Burgerkracht in Zwolle: terugblik op de hackathon

Transcriptie

1 Burgerkracht in Zwolle: terugblik op de hackathon Data Science Amsterdam Jaap Pleeging - Gemeente Zwolle Jos Darmanata - DataScience Amsterdam Marcel Broekhaar - Gemeente Zwolle

2 Burgerkracht in Zwolle: terugblik op de hackathon Data Science Amsterdam Waarom? Kunnen big data ons helpen? Marcel Hoe? Een innovation hackathon. Jos Hoe?/Wat? Het inhoudelijke vraagstuk van de hackathon: burgerkracht. Jaap Wat? De resultaten! Marcel Jaap Pleeging - Gemeente Zwolle Jos Darmanata - DataScience Amsterdam Marcel Broekhaar - Gemeente Zwolle

3 Inzicht geven

4 Jos Darmanata Founder DS Amsterdam/director DS London

5 Data Science Amsterdam Data Science Amsterdam Grootste data science community in Europa (6000+) Data science communities in LDN (2010), AMS (2014) en ZWL (2015) Top 20 data science beinvloeders wereldwijd Divergent leden basis Data Science Beoefenaars Academici & Onderzoekers Startups & Enterprise

6 What We Do Activiteiten DSA Data Science Amsterdam Community ontwikkeling & evenementen Data science training & workshops Data science consulting strategie & implementatie Klanten: FTSE100 & F500, NGOs & startups Data science onderzoek en ontwikkeling Collaborative data science projekten Data Science Innovation Hacks (20+) Copyright Data Science London All rights reserved.

7 Innovation Hack? Data Science Amsterdam

8 Waarom #dsih Data Science Amsterdam Focus op zakelijke problemen van organisatie Innovatieve Invalshoeken voor relevante zakelijke problemen Katalysator voor mogelijke oplossingsgebieden Kennis maken met Big data & data science Toegang tot een netwerk van professionals

9 Op weg met Zwolle - Data Science Amsterdam Uitdagingen Planning Voorbereid. Vervolg Workshops

10 Op weg met Zwolle - Data Science Amsterdam Workshops Uitdagingen Planning Voorbereid. Vervolg Technische Workshop Data bases Platform Zakelijke Workshop Probleemstellingen organisatie Data

11 Op weg met Zwolle - Data Science Amsterdam Workshops Uitdagingen Planning Voorbereid. Vervolg Definitie Uitdagingen Input van beleidsmedewerkers zakelijke workshops Overzicht data Afstemming tussen data en uitdagingen

12 Op weg met Zwolle - Data Science Amsterdam Workshops Uitdagingen Planning Voorbereid. Vervolg Waar (Logistiek) Wanneer (Datum) Hoe technisch (Data bronnen en Platform) Communicatie

13 Op weg met Zwolle - Data Science Amsterdam Workshops Uitdagingen Planning Voorbereid. Vervolg Logistiek Lokatie vinden en bespreken Internet faciliteiten Communicatie plan Website Communities Technische platform Data opladen Veiligheid Data

14 Op weg met Zwolle - Data Science Amsterdam Workshops Uitdagingen Planning Voorbereid. Vervolg Zaterdag ochtend: Informatie en presentaties Zaterdag middag: Hacken maar Zondag Ochtend: Hacken the sequel Zondag Middag: Presentaties oplossingen

15 Op weg met Zwolle - Data Science Amsterdam Workshops Uitdagingen Planning Voorbereid. Vervolg Data Science Zwolle Verder uitwerken van oplossingen

16 Succes faktoren Data Science Amsterdam Betrokkenheid van gemeente Zwolle Draagvlak door Zwolle op alle niveaus Kwaliteit van beschikbare data Sterke partnership tussen Zwolle en DSA

17 Jaap Pleeging beleidsadviseur

18 aanleiding 3 D s met efficiency-korting Veronderstelling: (Jaap P 1) meer maatwerk in combinatie met burgerkracht

19

20 Welke vragen roept dit op? Welke condities bevorderen/belemmeren het ontstaan van burgerkracht? Hoe verdelen de verschillen zich per huishouden, buurt, groepen? Hoe sluit je vanuit overheid en zorgverlening hier het beste op aan?

21 Theoretische basis

22 Empirische basis Veerkrachtfoto & Buurt voor buurt

23 Zwolle Stadsdelen Zwolle Midden Oost Noord West Zuid Foto Veerkracht Totaal Aspect A Persoonlijke relaties Aspect B Maatschappelijke betrokkenheid Aspect C Vertrouwen Aspect D Buurt Thema A1 Familie en vrienden Thema A2 Ondersteuning krijgen Thema A3 Ondersteuning bieden Thema A4 Werk Thema A5 Buren Thema A6 Sociale contacten Thema B1 Sociale activiteiten Thema B2 Maatschappelijk bewust Thema B3 Maatschappelijk actief Thema C1 Politie Thema C2 Buurt Thema C3 Gemeente Thema C4 Justitie Thema D1 Actief voor de buurt Thema D2 Thuis in de buurt

24 De data onder aspect A ( persoonlijke contacten) VK_A12 dat 1 keer per week of vaker contact m VK_A13 dat op familiebezoek gaat of krijgt (52. VK_A21 dat 1 kaar per week of vaker contact m VK_A22 dat deel uit maakt van een groep vrien VK_A23 % dat altijd bij vrienden terecht kan (50 VK_A24 dat vrienden of kennissen ontmoet voo VK_A31 Dat 23 tot 65 jaar is en betaald werk he VK_A32 student/ werkt bij werkgever/ eigen be VK_A41 dat 1 keer per week contact heeft met VK_A42 dat door vaak/soms buren wordt uitge VK_A43 dat actief is in bewoners- of buurtover VK_A51 dat min. 1 maal per week contact met VK_A52 dat niet/soms oppervlakkige sociale co VK_A53 dat kennissenkring niet beperkt vind (5 VK_A54 dat aangeeft min. 1 keer per maand ui VK_A55 dat aangeeft vaak/soms voor plezier o VK_A61 dat (afgelopen jaar) lid is geweest van VK_A62 dat een sport beoefent (59) VK_A63 dat in de afgelopen 12 maanden deel n VK_A71 dat wel eens overlast in de buurt meld VK_A72 dat aangeeft dat de politie contact met VK_A73 dat in de afgelopen 12 maanden minim VK_A74 dat in de afgelopen 12 maanden actief VK_A75 dat in de afgelopen 12 maanden actief VK_A76 dat vindt dat de gemeente voldoende VK_A77 dat vindt dat de gemeente bereikbaar VK_A78 dat in de afgelopen 12 maanden van li VK_A81 dat aangeeft moeite te hebben met de VK_A82 % dat in het buitenland is geboren en k

25 De theorie, de verandertheorie en de data zijn er! Maar nou nog de patronen!

26 Marcel Broekhaar adviseur (Geo-)informatie

27

28

29

30

31

32 ( )

33 Inspiratie Energie Inzicht

34

35 databewustzijn

36 Data Science London Data Science Amsterdam Data Science Zwolle

37 2

38

39

40

41

42

43

44 Buurten in Zwolle

45 Invloed buurtkenmerken