dan een gesofisticeerd tooltje, waarmee men ad hoc informatie opvraagt, of projectmatig wat leuke analyses uitvoert. Om duurzaam voordeel op te leveren zou geo-informatie geïntegreerd moeten worden in de werkprocessen van de organisaties. Dit werd samengevat in de kreet Van project-gis naar proces-gis! Toch staan we op dat vlak nog niet erg ver, blijkt uit de survey. Het mag duidelijk zijn dat de GDI-ontwerpers best rekening houden met de nood aan verdere geodata-integratie in de werkprocessen. Enkel dan zal de GDI een fundamentele bijdrage kunnen leveren aan de ontwikkeling van een innovatieve publieke sector. 36

41 5. Een juridisch beleid voor geodata > 1. Inleiding In twee afzonderlijke vragen werd bij de bevraagde organisaties gepeild naar het databeleid dat zij hanteren. De eerste vraag ging dieper in op het algemene databeleid dat de organisatie voert. Een databeleid kan erin bestaan dat een organisatie die data verstrekt, voor deze doorgifte de toegangs- en gebruiksvoorwaarden vastlegt, maar het is eveneens mogelijk dat een organisatie opteert voor een informele samenwerking. De tweede vraag tracht een beeld te schetsen hoe de organisaties met persoonsgegevens omgaan. De huidige juridische context verplicht verwerkers van persoonsgegevens immers om deze gegevens te beschermen. De vraag onderzoekt hoe en in welke mate in de GI-sector hieraan wordt voldaan. > 2. Databeleid > 2.1. Algemeen Een duidelijk databeleid is belangrijk voor elke organisatie. Het laat toe om een coherente politiek te voeren rond het verstrekken van data aan andere organisaties. Zowel voor de verstrekkende organisatie als voor de ontvangers levert dit voordelen op. Bij een duidelijk beleid kan een gebruiker makkelijker inschatten of en onder welke voorwaarden hij een bepaalde dataset mogelijk kan verkrijgen. Hij kent ook de voorwaarden waaronder deze data verstrekt wordt en kan inschatten welke data hij nog van een derde partij dient te verkrijgen. Ook zal een databeleid bijdragen tot een gelijke behandeling tussen de verschillende types gebruikers. Binnen elke categorie zullen door een correcte opvolging van het beleid afwijkende behandelingen immers minder voorkomen. Tussen de categorieën zijn echter verschillende behandelingen nog steeds mogelijk. Daarnaast zijn er ook nadelen verbonden aan een databeleid. Door een strak beleid door te voeren verliest men immers een deel flexibiliteit. Mogelijk implementeert het beleid nog enige marge, maar algemeen genomen zal men minder gemakkelijk kunnen inspelen op specifieke vragen van de gebruikers. Indien 37

42 deze voldoende ruim is, zal een leverancier alsnog aan uiteenlopende wensen van gebruikers kunnen voldoen. Verder vraagt het uitwerken en toepassen van een beleid een heuse inspanning van een leverancier of producent. Enerzijds dient men een intellectuele inspanning te maken bij het opstellen van een doordacht databeleid, maar anderzijds dienen de betrokken diensten gesensibiliseerd te worden voor dit beleid. Zij zijn het immers die het beleid in de dagdagelijks praktijk zullen toepassen, dus een degelijk begrip en een correcte opvolging is bijgevolg noodzakelijk. Vooraf dient nog opgemerkt te worden dat in de eerste plaats producenten geografische informatie verstrekken aan andere partners, maar dat dit zeker geen noodzakelijke voorwaarde is. Enerzijds is het mogelijk dat een organisatie data verdeelt die zij zelf niet heeft geproduceerd. Anderzijds is het mogelijk dat een organisatie slechts data produceert die enkel intern wordt gebruikt. We onderscheiden vijf soorten beleid rond het verstrekken van geografische informatie. 1. Het dataverstrekkingsbeleid is vastgelegd in een officieel document. Het gaat dus om een document dat niet enkel intern de krijtlijnen trekt, maar ook naar externe organisaties het databeleid communiceert. 2. Het beleid is uitgewerkt in een intern of niet-officieel document. Externen zullen, althans niet formeel, op de hoogte zijn van het databeleid. Intern dient het beleid echter wel gevolgd te worden. 3. Het beleid wordt momenteel uitgewerkt in een document. Hierbij wordt geen onderscheid gemaakt of het uiteindelijk document een officieel of officieus karakter krijgt. 4. Er is enkel een ad-hocbeleid. Slechts wanneer een externe organisatie vraagt om data te verstrekken wordt beoordeeld welke data en op welke manier deze wordt doorgegeven. Er wordt dus steeds geval per geval een afweging gemaakt. 5. Er is geen beleid vermits de organisatie nog nooit gevraagd werd data te verstrekken. 38

43 > 2.2. Resultaten De gemiddelde percentages van alle organisaties worden weergegeven in tabel 5.1. Wat meteen opvalt, is dat slechts 26% van de organisaties een uitgewerkt dataverstrekkingsbeleid heeft. In ongeveer de helft van deze gevallen gaat het om een officieel document, in de andere helft eerder om een intern document. Daarnaast hanteert de helft van de organisaties een ad-hocbeleid en beoordelen zij dus bij elke aanvraag of de data al dan niet worden verstrekt en onder welke voorwaarden dit gebeurt. Opmerkelijk is ook dat slechts 8% niet wist niet welk beleid zijn of haar organisatie er op nahoudt. Hieruit kan worden afgeleid dat de ondervraagde personen goed op de hoogte bleken van het beleid. Tabel 5.1. Dataverstrekkingsbeleid: frequenties en percentages Aantal Percentage Officieel document 28 12,5 Intern of niet-officieel document 30 13,5 Document in aanmaak 9 4,0 Ad-hocbeleid ,5 Geen vraag naar data 25 11,5 Weet niet 18 8,0 Totaal Allereerst werden de antwoorden ingedeeld naargelang het bestuursniveau van de respondent. De provincies steken met kop en schouders uit boven de andere niveaus. Met 4 van de 5 die een, zij het officieus, databeleid uitwerkte, zijn zij veruit koploper in Vlaanderen. Bij het lokale niveau daarentegen ligt de nadruk op een ad-hocbeleid. 57% hanteert zulk beleid tegenover slechts 19% dat een uitgewerkt verstrekkingsbeleid verkiest. Het Vlaamse niveau situeert zich tussen deze twee uitersten. 33% heeft immers een uitgewerkt dataverstrekkingsbeleid, terwijl 45% er een ad-hocbeleid op nahoudt. De mate waarin de verschillende bestuursniveaus geconfronteerd worden met de vraag geografische data te leveren kan deze resultaten mogelijk verklaren. Zo vervullen een aantal provincies een ondersteuningsfunctie naar de gemeenten toe en leveren zij daardoor vaak data aan andere organisaties. Het hoeft dan ook niet te verbazen dat zij, 39

44 minstens intern, een beleid hebben uitgetekend. Ook op het Vlaamse niveau kan de mate waarin dit niveau geconfronteerd wordt met de vraag naar geografische data te leveren, het databeleid mogelijk verklaren. Het Vlaams niveau bevat immers zowel producenten als gebruikers, wat zich op het vlak van databeleid vertaalt in een evenwicht tussen een uitgewerkt en adhocbeleid. De aanwezigheid van het samenwerkingsverband GIS-Vlaanderen speelt hier evenzeer een belangrijke rol. Tabel 5.2. Dataverstrekkingsbeleid: per bestuursniveau Officieel document Intern document Document in aanmaak Ad-hoc beleid Geen vraag Weet niet Vlaams 27,5 % 6,0 % 6,0% 45,5 % 9,0 % 6,0 % Provinciaal - 80,0 % - 20,0 % - - Lokaal 7,5 % 12,0 % 3,0 % 57,0 % 11,0 % 9,5 % Wanneer we de antwoorden onderverdelen naar gelang de rol die de organisatie speelt in het proces, namelijk producent of gebruiker van geografische data, dan zien we dat producenten meer belang hechten aan een dataverstrekkingsbeleid. Verbazen doet dit resultaat, zoals weergegeven in tabel 5.3, echter niet, vermits producenten in de eerste plaats geconfronteerd worden met de vraag naar data. Zij zullen dus ook sneller geneigd zijn dit beleid uit te werken in een officieel of minstens intern document. Toch is het verschil niet enkel te verklaren door het rolverschil. Ook organisaties die zichzelf voornamelijk als gebruiker beschouwen worden, zoals uit de onderzoeksresultaten blijkt, gevraagd om data te verstrekken, maar opteren hierbij blijkbaar eerder voor een adhocbeleid. Tabel 5.3. Dataverstrekkingsbeleid: gebruikers versus producenten Officieel document Intern document Document in aanmaak Ad-hoc beleid Geen vraag Weet niet Gebruiker 9,0% 10,0 % 2,5 % 53,0 % 15,5 % 10,0 % Producent 18,0 % 20,0 % 7,0 % 46,5 % 5,0 % 3,5 % 40

45 Ook wanneer we kijken naar het aantal beleidsvelden waarin GIS wordt gebruikt, zijn er significante verschillen op te merken (tabel 5.4). 23% van de organisaties die slechts in één beleidsveld GIS gebruiken, werken een - al dan niet officieel - verstrekkingbeleid uit. In het geval van organisaties die GIS inzetten in twee of drie beleidsvelden, voorziet 21% een uitgewerkt beleid. Opmerkelijk is wel dat 62% er een ad-hocbeleid op nahoudt, in tegenstelling tot de twee andere groepen van organisaties, waar dat percentage ronde 40% schommelt. De organisaties met een gebruik van GIS in vier of vijf opteren echter eerder voor een uitgewerkt verstrekkingsbeleid: 52% stelt hiervoor een document op. Deze enigszins tegenstrijdige cijfers zijn waarschijnlijk te verklaren door het bestuursniveau waar zij betrekking op hebben. Eerder in dit rapport toonden we reeds aan dat het vooral de lokale besturen waren die GIS gebruikten in twee of drie van de opgesomde beleidsvelden. En hierboven werd duidelijk dat het vooral die lokale besturen zijn die er een adhocbeleid op nahouden. Tabel 5.4. Dataverstrekkingsbeleid: per aantal beleidsvelden van GIS-gebruik Officieel document Intern document Document in aanmaak Ad-hoc beleid Geen vraag Weet niet Eén 16,0 % 7,5 % 2,5 % 40,5 % 17,5 % 16,0 % Twee of drie 9,5 % 11,5 % 6,5 % 62,0 % 6,5 % 4,0 % Vier of vijf 15,0% 36,5 % - 39,5 % 6,0 % 3,0 % In tabel 5.5 gaan we ten slotte na in welke mate deze verschillen vormen van een GIS-databeleid gelinkt kunnen worden aan onze vier clusters van GIS-gebruik. Het is alvast zo dat er significante verschillen bestaan tussen de verschillende clusters. Die verschillen hebben in grote mate te maken met het aantal GIS-gebruikers binnen de organisatie. We zien namelijk dat clusters waarin het percentage GIS-gebruikers hoger ligt, vaker een officieel verstrekkingsbeleid hebben. Omgekeerd, neemt het percentage van organisaties die er een ad-hocbeleid op nahouden, af naarmate het percentage GIS-gebruikers binnen de organisaties toeneemt. Het verschil tussen de Gebruikers ter ondersteuning en de Geintegreerde gebruikers 41

46 is moeilijk in te schatten. We zien wel dat het aandeel organisaties met een ad-hocbeleid opvallend lager is in de laatste van deze clusters. Dat in de cluster Integratie 11% van de bevraagden niet op de hoogte is van het databeleid van zijn organisatie, maakt vergelijken echter moeilijk. Tabel 5.5. Dataverstrekkingsbeleid: per cluster van GIS-gebruik Officieel document Intern document Document in aanmaak Ad-hoc beleid Geen vraag Weet niet Minimaal gebruik 6,5 % 6,5 % - 60,5 % 20,5 % 6,0 % Selectief gebruik 14,0 % 20,0 % 6,0 % 49,5 % 4,5 % 6,0 % Ondersteuning 33,5 % 16,5 % 8,5 % 41,5 % - - Integratie 28,0 % 22,0 % 5,5 % 33,5 % - 11,0 % > 3. Persoonsgegevens > 3.1. Algemeen Een volgende vraag informeerde naar het beleid dat organisaties voeren rond persoonsgegevens. Allerlei juridische regels verplichten immers tot het nemen van gepaste maatregelen om deze gegevens te beschermen. Deze vraag peilde naar de mate waarin de organisaties omgaan met privacygevoelige gegevens en in welke mate zij de juridische verplichtingen naleven. In de vraag werden vier manieren onderscheiden om aan deze verplichtingen tegemoet te komen: Een organisatie legt haar privacybeleid vast in een privacyverklaring waarin wordt uiteengezet welke gegevens de organisaties verwerkt, voor welk doel, welke rechten de betrokken personen hebben, enz. Een organisatie legt haar privacybeleid niet vast in een document, maar implementeert in praktijk wel technische en organisatorische beveiligingsmaatregelen (zoals firewalls, paswoorden, enz.) Een organisatie kan er voor opteren geen bijzondere maatregelen voor de bescherming van persoonsgegevens toe te passen. Een organisatie verwerkt geen persoonsgegevens. 42

47 > 3.2. Resultaten Uit de algemene resultaten valt direct het hoge percentage organisaties op dat zich bewust is van de privacyvereisten, zoals blijkt uit tabel % tracht tegemoet te komen aan deze eisen. Hierbij opteert 45% voor het implementeren van technische of organisatorische maatregelen. We moeten hierbij wel de kanttekening maken dat deze maatregelen mogelijk ook om andere redenen dan privacybescherming worden genomen, bijvoorbeeld uit meer algemene veiligheidsoverwegingen. 27% werkt haar privacybeleid uit in een privacyverklaring. Veelbetekenend is ook het hoge aantal organisaties (ruim 15%) die niet op de hoogte zijn welke maatregelen zij treft op de persoonsgegevens die zij eventueel verwerkt, te beschermen. Het is echter moeilijk af te leiden wat hiervan de oorzaak is. Mogelijk ligt een gebrek aan aandacht voor de privacyproblematiek of te veeleisende wetgeving aan de basis van het vermelde percentage. Het feit dat een geschreven privacyverklaring voorhanden is, houdt echter geen garantie in over de daadwerkelijke opvolging van de verklaring. Het is immers mogelijk dat de verklaring dode letter blijft omdat zij eenvoudigweg te moeilijk is om te implementeren, of omdat de organisatie zich niet bewust is van de bestaande regels. Ook de aanwezigheid van technische of organisatorische beschermingsmaatregelen garandeert geen effectieve bescherming van de persoonsgegevens. Mogelijk zijn de genomen maatregelen ontoereikend om het vereiste beschermingsniveau te bereiken. Toch zijn zij een eerste indicatie dat een organisatie zich inzet om persoonsgegevens te beschermen. Tabel 5.6. Persoonsgegevensbeleid: frequenties en percentages Aantal Percentage Geschreven privacyverklaring 59 26,5 Technische en organisatorische maatregelen 99 44,5 Geen maatregelen 16 7,0 Geen persoonsgegevens 14 6,5 Weet niet 34 15,5 Totaal

48 Wanneer we de antwoorden bekijken vanuit het bestuursniveau waaruit zij afkomstig zijn, komen er enkele opmerkelijke resultaten naar voren. Zo blijken vooral de provinciale (80%), maar ook de lokale besturen (75%) actief op het vlak van privacybescherming. Alhoewel het resultaat voor de lokale besturen in eerste instantie misschien verwondert, komen net deze besturen het meest in contact met burgers. Mogelijk zijn deze besturen door dit contact zich meer bewust van de privacyeisen en komen zij hieraan sneller tegemoet. Dat het Vlaamse niveau zich hier minder over bekommert, blijkt uit het feit dat zij kennelijk minder met persoonsgegevens geconfronteerd worden (18%). Hierbij moet wel de kanttekening gemaakt worden dat veel afhankelijk is van de kwalificatie van gegevens als persoonsgegevens. Het blijkt in praktijk niet steeds even gemakkelijk voor een organisatie om te beoordelen of een bepaald gegeven als persoonsgegeven moet worden gekwalificeerd. Mogelijk wordt op Vlaams niveau de eis naar privacybescherming onderschat, indien de verwerkte gegevens niet als persoonsgegeven worden beschouwd. Uit de andere groepsvergelijkingen, die de antwoorden indeelden naar de rol van gebruiker of producent, het aantal beleidsvelden waarin GIS wordt ingezet en de clusters van GIS-gebruik, komen geen significante verschillen naar boven. Deze factoren hebben waarschijnlijk dus geen invloed op het databeleid dat de organisatie voert rond persoonsgegevens en worden hier dan ook niet verder besproken. Tabel 5.7. Persoonsgegevensbeleid: per bestuursniveau Geschreven privacyverklaring Techn. & organ. maatregelen Geen maatregelen Geen persoonsgegevens Weet niet Vlaams 21,0 % 30,5 % 3,0 % 18,0 % 27,5 % Provinciaal 20,0 % 60,0 % ,0 % Lokaal 25,5 % 49,0 % 9,0 % 3,0 % 13,5 % 44

49 > 4. Conclusie Een uitgewerkt databeleid zorgt voor duidelijkheid waar elke partij bij gebaat is. Een gebruiker kan gemakkelijker inschatten welke data beschikbaar is en een producent kan bij zichzelf beter nagaan welke data hij eventueel ter beschikking stelt en onder welke voorwaarden. Een databeleid kan met andere woorden de efficiëntie van de betrokken partijen verhogen. Een databeleid staat echter niet garant voor een betere werking: mogelijk wordt deze potentiële efficiëntieverhoging beperkt door bijvoorbeeld onduidelijke of te restrictieve regels. In Vlaanderen blijken vooral de provincies over zulk uitgewerkt databeleid te beschikken. De andere bestuurlijke niveaus lijken hieraan minder aandacht te besteden. Uit de resultaten van het onderzoek komt geen duidelijke verklaring naar voor. De aanwezigheid van het samenwerkingsverband GIS-Vlaanderen kan evenwel een verklaring bieden, in die zin dat dit samenwerkingsverband eigenlijk een algemeen databeleid omvat. Op het vlak van persoonsgegevens zijn de resultaten algemeen genomen positief. Er is een grote bewustheid bij verwerkers van persoonsgegevens wat resulteert in privacyverklaringen en beveiligingsmaatregelen. Dit onderzoek kan echter geen uitspraak doen over de opvolging en de effectiviteit van deze maatregelen alsook over de al dan niet correcte kwalificatie van een gegeven als persoonsgegeven. 45

50

51 6. Het belang van GIS-software > 1. Inleiding GIS-software zijn ondersteunende instrumenten voor de uitvoering van taken waarbij geografische data kunnen gebruikt worden ter ondersteuning van het beleids- en dienstverleningsproces. GIS wordt gebruikt om toegang te verkrijgen tot de geodata, deze voor te bereiden, beheren, bewerken (processen), bevragen, visualiseren en klaar te maken voor hergebruik. Standaardpakketten kunnen op de markt aangekocht worden. Zij leveren een hele reeks van functionaliteiten, maar zijn moeilijker te gebruiken (vergen specifieke expertise), of vereisen bijkomende ontwikkelingen (bv. van interfaces voor een specifiek type gebruik). Extern of intern op maat ontwikkelde software laat toe om de software te maken voor een specifiek proces, activiteit of type van gebruiker. Intern ontwikkelen van software vereist evenwel dat de organisatie specifieke kennis/expertise in huis heeft, zoals bijvoorbeeld analisten en programmeurs. De vraag naar welke GIS-software een organisatie hoofdzakelijk gebruikt, is eigenlijk een gecombineerde vraag. Drie dimensies kunnen hierbinnen onderscheiden worden: een externe versus interne aanpak, op maat versus niet op maat en gratis versus niet gratis. De organisaties die deze vraag hebben beantwoord hoeven zich in de praktijk bovendien niet noodzakelijk aan één optie te houden. Zo kunnen zij een standaardpakket extern aanschaffen, maar de ontwikkeling van toepassingen op basis van dit standaardpakket intern afhandelen. De keuze voor interne ontwikkeling of externe ontwikkeling/aanschaf heeft te maken met de make-or-buy optie. Dit is het besluit om de strategische keuze te maken tussen het intern aanmaken van een product of het aankopen via een externe leverancier. De aankoop zijde van deze beslissing wordt ook outsourcing genoemd (zie voor make or buy strategieën in de publieke sector Bovaird et al., 2003 en Pollit en Bouckaert, 2004). Outsourcing van ICT-gerelateerde producten en diensten is een veelvoorkomende strategie bij de overheid. Het is ook een gangbare praktijk in de GIS-wereld (Maguire et al. 2008). Het gratis verkrijgen van GIS-software kan enerzijds wijzen op het verkrijgen van bestaande tools van andere organisaties en/of het gebruik maken van Open Source Software (OSS). Bij deze laatste software maakt men gebruik van software componenten die de gebruiker de rechten geeft de software te 47

52 gebruiken, kopiëren, verspreiden, bestuderen, wijzigen en verbeteren (Free Software Foundation, 2008). Voor een inventaris en analyse van de verschillende business modellen voor OSS verwijzen we naar het CASCADOSS-project (2008). De relevantie van deze vraag voor de GDI in Vlaanderen is drieledig: De mate van interne/externe ontwikkeling (en/of aankoop) geeft een indicatie van de betrokkenheid van de markt voor één van de deelaspecten van het gebruik van geo-informatie (m.n. de gebruikerstools). De mate dat het GIS al dan niet op maat wordt gemaakt, geeft een indicatie van de mate waarop de tools in bestaande processen ingebed zijn (of kunnen worden). Het al dan niet gratis voorhanden zijn van GIS software geeft een indicatie in hoeverre ook tools worden gedeeld en/of de mate waarin men gebruik maakt van het FOSS software model. > 2. Resultaten Tabel 6.1. toont meteen aan dat meer dan 60% van de organisaties een extern standaardpakket aanschaffen. Minder dan 5% van de organisaties ontwikkelen zelf software in huis. Hierbij dient evenwel opgemerkt te worden dat van de organisaties die de standaardpakketten aanschaffen (het gaat hierbij bv. om ArcGIS, Smallworld) we niet weten of hierop nog bijkomende ontwikkelingen plaatsvinden. Zo heeft de stad Leuven bijvoorbeeld het standaardpakket Smallworld aangekocht maar daarbovenop grafische gebruikersinterfaces laten ontwikkelen voor elke dienst. In hun geval gaat het dus duidelijk om een combinatie van externe aankoop standaardpakket enerzijds en extern laten ontwikkelen anderzijds. Het kan ook zijn dat er organisaties zijn die een standaardpakket hebben aangekocht maar de ontwikkelingen daarbovenop zelf doen. 48

53 Tabel 6.1. GIS software: frequenties en percentages Aantal Percentage Externe aankoop standaardpakketten ,0 Externe ontwikkeling software op maat 34 15,0 Software gratis ter beschikking 24 11,0 Interne ontwikkeling software 10 4,5 Weet niet 6 2,5 Andere 13 6,0 Totaal Als we naar de verschillen kijken per bestuursniveau dan valt opnieuw op (zie tabel 6.2) dat voor alle niveaus geldt dat de aankoop van standaardpakketten het meest voorkomt (minimaal 50%). Er zijn evenwel bepaalde verschillen tussen de verschillende bestuurslagen. Op gewestelijk niveau wordt slechts gekozen voor standaardpakketten in 1 op de 2 gevallen. Voor de provincie is dat daarentegen in 75% van de gevallen. Terug op het Vlaamse niveau, zien we dat ook interne ontwikkeling vrij belangrijk is (20%). In feite is dit het enige niveau waar dit gebeurt. 12% van de lokale besturen krijgt de software gratis ter beschikking. Dit gebeurt in veel gevallen via de provincies, die zo trachten om de instapdrempel naar het gebruik van GIS voor de lokale besturen te verlagen. Ook op Vlaams niveau is gratis software een belangrijke optie (13%). Tabel 6.2. GIS software: per bestuursniveau Standaardpakketten Software op maat extern ontwikkeld Software gratis ter beschikking Software intern ontwikkeld Vlaams 50,0 % 16,5 % 13,5 % 20,0% Provinciaal 75,0 % 25,0 % - - Lokaal 70,5 % 17,0 % 12,0 % 0,5 % Tabel 6.3 vat de resultaten samen van dezelfde gegevens, maar dan bekeken vanuit het onderscheid tussen (pure) gebruikers en producenten. Opvallend hier is dat organisaties die zichzelf als dataproducenten 49

54 beschouwen, beduidend meer software op maat laten maken door externe firma s (21%), maar ook vaak zelf intern ontwikkelen (10%). Het op maat ontwikkelen is bijgevolg goed voor meer dan 30%. Dit heeft hoofdzakelijk te maken met het feit dat producenten van data GIS-software inzetten in het volledige productieproces van de data. Dit vereist een hele reeks productiegebonden functionaliteiten bijvoorbeeld editeren, transformeren, beheren, visualiseren - om het hele proces te ondersteunen. Eerder al zagen we trouwens al dat het gebruik van GIS in deze organisaties ook meer verspreid en geïntegreerd is. Tabel 6.3. GIS-software: gebruikers versus producenten Standaardpakketten Software op maat extern ontwikkeld Software gratis ter beschikking Software intern ontwikkeld Gebruiker 71,0 % 15,0 % 12,5 % 1,5 % Producent 60,5 % 21,0 % 8,0 % 10,5 % > 3. Conclusie GIS-software zijn de nodige instrumenten om geodata in een beleids- of dienstverleningsproces te kunnen inzetten. De cijfers van de wijze waarop GIS-software verkregen wordt tonen duidelijk aan dat het zelf ontwikkelen van GIS-software uitzonderlijk blijft en door de overheid niet gezien wordt als onderdeel van de normale activiteiten. De markt speelt dan ook een cruciale rol voor de ontwikkeling en/of levering van GIS software. De strategie om naast de data ook de GIS software/tools te delen, bv. door een groep van gemeenten, is zeker nog niet wijd verbreid. Samenwerking op dit vlak zou echter vele synergievoordelen kunnen opleveren voor de stakeholders van de GDI in Vlaanderen. 50

55 7. Externe financiering > 1. Inleiding Wanneer men de literatuur bestudeert die verschenen is aangaande de economische aspecten van geografische data en Geografische Data Infrastructuren (GDIs) vindt men voornamelijk informatie terug over twee specifieke aspecten, namelijk financiering en prijszetting (zie hiervoor bijvoorbeeld: Giff en Coleman, 2003) Het is helemaal niet verwonderlijk dat er veel aandacht besteed wordt aan deze elementen aangezien zij cruciaal zijn voor het goed functioneren van de infrastructuur en voor een vlotte verzameling, verwerking en uitwisseling van geodata. Ook in onze enquête kwamen beide financiële aspecten in zekere mate aan bod. Het aspect prijszetting bekijken we evenwel vanuit het perspectief van de geografische data(stromen), en komt later in het rapport uitgebreid aan bod. Het financieringsaspect beschouwen we vanuit het standpunt van de individuele organisatie, die als gebruiker en/of producent van geodata fungeert. Wanneer we in deze context spreken over financiering, hebben we het slechts over één specifiek aspect van het financieringsverhaal, namelijk de middelen die individuele organisaties uit de GDI ter beschikking hebben om hun GIS-werkzaamheden uit te voeren. De generieke financiering van de Geodata Infrastructuur in zijn geheel komt dus niet aan bod. Wat de financiële middelen van de individuele organisaties betreft, focussen we bovendien op de aanwezigheid van externe financiële middelen. Ook interne financieringsbronnen en mechanismen ontbreken dus in het verhaal. > 2. Resultaten In de enquête werd gevraagd over welke externe financieringsmiddelen de bevraagde organisaties beschikken. Voor deze vraag kon een keuze gemaakt worden uit verschillende antwoordmogelijkheden: naast de verschillende bestuurslagen konden bijvoorbeeld ook private of andere organisaties optreden als externe financierder. Bovendien konden de respondenten ook aangeven dat zij niet wisten waar de externe financiële middelen van hun organisatie vandaan kwamen. Opvallend veel respondenten (27%) kozen voor 51

56 deze laatste optie en lijken dus niet helemaal op de hoogte te zijn van de externe financieringsbronnen van hun organisatie. Deze resultaten hebben ons echter niet zo sterk meer verbaasd. Ook uit andere onderzoeksactiviteiten is reeds gebleken dat dit (externe) financieringsvraagstuk niet altijd even eenvoudig te beantwoorden is. Tabel 7.1. Externe financiering: frequenties en percentages Aantal Percentage Geen externe financiering 92 41,5 Externe financiering van één bestuursniveau 52 23,5 Externe financiering van meerdere bestuursniveaus 18 8,0 Weet niet 60 27,0 Totaal Bijna de helft van de respondenten geeft daarnaast expliciet aan geen externe financiering te ontvangen voor hun GIS-activiteiten. Van de bevraagde organisaties, krijgt 23% echter wel externe financiële steun vanuit één bestuursniveau. Slechts 18 organisaties ontvangen externe financiering vanuit meerdere niveaus. Wat de verschillende groepsvergelijkingen betreft, zijn er bovendien nauwelijks significante verschillen terug te vinden. Enkel tussen de organisaties die zichzelf als gebruiker beschouwen en diegene die zichzelf ook producent noemen, is er enig verschil. Maar dat verschil is helaas terug te brengen tot een verschil in het al dan niet op de hoogte zijn van externe financiering. Bijgevolg kunnen we enkel stellen dat de datagebruikers in onze enquête minder zicht hebben hierop dan de producenten van geodata. Vervolgens zijn we op zoek gegaan naar de afkomst van deze externe middelen. In tabel 7.2 geven we voor elk van de mogelijke bronnen van financiering het aantal organisaties dat van deze bron gebruik maakt. In de laatste kolom geven we aan om welk percentage van de bevraagde percentages het juist gaat. Zoals hierboven werd aangegeven zijn er heel wat organisaties die geen externe financiering ontvangen. Anderzijds zijn er ook enkele organisatie die financiële steun ontvangen van meerdere 52

57 niveaus. Beide redenen maken dat het totale percentage van de laatste kolom niet gelijk is aan 100%. Uit de resultaten in tabel 7.2 blijkt dat de weinig externe financiële steun die er is, hoofdzakelijk afkomstig is van het regionale niveau. 16% van de bevraagde organisaties geeft namelijk aan op één of andere manier steun te ontvangen van de Vlaamse overheid, voor de uitbouw van hun GISactiviteiten. Vervolgens vinden we de provinciale overheden en de federale overheden terug, als belangrijkste externe financieringsbronnen. Het internationale en lokale niveau zijn minder belangrijke financieringsbronnen binnen de overheid. De middelen die uit de private sector afkomstig vertegenwoordigen ten slotte een nog uiterste miniem deel van de totale externe financiële steun. Tabel 7.2. Externe financiering: financieringsbronnen Aantal Percentage Federale overheid 20 9,0 Vlaamse overheid 35 16,0 Provinciale overheid 22 10,0 Lokale overheid 5 2,5 Private sector 2 1,0 Andere 6 3,0 > 3. Conclusie De belangrijkste conclusie die we uit bovenstaande resultaten kunnen trekken is wellicht het beperkte zicht dat de respondenten lijken te hebben op de externe financieringskanalen van hun organisatie. Het onderzoek bevindt zich momenteel nog niet in een voldoende gevorderd stadium om al uitsluitsel te geven over de exacte redenen voor deze geringe kennis. Een mogelijke reden hiervoor werd reeds aangehaald bij onze methodologische kanttekeningen bij het onderzoek. Daar werd reeds aangegeven dat in onze bevraging werd gepeild naar uiteenlopende aspecten van het gebruik en de uitwisseling van geodata. Kennis over deze verschillende aspecten zit binnen één organisatie vaak verspreid over meerdere functies en profielen. In veel gevallen werd de vragenlijst echter ingevuld door één persoon. De 53

58 mogelijkheid bestaat dat die persoon weinig zicht heeft op eventuele externe financieringbronnen. Er mag overigens niet vergeten worden dat deze vraag enkel peilde naar externe financiering: er werd dus geen informatie gevraagd over het verkrijgen of de verdeling van de financiële middelen binnen één bepaalde organisatie of afdeling. Deze externe financiering is echter vaak maar een klein onderdeel van het totale pakket aan beschikbare financiële middelen. Mogelijk is de kennis bij de respondenten over de gangbare interne financieringsmechanismen in hun organisatie wel uitgebreider. 54

59 8. Gebruikers versus producenten (bis) > 1. Inleiding In dit rapport wordt de Geodata Infrastructuur in Vlaanderen geoperationaliseerd als een netwerk van organisaties die geografische data produceren, gebruiken en uitwisselen. Terwijl in de hoofdstukken 3 t.e.m. 7 van dit rapport de organisaties centraal stonden, komt de focus in de volgende hoofdstukken te liggen op de stromen van geografische data. In dit hoofdstuk wordt de link gemaakt tussen beide. Dat doen we door te kijken op welke wijze vier specifieke types van geodata relevant zijn voor de bevraagde organisaties. Die relevantie kan drie vormen aannemen: organisaties kunnen de geodata produceren, verkrijgen en/of verspreiden. In dit hoofdstuk gaan we om te beginnen dus na in welke mate deze activiteiten zich voordoen bij onze respondenten. Zoals gezegd maken we hiervoor dus een selectie van vier specifieke types van geografische data. Het gaat om volgende types van data: Geodata Percelen beschrijft stukken grond toebehorend aan eenzelfde eigenaar. Geodata Adressen beschrijft de locaties van onroerende zaken, gebaseerd op adresaanduidingen. Geodata Wegen(netwerk) beschrijft ruimtelijke entiteiten zoals (on)verharde wegen, voetpaden en fietspaden, en de connecties hiertussen. Geodata Hydrografie beschrijft ruimtelijke entiteiten zoals rivieren, kanalen, meren, zeeën, waterreservoirs, rivierbekkens, en andere waterlichamen, en de connecties hiertussen. Voor elk van deze vier types van geografische data gaan we na in welke mate deze door onze bevraagde organisaties aangemaakt, verkregen en uitgewisseld worden. Nadien richten we ons specifiek op het verkrijgen van geografische data van anderen. In het derde deel van dit hoofdstuk analyseren we wie die anderen zoal zijn. Of, anders gesteld, kijken we 55

60 welke organisaties de geografische data leveren die door de verschillende overheden in Vlaanderen gebruikt worden. Op die manier kunnen we uiteindelijk meer dan 800 unieke stromen van geodata in Vlaanderen onderscheiden. Van elk van deze stromen werden bovendien een aantal karakteristieken bevraagd. Het gaat hierbij onder meer om kenmerken als de prijs, de juridische basis, de vervangbaarheid en de overdrachtwijze. Verder in dit rapport worden deze karakteristieken uitgebreid geanalyseerd. We bestuderen hoe de datastromen verdeeld kunnen worden over deze karakteristieken heen (bvb. gratis stromen versus betalende stromen, of makkelijk vervangbare versus moeilijk vervangbare). Daarbij kijken we telkens ook welke verbanden er zijn met het type van data en de leverancier van de data. > 2. Produceren, krijgen en leveren van data In het derde hoofdstuk van dit rapport bekeken we onze groep van respondenten reeds vanuit het onderscheid tussen gebruikers enerzijds en producenten anderzijds. De belangrijkste conclusie was toen dat dit onderscheid in de context van onze enquête kon worden herleid naar een onderscheid tussen organisaties die geodata vooral gebruiken aan de ene kant, en organisaties die geodata niet alleen gebruiken maar ook produceren, aan de andere kant. 60% van de organisaties in onze enquête behoorde dan tot de eerste groep, de overige 40% tot de tweede. In dit deel gaan we om te beginnen wat dieper in op dit onderscheid. Zoals hierboven reeds werd aangegeven, werd aan de respondenten immers gevraagd om aan te geven op welke wijze hun organisatie in aanraking kwam met vier voorgelegde types van geodata. Deze vier types waren perceelsdata, adresdata, wegendata en hydrografiedata. Organisaties kunnen met deze data op drie manieren geconfronteerd worden: zij kunnen de data aanmaken, verkrijgen van anderen en zelf leveren aan anderen. Deze drie manieren sluiten elkaar op zich niet uit. Organisaties kunnen het aanmaken van data combineren met het verkrijgen van deze data van anderen. Data die zij aan anderen leveren moeten ze dan wel zelf ter beschikking hebben, maar kunnen zowel zelf aangemaakte data zijn als 56

61 data die werden verkregen van anderen. De percentagetotalen per rij in tabel 8.1. zijn om die reden ook hoger dan 100%. Deze tabel biedt een algemeen overzicht van hoe de bevraagde organisaties in aanraking komen met de vier types van geodata. De tabel geeft telkens het percentage weer van het totale aantal respondenten. Voor wat betreft perceelsdata betekent dit dus dat 20% van de bevraagde organisaties deze data zelf aanmaken, dat 88% deze data ook krijgen van een of meerdere andere organisaties, en dat 12% van de organisaties deze data zelf levert aan anderen. 8% van de bevraagde organisaties komt niet in aanraking met perceelsdata. Tabel 8.1. Relevantie van vier types van geografische data Produceren (%) Verkrijgen (%) Leveren (%) Geen (%) Perceelsdata Adresdata Wegendata Hydrografiedata Voor de andere types van data zijn deze percentages enigszins anders. Adresdata bijvoorbeeld, worden geproduceerd door 30% van de organisaties. In vergelijking met perceelsdata zijn er dus meer organisaties die dit type van geodata aanmaken. Anderzijds worden adresdata minder uitgewisseld dan perceelsdata, aangezien zowel het percentage organisaties dat deze data verkrijgt (69%) als het percentage organisaties dat deze data levert (6%), lager is. En bovendien zijn er heel wat meer organisaties die niet met adresdata in aanraking komen, noch als producent noch als gebruiker. Kijken we tot slot naar wegendata en hydrografiedata, dan zien we dat deze een gelijklopend beeld vertonen voor wat betreft het verkrijgen en het leveren van deze data. In beide gevallen gaat het om 59% van de organisaties die aangeven deze data te krijgen van anderen, en 4% van de organisaties die aangeven deze data te leveren. Vergeleken met adresdata en perceelsdata, liggen deze percentages dus wat lager. Het grote onderlinge verschil tussen wegendata enerzijds en hydrografische data anderzijds, heeft te maken met de productie van deze data. Terwijl 57

62 wegendata nog aangemaakt worden door 19% van de bevraagde organisaties, is dit voor hydrografiedata slechts 11%. Hydrografiedata onderscheidt zich op dit vlak ook duidelijk van de andere twee types van data, het verschil tussen wegendata en perceelsdata voor wat betreft de productie is dan weer minimaal. Zoals hierboven reeds werd aangegeven, sluiten deze drie activiteiten produceren, krijgen en leveren elkaar niet uit, en is enige overlap dus mogelijk. In tabel 8.2 en tabel 8.3 trachten we deze overlap weg te werken, door de resultaten te bekijken vanuit één bepaald perspectief. Tabel 8.2 kijkt specifiek naar het gebruik van geografische data, en richt zich op de vraag of het gaat om eigen data dan wel om data van anderen. Impliciet wordt hierbij dus de veronderstelling gemaakt dat data die aangemaakt of verkregen worden, ook gebruikt worden door de organisatie in kwestie. Wat gebruik betreft worden vier opties onderscheiden: organisaties gebruiken uitsluitend eigen data, organisaties hergebruiken uitsluitend data van anderen, organisaties combineren beide vormen van gebruik of organisaties gebruiken geen geografische data (van dit type). Deze keer sluiten deze opties elkaar wel uit, en dus is in tabel 8.2 de som van alle percentages in één rij steeds 100% Tabel 8.2. Gebruik van vier types van geografische data Gebruik eigen data Her-gebruik data Combinatie Geen gebruik Perceelsdata 4,5 % 71,5 % 16,0 % 8,0 % Adresdata 12,5 % 51,0 % 17,5 % 18,0 % Wegendata 7,0 % 48,0 % 11,5 % 33,5 % Hydrografiedata 4,5 % 52,0 % 7,0 % 36,5 % Wat reeds in tabel 8.1 duidelijk was en ook nu weer bevestigd wordt, is dat perceelsdata het meest gebruikt worden van onze vier types van geodata. Meer dan 90% van de bevraagde organisaties gebruikt deze data. Voor adresdata is dit nog 82%, voor wegen- en hydrografiedata ligt dit percentage lager dan 70%. Maar hoe worden de gebruikte data nu juist verkregen? Voor alle types van data is het gebruiken van bestaande data de belangrijkste optie. Voor adresdata, wegendata en hydrografiedata geeft steeds ongeveer 58

63 de helft van de bevraagde organisaties aan uitsluitend data te hergebruiken van anderen. Voor perceelsdata is dit percentage uitsluitend hergebruik nog hoger, met meer dan 70% van de organisaties. Het hergebruik van data gebeurt bovendien vaak in combinatie met het gebruik van eigen data. Wat onze types van geodata betreft, zien we dat dit vooral voor perceelsdata (16%) en adresdata (17%) het geval is. Voor wegendata en hydrografiedata gebeurt dit iets minder. Het uitsluitend gebruiken van eigen data gebeurt dan weer voornamelijk met adresdata en, in minder mate, met wegendata. Tabel 8.3 Productie van vier types van geografische data Produceren uitsluitend voor eigen gebruik Produceren (eveneens) voor anderen Geen productie Perceelsdata 12,0 % 8,5 % 79,5 % Adresdata 25,0 % 5,0 % 70,0 % Wegendata 14,5 % 4,0 % 81,5 % Hydrografiedata 8,0 % 4,0 % 88,0 % Tabel 8.3 focust op de productie van data, en meer bepaald op de vraag of organisaties die data produceren, deze uitsluitend zelf gebruiken, of deze ook ter beschikking stellen van anderen. Kijken we eerst naar het al dan niet produceren, dan zien we nogmaals dat van onze vier types van data adresdata het meest geproduceerd worden. Dat is enigszins begrijpelijk, aangezien gemeenten, die in sterke mate aanwezig zijn in de bevraging, instaan voor de bijhouding van adresgegevens. Perceelsdata en wegendata worden in minder mate aangemaakt, voor hydrografische data ligt dit percentage het laagst. Nog opvallender in deze tabel is echter het hoge percentage bij adresdata inzake het produceren voor eigen gebruik. Hier zien we dat een kwart van de bevraagde organisaties uitsluitend voor zichzelf adresdata aanmaken. De hoge productie van adresdata is met andere woorden een hoge productie voor intern gebruik. Bij perceelsdata is de situatie enigszins anders. Ook al is het totale percentage van organisaties die deze data aanmaken kleiner, toch zijn er meer organisaties die deze data aanbieden aan anderen. Wat de 59

64 verhouding productie voor eigen gebruik versus productie voor gebruik door anderen betreft, zijn wegendata en hydrografiedata gesitueerd tussen de beide andere types. Onderling verschillen zij doordat wegendata door meer organisaties geproduceerd worden voor eigen gebruik (zelfs meer dan perceelsdata). Op vlak van productie voor anderen, zijn beide percentages evenwel gelijk. > 3. Bron In het voorgaande deel werd kortstondig geanalyseerd hoe handelingen als het produceren, verkrijgen en aanbieden van geografische data zich tegenover elkaar verhouden. In tegenstelling tot voorgaande hoofdstukken, waarin vooral de organisaties zelf centraal stonden, hadden we deze keer al wat aandacht voor de geografische data. Op die manier konden we reeds aantonen dat de mate waarin geodata verworven, gebruikt en ter beschikking worden gesteld, sterk afhankelijk is van het type van data waarover het gaat. In het vervolg van dit rapport ligt de focus op het hergebruiken van geografische data. De hoofddoelstelling van Geografische Data Infrastructuren is immers om dit hergebruik van geodata te stimuleren en te vereenvoudigen. Dit houdt in dat gestreefd wordt naar een efficiënte en effectieve toegang tot data van anderen. In dit deel van ons rapport kijken we alvast wie juist die anderen zijn wiens data hergebruikt worden. Zoals hierboven reeds werd besproken, werd aan alle respondenten in onze enquête gevraagd om aan te geven of zij de vier types van geodata produceren, verkrijgen en/of leveren. Vanaf nu richten we ons specifiek op het verkrijgen van geografische data van andere organisaties. In de survey werd aan de organisaties die aangaven geodata te ontvangen van een andere organisatie, gevraagd om aan te geven over welke organisatie of organisaties het juist gaat. Voor elk van de vier types konden onze respondenten steeds maximum vijf organisaties aanduiden waarvan zij data van dit type verkregen. Op die manier krijgen we voor elk van de vier voorgelegde datatypes een overzicht van de leveranciers van deze data. 60

65 Opvallend is echter dat het aantal leveranciers dat op die manier verkregen wordt, ruimer is dan het aantal bevraagde organisaties dat zelf aangaf data te leveren. Dit kan op verschillende manieren verklaard worden. Om te beginnen is het immers zo dat een aantal aangeduide leveranciers helaas geen deel uit maken van onze respondentengroep. Daarnaast blijken organisaties ook niet altijd (meer) op de hoogte te zijn van data die zij aan anderen ter beschikking hebben gesteld. Omgekeerd is het voor diegene die data hebben ontvangen, vaak eenvoudiger om hun leverancier aan te geven. Vandaar dat we het (her)gebruik van data bekijken vanuit het perspectief van de (her)gebruiker. In deze context kan het nuttig zijn om nogmaals terug te komen op het onderscheid tussen leveranciers en producenten. Data leveren en data produceren zijn immers twee afzonderlijke activiteiten. Een organisatie kan als leverancier beschouwd worden zonder dat zij zelf data aanmaakt. Zij kan namelijk uitsluitend data die door andere organisaties aangemaakt werd, verspreiden. Anderzijds toonden we eerder ook al aan dat heel wat organisaties in Vlaanderen geografische data aanmaken uitsluitend voor eigen gebruik. Zij produceren dus wel data, maar leveren deze niet aan anderen. In een aantal gevallen zullen deze activiteiten dan weer wel samenvallen, en zal een organisatie de data die zij aanmaakt vervolgens ook ter beschikking stellen van anderen. Maar dit is niet altijd het geval. Tabel 8.4 geeft een overzicht van de vijf belangrijkste leveranciers voor elk van de vier types van geodata. We zien meteen dat het Agentschap voor Geografische Informatie Vlaanderen (AGIV) de belangrijkste leverancier is voor drie van de vier geselecteerde types. Zowel voor adresdata als voor wegendata en hydrografiedata is het AGIV in zeker de helft van de gevallen de leverancier. Enkel voor perceelsdata is het agentschap dat niet. De voornaamste leverancier van perceelsdata is de FOD Financiën, of meer bepaald, de Algemene Administratie voor Patrimoniumdocumentatie (AAPD) die hier deel van uitmaakt. Wat de verdeling van perceelsdata betreft is het AGIV zodoende de tweede grootste leverancier. Omgekeerd is de FOD Financiën, oftewel de AAPD, de tweede leverancier van adresdata. 61

66 Tabel 8.4. Vijf voornaamste leveranciers per type van geodata Perceel Adres Wegen Hydrografie 1. FOD Financiën 34,5 % AGIV 50,0 % AGIV 55,5 % AGIV 58,0 % 2. AGIV 23,5 % FOD Financiën 13,5 % Oost-Vlaanderen 7,5 % Oost-Vlaanderen 6,0 % 3. Oost-Vlaanderen 5,0 % Oost-Vlaanderen 7,0 % Private organisatie 7,0 % West-Vlaanderen 5,5 % 4. West-Vlaanderen 3,5 % Private organisatie 5,5 % West-Vlaanderen 4,0 % VMM 5,5 % 5. Gemeenten 3,0 % West-Vlaanderen 3,5 % Vlaams-Brabant 3,0 % Antwerpen 3,5 % Daarnaast zien we twee andere leveranciers die terugkeren voor elk van de vier datatypes, met name de provincies Oost-Vlaanderen en West- Vlaanderen. Zij leveren deze data hoofdzakelijk aan de gemeenten binnen hun provincie. Beide provincies voeren immers een zeer actief beleid naar het verspreiden van geografische data naar de lokale besturen. Ook de provincies Vlaams-Brabant en Antwerpen doen dit in zekere mate. Ook zij komen naar voren in het overzicht van de voornaamste leveranciers, weliswaar minder nadrukkelijk. Evenzeer opvallend ten slotte, is de rol van private organisaties. Voor wat betreft wegendata vormen zij zelfs de derde grootste leverancier. Deze cijfers kunnen in sterke mate verklaard worden door de overeenkomsten die het AGIV sluit met andere organisaties. Zoals aan het begin van dit rapport reeds werd aangegeven, heeft het AGIV een overeenkomst met de FOD Financiën om de kadastrale perceelsdata te verdelen binnen de Vlaamse overheid en naar de provincies. De FOD Financiën staat zelf in voor het leveren van deze data aan de lokale overheden. Voor wat betreft de wegendata, wezen we eerder al op de overeenkomst die het AGIV heeft met een private leverancier. 62

67 Tabel 8.5. Leveren van vier types van geodata per bestuursniveau Perceel Adres Wegen Hydrografie Federaal 79,0 % 16,5 % 3,0 % 1,5 % Vlaams 32,5 % 24,5 % 21,0 % 22,4 % Provinciaal 40,0 % 21,5 % 20,0 % 18,5 % Tabel 8.5 bekijkt deze leveranciers vanuit de verschillende bestuursniveaus. Enkel het federale, Vlaamse en provinciale niveau zijn in deze tabel opgenomen, het lokale niveau ontbreekt dus. Vergelijken we nu de verdeling van deze niveaus als leverancier over de vier geïdentificeerde datatypes, dan zien we dat er een significant verschil is tussen de drie niveaus. De tabel toont aan dat het federale niveau vooral optreedt als leverancier van perceelsdata. De verschillende organisaties van de Vlaamse overheid, zowel het AGIV dus als de andere departementen en agentschappen, verdelen deze vier types van geodata op een meer gelijke manier. De provincies nemen een tussenpositie in: ook zij leveren in hoofdzaak perceelsdata, maar verder is de verdeling over de verschillende types van data nogal gelijklopend. Een algemeen overzicht van de grootste leveranciers van geografische data in Vlaanderen vinden we terug in tabel 8.6. Logischerwijs gaat het om dezelfde kernspelers als in de voorgaande tabellen. De sleutelrol van het AGIV in de Geografische Data Infrastructuur in Vlaanderen komt nadrukkelijk naar voren in deze tabel. Meer dan 40% van de geïdentificeerde datastromen is immers afkomstig van het AGIV. Dat cijfer toont aan dat de verspreiding van geografische data in Vlaanderen sterk gecentraliseerd georganiseerd is. De tweede plek in deze rangschikking wordt ingenomen door de FOD Financiën. De organisatie heeft deze plek natuurlijk grotendeels te danken aan de verspreiding van de kadastrale perceelsdata. In die zin zorgt onze selectie van dit type van vier datatypes enigszins voor een vertekend beeld. Mochten perceelsdata bijvoorbeeld geen deel uitmaken van onze selectie, dan zou het aandeel van de FOD Financiën in deze rangschikking waarschijnlijk heel wat beperkter zijn. Daarom mag zeker niet uit het oog verloren worden dat deze resultaten gebaseerd zijn op een selectie van vier specifieke types van data. Anderzijds kunnen perceelsdata wel beschouwd 63

68 worden als kerndata voor het gebruik van (andere) geografische data. Zelfs al is de FOD Financiën uitsluitend verantwoordelijk voor dit datatype, het belang van dit type data maakt dat ook de FOD Financiën een belangrijke impact heeft op de ontwikkeling van de Geodata Infrastructuur in Vlaanderen. Tabel 8.6. Dataleveranciers in Vlaanderen volgens aantal geïdentificeerde datastromen Aantal Percentage 1. Agentschap voor Geografische Informatie Vlaanderen ,5 2. FOD Financiën ,0 3. Provincie Oost-Vlaanderen 58 6,0 4. Provincie West-Vlaanderen 40 4,5 5. Private organisaties 28 3,0 6. Gemeenten 26 3,0 7. Provincie Vlaams-Brabant 19 2,0 8. Nationaal Geografisch Instituut 18 12,0 9. Agentschap R-O Vlaanderen 16 1,5 10. Provincie Antwerpen 15 1,5 Verder in tabel 8.6 valt vooral de positie van de provinciale overheden op. Op basis van onze methodologie behoren vier van de vijf provincies tot de belangrijke leveranciers van geografische data in Vlaanderen. Enkel de provincie Limburg ontbreekt. Wat de overige provincies betreft, nemen vooral Oost-Vlaanderen en West-Vlaanderen een belangrijke positie in (3 en 4). De provincie Vlaams-Brabant vinden we terug op de zevende plek, provincie Antwerpen op de tiende positie. Dat West-Vlaanderen onder Oost- Vlaanderen gerangschikt staat, is enigszins verrassend. Het is evenwel niet uitgesloten dat dit het gevolg is van een methodologische vertekening. De provincie West-Vlaanderen stelt haar data immers steevast beschikbaar via webservices, waardoor het gevoel van een datastroom of datatransfer mogelijk ontbreekt bij sommige respondenten. Het is belangrijk om deze methodologische bemerking in het achterhoofd te houden, bij het lezen en interpreteren van de resultaten. 64

69 Deze cijfers geven eigenlijk een indicatie van een verschillend beleid naar de lokale overheden toe tussen de vijf provincies. West-Vlaanderen en Oost- Vlaanderen voeren al langere tijd een actief beleid naar het verstrekken van geodata aan de lokale besturen binnen hun provincie. Ook de provincies Antwerpen en Vlaams-Brabant trachten steeds meer zo een beleid uit te bouwen. In Limburg daarentegen, worden de GIS-activiteiten in sterke mate gericht op de eigen diensten. In tabel 8.6 vinden we tussen de provincie West-Vlaanderen en Vlaams- Brabant nog twee andere belangrijke verdelers van geografische data terug: enerzijds de private organisaties (vijfde positie), anderzijds de gemeenten (zesde positie). Voor beide organisaties dient evenwel opgemerkt te worden dat deze omwille van methodologische redenen elk beschouwd werd als één groep. Terwijl alle organisaties op federaal, Vlaams en provinciaal niveau opgenomen werden als potentiële unieke leveranciers, was dit voor de private en lokale organisaties evenwel niet mogelijk. Dat heeft trouwens ook gevolgen voor de verdere analyses. De karakteristieken die we in de komende hoofdstukken zullen onderzoeken, konden niet verzameld worden voor lokale of private data. Datastromen afkomstig van deze partijen maken dus geen deel uit van onze analyses. > 4. Conclusie Terwijl in de voorgaande hoofdstukken van dit rapport de focus nog sterk lag op de organisaties die geodata produceren, gebruiken en uitwisselen, verschuift deze in de komende hoofdstukken meer en meer naar de geodata zelf. In dit achtste hoofdstuk maken we de overgang tussen beide, en kijken we om te beginnen op welke wijze(n) de organisaties in aanraking komen met de data. Vier specifieke types van geodata worden hiervoor geselecteerd: perceelsdata, adresdata, wegendata en hydrografische data. Het in aanraking komen met deze data kan op drie manieren gebeuren: de data kunnen geproduceerd worden, verkregen worden en geleverd worden. In het eerste deel van dit hoofdstuk keken we hoe deze drie activiteiten zich tegenover elkaar verhouden, voor elk van de vier types van geodata. Belangrijkste conclusie hier is dat het type van data sterk bepalend is voor de verhouding tussen de drie activiteiten. Voor elk van de vier types was het 65

70 verkrijgen van data evenwel de belangrijkste activiteit. Maar terwijl perceelsdata bijvoorbeeld zeer intensief hergebruikt worden, zagen we dat op vlak van adresdata ook zelfgemaakte data een belangrijke rol spelen. In het tweede deel van dit hoofdstuk richtten we ons specifiek op het verkrijgen van data, en gingen we na welke organisaties de leveranciers waren van deze te hergebruiken data. Op die manier konden we aantonen dat het Agentschap voor Geografische Informatie Vlaanderen de kernorganisatie is voor wat betreft de verdeling van geografische data in Vlaanderen. Maar ook voor de FOD Financiën (omwille van de perceelsdata) en de provincies (toch vier van de vijf) is een belangrijke rol weggelegd. Tabel 8.7. Vier types van datastromen: frequenties en percentages Aantal Percentage Perceelsdata ,5 Adresdata ,0 Wegendata ,0 Hydrografiedata ,5 Totaal De belangrijkste opbrengst van dit hoofdstuk zijn echter de links die gemaakt worden tussen de gebruikers van geografische data enerzijds en de leveranciers van die data anderzijds. Die links werden gemaakt voor vier verschillende datatypes, waardoor uiteindelijk meer dan 900 stromen van geodata in Vlaanderen geïdentificeerd werden. Bovendien werd in de survey informatie verzameld over een aantal karakteristieken van deze datastromen. Omdat dit om methodologische redenen niet mogelijk was voor stromen afkomstig van gemeentelijke of private organisaties, houden we uiteindelijk 852 stromen over. Tabel 8.7 biedt een overzicht van deze stromen naar type van data toe. In het vervolg van dit rapport worden de karakteristieken uitgebreid geanalyseerd. Hierbij maken we ook gebruik van de kenmerken uit dit hoofdstuk. Zowel het type van data als de leverancier van deze data worden namelijk meegenomen als achtergrondvariabelen. De opbouw van de volgende hoofdstukken is grotendeels gelijkaardig. Voor alle 66

71 karakteristieken die onderzocht worden, worden eerst de algemene resultaten bekeken. Hiermee bedoelen we de verdeling van de meer dan 800 datastromen over deze karakteristieken heen. Vervolgens wordt nagegaan in welke mate het type data een invloed heeft op deze karakteristieken. Dit betekent dat we onze analyses afzonderlijk uitvoeren voor elk van de vier types en nagaan in welke mate er significante verschillen zijn tussen de vier types. Datzelfde doen we ten slotte ook voor wat betreft de leverancier van de data. Dit gebeurt op twee manieren. Eerst maken we het onderscheid tussen de data afkomstig van het AGIV en de data afkomstig van een andere leverancier. Ook hier gaan we na of er significante verschillen bestaan tussen beide voor wat betreft de onderzochte kenmerken. Een gelijkaardige analyse doen we voor wat betreft de bestuursniveau van de leverancier. We onderzoeken dus welke verschillen er zijn tussen federale, Vlaamse en provinciale datastromen. Deze algemene analyses van de rol van de leverancier, zowel voor het al dan niet afkomstig zijn van het AGIV als voor het bestuursniveau, worden trouwens telkens nog eens opgesplitst naar de vier types van geodata toe. Dit laat toe om de algemene resultaten te verduidelijken of te specificeren. 67

72

73 9. De prijs van geodata > 1. Inleiding Naast de financieringsmechanismen die van toepassing zijn op de organisaties uit de GDI in Vlaanderen en die eerder in dit rapport besproken werden, is er een ander belangrijk economisch onderwerp dat nader onderzocht dient te worden, met name de prijszettingsproblematiek. Onderzoek naar de prijszetting omvat zowel de vergoedingen die betaald moeten worden door organisaties om data en informatie te verkrijgen, als de prijzen die zij zelf aanrekenen voor de door hen geproduceerde of aangeleverde data en informatie. In dit hoofdstuk richten we ons op het standpunt van de gebruikers, en kijken we wat zij dienen te betalen voor de data die ze willen gebruiken. Voor elk van de onderscheiden datastromen werd daarom gevraagd tegen welke prijs deze verkregen werd. > 2. Resultaten Voor deze vraag werden vijf antwoordmogelijkheden voorzien namelijk: gratis, tegen marginale kost (bvb. verstrekkingskost), tegen betaling, een andere methode van uitwisseling en een laatste categorie waarin men kon aangeven hierover geen informatie te weten. Tabel 9.1 toont aan dat drie kwart van de datastromen gratis verkregen werden. Voor 11% van de datasets moet een vergoeding betaald worden die overeenkomt met een marginale kost, slechts voor 7% dient effectief een berekende prijs betaald te worden. Voor 18% van de datastromen moest dus betaald worden. Tabel 9.1. Prijs van datastroom Aantal Percentage Gratis ,0 Tegen marginale kost (bvb. verstrekkingkost) 88 10,5 Tegen betaling 59 7,5 Weet niet 51 6,0 Andere 15 2,0 69

74 Kijken we naar de verschillende types van data (tabel 9.2), dan zien we toch wel enkele duidelijke verschillen. Zoals reeds vermeld, wordt de overgrote meerderheid (75%) van de data binnen de onderzochte datastromen, gratis ter beschikking gesteld. Daar waar perceelsdata en adresdata, respectievelijk met 77% en 74% dit gemiddelde sterk benaderen, worden wegendata slechts in 62% van de gevallen gratis uitgewisseld. Voor hydrografiedata ligt dit percentage dan weer hoger dan het gemiddelde, met 82% van de datastromen die als gratis worden beschreven. Dit verschil in prijszetting wordt nog duidelijker wanneer we kijken naar de de datasets waarvoor de ontvanger een effectieve prijs moet betalen (prijszetting op basis van marginale kosten dus niet meegerekend): voor wegendata moet er in 15% van de gevallen betaald worden, wat tot 5 keer meer is dan voor hydrografiedata. Op basis van deze cijfers kunnen we dus stellen dat, vanuit het standpunt van de (her)gebruiker, wegendata de duurste data van onze vier types zijn, en hydrografiedata de goedkoopste. Tabel 9.2. Prijs: per type van geografische data Gratis Marginale kost Tegen betaling Andere Weet niet Perceelsdata 76,5 % 7,5 % 5,5 % 3,0 % 7,5 Adresdata 73,5 % 13,5 % 7,0 % - 6,0 % Wegendata 61,5 % 15,5 % 15,5 % 1,5 % 6,0 % Hydrografiedata 82,0 % 10,5 % 3,0 % 2,0 % 2,5 % Naast het effect van het type van de geodatasets, werd er ook nog onderzocht of er een invloed was op de prijszetting afhankelijk van de dataleverancier. Vooreerst werd er een onderscheid gemaakt tussen data die geleverd worden door het AGIV en data die door anderen worden aangeleverd. Algemeen blijkt hieruit dat de data afkomstig van het AGIV vaak duurder zijn dan data van anderen. Dat verschil heeft grotendeels te maken met de marginale kost voor de data. In termen van de hoogte van de prijs, is de impact hiervan dus relatief beperkt. Tabel 9.3 toont daarnaast wel aan dat onze respondenten beter op de hoogte zijn van de prijs van de 70

75 AGIV-data dan van andere data. Wanneer we deze resultaten afzonderlijk bekijken voor elk van onze vier types, dan zien we significante verschillen voor wat betreft perceelsdata, adresdata en wegendata. Voor elk van deze types worden de data van het AGIV als duurder omschreven. Tabel 9.3. Prijs: AGIV versus niet-agiv als leverancier Gratis Marginale kost Tegen betaling Andere Weet niet AGIV 64,5 % 20,5 % 10,5 % 0,5 % 4,0 % Niet - AGIV 82,0 % 3,0 % 4,5 % 2,5 % 8,0 % Vervolgens werden de dataleveranciers ook nog opgesplitst in andere categorieën, meerbepaald op basis van het bestuursniveau waar zij zich in bevinden: een onderscheid werd gemaakt tussen het federale, het Vlaamse en het provinciale niveau. Ook hier werden opmerkzame verschillen duidelijk. Het provinciale niveau levert in bijna 90% van de gevallen haar datasets gratis en slechts voor 2% moet een marginale vergoeding of prijs betaald worden. Het Vlaamse niveau onderscheidt zich vooral door het vragen van een marginale kost. Het federale niveau bevindt zich tussen de andere twee in, met 76% gratis datasets en 13% sets tegen betaling. Wat de provincies betreft kunnen we stellen dat deze over weinig eigen geodata beschikken. Dit wil dus zeggen dat de provincies voor hun data zelf betalen aan anderen, en deze data vervolgens gratis verspreiden onder de gemeenten. Tabel 9.5. Prijs: per bestuursniveau van leverancier Gratis Marginale kost Tegen betaling Andere Weet niet Federaal 76,0 % 4,5 % 9,0 % 2,5 % 8,0 % Vlaams 69,0 % 16,0 % 8,0 % 1,5 % 5,5 % Provinciaal 89,5 % 1,5 % 1,0 % 2,0 % 6,0 % We hebben deze algemene bevindingen ook getest voor de vier datasets. Bovengemaakte opmerkingen leken duidelijk te kloppen voor perceelsdata 71

76 en adresdata, waar het Vlaamse niveau zich van de andere twee bestuursniveaus onderscheidt door de hogere (marginale) kostprijs. Wat wegendata en hydrografische data betreft, is het moeilijk om de federale overheden mee te nemen in de vergelijking, aangezien deze data op dat niveau niet of nauwelijks verdeeld worden. In beide gevallen zien we wel dat het percentage gratis data hoger is bij de provincies. > 3. Reden Nadat men een duidelijker beeld heeft op de prijszetting van deze vier verschillende datastromen, lijkt het vervolgens interessant om te onderzoeken in hoeverre deze prijszetting belangrijk, of net niet belangrijk, is bij het kiezen voor een bepaalde leverancier. Met andere woorden wilden wij onderzoeken of de financiële aspecten, dan wel andere factoren, doorslaggevend zijn voor de respondenten bij hun keuze voor een bepaalde dataleverancier. Hiervoor werd in de survey voor elke geïdentificeerde datastroom de vraag gesteld wat de belangrijkste reden was om voor deze datastroom te kiezen. De respondenten kregen hiervoor een keuzelijst van 7 mogelijkheden, alsook werd hen, zoals steeds, de optie gelaten om andere te kiezen of om aan te geven dat zij het antwoord op deze vraag niet wisten. Er is wel enige omzichtigheid vereist bij de interpretatie van deze antwoorden. Immers, de respondenten mochten uit de keuzelijst slechts 1 optie aanvinken. In de realiteit zijn er echter vaak meerdere redenen, of combinaties van factoren, die aan de grondslag liggen van de keuze voor die specifieke leverancier. Aangezien de respondenten nu gedwongen werden om slechts 1 antwoord aan te kruisen, heeft dit mogelijk een vertekend resultaat tot gevolg. Echter, mits enige voorzichtigheid kunnen we uit de antwoorden op deze vraag wel enkele belangrijke conclusies trekken. Uit de antwoordmogelijkheden die opgelijst staan in tabel 9.6, blijkt dat de belangrijkste reden (met een overduidelijke meerderheid van 30%) om te kiezen voor een bepaalde leverancier is, dat deze als enige in staat is om de vereiste datasets aan te leveren. Deze vaststelling kan zowel positief als negatief geïnterpreteerd worden. In de conclusies van dit hoofdstuk komen we uitgebreid op dit thema terug. 72

77 Tabel 9.6. Reden van datastroom Aantal Percentage Wettelijke verplichting 82 10,0 Enige bron voor deze dataset ,0 Financieel voordelig 74 9,0 Historische band 44 5,5 Uitiwsseling i.k.v. samenwerkingsovereenkomst ,5 Praktische eenvoud ,0 Aantrekkelijke gebruiksvoorwaarden 11 1,5 Andere 23 3,0 Weet niet 60 7,5 Het feit dat er data uitgewisseld worden in het kader van een samenwerkingsovereenkomst is, volgens onze enquête, de tweede belangrijkste reden om voor een bepaalde leverancier te kiezen. Van het totale aantal respondenten gaf 17% aan dat deze overeenkomsten voor hen doorslaggevend zijn bij hun leverancierskeuze. Ongeveer evenveel respondenten (16%), vinden dan weer de praktische eenvoud die verbonden is aan de samenwerking met een bepaalde leverancier het belangrijkste. Financiële aspecten komen pas op de vijfde plaats en worden slechts door 9% van de respondenten aangegeven als belangrijk aandachtspunt bij hun keuze. Enerzijds zou dit, toch relatief lage cijfer, als verwonderlijk kunnen beschouwd worden. Gebaseerd op de meeste economische theorieën kan men immers verwachten dat een consument de prijs van het gewenste product toch als zeer belangrijke factor zou beschouwen bij een aankoop, zelfs bij informatiegoederen zoals datasets. Wanneer we de resultaten van tabel 9.6 nader bekijken door ze op te splitsen volgens de vier bestudeerde datastromen (wegen, percelen, adressen, hydrografie), kunnen we achterhalen of de reden waarvoor men een bepaalde leverancier verkiest afhankelijk is van het type van gevraagde datastroom. De resultaten van deze analyse kunnen teruggevonden worden in tabel 9.7. In deze tabel worden per datatype de vijf meest aangeduide redenen weergegeven. Wat meteen opvalt, is dat het telkens gaat om dezelfde vijf redenen. De overige redenen, Historische band en 73

78 gemakkelijke gebruiksvoorwaarden, worden dus ook telkens het minst vaak vernoemd. Tabel 9.7. Reden: per type van geografische data Perceel Adres Wegen Hydrografie 1. Enige bron voor dataset 36,5 % Enige bron voor dataset 31,5 % Praktische eenvoud 25,5 % Praktische eenvoud 23,5 % Praktische eenvoud 18,0 % Enige bron voor dataset 21,0 % 2. Samenwerkingsovereenkomst 16,5 % Samenwerkingsovereenkomst 20,0 % 3. Wettelijke verplichting 11,5 % Samenwerkingsovereenkomst 17,0 % Samenwerkingsovereenkomst 17,5 % Enige bron voor dataset 20,0 % 4. Praktische eenvoud 9,5 % Wettelijke verplichting 10,0 % Financieel voordelig 16,5 % Financieel voordelig 10,5 % 5. Financieel voordelig 7,0 % Financieel voordelig 7,0 % Wettelijke verplichting 7,0 % Wettelijke verplichting 10,0 % We zien dat de belangrijkste algemene reden om te opteren voor een specifieke leverancier, namelijk het feit dat deze als enige de nodige dataset zou leveren, vooral doorslaggevend is voor perceelsdata en adresdata. Voor alle datastromen is het bestaan van een uitwisselingsovereenkomst ongeveer even belangrijk (gemiddeld 17%) met een kleine piek voor de hydrografische datasets van 20%. De praktische eenvoud die verbonden is aan een leverancier lijkt dan weer vooral belangrijk bij de wegendata met een aandeel van 26%, wat in schril contrast staat tot het resultaat van de perceelsdata met slechts 9%. Opmerkelijk is hierbij dat deze relatie net omgekeerd is wanneer men naar de reden wettelijke verplichting kijkt. Waar voor de datalevering in verband met percelen 11% de reden wettelijk verplicht aangeeft (de koploper van de vier datasets), is dit bij informatie over wegen slechts 7% (als laatste van de groep). Ten slotte is de relatie tussen de dataset wegen en die van percelen ook nog opmerkelijk in verband met de financiële aspecten. We merken op dat voor wegen het financiële aspect toch zwaarder doorweegt 74

79 dan bij de andere datasets, namelijk 17% ten opzichte van het gemiddelde van 9%. Dit aspect is dan weer net het minst belangrijk voor de dataset percelen, waar men slechts in 7% van de gevallen financieel voordelige omstandigheden als belangrijk aangeeft bij de keuze van een dataleverancier. We wilden bovendien ook onderzoeken of de leverancier zelf een invloed heeft op de redenen om voor die organisatie te kiezen. Hiervoor worden de resultaten dus opgedeeld volgens leverancier, en dit op twee manieren. Ten eerste door een onderscheid te maken gebaseerd op het feit of het AGIV al dan niet de dataset aanlevert, en vervolgens, door naar het bestuursniveau te kijken waarin de leverancier zich bevindt: federaal, Vlaams of provinciaal. Voor de eerste opdeling zien we dat het AGIV als leverancier in feite goed scoort op praktische eenvoud van de datalevering, en bovendien ook financieel voordelig lijkt te zijn. Wettelijke verplichting blijkt minder dan gemiddeld door te wegen bij de keuze van het AGIV als leverancier (7% in verhouding tot 10%) en het belang van een historische band om voor het AGIV te kiezen wordt ook minder dan gemiddeld aangehaald. Wanneer we deze resultaten opsplitsen per type data, komen er nog enkele andere opmerkelijke aspecten aan de oppervlakte. Om te beginnen zijn er voor slechts twee van onze vier datatypes significante verschillen terug te vinden, tussen de reden om voor AGIV data te kiezen of om dat niet te doen. Die twee types zijn perceelsdata en hydrografiedata. Wat perceelsdata betreft, worden data die niet afkomstig zijn van het AGIV hoofdzakelijk gekozen vanuit de overtuiging dat er slechts één leverancier voor deze data is. Andere redenen om niet voor het AGIV te kiezen zijn de wettelijke verplichting om bepaalde data te gebruiken en de historische band. Ook het AGIV zelf wordt enigszins paradoxaal in de meeste gevallen verkozen omdat zij de enige leverancier zijn van deze data (29%). Hier zien we echter dat ook het bestaan van het samenwerkingsverband een belangrijke reden is om het AGIV te kiezen als leverancier van perceelsdata. Wat het onderscheid tussen het al dan niet kiezen voor het AGIV als leverancier van hydrografiedata betreft, zien we enkele opmerkelijke resultaten terug. De keuze voor het AGIV als leverancier van deze data, wordt in een kwart van de gevallen toegeschreven aan de praktische eenvoud. Die praktische eenvoud wordt daarmee de belangrijkste reden om 75

80 hydrografiedata te halen bij het AGIV. Dat het AGIV door velen beschouwd wordt als enige bron van deze data, is een tweede belangrijke reden. Ook voor datastromen die niet via het AGIV verkregen worden is praktische eenvoud een belangrijke reden. Het bestaan van een samenwerkingsovereenkomst is voor de niet-agiv data echter de belangrijkste reden. Tabel 9.8. Drie belangrijkste redenen per bestuursniveau van leverancier Federaal Vlaams Provinciaal 1. Enige bron voor dataset 46,0 % 2. Wettelijke verplichting 16,5 % 3. Praktische eenvoud 12,5 % Enige bron voor dataset 27,5 % Samenwerking 19,0 % Praktische eenvoud 17,5 % Samenwerking 31,0 % Praktische eenvoud 18,5 % Enige bron voor dataset 14,5 % Voor de opdeling van de leveranciers volgens bestuursniveau, zijn er opmerkelijke resultaten te bespreken. In tabel 9.8 zetten we per bestuursniveau de drie meest genoemde redenen op een rij. We zien meteen een duidelijke tegenstelling tussen de redenen waarom voor het federale niveau, dan wel voor het provinciale niveau gekozen wordt als leverancier. De redenen om het federale niveau als leverancier te kiezen zijn voornamelijk omdat zij de enige leverancier zijn van de vereiste dataset en omdat er een zekere wettelijke verplichting bestaat. Dit dus net in tegenstelling tot de cijfers van het provinciale niveau, waar wettelijke verplichtingen maar in 4% van de gevallen wordt aangegeven. Ook het feit dat zij de enige bron voor die dataset zouden zijn lijkt minder vaak doorslaggevend te zijn: 14% in plaats van maar liefst 46% voor de federale overheid. Dat is enigszins begrijpelijk, aangezien de provincies slechts in beperkte mate beschikken over eigen gegevens. Het provinciale niveau scoort dan net weer wel hoog op uitwisseling in het kader van een samenwerkingsovereenkomst en praktische eenvoud. Kijken we naar de Vlaamse data, dan zien we daar dezelfde redenen terug als voor de provinciale data, weliswaar in een andere volgorde. De keuze voor het Vlaamse niveau wordt het vaakst toegewezen aan het feit dat er slechts één 76

81 bron zou zijn voor de gewenste data. Het bestaan van een samenwerking komt op de tweede plaats, de praktische eenvoud op de derde. Wanneer we vervolgens deze resultaten nog verder opsplitsen voor onze vier datastromen, en dus gaan kijken welke redenen doorslaggevend zijn om een bepaald bestuursniveau als leverancier te kiezen, dan vinden we wederom enkel significante verschillen terug voor wat betreft perceelsdata en hydrografiedata. Het zijn met andere woorden ook die data die de algemene verschillen teweeg brengen. Wat de federale perceelsdata betreft, geldt het feit dat er slechts één bron onderscheiden wordt voor deze data, als de reden bij uitstek. Voor 50% van de federale perceelstromen wordt die reden immers aangehaald. Voor perceelsdata van het Vlaamse niveau, worden twee belangrijke redenen onderscheiden waarom voor deze data gekozen wordt: enerzijds ziet men ook voor deze data geen alternatieven, anderzijds is er het samenwerkingsverband. Voor provinciale data ten slotte, zijn die vormen van samenwerking de hoofdreden om voor deze data te kiezen. > 4. Conclusie In dit hoofdstuk werd aangegeven dat bijna 75% van de data, uit de datastromen die we in onze enquête onderzocht hebben, gratis verkregen wordt. In 18% van de gevallen moet er één of andere vergoeding betaald worden (in 11% van de gevallen een marginale kost, in 7% een effectieve prijs). Er valt te discussiëren over het feit of die 18% betaalde data nu net weinig is, of in feite nog (te) veel. In de literatuur aangaande de economische aspecten van een GDI komt het onderwerp van het al dan niet volledig gratis ter beschikking stellen van geodata aan de overheidsdiensten en de bevolking immers vaak aan bod. Echter, uit andere onderzoeksactiviteiten is reeds gebleken dat het betalen van een prijs op zich meestal niet als erg hinderlijk ervaren wordt door onze respondenten. Wanneer de prijs in overeenstemming is met de kwaliteit van de data of informatie is men over het algemeen bereid hier een billijke vergoeding voor te betalen. Wat echter vaak als storend wordt ervaren zijn de administratieve beslommeringen die in veel gevallen gepaard gaan met deze prijszettings- 77

82 en betalingsprocedures. Door allerhande logge regelgevingen of aanvragen die doorlopen moeten worden, kan het weken en soms zelfs maanden duren alvorens de gewenste data bij de aanvrager terecht komt. Deze lange wachttijden hebben tot gevolg dat veel gegevens niet op bestemming zijn wanneer vereist voor de werkprocedures of dat ze op moment van ter beschikking stelling zelfs al gedateerd blijken te zijn. Er is dan ook vanuit verscheidene hoeken van de GDI in Vlaanderen een duidelijke vraag naar eenvormige en eenvoudigere procedures en afspraken die de gegevensuitwisseling vlotter kunnen laten verlopen en bovenvermelde problemen van de baan kunnen helpen. Ook uit de resultaten omtrent de redenen waarom een specifieke leverancier gekozen wordt, komen financiële aspecten slechts op een vijfde plaats en worden ze maar door 9% van de respondenten aangegeven als belangrijk element bij het maken van hun keuze. Hieruit kunnen we opnieuw vaststellen dat financiële elementen (zoals prijszetting) door onze doelgroep van respondenten zeker niet als de meest cruciale aandachtspunten gezien worden. Tot slot zullen wij in deze conclusie nog één aspect meer gedetailleerd bespreken. Het betreft het meest aangeduide antwoord (een overduidelijke meerderheid van 30%) om te kiezen voor een specifieke leverancier namelijk de leverancier is de enige bron voor de vereiste dataset. Zoals eerder vermeld, kan deze vaststelling zowel positief als negatief geïnterpreteerd worden. Enerzijds betekent het feit dat er maar één leverancier is voor een dataset waarschijnlijk ook dat er weinig onnodige of dubbele productie en verwerking is van de gegevens. Dit leidt dus tot een lagere kost, minder verloren inspanning en een hogere algemene efficiëntie van de GDI in Vlaanderen. Deze situatie creëert mogelijk ook meer eenduidigheid, aangezien er voor een bepaalde dataset één algemeen aanspreekpunt is waar men met zekerheid de benodigde informatie kan vinden. Dit leidt dan weer tot minder zoekkosten en frustraties bij de gebruikers. Bovendien worden zo ook heel wat incompatibiliteitsproblemen van de baan geholpen, aangezien door het bestaan van slechts één leverancier, problemen met afstemming tussen verschillende datasets, softwarepakketten en dergelijke meer achterwegen blijven. Anderzijds heeft de gebruiker in deze situatie echter geen enkele substitutiemogelijkheid. In geval van ontevredenheid met de geleverde dataset, zijn er dus geen alternatieven beschikbaar. 78

83 10. Een beperkt gebruik van geodata? > 1. Inleiding Vanuit juridisch oogpunt werd naar twee aspecten gekeken van de datastromen die mogelijk een invloed hebben op de werking van een GDI. In een eerste vraag werd gepeild naar de juridische basis voor de uitwisseling van de geografische data. Deze basis speelt mogelijk een stimulerende of beperkende rol bij de werking van een GDI. Het is bijvoorbeeld mogelijk dat strikte regelgeving de GDI in haar werking hindert of dat een informele uitwisseling, in tegenstelling tot wat men kan verwachten, niet tot een soepele samenwerking tussen de partners leidt. Alhoewel de vraag geen beoordeling inhoudt van een specifieke juridische basis, geeft zij wel aan welke basis waar in Vlaanderen gebruikt wordt. In een tweede vraag worden de gebruiksvoorwaarden bestudeerd die bij de uitwisseling worden opgelegd. Ook hier hopen we een beeld te krijgen welke voorwaarden waar gangbaar zijn. > 2. Juridische basis > 2.1. Algemeen Een Geografische Data Infrastructuur is gericht op de uitwisseling van geografische gegevens. Een vraag uit onze survey peilde naar de basis waarop deze uitwisseling plaatsvindt. De antwoordcategorieën varieerden van strikt gereglementeerd in regelgeving of contracten tot informele uitwisselingen. De vier volgende uitwisselingsscenario s werden voorgesteld. 1. De uitwisseling wordt beheerst door strikte regelgeving. De organisaties hebben weinig of geen vrijheid om de uitwisseling te regelen. 2. De uitwisseling wordt geformaliseerd in een aankoopcontract. Een organisatie produceert de data niet zelf, maar koopt deze aan bij een andere organisatie. 79

84 3. De uitwisseling werd geformaliseerd in een uitwisselingsovereenkomst of een registratieformulier. Ofwel wisselen organisaties hierbij wederzijds data uit, ofwel volstaat een eenvoudige registratie dat een organisatie een bepaalde dataset verkregen heeft. 4. Informele gegevensuitwisseling waarbij de organisaties wanneer de vraag rijst zonder een geformaliseerd kader data uitwisselen. > 2.2. Resultaten In de algemene resultaten bij deze vraag valt onmiddellijk de 20% organisaties op die niet weten op welke manier de data-uitwisseling geregeld is. Het is echter moeilijk om aan dit cijfer duidelijk conclusies vast te knopen. Mogelijk duidt dit cijfer er op dat het om een informele uitwisseling gaat die niet bij de bevraagde persoon bekend was, maar het kan ook zijn dat de betrokkene wel weet dat er data wordt uitgewisseld, maar zelf de regeling ervoor niet heeft getroffen. Daarnaast stelt 17% van de ondervraagde organisaties op informele wijze uit te wisselen. Verder blijkt uit de resultaten dat het merendeel van de organisaties een minder strikt juridisch kader hanteert. Zo verkiest 33% een uitwisselingsovereenkomst of 17% een informele uitwisseling. Daar staat tegenover dat voor 24% regelgeving en voor 5% een aankoopovereenkomst de basis vormt voor de uitwisseling en zodoende een meer geformaliseerd juridisch kader hanteert. Tabel Juridische basis van datastroom Aantal Percentage Uitwisselingsovereenkomst/registratieformulier ,0 Regelgeving ,5 Aankoopcontract 44 5,5 Informele uitwisseling ,0 Weet niet

85 Uit de groepsvergelijking blijkt dat het type data een invloed heeft op de juridische basis waarop data wordt uitgewisseld. Zoals echter uit de algemene resultaten blijkt, liggen de percentages ook hier vrij dicht bij elkaar. Uitwisseling op basis van regelgeving lijkt het meest voor te komen voor perceelsdata (30%). Alhoewel aankoopcontracten in het algemeen weinig voorkomen, worden zij nog het meest gebruikt om wegendata aan te kopen (9%). Een uitwisselingsovereenkomst wordt het meest gebruikt voor hydrografische data (41%). Voor deze dataset worden immers het meest uitwisselingsovereenkomsten en registratieformulieren gebruikt, of wisselt men op informele basis uit. Voor we dieper op deze vraag ingaan, dienen we stil te staan bij de methodologische beperkingen ervan. Die beperkingen hebben alles te maken met de antwoordcategorieën, en de moeilijkheid om deze categorieën van elkaar te onderscheiden. Het samenwerkingsverband GIS-Vlaanderen maakt duidelijk dat de verschillende vormen van juridische basis nauw met elkaar verbonden zijn. Bij GIS-Vlaanderen dient immers opgemerkt dat door haar specifiek karakter zij mogelijk niet duidelijk in de tweedeling regelgeving of uitwisselingsovereenkomst past. GIS-Vlaanderen is immers een samenwerkingsverband gebaseerd op regelgeving, maar binnen dit verband dienen de betrokken partners steeds de gebruiksvoorwaarden van de verstrekkende organisatie te aanvaarden. GIS-Vlaanderen bevat dus kenmerken van beide juridische bases wat zich vertaalt in enigszins tegenstrijdige resultaten. Zoals hieronder wordt weergegeven, lijkt de datauitwisseling via het AGIV hoofdzakelijk via overeenkomsten te gebeuren. Anderzijds dient men deze overeenkomsten deze in een breder op regelgeving gebaseerd kader, zijnde het GIS-decreet. Wat de data afkomstig van het AGIV betreft, zien we dat deze meer dan bij andere data gebeuren op basis van een uitwisselingsovereenkomst of registratieformulier. Omgekeerd, wanneer het AGIV niet wordt ingeschakeld, verloopt de uitwisseling sneller op meer informele wijze. Bekijken we het onderscheid tussen het AGIV en andere leveranciers per type data, dan vinden we enkel significante verschillen terug voor perceelsdata en voor wegendata. In beide gevallen onderscheiden de data afkomstig van het AGIV zich door de aanwezigheid van een uitwisselingsovereenkomst of registratieformulier. Bij data die niet afkomstig is van het AGIV, zien we twee opvallende tendensen: ofwel zijn de respondenten niet op de hoogte van de juridische basis (wat wederom 81

86 wijst op de complexiteit van deze vraag), ofwel verloopt de uitwisseling op een informele wijze. Wanneer we kijken naar het bestuursniveau dat als bron functioneert, dan zien we dat federale datastromen vooral gebaseerd zijn op regelgeving. Op Vlaams niveau gaat het in de meeste gevallen om uitwisselingsovereenkomsten en registratieformulieren. Dat is trouwens ook zo voor de provinciale data, die zich daarnaast ook onderscheiden door de hoge mate van informele uitwisseling. Ook interessant in dat opzicht is het onderscheid tussen de AGIV-data specifiek, en de Vlaamse data algemeen. Door ook Vlaamse data in onze analyse op te nemen die niet afkomstig zijn van het AGIV, stijgt het percentage van informele uitwisseling met 7%. Wanneer we de resultaten uitsplitsen per dataset zien we vooral dat perceels- en adressengegevens meer uitgewisseld wordt op basis van regelgeving naarmate men op een hoger bestuursniveau terecht komt. De informele uitwisseling neemt toe naarmate men zich op een lager bestuursniveau bevindt. > 3. Gebruiksvoorwaarden > 3.1. Algemeen Een volgende vraag tracht in kaart te brengen welke gebruiksvoorwaarden worden opgenomen wanneer geografische data wordt uitgewisseld. Om de frequentie van deze voorwaarden te meten, werden de meest gangbare voorwaarden als antwoordcategorieën gepresenteerd. De volgende categorieën werden onderscheiden: Wanneer data wordt verkregen, worden mogelijk beperkingen opgelegd in verband met het kopiëren van de verkregen data. De eerste categorie peilt dan ook naar de beperkingen die worden opgelegd omtrent kopies voor eigen gebruik. 82

87 Omdat de leverancier van de data vaak de controle wil behouden over wie over de data kan beschikken, kan een beperking opgelegd worden voor doorgifte aan derden. De mogelijkheid tot publicatie op het internet wordt mogelijk ook beperkt. De integratie in eigen toepassingen wordt mogelijk ook aan voorwaarden onderworpen. Vaak zal een organisatie bewerkingen uitvoeren op de aangeleverde data, waardoor een nieuwe product kan ontstaan, wat eveneens beteugeld kan worden door de gebruiksvoorwaarden Tot slot is het mogelijk dat het gebruik in andere producten aan banden wordt gelegd. Voor de verdere analyse van deze vraag werd geopteerd om slechts in beperkte mate te bestuderen welke afzonderlijke voorwaarden werden toegepast, maar keken we wel naar het aantal voorwaarden die werden opgenomen. Hierbij werden 4 categorieën onderscheiden: geen, één, twee of meer dan twee gebruiksvoorwaarden. > 3.2. Resultaten De algemene resultaten lijken aan te geven dat gebruiksvoorwaarden slechts beperkt gebruikt worden. Voor 34% van de onderzochte datastromen gelden helemaal geen gebruiksvoorwaarden. 25% van de datasets is dan weer onderworpen aan slechts één beperking, 29% aan twee beperkingen. Slechts 13% gebruikt meer dan twee voorwaarden. Toch moeten er enkele nuances aangebracht worden bij tabel Zo kijkt de methodologie enkel naar gebruiksbeperkingen die worden opgelegd aan publieke organisaties. Het is echter mogelijk dat aan de private sector meer gebruiksbeperkingen worden opgelegd dan wanneer de data gedeeld wordt binnen de overheid. Ook dient opgemerkt dat niet duidelijk is in welke mate de respondenten daadwerkelijk op de hoogte zijn van de toepasselijke gebruiksbeperkingen. 83

88 Tabel Totaal aantal gebruiksbeperkingen per datastroom Aantal Percentage Geen beperking ,0 Eén beperking ,5 Twee beperkingen ,0 Meer dan twee beperkingen ,5 Tabel 10.3 geeft een overzicht van de handelingen die een verkrijgende organisatie mogelijk wil stellen en die door de gebruiksvoorwaarden wordt verboden. Hier vallen meteen de lage percentages op, wat duidt op een beperkt aantal restricties zoals reeds eerder opgemerkt. Toch zijn de percentages omtrent voorwaarden die te maken hebben met een contact met derden merkelijk hoger. De doorgifte aan derden (54%) en publicatie op het internet (43%) worden maar in beperkte mate toegestaan. De interne behandeling wordt daarentegen veel minder aan banden gelegd. Kopieën voor eigen gebruik, integratie in eigen toepassingen en gebruik in andere producten wordt slechts voor minder dan 10% van de verkregen geodatasets aan banden gelegd. Tot slot wordt het bewerken tot een nieuw product bij 11% van de onderzochte datastromen beperkt. Tabel Gebruiksvoorwaarden: frequenties en percentages Aantal Percentage Geen kopieën voor eigen gebruik 69 8,0 Niet doorgeven aan derden ,0 Geen publicatie op internet ,0 Geen integratie in eigen toepassingen 24 9,0 Niet bewerken tot nieuw product 96 11,5 Geen gebruik in andere producten 50 6,0 Kijken we naar de resultaten van onze groepsvergelijkingen, dan is vooral het onderscheid tussen de verschillende bestuursniveaus interessant. Tussen data afkomstig van het AGIV en de andere data, zijn er namelijk geen 84

89 significante verschillen terug te vinden. Bekijken we de data vanuit het bestuursniveau waarvan zij afkomstig zijn, dan zijn deze verschillen er wel. In tabel 10.4 wordt de invloed van het bestuursniveau weergegeven. Hieruit blijkt dat aan data afkomstig van het federale niveau het meest gebruiksbeperkingen worden opgelegd. Aan provinciale data wordt dan weer het minste voorwaarden toegekend. Algemeen zou men dus kunnen stellen dat naar mate men daalt in de bestuurshiërarchie, het aantal gebruiksvoorwaarden daalt. Deze trend wordt bevestigd wanneer we de resultaten uitsplitsen per datatype. Zowel voor perceelsdata als voor adresen hydrografische gegevens, is het provinciaal niveau het minst restrictief, terwijl op federaal niveau het meest beperkingen worden opgelegd. Dit kan grotendeels verklaard worden door de wijze waarop de samenwerking en uitwisseling georganiseerd is. Tabel Aantal gebruiksbeperkingen: per bestuursniveau leverancier Geen Eén Twee Meer dan twee Federaal 19,0 % 22,0 % 38,5 % 20,5 % Vlaams 37,0 % 27,5 % 24,0 % 11,5 % Provinciaal 46,5 % 18,0 % 30,5 % 5,0 % Tot slot wordt in tabel 10.5 de resultaten van deze vraag in verband gebracht met de vorige omtrent het gehanteerde juridische instrument. Zo krijgen we een beeld welk type juridisch document het meest gebruiksvoorwaarden oplegt. Wanneer de data verkregen wordt op basis van regelgeving, is er bijna steeds een gebruiksvoorwaarde aan gekoppeld (slechts 15% bevat geen voorwaarden). Data die verkregen worden door middel van een aankoopcontract zijn doorgaans echter het meest aan banden gelegd. 36% van de aankoopcontracten bevat immers gebruiksbeperkingen. Tot slot kent de informele uitwisseling het minst restricties. 85

90 Tabel Aantal gebruiksbeperkingen: per juridische basis Geen Eén Twee Meer dan twee Uitwisselingsovereenkomst 15, 0 % 30,0 % 41,0 % 14,0 % Regelgeving 18,5 % 22,5 % 22,5 % 36,5 % Aankoopcontract 31,5 % 26,5 % 27,5 % 14,5 % Informele uitwisseling 43,5 % 29,5 % 20,0 % 7,0 % Weet niet 40,0 % 17,5 % 33,0 % 9,5 % > 4. Conclusie Informele contacten en een beperkt aantal gebruiksvoorwaarden lijken nog zeer vaak voor te komen in Vlaanderen. Algemeen zou dit er op kunnen duiden dat de betrokken organisaties eerder een soepel juridisch kader verkiezen, dat mogelijk meer uitwisselings- en gebruiksvrijheid laat, boven een strikter, maar mogelijk duidelijker kader. Een definitieve uitspraak kan hierover op basis van dit onderzoek niet gedaan worden. Enerzijds lagen de resultaten dicht bij elkaar, zodat deze met de nodige omzichtigheid geïnterpreteerd moeten worden. Anderzijds is het mogelijk dat de informele uitwisseling het resultaat is van een gebrek aan uitgewerkt juridisch kader, zodat uit noodzaak een informeel kader ontstaat. 86

91 11. Een netwerk van afhankelijkheden > 1. Inleiding Gebaseerd op De Sitter (2000) kan de mate waarin een organisatie afhankelijk is van een bepaalde datastroom afgeleid worden uit twee aspecten: - Belang van de datastroom voor andere processen. In netwerkterminologie van De Sitter heet dit centraliteit : het gaat met name over het belang van een specifieke link (met name de datastroom) voor de rest van het netwerk (met name de organisationele processen). - De regelcapaciteit, dit is de mogelijkheid om de centraliteit te corrigeren, door mee te beslissen over de beschikbaarheid van de datastroom (bijvoorbeeld met betrekking tot de inhoud, de vorm, de updatefrequentie ), of door over de mogelijkheid te beschikken om voor een alternatieve datastroom te kiezen. De afhankelijkheid van een bepaalde datastroom is het grootst wanneer die datastroom belangrijk is voor de werking van de organisatie, er geen alternatieven voorhanden zijn, en er weinig ruimte is om de beschikbaarheid van de datastroom te sturen. Gebaseerd op het werk van Pfeffer en Salancik (1978) onderscheidt Bekkers (1998) drie vergelijkbare factoren die de afhankelijkheid van een organisatie bepalen: - de mate waarin de datastroom van belang is voor de continuïteit van de organisatie; - de mate waarin de organisatie in staat is de beschikbaarheid, de verdeling en het gebruik feitelijk te beïnvloeden; - de mate waarin er alternatieven voorhanden zijn. 87

92 Om een beeld te krijgen van de mate waarin de organisatie afhankelijk is van een bepaalde datastroom, werd in de survey gevraagd (1) hoe belangrijk de betrokken dataset is voor de eigen werking, en (2) of er andere bronnen beschikbaar zijn om een vergelijkbare dataset te verwerven. Bij de interpretatie van de antwoorden is enige voorzichtigheid nodig: - Afhankelijkheid is geen eenduidig gegeven. De datastromen die we hier bekijken, zijn slechts één onderdeel van een heel netwerk van afhankelijkheden. Overigens zijn organisaties niet enkel verbonden door informatiestromen, maar vormen ze knooppunten in meerdere netwerken (de Sitter et al., 2000). Bovendien hebben afhankelijkheden een dynamisch karakter: ze worden voortdurend (her)ontdekt, gecreëerd, veranderd en opgeheven (Bekkers, 1998). - Er werd in de survey niet gevraagd naar de mate waarin de organisatie in staat is de betreffende datastroom te sturen. In de praktijk kan het nochtans een verschil maken of dit al dan niet het geval is (Pfeffer en Salancik, 1978). De resultaten van de antwoorden op beide vragen worden eerst apart besproken, en nadien samengevoegd. > 2. Belang Het feit dat er datastromen bestaan, zegt nog niets over hun belang. Zo kan de ene organisatie een bepaalde dataset verwerven voor het geval dat het ooit nuttig mocht blijken, terwijl diezelfde dataset voor een andere organisatie essentieel is voor het functioneren van haar processen. Daarom werd er in de survey gevraagd hoe belangrijk de in de datastroom betrokken dataset is voor de werking van de organisatie. Enige voorzichtigheid is hier aan de orde, omdat het deels gaat over een subjectieve inschatting van een respondent, die omwille van zijn plaats binnen de organisatie mogelijk niet altijd zicht heeft op het volledige en effectieve gebruik van een bepaalde dataset. 88

93 In tabel 11.1 zien we dat bijna 88% van de onderzochte datastromen (zeer) belangrijk genoemd wordt. Dit lijkt er op te wijzen dat er weinig datauitwisseling zonder reden gebeurt. De variatie zit dan ook vooral in de mate van belangrijkheid: de 88% is gelijk verdeeld over de categorieën zeer belangrijk en belangrijk. Tabel 11.1 Belang van datastroom Aantal Percentage Helemaal niet belangrijk 13 1,5 Niet belangrijk 72 9,0 Belangrijk ,5 Zeer belangrijk ,0 Weet niet 14 2,0 Tabel 11.2 toont de resultaten per type dataset. Het verschil tussen de datasets zit vooral in mate van belangrijkheid, met name in de verhouding tussen belangrijk en zeer belangrijk. Ook de categorie niet belangrijk toont duidelijke verschillen. Beide indicaties tonen aan dat de perceelsdata het meest belangrijk geacht worden, gevolgd door adres-, wegen- en tot slot hydrografische data. Tabel Belang: per type van geografische data Helemaal niet belangrijk Niet belangrijk Belangrijk Zeer belangrijk Weet niet Perceelsdata 2,0 % 3,5 % 34,0 % 59,0 % 1,5 % Adresdata - 11,0 % 41,0 % 46,0 % 2,0 % Wegendata 3,0 % 12,0 % 55,5 % 26,5 % 3,0 % Hydrografiedata 1,0 % 17,0 % 62,5 % 18,5 % 1,0 % Wanneer we naar de bron van de dataset kijken, lijkt het belang van de data afkomstig van het AGIV wat lager ingeschat te worden dan het belang van datasets die bij andere bronnen verworven worden (tabel 11.3). Opgesplitst naar type van data, zien we dat een significant verschil voor wat 89

94 betreft de adresdata en de hydrografiedata. In beide gevallen worden de data die niet afkomstig zijn van het AGIV als belangrijker beschouwd. Tabel Belang: data afkomstig van AGIV of niet Helemaal niet belangrijk Niet belangrijk Belangrijk Zeer belangrijk Weet niet AGIV 1,0 % 13,0 % 50,0 % 34,5% 1,5 % Niet - AGIV 2,0 % 5,5 % 39,0 % 51,5 % 2,0 % In tabel 11.4 zien we dan weer dat datastromen afkomstig van het federale bestuursniveau opvallend belangrijker scoren dan datastromen die een ander bestuursniveau als bron hebben. Provinciale data zijn het minst belangrijk. Bekijken we de resultaten opnieuw per dataset, dan zien we dat er enkel voor perceelsdata en adresdata een significant onderscheid kan gemaakt worden naar bestuursniveau. Wellicht heeft dit te maken met het feit dat het federale bestuursniveau op het vlak van percelen en adressen een soort van proto-authentieke bron is, terwijl die datasets op het Vlaamse niveau eerder als parallelle initiatieven beschouwd lijken te worden. Tabel Belang: per bestuursniveau leverancier Helemaal niet belangrijk Niet belangrijk Belangrijk Zeer belangrijk Weet niet Federaal 1,0 % 1,5 % 22,0 % 74,0 % 1,5 % Vlaams 1,5 % 11,0 % 50,5 % 35,5 % 1,5 % Provinciaal 2,5 % 13,0 % 53,5 % 28,0 % 3,0 % > 3. Vervangbaarbaarheid Soms kan een dataset makkelijk door een vergelijkbare dataset vervangen worden. Het wegenbestand dat men gebruikt, kan bijvoorbeeld vervangen worden door een wegenbestand van een andere leverancier. Tabel 11.5 toont dat slechts 26% van de datastromen makkelijk of zeer makkelijk vervangbaar zijn. Tegelijk zien we dat meer dan de helft van de datastromen (53%) moeilijk of zeer moeilijk vervangbaar is. Dit kan 90

95 duiden op een zekere afhankelijkheidsrelatie tussen leverancier en bestemmeling. Tegelijk kan dit ook een indicatie zijn van het belang dat men hecht aan de (authentieke) bron van de data. Ook opmerkelijk: voor 21% van de datastromen heeft men er geen zicht op in welke mate deze vervangbaar zijn. Tabel Vervangbaarheid van datastroom Aantal Percentage Zeer makkelijk vervangbaar 49 6,0 Makkelijk vervangbaar ,0 Moeilijk vervangbaar ,0 Zeer moeilijk vervangbaar ,0 Weet niet ,0 Tabel 11.6 toont de resultaten uitgesplitst per type dataset. Wegendata blijken het makkelijkst te vervangen, terwijl adres- en perceelsdata het moeilijkst vervangbaar zijn. Tabel Vervangbaarheid: per type van geografische data Zeer makkelijk Makkelijk Moeilijk Zeer moeilijk Weet niet Perceelsdata 5,5 % 12,5 % 26,0 % 33,0 % 23,0 % Adresdata 6,0 % 15,5 % 26,0 % 28,0 % 24,5 % Wegendata 7,5 % 40,5 % 28,5 % 8,5 % 15,0 % Hydrografiedata 7,0 % 24,0 % 30,5 % 21,0 % 17,5 % Uit tabel 11.7 leren we dat datasets afkomstig van het AGIV makkelijker te vervangen zijn dan data van een andere bron. Mogelijk speelt hier het feit dat het AGIV voor heel wat datasets als centrale verdeler optreedt, en organisaties de voorkeur zouden geven aan data die rechtstreeks bij de bron gehaald worden. Bekijken we deze resultaten voor elk type van data apart, dan zien we dat het de adresdata en wegendata van het AGIV zijn die als makkelijker te vervangen beschouwd worden. 91

96 Tabel Vervangbaarheid: data afkomstig van AGIV of niet Zeer makkelijk Makkelijk Moeilijk Zeer moeilijk Weet niet AGIV 7,5 % 26,5 % 29,0 % 16,0 % 21,0 % Niet - AGIV 5,0 % 15,0 % 25,0 % 34,0 % 21,0 % Wanneer we kijken naar het bestuursniveau waarvan de dataset afkomstig zijn (tabel 11.8), blijken vooral de data van het federale bestuursniveau moeilijk vervangbaar te zijn. De resultaten opgesplitst per dataset tonen dat, behalve hydrografie, datasets van het federale niveau als moeilijkst te vervangen beschouwd worden. Wanneer we de significantietoets bekijken, zien we weliswaar dat de relatie enkel voor de percelen significant is, en de score van het federale niveau in tabel 11.8 dus grotendeels op rekening van de perceelsdata geschreven kan worden. Tabel Vervangbaarheid: per bestuursniveau leverancier Zeer makkelijk Makkelijk Moeilijk Zeer moeilijk Weet niet Federaal 3,5 % 9,5 % 24,5 % 41,0 % 21,5 % Vlaams 6,0 % 23,0 % 28,0 % 22,0 % 21,0 % Provinciaal 10,0 % 25,0 % 28,0 % 16,0 % 21,0 % > 4. Belang + vervangbaarheid = afhankelijkheid? Tabel 11.9 toont het verband tussen vervangbaarheid en belangrijkheid van een datastroom. Er is een duidelijk verband, in de zin dat het merendeel van de belangrijk geachte datastromen ook moeilijk vervangbaar genoemd worden, en omgekeerd, dat de meeste minder belangrijk geachte datastromen ook makkelijker vervangbaar zijn. Maar dit wil niet zeggen dat dit altijd opgaat. Zo wordt respectievelijk 16% en 30% van de zeer belangrijke en belangrijke datastromen (zeer) makkelijk vervangbaar genoemd. Merk toch op dat 70% van de zeer belangrijke datastromen (zeer) moeilijk vervangbaar zijn. 92

97 Datastromen die belangrijk, en tegelijk moeilijk vervangbaar zijn, vertegenwoordigen de sterkste afhankelijkheidsrelaties in het netwerk: die stromen zijn niet enkel van fundamenteel belang voor de werking van de organisatie, maar bovendien moeilijk via een andere bron te vervangen. Van alle geanalyseerde datastromen zijn uiteindelijk maar liefst 50% (zeer) belangrijk en tegelijk (zeer) moeilijk vervangbaar zijn. Zelfs als we enkel kijken naar de datastromen die zeer belangrijk combineren met zeer moeilijk vervangbaar, gaat het nog om 20%, of 1 op 5 datastromen. Tabel Vervangbaarheid: per belang van datastroom Zeer makkelijk vervangbaar Makkelijk vervangbaar Moeilijk vervangbaar Zeer moeilijk vervangbaar Weet niet Helemaal belangrijk niet 54,0 % 23,0 % 7,5% - 15,5 % Niet belangrijk 15,5 % 40,5 % 23,5 % 2,5 % 18,0 % Belangrijk 5,0 % 25,5 % 31,5 % 12,5 % 25,5 % Zeer belangrijk 4,0 % 11,5 % 25,0 % 45,5 % 14,0 % Weet niet ,0 % 93,0 % 93

98 > 5. Conclusie De bestaande geodatastromen met betrekking tot percelen, adressen, wegen en hydrografie, tussen overheidsorganisaties in Vlaanderen, zijn in hoge mate belangrijk voor de werking van die organisaties. Voor meer dan de helft van die datastromen bestaat er geen makkelijk bereikbaar alternatief. Het feit dat 50% van de datastromen een hoge mate van belangrijkheid met een lage score op vervangbaarheid combineert, en dat van de zeer belangrijke datastromen zelfs 70% (zeer) moeilijk vervangbaar is, wijst er op dat heel wat organisaties sterk afhankelijk zijn van de bestaande datastromen. Dit bleek ook al in één van de voorgaande hoofdstukken, en hoeft niet noodzakelijk negatief te zijn. Een GDI gaat er doorgaans immers van uit dat data best bij de bron verworven worden. Maar toch roept dit weer enkele nieuwe vragen op: - In welke mate vertegenwoordigen de afhankelijkheidsrelaties uit de survey ook werkelijk een data bij de bron -stroom? Of wijzen ze op een de facto monopoliepositie van een bepaalde dataleverancier? - Op welke wijze wordt de afhankelijkheidsrelatie gemilderd door een zekere mate van controle of sturing door de ontvangende organisatie van de datastroom? 94

99 12. Een technologische blik > 1. Inleiding Om een idee te krijgen van de intensiteit van de datastromen en de manier waarop deze verlopen werden drie parameters gekozen: één om de frequentie van data uitwisseling te meten, een tweede om de wijze van uitwisseling in kaart te brengen en een derde om de mate waarin geodata direct klaar zijn voor gebruik in te schatten. De tweede en derde parameter geven respectievelijk een indicatie van de graad van technische interoperabiliteit en van dataharmonisatie (semantische interoperabiliteit). De frequentie van de datastromen geven dan weer een idee van de potentiële impact op het proces. We bespreken in dit hoofdstuk eerst de drie parameters afzonderlijk. Vervolgens bekijken we de relatie tussen de drie. In de analyse wordt net als in voorgaande hoofdstukken specifieke aandacht besteed aan een aantal groepsvergelijkingen. We bekijken de resultaten opnieuw telkens per datatype, naar het onderscheid AGIV versus niet-agiv en volgens het bestuursniveau van de leverancier. > 2. Overdrachtfrequentie > 2.1. Algemeen Onze vraag naar de overdrachtfrequentie van een bepaalde datastroom peilt naar het aantal keren dat een organisatie toegang heeft tot de data die zij zelf niet aanmaken. Er zijn vier categorieën en een aparte klasse weet niet : dagelijks/continue; wekelijks/maandelijks; halfjaarlijks/jaarlijks en minder dan 1 maal per jaar. Tabel 12.1 geeft de resultaten weer voor alle datastromen, d.w.z. voor percelen, adressen, wegen en hydrografie. Er moet hierbij onderstreept worden dat het niet noodzakelijk gaat om de updatefrequentie van de data zelf. In de praktijk zal dit in sommige gevallen overeenkomen bijvoorbeeld wanneer een organisatie nieuwe leveringen afspreekt in overeenkomst met de updatecyclus van de 95

100 dataproducent. Een organisatie kan evenwel een cyclus overslaan, ook al is er in principe een update beschikbaar. Zo kan het gebeuren dat de procedure om een oude dataset te vervangen door een nieuwe zodanig complex is, dat gebruikers een minder snelle updatefrequentie verkiezen. In het geval van de dagelijkse of permanente datastromen, geldt vaak het omgekeerde. Hoewel er wel organisaties zullen zijn die dagelijks nieuwe data krijgen, verwijst het permanent verkrijgen eerder naar een vorm van online toegang tot de data. In het laatste geval kunnen de data gewijzigd zijn of niet. In een goed werkend GDI zou het aandeel van de continue datastromen hoger moeten liggen, men verkrijgt de data dan namelijk op eender welk moment, onafhankelijk van een updatecyclus ( instant access ). In een ideaal GDI zouden de ook updatecycli voor bepaalde data frequenter gebeuren. Daarbij zouden meer en meer de gebruikers van de data ingeschakeld worden in het update-proces. > 2.2. Resultaten Voor 10% van de onderzochte datastromen is niet geweten wat juist de frequentie is. In 44% van de gevallen verkrijgt de organisatie de data halfjaarlijks tot jaarlijks. Het valt op dat in 11% van de gevallen de datastroom dagelijks of permanent plaatsvindt. Dit wijst er o.i. op dat heel wat van de data nu al online worden geraadpleegd (eerder dan dat de organisaties de data dagelijks krijgen). Dit kan wijzen op het gebruik van de geo-loketten van het AGIV of de webservices van GIS-West bv. Toch vinden ook heel wat datastromen slechts sporadisch plaats, d.w.z. minder dan één maal per jaar (28%). Tabel Frequentie van datastroom Aantal Percentage Dagelijks/permanent 88 11,0 Wekelijks/maandelijks 53 6,5 Halfjaarlijks/jaarlijks ,0 Minder dan één maal per jaar ,5 Weet niet 82 10,0 96

101 Kijken we naar de verschillende datatypes, dan valt het op dat voor perceels- en adresdata de frequentie van verkrijgen in de meeste gevallen halfjaarlijks/jaarlijks is (respectievelijk 56% en 44%). Wegen en hydrografische data worden nog minder frequent verkregen, namelijk minder dan 1 maal per jaar (respectievelijk 43% en 48%). Dit heeft enerzijds te maken met het feit dat dit type van data minder frequent verandert (hydrografie), en dat dit type van data ook als relatief- minder belangrijk worden beschouwd. Tabel Frequentie: per type van geografische data Dagelijks/ permanent Wekelijks/ maandelijks (Half) Jaarlijks Minder dan jaarlijks Weet niet Perceelsdata 11,0 % 5,0 % 56,5 % 17,0 % 10,5 % Adresdata 13,5 % 5,5 % 44,0 % 26,0 % 11,0 % Wegendata 11,0 % 4,0 % 33,5 % 42,5 % 9,0 % Hydrografiedata 7,0 % 15,0 % 19,5 % 48,5 % 10,0 % Als we naar het onderscheid kijken tussen datastromen die van het AGIV of niet van het AGIV komen (zie tabel 12.3), vallen verschillende zaken op. Heel wat data van het AGIV stromen minder dan één maal per jaar (41% tegenover 18% voor Niet-AGIV ). Er zijn ook minder dagelijks/permanente datastromen vanuit het AGIV (5% tegenover 15%). Dit laatste is toch een beetje vreemd, daar er rond heel wat data sets (hydrografie, CRAB adressen) geo-loketten of een webservice bestaan. Tabel Frequentie: data afkomstig van AGIV of niet Dagelijks/ permanent Wekelijks/ maandelijks (Half) Jaarlijks Minder dan jaarlijks Weet niet AGIV 5,5 % 4,0 % 38,5 % 41,0 % 11,0 % Niet - AGIV 15,5 % 8,5 % 48,0 % 18,5 % 9,5 % Splitsen we deze resultaten op naar type van data, dan is er enkel voor perceelsdata geen significant verschil terug te vinden. Kijken we echter naar de drie andere datatypes dan valt op dat voor wegen- en 97

102 hydrografiedata die van het AGIV verkregen worden dit minder dan 1 maal per jaar gebeurt (in meer dan 50% van de gevallen). Ook voor adresgegevens ligt dit nog vrij hoog (35%). Dit terwijl hetzelfde type gegevens die niet van het AGIV komen in verhouding meer dagelijks/permanent verkregen worden (in meer dan 20% van de gevallen voor adressen en wegen, in 12% van de gevallen voor hydrografische gegevens). Voor wegendata dient de verklaring gezocht te worden in de overeenkomst die het AGIV heeft met de private leverancier, waarin de updateprocedure werd vastgelegd. Bij hydrografische data moet rekening gehouden worden met de relatief complexe updateprocedure, waarvoor enige tijd vereist is. Bekijken we de datastromen per bestuursniveau (van de bron), dan dienen we eerst nogmaals aan te geven dat we de stromen vanuit het lokale niveau niet hebben gecapteerd. Liefst 69% van de datastromen die komen van het federale niveau (NGI, AAPD,...) gebeuren halfjaarlijks/jaarlijks. Dit is voor het Vlaamse en provinciale niveau slechts de helft. Voorts valt op dat het vooral datastromen van de provincies zijn die dagelijks/permanent gebeuren (21%). Dit gaat waarschijnlijk vooral om toegang tot provinciale diensten. Tabel Frequentie: per bestuursniveau als leverancier Dagelijks/ permanent Wekelijks/ maandelijks (Half) Jaarlijks Minder dan jaarlijks Weet niet Federaal 12,5 % 2,5 % 69,0 % 10,0 % 6,0 % Vlaams 7,5 % 9,0 % 35,5 % 36,0 % 12,0 % Provinciaal 21,0 % 5,0 % 34,0 % 30,5 % 9,5 % Kijken we naar het bestuursniveau voor de bron van de gegevens, opgesplitst per data type, dan valt op dat het provinciale niveau steeds beduidend hoger scoort voor de dagelijkse/permanente datastromen. Dit is nog meer het geval voor adressen en wegen (telkens rond de 30%), dan voor percelen (16%). Opvallend is ook de lage overdrachtfrequentie voor de Vlaamse wegendata. Percelen en adressen die van het federale niveau komen, worden in de overgrote meerderheid (72%, respectievelijk 64%) op half- of jaarlijkse basis bezorgd aan hun gebruikers. 98

103 > 3. Overdrachtwijze > 3.1. Algemeen De overdrachtwijze van geodata verwijst naar de manier waarop de dataflow plaatsvindt. Er zijn drie categorieën voorzien en een aparte klasse weet niet. Voor 7% van de datastromen is niet geweten hoe deze verloopt. De drie categorieën geven een idee van de snelheid waarmee de datastroom plaats vindt: online consultatie betekent dat er een directe toegang is tot de data (evenwel zonder ze lokaal te stockeren); download van de datasets betekent dat er directe toegang is, maar dat tevens een directe fysische transfer plaatsvindt via een ICT-netwerk (bv. door gebruik te maken van het web), en de overdracht (fysisch) via een traditionele drager is de traagste wijze. De DVD, tape,..., moet immers ofwel opgehaald ofwel verstuurd worden. Het gebruik van FTP-sites behoort tot de categorie downloaden van datasets. Het was ook interessant geweest om te weten welke datastromen via gebeuren (deze vallen nu immers onder download). De categorieën geven een indicatie van de mate van technische interoperabiliteit (zie voor het verschil tussen technische en semantische interoperabiliteit van Oosterom, 2005). We verwijzen hierbij naar het LISI model (Levels of Information Systems Interoperability) dat toegepast wordt door het Ministerie van Defensie van de VS (US DoD) om het niveau van interoperabiliteit in te schatten van informatiesystemen (Kasunic and Anderson, 2004). > 3.2. Resultaten Het merendeel van de datastromen in Vlaanderen gebeurt nog op de traditionele wijze. Dit betekent dat de verschillende systemen en databanken ontkoppeld zijn, d.w.z. relatief geïsoleerd. Immers 72% van alle datastromen gebeurt nog via traditionele dragers. Online consultatie gebeurt nog maar in 8% van de gevallen. Er moet bovendien op gewezen worden dat online consultatie vooral verwijst naar visualisatie, en veel minder naar integratie van geografische objecten of datalagen (WFS). Deze laatste bestaan immers (nog) niet. Bovendien verwijzen een deel van de online consultaties naar de geo-lokketten van het AGIV en deze kunnen niet geïntegreerd worden in GIS-processen. Verrassend is dat ook weinig data 99

104 gedownload worden. Dit heeft te maken met het feit dat men via GIRAF (AGIV) wel data kan bestellen, maar dat slechts een klein deel daarvan ook via GIRAF gedownload kan worden. Tabel Overdrachtwijze van datastroom Aantal Percentage Drager ,0 Download ,5 Online consultatie 62 8,0 Weet niet 53 6,5 Als we naar het datatype kijken dan valt op dat hydrografiedata veel minder via traditionele dragers worden doorgegeven (55%), en meer gedownload worden (30%). Dit heeft waarschijnlijk te maken met de toegang tot de Vlaamse Hydrografische Atlas. Adressen worden dan weer relatief meer online geconsulteerd. Vermoedelijk speelt hier de invloed van het bestaan van de CRAB-service die toelaat adrescoördinaten via een service op te vragen. Tabel Overdrachtwijze: per type van geografische data Drager Download Online consultatie Weet niet Perceelsdata 76,5 % 9,0 % 7,0 % 7,5 % Adresdata 72,5 % 12,5 % 10,0 % 5,0 % Wegendata 75,5 % 12,0 % 9,0 % 3,5 % Hydrografiedata 55,0 % 30,5 % 5,5 % 9,0 % Als we kijken naar het onderscheid tussen het AGIV en andere leveranciers, dan valt meteen op dat die online consultatie er niet uitkomt. Dit kan mogelijks te maken hebben met de perceptie van de respondenten, met name de verwarring tussen verkrijgen van data en online consultatie. Zoniet zou dit eigenlijk willen zeggen dat de geo-lokketten weinig gebruikt worden. Wat mogelijk is, is dat organisaties alle beschikbare data opvragen bij het AGIV (en dat gebeurt traditioneel via een drager), maar dat zij 100

105 daarnaast toch de data online consulteren (maar dit niet zo hebben aangegeven). Tabel Overdrachtwijze: data afkomstig van AGIV of niet Drager Download Online consultatie Weet niet AGIV 76,0 % 17,0 % 3,5 % 3,5 % Niet - AGIV 69,0 % 11,0 % 11,0 % 9,0 % Brengen we voor de overdrachtwijze de informatie over het AGIV of niet en het type van de data bijeen, dan valt op dat voor alle data (types) die van het AGIV komen, deze meer per traditionele drager worden geleverd. Toch is dit iets minder het geval voor de hydrografische data. Daarnaast worden vooral adressen en wegen die niet van het AGIV komen online geconsulteerd. Kijken we naar het bestuursniveau van de leverende organisatie, dan zien we eveneens enkele markante verschillen. Data die van het federale niveau komen, worden voor 88% overgedragen via drager. Het Vlaamse niveau steekt eruit als het om downloaden van data gaat (19%) en het provinciale als het gaat om online consultatie (19%). Vraag is of dit laatste cijfer alleen verklaard wordt door GIS-West (deze hebben verschillende operationele webservices). Het zou interessant zijn om de provincies één voor één afzonderlijk te bekijken. Tabel Overdrachtwijze: per bestuursniveau als leverancier Drager Download Online consultatie Weet niet Federaal 88,0 % 4,0 % 3,5 % 4,5 % Vlaams 67,0 % 19,0 % 6,5 % 7,5 % Provinciaal 63,5 % 11,5 % 18,5 % 6,5 % 101

106 > 4. Klaar voor gebruik > 4.1. Algemeen Ook deze vraag is belangrijk in het kader van de GDI in Vlaanderen. Het antwoord op de vraag geeft immers een indicatie in welke mate de data geharmoniseerd of gestandaardiseerd zijn. Indien organisaties kleine of grote aanpassingen moeten doen aan de datasets die ze verkrijgen vooraleer ze met het eigenlijke gebruik ervan kunnen beginnen, vertraagt dit het hele proces. De informatie geeft een indicatie van de semantische interoperabiliteit, d.w.z. de mate waarin de datasets elkaar verstaan en met elkaar in overeenstemming zijn (Thewessen, 2005; Reuvers, 2005). De benodigde aanpassingen kunnen velerlei zijn: verandering van formaten, omzetting van referentiesysteem, aanpassingen van ID s, wijzigingen van attribuutnamen, geometrische aanpassingen (de volledige geografische laag of de grenszones), enz. Al deze aanpassingen hebben met het datamodel te maken, soms specifiek met de semantiek (betekenis van bepaalde objecten). Er dient echter onderstreept te worden dat sommige organisaties ervoor (kunnen) kiezen om geen aanpassingen door te voeren, zelfs indien dit nodig is om een volledige harmonisatie te bekomen. Zo heeft de geometrische aanpassing van een middenschalige dataset naar een grootschalige dataset eigenlijk niet veel zin. Sommige organisaties doen deze aanpassingen dan ook niet, andere hertekenen, vervormen,... de geografische objecten om deze beter te doen inpassen. Dit toont aan dat het beoogde gebruik uiteindelijk in sterke mate bepalend is, voor de aanpassingen die een organisatie al dan niet moet/wil maken. In de vraagstelling werken we met drie categorieën en één aparte klasse weet niet. Voor 6% van de dataflows is niet gekend of al dan niet aanpassingen nodig zijn en in welke mate. De drie categorieën zijn: data zijn meteen klaar voor gebruik, klaar voor gebruik mits kleine aanpassingen en grote aanpassingen zijn noodzakelijk. 102

107 > 4.2. Resultaten Tabel 12.9 geeft de resultaten weer voor alle datastromen: 41% is direct klaar voor het beoogde gebruik. Voor de meerderheid moeten echter kleine (43%) of grote (10%) aanpassingen gebeuren. Het type aanpassingen en de tijd die daarvoor nodig is kennen we niet. Tabel Gebruiksklaarheid van datastroom Aantal Percentage Meteen klaar voor gebruik ,0 Kleine aanpassingen noodzakelijk ,5 Grote aanpassingen noodzakelijk 81 10,0 Weet niet 50 6,5 Als we de verschillende datatypes bekijken dan valt meteen op dat vooral de perceels- en adresdata grote aanpassingen vereisen (beiden 13%), terwijl de wegen en hydrografiedata meteen klaar zijn voor gebruik (respectievelijk 46% en 56%). Dit is te verklaren voor de datasets van het kadaster, daar deze geografische dataset niet volgens een gestandaardiseerd model is opgemaakt (geen correcte geometrie). Het GRB dat deze gegevens ook bevat is slechts beschikbaar voor een klein deel van het grondgebied en de invloed ervan in de survey is dan ook beperkt. Tabel Gebruiksklaarheid: per type van geografische data Klaar voor gebruik Kleine aanpassingen Grote aanpassingen Weet niet Perceelsdata 35,0 % 43,5 % 13,0 % 8,5 % Adresdata 38,0 % 43,5 % 13,0 % 5,5 % Wegendata 46,0 % 43,5 % 6,5 % 4,0 % Hydrografiedata 56,0 % 38,5 % 1,5 % 4,0 % Er zijn op het eerste zich geen significante verschillen als we naar het onderscheid AGIV/niet-AGIV kijken. Dat dit grotendeels te wijten is aan een grote interne verdeeldheid binnen de niet-agiv - data, blijkt evenwel 103

108 uit de resultaten naar bestuursniveau (tabel 12.11). Data die van het federale niveau komen, blijken het minst klaar voor gebruik (27%). Het effect van de data van de AAPD weegt hier zeker door. Daarbij zijn vaak grote aanpassingen nodig (18%). De data die van (of via) het provinciale niveau komen zijn meestal klaar voor gebruik (54%). Waarschijnlijk doen de provincies extra inspanningen om de data voor te bereiden voor direct gebruik in de gemeentes. Het is opvallend dat voor het Vlaams niveau (met het AGIV) toch nog vaak grote aanpassingen nodig zijn (9%). Dit kan verklaard worden door het feit dat het AGIV data op zulke wijze doorgeeft dat herformatteringen of re-organisatie van de data noodzakelijk is. Anderzijds kan dit ook te maken hebben met de bestemming van de datastroom. In tegenstelling tot de provincies, die hoofdzakelijk leveren aan de gemeenten, levert het AGIV ook data aan de departementen en agentschappen van de Vlaamse overheid. De nood aan voorbewerkingen is vaak hoger voor organisaties op een hoger bestuursniveau. Tabel Gebruiksklaarheid: per bestuursniveau als leverancier Klaar voor gebruik Kleine aanpassingen Grote aanpassingen Weet niet Federaal 27,0 % 48,5 % 18,0 % 6,5 % Vlaams 44,0 % 42,0 % 8,5 % 5,5 % Provinciaal 54,0 % 36,5 % 2,5 % 7,0 % Bekijken we de parameter klaar voor gebruik volgens datatype en bestuursniveau, dan zien we dat voor perceelsdata die van het federale niveau komen deze in slechts 27% van de gevallen direct klaar zijn voor gebruik (tegenover meer dan 40% voor het Vlaams en provinciaal niveau). In 19% van de gevallen zijn zelfs grote aanpassingen noodzakelijk. Voor data van het type wegen daarentegen zijn in 86% van de gevallen slechts kleine aanpassingen nodig, terwijl in de andere 14% geen aanpassingen nodig zijn. Als dit zelfde type data van de provincies komt zijn in 60% van de gevallen totaal geen aanpassingen nodig. 104

109 > 5. Combinaties Tot slot onderzoeken we hoe drie kenmerken onderling gecombineerd kunnen worden. In tabel wordt om te beginnen de frequentie van de datastroom vergeleken met de overdrachtwijze. Van alle data die minder dan 1 maal per jaar worden verkregen, zijn er 74% die via een traditionele drager worden overgedragen. Voor data die dagelijks of permanent worden verkregen is dit slechts 47%, terwijl in dat geval 40% via online consultatie gebeurt. Data die jaarlijks/halfjaarlijks worden verkregen worden zelfs in 86% van de gevallen overgedragen via traditionele drager. Tabel Overdrachtwijze per frequentie van datastroom Drager Download Online consultatie Weet niet Dagelijks/ permanent 46,5 % 11,5 % 40,0 % 2,0 % Wekelijks/maandelijks 59,0 % 17,5 % 8,0 % 15,5 % Halfjaarlijks/ jaarlijks Minder dan één maal per jaar 86,5 % 8,5 % 3,5 % 1,5 % 74,0 % 20,0 % 1,5 % 4,5 % In tabel wordt de frequentie van de datastromen vergeleken met het al dan niet nodig zijn van kleine of grote aanpassingen. 59% van de data die dagelijks/permanent verkregen worden zijn ook meteen klaar voor gebruik. Dit is veel minder het geval voor data die halfjaarlijks/jaarlijks verkregen worden (slechts 33%). Grote aanpassingen zijn meer noodzakelijk indien de data minder frequent worden verkregen. 105

110 Tabel Gebruiksklaarheid per frequentie van datastroom Klaar voor gebruik Kleine aanpassingen Grote aanpassingen Weet niet Dagelijks/ permanent 59,5 % 29,0 % 7,0 % 4,5 % Wekelijks/maandelijks 54,5 % 36,0 % 5,5 % 4,0 % Halfjaarlijks/ jaarlijks Minder dan één maal per jaar 33,0 % 49,0 % 15,5 % 2,5 % 42,5 % 47,0 % 6,0 % 4,5 % Weet niet 44,5 % 27,0 % 5,0 % 23,5 % Tabel vergelijkt de overdrachtwijze met de noodzaak van het doorvoeren van aanpassingen aan de data. Van alle overdrachtwijzen zijn de data bij online consultatie het meest direct klaar voor gebruik (76%). Dit is logisch aangezien vele van de data die online ter beschikking zijn gewoon worden gebruikt om te consulteren of bekijken, eerder dan om ze te bewerken. De data die online geconsulteerd worden en toch grote aanpassingen vereisen (6%) worden waarschijnlijk uitgeprint en terug gedigitaliseerd. Tabel Gebruiksklaarheid per overdrachtwijze van datastroom Klaar voor gebruik Kleine aanpassingen Grote aanpassingen Weet niet Drager 39,0 % 45,0 % 12,0 % 4,0 % Download 42,0 % 49,0 % 4,5 % 4,5 % Online consultatie 76,0 % 16,0 % 6,5 % 1,5 % 106

111 > 6. Conclusie Uit alle bestudeerde datastromen blijkt dat de overgrote meerderheid van deze stromen halfjaarlijks of minder frequent (72%) via traditionele drager (72%). Daarbij zijn in een meerderheid van de gevallen kleine of grote aanpassingen noodzakelijk (60%). Dit betekent dat relatief weinig data direct toegankelijk zijn en dat ook de harmonisatie (en semantische standardisatie) vaak nog te wensen overlaat. Er zijn echter grote verschillen naargelang het datatype en het bestuursniveau. Hydrografische data worden minder via traditionele drager doorgegeven (en meer online) en zijn ook vaker direct klaar voor gebruik. Dit terwijl percelen en adressen relatief meer grote aanpassingen vereisen (13%). Data die van het provinciale niveau komen zijn vaker direct klaar voor gebruik (54%) en worden ook meer online ter beschikking gesteld (19%). Het Vlaamse niveau past daarentegen meer downloaden van data toe (19%). Het federale houdt het bij de traditionele drager (88%). Hun data vergen vaker grote aanpassingen (18%). Ook de frequentie van de datastromen laat dit onderscheid tussen bestuursniveaus zien: het provinciale niveau geeft meer dagelijks/permanent toegang tot haar data (21%), dit terwijl datastromen van het Vlaamse niveau vooral 1 maal per jaar (of minder) plaatsgrijpen (36%) en die van het federale niveau vooral halfjaarlijks/jaarlijks (69%). Dit reflecteert deels het gevolgde databeleid: provincies zien het in sommige gevallen als hun taak om data voor gemeenten klaar te maken en online ter beschikking te stellen. Het federale niveau werkt nog het meest volgens de traditionele methode alhoewel de datastromen vanuit dit niveau frequenter zijn. 107

112

113 13. Het GDI-netwerk in Vlaanderen: een eindoordeel > 1. Inleiding Dit rapport biedt een kwantitatieve analyse van de Geografische Data Infrastructuur in Vlaanderen. Vanuit een netwerkperspectief werden zowel de organisaties binnen deze GDI als de stromen van geografische data tussen deze organisaties diepgaand onderzocht. In dit voorlaatste hoofdstuk blikken we terug op de opvallendste resultaten uit deze analyse. Dit doen we aan de hand van het laatste deel van onze bevraging. Zoals aan het begin van dit rapport was aangegeven, bestond de gebruikte vragenlijst uit drie delen. Het eerste deel hiervan had betrekking op de organisaties, en peilde naar een aantal karakteristieken van deze organisaties. In het tweede deel lag de focus dan weer op de datastromen tussen deze organisaties. Beide delen werden uitgebreid besproken in de voorgaande hoofdstukken. In het slotdeel van de vragenlijst werd bij de respondenten gepeild naar de sterkten en zwaktes van de huidige Geodata Infrastructuur in Vlaanderen. In tegenstelling tot de voorgaande twee delen, waar gewerkt werd met vooraf gedefinieerde antwoordopties, bestond deze sterkte/zwakte-analyse uit twee open vragen. De respondenten konden op die manier uitspraak doen over wat zij zelf beschouwen als de voornaamste sterktes en zwaktes van de GDI in Vlaanderen. Aanvullend hierbij werd ook gevraagd naar wat volgens hen de prioriteiten zijn voor verdere investeringen in de GDI in Vlaanderen. Hiervoor kregen de bevraagden een virtuele som van euro, die ze konden verdelen over twaalf GDI-gerelateerde activiteiten. Aan de hand van de antwoorden op deze drie vragen bespreken we de belangrijkste bevindingen uit dit rapport. We gaan met andere woorden na in welke mate de feiten uit de voorgaande hoofdstukken overeenstemmen met de meningen uit dit hoofdstuk. We bespreken elk van de drie vragen afzonderlijk, en kijken dus achtereenvolgens naar de sterktes, de zwaktes en de investeringsprioriteiten van de huidige GDI. Op die manier krijgen we in beperkte mate - een eindbeoordeling van de huidige Geografische Data Infrastructuur in Vlaanderen. 109

114 > 2. Sterktes Eerst kijken we naar de sterke punten van de GDI in Vlaanderen. Uit de antwoorden van de respondenten komen volgende aspecten naar voren als de sterktes van deze Geodata Infrastructuur: de ruime aanwezigheid, de centrale voorziening, de toegankelijkheid, de uniformiteit en de toepassingsmogelijkheden van de geodata (tabel 13.1). Tabel Sterktes van de Geodata Infrastructuur in Vlaanderen Sterktes 1. Uitgebreid aanbod aan geografische data 2. Centrale datavoorziening 3. Toegankelijkheid van data 4. Hoge mate van uniformiteit 5. Gebruik van geodata biedt heel wat mogelijkheden Twee van deze aspecten worden het meest aangehaald door onze respondenten. Om te beginnen is er het uitgebreide aanbod aan geografische data in Vlaanderen. Vlaanderen is als het ware rijk aan geodata, en die rijkdom wordt in de meeste gevallen ook gedeeld met anderen. Vanuit de methodologische aanpak die we bij onze bevraging gevolgd hebben, is dit misschien iets minder naar voren gekomen. Uiteindelijk hebben we om methodologische redenen een selectie gemaakt uit dit ruime aanbod, en hebben we ons gefocust op slechts vier van de vele beschikbare types van geodata. Uit onze expliciete vraag naar de sterktes van de geodata-voorziening in Vlaanderen, kunnen we dus leren dat organisaties in Vlaanderen algemeen beschouwd beschikken over de data die ze wensen. De manier waarop de voorziening van het merendeel van deze data wordt georganiseerd, wordt eveneens gezien als een sterkte. De bevraagden wezen immers nadrukkelijk op de centrale datavoorziening in Vlaanderen als een pluspunt van de huidige GDI. Vaak wordt hierbij expliciet verwezen naar het AGIV. Het bestaan van het agentschap als centraal toegangspunt 110

115 tot de geodata in Vlaanderen, zoals geregeld in het GIS-decreet, wordt door veel van onze respondenten positief onthaald. Die gecentraliseerde dataverspreiding in Vlaanderen kwam duidelijk naar voren in onze enquête. Meer dan 40% van de onderzochte datastromen is immers afkomstig van het AGIV. Omgekeerd kan natuurlijk ook gesteld worden dat 60% van de data niet verspreid worden door het AGIV, en dat de voorziening van data dus in bepaalde mate decentraal verloopt. Een decentrale voorziening van data kan trouwens ook bepaalde voordelen hebben, en hoeft dus niet zomaar als negatief of nadelig beschouwd te worden. Die centrale toegang tot heel wat van de beschikbare data, draagt uiteindelijk ook bij tot de toegankelijkheid van de data. Die toegankelijkheid wordt ook algemeen gezien beschouwd als een sterk punt van de GDI in Vlaanderen. Verscheidene respondenten geven immers aan dat ze op een vlotte manier toegang krijgen tot de gewenste geodata. Op basis van onze enquêteresultaten kunnen we ook over de toegankelijkheid weinig uitspraken doen. Onze analyse van de datastromen is immers een analyse van data waartoe men toegang heeft. Datastromen die niet toegankelijk zijn, of die net omwille van een te lage toegankelijkheid verbroken zijn, maken geen deel uit van onze analyse. Wel aanwezig in de enquête waren een aantal karakteristieken die deze toegankelijk beperken, zoals bijvoorbeeld de kostprijs of de overdrachtwijze. Wat de prijs van data betreft, kunnen we stellen dat die zelden als een belemmering wordt ervaren. Uit onze analyses bleek reeds dat 85% van de onderzochte datastromen kosteloos waren. In onze vraag naar de sterktes van de GDI in Vlaanderen, verwezen verscheidene respondenten naar de gratis data. Ook de vierde sterkte die naar voren kwam uit onze analyses, sluit enigszins aan bij de centrale dataverspreiding door het AGIV. Dat de voorziening van heel wat data gebeurt via het AGIV, leidt namelijk op verscheidene manieren tot een hoge mate van uniformiteit binnen de Geografische Data Infrastructuur in Vlaanderen. Enerzijds doordat deze gecentraliseerde datavoorziening ervoor zorgt dat de verschillende partijen in Vlaanderen werken met dezelfde data, hetgeen de uitwisseling en het gebruik van data ten goede komt. Uniformiteit houdt anderzijds ook in dat verschillende data op een zelfde manier aangemaakt en uitgewisseld worden. Het formaat van de data is bijvoorbeeld hetzelfde, of de metadata zijn op identieke manier opgebouwd. De resultaten van onze enquête kunnen wat het aspect uniformiteit betreft, wederom op verscheidene manieren geïnterpreteerd 111

116 worden. Aan de ene kant is het inderdaad zo dat verschillende organisaties dezelfde data gebruiken, en dat de kenmerken en voorwaarden van deze data ook in bepaalde mate gelijk zijn. Aan de andere kant kunnen we toch ook constateren dat data van hetzelfde type vaak voorzien worden door meerdere leveranciers, vaak onder verschillende voorwaarden. Ook niet onbelangrijk in dit opzicht, is dat heel wat organisaties eigen data aanmaken, al dan niet in combinatie met andere data. Tot slot merken we op dat verscheidene respondenten wezen op de sterktes van de geografische data zelf, en wat de voordelen zijn van het gebruik van deze data voor hun organisatie. In het rapport werd reeds aangehaald dat geografische data ingezet kunnen worden in een veelheid aan toepassingen en beleidsvelden, en dat vooral de mogelijkheid om data uit verschillende bronnen en domeinen samen te gebruiken een enorme meerwaarde biedt. De resultaten van onze bevraging toonden echter aan dat het gebruik van GIS en geodata in meerdere beleidsvelden uiteindelijk nog beperkt is. Geografische data worden vooralsnog hoofdzakelijk ingezet in het veld van ruimtelijke planning, en andere typische geografischgerichte beleidsvelden. Ook wat de sterktes van geodata betreft, wijzen een aantal respondenten expliciet naar het gebruik van deze data voor ruimtelijk beleid. Anderzijds worden toch ook de integratiemogelijkheden van geodata als een meerwaarde ervaren. Andere pluspunten van geografische data en informatie zijn de sterke visualisatiemogelijkheden en de mogelijkheden op vlak van dienstverlening en informatieverstrekking. > 3. Zwaktes Het grote aanbod aan geografische gegevens in Vlaanderen en de centrale voorziening van die gegevens kunnen dus beschouwd worden als de voornaamste sterktes van de Geografische Data Infrastructuur. Andere sterke punten zijn de toegang tot deze data en de uniformiteit. Daarnaast verwezen verscheidene respondenten naar de grote toepassingsmogelijkheden van geografische data. Dat de GDI in Vlaanderen naast deze sterktes ook een aantal tekortkomingen vertoont, kwam tot uiting in onze vraag naar de zwaktes van de GDI (tabel 13.2). Eén aspect kwam overduidelijk naar voren als de grootste zwakte van de huidige Geodata Infrastructuur in Vlaanderen: de actualisatie-problematiek. Andere 112

117 gesignaleerde zwakheden zijn het gebrek aan afstemming, de vaak noodzakelijke aanpassingen (aan data), de beperkte toegang tot data en het ontbreken van de noodzakelijke capaciteit. Tabel Zwaktes van de Geodata Infrastructuur in Vlaanderen Zwaktes 1. Actualisatie van data 2. Gebrek aan afstemming tussen betrokken partijen 3. Nood aan aanpassingen voor bepaalde datasets 4. Beperkte toegang tot geodata 5. Gebrek aan capaciteit Op basis van de antwoorden van onze respondenten blijkt de actualisatie van data het grootste probleem te zijn binnen de huidige GDI in Vlaanderen. De data waarmee de (bevraagde) organisaties werken, zijn in veel gevallen niet up-to-date. In veel gevallen wordt hierbij verwezen naar de updatecyclus van de kadastrale perceelsdata. Toch geven een aantal van de respondenten aan dat het probleem van databijhouding zich stelt op verschillende (bestuurs)niveaus. Bovendien wordt ook vaak binnen de eigen organisatie gekeken, waar data-actualisatie eveneens als problematisch wordt ervaren. Organisaties hebben het met andere woorden dus ook zelf moeilijk met het up-to-date houden van geodata. In het rapport zelf bekeken we deze thematiek enkel in termen van de overdrachtfrequentie. We gaven hierbij al aan dat de overdrachtfrequentie van data niet noodzakelijk gelijk is aan de updatefrequentie. Beschouwen we de frequentie van overdracht echter als een indicatie van de updatefrequentie, dan zagen we dat bijna 45% van de onderzochte datastromen op (half)jaarlijkse basis gebeurden. Nog eens 28% van de datastromen vonden zelfs minder dan één maal per jaar plaats. De actualisatie van data vormt dus wellicht het belangrijkste probleem binnen de Geografische Data Infrastructuur in Vlaanderen. Eén op de vier punten die door onze respondenten werden aangekaart, heeft namelijk betrekking op de bijhouding van data. Weliswaar in mindere mate, wordt ook het gebrek aan afstemming tussen de verschillende betrokken partijen beschouwd als een kernprobleem binnen de GDI. In die context wordt in 113

118 eerste instantie gewezen op een gebrek aan samenwerking tussen de federale overheid en de Vlaamse overheid. Maar ook binnen Vlaanderen wordt vaak een gebrek aan afstemming ervaren, tussen het Vlaamse niveau enerzijds en de provincies en lokale besturen anderzijds. Wederom verwijzen we hier naar de veelheid aan leveranciers van hetzelfde type data, die in onze enquête naar voren kwamen. Gelijkaardige datasets, en vaak zelfs dezelfde datasets, worden immers aangeboden door federale, Vlaamse en provinciale instanties. Daarenboven zijn ook verschillende datasets van verschillende leveranciers vaak moeilijk combineerbaar, omwille van een gebrek aan afstemming of standaardisatie. De gebrekkige afstemming tussen organisaties leidt als het ware tot een gebrekkige afstemming tussen data. Een gevolg hiervan is dat vaak veelvuldige aanpassingen nodig zijn alvorens organisaties de verkregen data daadwerkelijk kunnen gebruiken. Ook die nood aan aanpassingen worden door onze respondenten als een zwakte beschouwd. Die aanpassingen vergen in veel gevallen tijd, en voor sommige organisaties ook externe ondersteuning. Onze bevraging toonde aan dat voor meer dan de helft van de onderzochte datastromen additionele aanpassingen noodzakelijk zijn, alvorens de data gebruikt kunnen worden. In 10% van de datastromen gaat het zelfs om grote aanpassingen. Vooral voor perceelsdata en adresdata lijken die aanpassingen voor veel organisaties een noodzaak. Wat de leverancier betreft, onderscheiden dan weer de provinciale data zich als meest gebruiksklaar. Wat sommigen als een sterk punt van de Geodata Infrastructuur in Vlaanderen beschouwen, kan voor anderen eerder een zwak punt zijn. Dat is het geval met de vierde zwakte die door onze respondenten werd aangehaald, zijnde de (beperkte) toegang tot data. Dat hoeft evenwel geen tegenstrijdigheid te zijn. Uiteindelijk gaat het om verschillende datasets, van verschillende leveranciers, voor verschillende gebruikers. In de enquête werd reeds duidelijk dat er zowel tussen types van data als tussen de organisaties die deze data aanmaken, gebruiken en uitwisselen, bepaalde verschillen bestaan. Eerder wezen we er al op dat onze analyse van de verschillende datastromen enkel een analyse betreft van data waartoe men reeds toegang heeft. Over niet toegankelijke data kunnen we dus geen uitspraak doen. Wel zagen we dat heel wat data uitsluitend geproduceerd worden voor eigen gebruik. In zekere mate gaat het hier dus om data waartoe anderen geen toegang hebben. 114

119 Het eerst luik van dit rapport bracht meerdere verschillen in kaart tussen de organisaties in de GDI in Vlaanderen. Het aantal beleidsvelden waarin geodata gebruikt worden, de mate waarin het gebruik van geodata geïntegreerd is in de organisaties en de software waarmee men deze data gebruikt, zijn maar enkele dimensies waarop publieke organisaties in Vlaanderen van elkaar kunnen verschillen, voor wat betreft het gebruik van geodata. Dat dit gebruik van GIS en geodata voor bepaalde organisaties geen evidentie is, komt naar voren in onze vraag naar zwaktes. Verscheidene respondenten wijzen er immers op dat hun organisatie niet over voldoende capaciteit beschikt, om op een zinvolle manier gebruik te kunnen maken van geografische data. Dat capaciteitsgebrek is in eerste instantie een gebrek aan kennis, maar vaak ook een gebrek aan technologische middelen. Hieraan verbonden, wordt ook een gebrek aan ondersteuning aangekaart. Of, zoals één respondent het uitdrukt, de data wordt ons ter beschikking gesteld, en that s it. De Geodata Infrastructuur in Vlaanderen kent dus zowel sterktes als zwaktes. Algemeen beschouwd biedt deze Infrastructuur heel wat voordelen aan organisaties die gebruik willen maken van geografische data. De GDI verleent op een eenvoudige en vaak kosteloze manier toegang tot heel wat geodata, waardoor organisaties ook de voordelen van geodata zelf kunnen benutten. Anderzijds mogen ook de gebreken van de GDI niet uit het oog verloren worden: die zijn in eerste instantie gesitueerd op vlak van dataactualisatie. Ook de afstemming tussen de verschillende bestuursniveaus, de ondersteuning van organisaties met een beperkte capaciteit en de toegang tot bepaalde data zijn voor verbetering vatbaar. > 4. Prioriteiten Maar welke van de hierboven aangehaald zwaktes dient nu eerst aangepakt te worden, en welke van de sterktes dienen we zeker in stand te houden of zelfs verder uit te bouwen? Op die vraag trachtten we aan het eind van onze bevraging een antwoord te vinden. Dat deden we door aan de respondenten een weliswaar virtuele som van euro voor te leggen, die zij zelf konden investeren in de ontwikkeling van de Geografische Data Infrastructuur in Vlaanderen. Ze kregen hiervoor twaalf GDI-gerelateerde activiteiten voorgelegd, waarover zij dit bedrag konden verdelen. Indien 115

120 gewenst, konden ze ook financiering voorzien voor een activiteit naar keuze. Het overzicht van de uiteindelijk dertien activiteiten is weergegeven in tabel Hierbij werden de activiteiten reeds geordend op basis van het gemiddelde bedrag dat ervoor werd voorzien. Tabel Investeringsprioriteiten voor GDI in Vlaanderen Gemiddeld bedrag 1. De aanmaak van nieuwe geografische datasets Meer frequente updates van bestaande geografische datasets Aanpassing van de bestaande werkingsstructuren Ontwikkeling van nieuwe applicaties die het beleid kunnen ondersteunen Het opzetten van netwerk services bij coördinerende of andere organisaties Een betere harmonisatie / standaardisatie van bestaande datasets Het opzetten van eigen netwerk services Specifieke opleidingen voor de medewerkers Een betere samenwerking tussen de actoren De aanmaak en bijhouding van metadata De aanschaf van bestaande externe datasets Het versterken van een bestaande of nog op te richten coördinatiestructuur Andere activiteiten 2300 Tabel 13.1 toont aan dat de aanmaak van nieuwe geografische datasets de absolute prioriteit moet zijn bij de verdere ontwikkeling van de GDI in Vlaanderen. Hieruit kunnen we dus afleiden dat binnen de huidige Geografische Datasets nood is aan nieuwe data. Dat is enigszins tegenstrijdig met onze eerdere bevinding dat Vlaanderen beschikt over een ruim aanbod aan geografische data. Toch sluit een ruim aanbod aan data niet uit dat bepaalde gewenste data vooralsnog ontbreken. In die context dient verder onderzocht te worden over welke data het hier zoal gaat. Anderzijds moet er ook op gewezen worden dat in de enquête gepeild werd naar investeringsprioriteiten, en dus niet naar prioriteiten an sich. Uiteindelijk is de keuze voor de aanmaak van nieuwe data als belangrijkste investeringsprioriteit immers begrijpelijk, omdat het van de verschillende 116

121 opgesomde prioriteiten waarschijnlijk ook de meest kostelijke activiteit is. Geografische Data Infrastructuren worden onder meer ontwikkeld om de hoge kosten die gepaard gaan met de productie van geodata zo laag mogelijk te houden, door duplicatie te vermijden. Het lage (gemiddelde) bedrag dat werd toegekend aan een nieuwe of versterkte coördinatiestructuur moet ook vanuit dit perspectief bekeken worden. Men kan immers stellen dat coördinatie minder een kwestie is van financiële middelen, maar eerder van eensgezindheid en bereidwilligheid. Kijken we naar de andere investeringsprioriteiten, dan zien we dat ook een meer frequente update van bestaande datasets een hoofdprioriteit moet zijn bij de verdere uitbouw van de GDI in Vlaanderen. Dat sluit helemaal aan bij onze vorige analyses. De lage frequentie van data-actualisatie blijkt immers hét zwakke punt te zijn van de huidige Geodata Infrastructuur. Doordat dit probleem zich voordoet bij een aantal kerndatasets, worden verscheidene organisaties hierdoor getroffen. Een verbeterde (verhoogde) actualisatie van deze data, zou nagenoeg alle gebruikers van geodata in Vlaanderen ten goede komen. Een derde activiteit die verder investeringen verdient, is een aanpassing van bestaande werkingsstructuren. Dit kunnen we evenwel op twee manieren interpreteren. Enerzijds is er de werking binnen organisaties, waarbij we eerder al konden vaststellen dat bepaalde organisaties op dit vlak enige problemen ervoeren. Meer logisch misschien is de werking van de Geodata Infrastructuur in Vlaanderen als geheel. Ook wat die werking betreft werden eerder in dit rapport al bepaalde beperkingen gesignaleerd. Tussen deze eerste drie prioriteiten en de daaropvolgende vier kunnen we in zekere zin een kloof vaststellen. Toch is het de moeite om ook bij deze vier prioriteiten stil te staan. Opvallend is bijvoorbeeld het belang dat wordt toegekend aan de ontwikkeling van nieuwe applicaties ten voordele van de ondersteuning van het beleid. Ook netwerkdiensten lijken extra aandacht (en financiële middelen) te verdienen, zowel voor wat betreft de aangeboden data als voor de eigen data. Eerder in onze bevraging leek het gebruik van deze netwerkdiensten vooralsnog beperkt te zijn. Dat een betere harmonisering of standaardisatie van data evenzeer noodzakelijk is, konden we ook eerder al vaststellen. 117

122 Tot slot rest ons nog de vraag in welke mate deze prioriteiten gelijklopen over de verschillende types of groepen van stakeholders heen. Figuur 13.4 en 13.5 bieden in zekere mate een antwoord op deze vraag. Figuur 13.4 maakt een onderscheid tussen de investeringsprioriteiten van de verschillende bestuurslagen, waarbij deze vergeleken worden met de algemene verdeling. De getallen onderaan verwijzen hierbij naar de rangschikking uit tabel 13.1, waardoor de algemene lijn dus een dalend verloop kent. Dat de andere lijnen een meer schommelend verloop vertonen en hierbij de algemene lijn meermaals kruisen, toont duidelijk aan dat er toch wel enige verschillen staan tussen de prioriteiten van de verschillende bestuursniveaus. Figuur Investeringsprioriteiten: per bestuursniveau Datzelfde zien we trouwens ook in figuur 13.5, waar de prioriteiten van onze zogenaamde gebruikers vergeleken worden met de producenten. Doordat de omvang van beide groepen voor wat betreft de antwoorden op deze vraag gelijk is, bevindt de algemene lijn in deze figuur zich steeds netjes tussen beide andere lijnen terug. Wanneer we beide figuren met elkaar vergelijken, dan valt trouwens op dat de verschillende tussen de bestuurslagen groter zijn dan de verschillen tussen de producenten en gebruikers. In figuur 13.4 vallen in eerste instantie vooral de uitschieters van de provinciale respondenten op. Die zijn natuurlijk voor een deel te verklaren door het beperkte aantal provinciale organisaties in onze bevraging. Anderzijds zien we ook dat de prioriteiten van de lokale besturen nauw aansluiten bij de algemene prioriteiten van alle respondenten. Dat 118

123 kan verklaard worden door de sterke aanwezigheid van de lokale besturen in de groep van respondenten. Dit in acht genomen, zien we tussen de drie bestuurslagen duidelijke verschillen. Tussen de gebruikers en producenten is dit minder het geval. Figuur Investeringsprioriteiten: gebruikers en producenten Bespreken we beide figuren meer in detail, dan valt in figuur 13.4 dus vooral op dat voor de provincies het opzetten van netwerkservices bij de coördinerende instanties de absolutie prioriteit moet zijn, voor verdere investeringen in de GDI in Vlaanderen. Opvallend is dat ook de organisaties op Vlaams niveau deze nood aan netwerkdiensten ervaren, terwijl dit bij lokale instanties minder het geval is. Die laatste groep ziet vooral een aanpassing van de bestaande werkstructuren als een noodzaak. Voor provincies en organisaties van de Vlaamse overheid is die aanpassing minder prioritair. Een meer frequente update van bestaande dataset lijkt dan weer vooral belangrijk voor provinciale en lokale overheden, terwijl de Vlaamse overheidsorganisaties verlangen naar een verbeterde of hernieuwde coördinatiestructuur. De hoge algemene score voor de aanmaak van nieuwe data als prioriteit blijkt vooral het resultaat te zijn van de eensgezindheid tussen de lokale en provinciale organisaties. Wanneer we de prioriteiten vergelijken van onze respondenten die zichzelf vooral als gebruiker zien met de respondenten die zichzelf ook producent van geodata beschouwen, zien we dat die sterk van elkaar afwijken voor drie investeringsposten: de aanmaak van nieuwe geografische datasets (1), 119

124 de aanpassing van bestaande werkingsstructuren (3), en het opzetten van eigen netwerkdiensten (7). Voor de producentengroep is de aanmaak van nieuwe data de absolute prioriteit. Gebruikers vinden nieuwe data minder belangrijk. Hoofdprioriteit voor hen is een aanpassingen van de bestaande werkingsstructuren, hetgeen de producenten dan weer minder als prioritair beschouwen. Ook het belang van eigen netwerkdiensten is verschillende voor beide groepen: producenten stellen er een zeer hoog (virtueel) financieringsbudget voor beschikbaar, bij de gebruikers is dit bedrag heel wat lager. Eensgezindheid wordt dan weer bereikt over de nood aan meer frequente updates van data. Beide groepen ervaren die nood als zeer hoog, als we afgaan op het budget dat ze eraan toekennen. > 5. Conclusie In dit voorlaatste hoofdstuk werd een beeld geschetst van de sterktes en zwaktes van de huidige Geodata Infrastructuur in Vlaanderen. Hieraan gekoppeld werd ook nagaan wat - volgens onze respondenten - de prioriteiten zijn voor verdere investeringen in de GDI. Op die manier biedt dit hoofdstuk een zekere eindbeoordeling van de huidige Geografische Data Infrastructuur in Vlaanderen. Samengevat luidt die beoordeling dat de vele sterke punten van de huidige Geografische Data Infrastructuur in Vlaanderen niet mogen verhullen dat er toch wel enkele zwakheden zijn. Die zwakheden situeren zich enerzijds op vlak van data-actualisatie, anderzijds op vlak van de afstemming tussen de verschillende betrokken organisaties. Het aanpakken van deze zwakke punten moet de prioriteit zijn bij de verdere ontwikkeling van de GDI in Vlaanderen. Daarbij dienen ook de huidige sterke punten, zoals het ruime aanbod aan geografische data, verder uitgebouwd te worden. 120

125 14. Vooruitblik naar een netwerk-analyse > 1. Inleiding Het beschrijven van Geografische Data Infrastructuren vormt nog steeds één van de belangrijkste componenten van het huidige onderzoek naar GDI. In de bestaande GDI-literatuur zijn dan ook tal van beschrijvende GDI-studies terug te vinden. In zekere zin kan ook deze studie hierbij ondergebracht worden, aangezien zij een beschrijving geeft van de huidige Geografische Data Infrastructuur in Vlaanderen. In tegenstelling tot traditionele GDIbeschrijvingen krijgen de zogenaamde GDI-componenten in deze studie slechts beperkte aandacht. De focus ligt met andere woorden niet op het juridisch kader van de GDI in Vlaanderen, noch op de aanwezige technologieën of de te volgen standaarden. Wel centraal in deze studie staan enerzijds de organisaties die geografische data produceren, gebruiken en uitwisselen, en anderzijds de stromen van geodata tussen deze betrokken organisaties. Het is vanuit het standpunt van deze organisaties en datastromen dat de Geografische Data Infrastructuur in Vlaanderen beschreven wordt. Samen vormen organisaties en datastromen een netwerk van geografische data-uitwisseling. De GDI in Vlaanderen kan dan beschouwd worden als het geheel van technologische en niettechnologische maatregelen die vorm geven aan dit netwerk. Een diepgaande beschrijving en analyse van het netwerk biedt ons inzicht in de sterktes en zwaktes van de huidige Geodata Infrastructuur in Vlaanderen. In de voorgaande hoofdstukken van dit rapport gebeurde die beschrijving en analyse op de typische manier. Hiermee bedoelen we dat organisaties en datastromen grotendeels afzonderlijk van elkaar werden geanalyseerd op basis van eenvoudige frequentieverdelingen en groepsvergelijkingen. Ter afronding van dit rapport blikken we vooruit naar een alternatieve manier om deze data verder te analyseren: de (sociale) netwerkanalyse. Deze analysetechniek maakt het mogelijk om de organisaties en datastromen op een geïntegreerde manier te analyseren. Interessant hierbij zijn de vele mogelijkheden op vlak van visualisatie. In dit hoofdstuk demonstreren we alvast de meerwaarde van deze netwerkanalyse aan de hand van een aantal toepassingen. 121

126 > 2. Een netwerkanalyse van de GDI in Vlaanderen Eén van de belangrijkste eigenschappen van sociale netwerkanalyse is de mogelijkheid om netwerken visueel voor te stellen. Het toepassen van een netwerkanalyse op het GDI-netwerk in Vlaanderen stelt ons dus in zekere zin in staat om de GDI in Vlaanderen te visualiseren. Dat deze visuele voorstelling bij kan dragen tot de ontwikkeling van nieuwe kennis en inzichten, tonen we aan hier aan met enkele eenvoudige voorbeelden. Een eerste algemene visualisatie van de Geodata Infrastructuur in Vlaanderen vinden we terug in figuur Bovenaan deze figuur vinden we vier belangrijke producenten van geodata op federaal niveau terug. Op Vlaams niveau zijn enkel de departementen en agentschappen van de beleidsdomeinen LV, MOW, RWO en LNE weergegeven, met centraal daartussen het AGIV. Vervolgens zien we de vijf provincies terug, en helemaal onderaan de lokale besturen. De lijnen tussen deze knooppunten zijn de stromen van vier types van geodata: perceelsdata, adresdata, wegendata, hydrografiedata. Figuur Het GDI-netwerk in Vlaanderen 122

127 Figuur 14.1 levert ons een voorstelling van het GDI-netwerk in Vlaanderen. Op basis hiervan kunnen we reeds een aantal algemene kenmerken van de GDI in Vlaanderen onderscheiden. We zien bijvoorbeeld de vele (perceels)stromen die vertrekken vanuit het knooppunt links bovenaan, de FOD Financiën. Het merendeel van deze stromen hebben een lokale overheid als eindbestemming. Een andere belangrijke leverancier van geodata vinden we terug centraal in de figuur, zijnde het AGIV. De data die door het AGIV beschikbaar worden gesteld, stromen zowel naar de entiteiten van de Vlaamse overheid als naar de provincies en gemeenten. Figuur Vier geodata-netwerken in Vlaanderen Perceelsnetwerk Adresnetwerk Wegennetwerk Hydrografienetwerk In figuur 14.2 splitsen we dit algemene netwerk op in vier afzonderlijke netwerken, per type van geodata. Op die manier wordt het verschil in aantal datastromen per type van data meteen duidelijk. Perceelsdata worden het vaakst uitgewisseld, terwijl het wegennetwerk en hydrografienetwerk opvallend minder datastromen kennen. Deze visuele voorstelling van de vier afzonderlijke netwerken maakt ook duidelijk welke de centrale actoren zijn in elk van de netwerken. Voor wat betreft perceelsdata is een centrale rol in het netwerk weggelegd voor de FOD 123

128 Financiën en het AGIV. Bij de overige drie netwerken is het AGIV steeds de meest centrale actor. In figuur 14.3 bekijken we de GDI in Vlaanderen vanuit het standpunt van vier specifieke gemeenten. Per gemeente worden de stromen van geodata visueel voorgesteld. Alle vier types van geodata zijn hierin opgenomen. De figuur toont duidelijk aan dat gemeenten in Vlaanderen een beroep kunnen doen verschillende mogelijkheden, om de geodata te verwerven die ze nodig hebben. Bovendien maken gemeenten vaak op een verschillende wijze van deze mogelijkheden gebruik. Figuur Ego-netwerken van vier gemeenten in Vlaanderen Gemeente A en B zijn bijvoorbeeld gelijkaardig, in die zin dat ze elk beroep doen op twee externe leveranciers. Belangrijk verschil tussen beide is 124

129 evenwel dat gemeente A hoofdzakelijk gebruik maakt van de door het AGIV geleverde data, terwijl gemeente B eerder vertrouwt op door de provincie geleverde data. Kijken we naar gemeente C, dan zien we dat deze gemeente een beroep doet op drie externe leveranciers: het AGIV, de provincie en de FOD Financiën. Wat bijzonder is aan gemeente C, is dat zij alle vier de types van geodata verkrijgt van zowel het AGIV als de provincie. In vergelijking met de vorige twee gemeenten, zouden we dus kunnen stellen dat de gemeente C minder sterk afhankelijk is van één externe leverancier. Gemeente D tot slot, onderscheidt zich door zijn veelheid aan dataleveranciers. Figuur 14.3 toont duidelijk aan dat er verschillen zijn in de wijze waarop lokale besturen in Vlaanderen toegang verkrijgen tot de geodata die ze nodig hebben voor hun activiteiten. Op die manier wordt duidelijk dat de verschillen tussen het GIS-gebruik van gemeenten niet alleen betrekking kunnen hebben op het intern gebruik van geodata, maar ook op de externe relaties die worden aangegaan om toegang te krijgen tot de geodata. Een interessante onderzoeksvraag die hierbij oprijst is de vraag in welke mate beide aspecten al dan niet met elkaar verbonden zijn. Daar waar figuur 14.3 de GDI in Vlaanderen bekijkt vanuit het standpunt van de gemeenten, focussen we in figuur 14.4 op de uitwisseling van geografische gegevens binnen de Vlaamse overheid. We beperken ons evenwel tot vier specifieke beleidsdomeinen: Landbouw & Visserij (boven), Ruimtelijke Ordening, Woonbeleid en Onroerend Erfgoed (rechts), Mobiliteit en Openbare Werken (onder) en Leefmilieu, Natuur en Energie (links). Eenentwintig entiteiten (departementen of agentschappen) uit deze vier beleidsdomeinen zijn weergegeven in figuur 14.4, samen met het AGIV centraal in de figuur. De figuur geeft een overzicht van de uitwisseling van geodata zowel binnen als tussen deze beleidsdomeinen. De vier types van geodata worden hierbij voorgesteld als afzonderlijke netwerken. Deze visuele voorstelling toont ons een aantal interessante bevindingen. Zo zien we bijvoorbeeld een zekere mate van uniformiteit tussen de vier afzonderlijke netwerken. Dit wil dus zeggen dat een aantal van de stromen zich herhalen voor meerdere types van geodata, en dat een aantal datarelaties bijgevolg niet beperkt zijn tot één type van data. De figuur toont daarbij ook duidelijk de centrale rol van het AGIV aan, als verdeler van geodata binnen de Vlaamse overheid. Los van de gelijkenissen tussen de 125

130 vier types van geodata, kunnen er anderzijds ook een aantal belangrijke verschillen worden vastgesteld tussen de vier datatypes. Maar ook in de wijze waarop geodata worden uitgewisseld binnen één beleidsdomein, kunnen we een zekere verscheidenheid opmerken. Figuur 14.4 toont zo aan dat een netwerkanalyse kan bijdragen tot het analyseren van zowel de verschillen als gelijkenissen in patronen van uitwisseling, bijvoorbeeld tussen verschillende types van geografische data of tussen verschillende beleidsdomeinen. Figuur Stromen van geodata binnen de Vlaamse overheid Perceelsdata Adresdata Wegendata Hydrografiedata Voor ons laatste voorbeeld van de mogelijkheden die een netwerkanalyse ons biedt, keren we terug naar de gemeenten, en meer bepaald naar de gemeenten in de provincie Oost-Vlaanderen. Daarbij beperken we ons in figuur 14.5 ook tot de stromen van perceelsdata. De figuur bekijkt immers de stromen van perceelsdata naar de Oost-Vlaamse gemeenten in onze survey, en dit voor de drie belangrijkste leveranciers: de provincie, de FOD Financiën en het AGIV. De figuur toont duidelijk aan in welke mate en op 126

131 welke wijze deze drie dataleveranciers elkaar aanvullen. De FOD Financiën kan worden beschouwd als de grootste leverancier van perceelsdata aan de Oost-Vlaamse gemeenten. De overgrote meerderheid van deze gemeenten heeft immers toegang tot deze federale perceelsdata. Van de 25 gemeenten die toegang hebben tot de perceelsdata van de FOD Financiën, zijn er negen die uitsluitend deze perceelsdata gebruiken. Dit betekent dat 16 gemeenten in Oost-Vlaanderen de perceelsdata van de FOD Financiën gebruiken in combinatie met perceelsdata van een andere leverancier. Elf gemeenten verkrijgen zelfs perceeldata van alle drie de leveranciers. Figuur Stromen van perceelsdata naar Oost-Vlaamse gemeenten Figuur 14.5 bevat daarnaast ook informatie over de waarde of sterkte van deze datastromen. Voor elk van de geïdentificeerde datastromen, werd immers informatie verzameld over een aantal kenmerken, zoals de prijs, de vervangbaarheid of de nood aan additionele aanpassingen of correcties. Dat laatste kenmerk is weergeven in figuur Alle datastromen waarvoor kleine of grote aanpassingen vereist zijn, zijn immers weergegeven met een stippellijn. Op die manier wordt duidelijk dat vooral de perceelsdata van de FOD Financiën additionele aanpassingen vereisen. In vergelijking met de perceelsdata van de provincie en het AGIV, is het aantal datastromen waarvoor aanpassingen of correcties noodzakelijk zijn, immers opvallend groter bij de FOD Financiën. Van alle drie dataleveranciers, zijn de data van de provincie het vaakst meteen bruikbaar. 127