Zaanse DataLab en Datapakhuis

Maat: px

Weergave met pagina beginnen:

Download "Zaanse DataLab en Datapakhuis"

Lucas van der Heijden
6 jaren geleden
Aantal bezoeken:

1 Zaanse DataLab en Datapakhuis

2 Agenda 1. Achtergrond Zaanse Datalab en pakhuis 2. Datapakhuis a) Waarom een Datapakhuis? b) Het concept c) Wat gaan we nu doen? 3. Datalab a) Waarom een Datalab? b) Het idee c) Starten met experimenteren in pilots d) Van pilots naar structureel ecosysteem 2

1. Achtergrond Informatievoorzieningsstrategie Etc. Big Data IV-strategie Digitalisering Mobiel werken Social trend Het doel van de IV-strategie is om meerjarig de richting voor IV te bepalen.

3 1. Achtergrond Informatievoorzieningsstrategie Etc. Big Data IV-strategie Digitalisering Mobiel werken Social trend Het doel van de IV-strategie is om meerjarig de richting voor IV te bepalen. De IV-strategie zorgt ervoor dat nieuwe ontwikkelingen snel op tafel komen, zodat we kunnen bepalen of en hoe we hierop moeten inspelen in de vorm van toewijzing van geld en capaciteit en wat de effecten zijn op de samenleving en onze bedrijfsvoering.

4 1. Achtergrond Geprioriteerde thema s IV-strategie Datagestuurd werken Informatiepositie verbeteren Slimme samenleving 4

5 1. Achtergrond Beoogde resultaten datagestuurd werken 1. Datalab 2. Datapakhuis 3. Data-academy 4. Gebruik Qlikview verbeteren 5. Experimenteren in pilots 6. Verankeren in organisatie 5

6 1. Achtergrond Gebruik Qlikview verbeteren

7 1. Achtergrond Verankeren in organisatie Pilots in processen Data-analyse discipline in organisatie

8 Inhoud 1. Achtergrond Zaanse Datalab en pakhuis 2. Datapakhuis a) Waarom een Datapakhuis? b) Het concept c) Wat zijn we concreet aan het doen? 3. Datalab a) Waarom een Datalab? b) Het idee c) Starten met experimenteren in pilots d) Van pilots naar structureel ecosysteem 8

9 2a. Waarom een datapakhuis? Pilots datagestuurd werken Verkenning Brugbediening (V&H) Handhaving (V&H) Inbraakmonitor (V&H) Opstart Investeringen in de openbare ruimte (OR) Meten van effecten van beleid (Control) Adresfraude (Burgerzaken) Afgerond Parkeermonitor (V&H) Zorg innovatie monitor (MO) Re-Integratie (MO) Grabble (MO) Adres- en identiteitsfraude (Burgerzaken) 9 Lopend Langer thuis wonen (MO + 3 woningcorporaties) Vluchtelingen (MO) Funderingsproblematiek (OR + GAF) Verbinden van registratie- en enquête-data (O&S) Machine learning battle Wijkgerichte aanpak (V&H) Audits bepalen aan de hand van afwijkende patronen (sector control) Sociale veiligheid: ritme onderzoek (MO + V&H) Leegstand (Belastingen) Riool (sector openbare ruimte) Leren & ontwikkelen (MO) Aanbesteding doelgroepenvervoer (MO)

10 2a. Waarom een datapakhuis? Diagnose 1. Met de pet rond 2. Eenmalig en tijdrovend 3. Beperkt overzicht wie wat heeft

11 2b. Wat is een datapakhuis? Concept Databronnen Dataset-atelier Datapakhuis Klanten Etc.

12 2b. Wat is een datapakhuis? Bronnen

13 2b. Wat is een datapakhuis? Dataset-atelier

14 2b. Wat is een datapakhuis? Geografische data Administratieve data Documenten Toegankelijk voor Burger&bedrijf voor eigen gegevens Geautoriseerde partner / afdeling Iedereen Catalogus / metadata Herleidbaar naar persoon/locatie/zaak geaggregeerd Versleuteld op detailniveau Volledig herleidbaar op detailniveau

15 2b. Wat is een datapakhuis? Voorbeelden New York Utrecht

16 2c. Wat gaan we nu doen? Project met de volgende beoogde resultaten 1. Een technisch werkend Datapakhuis a) Catalogus b) Data-atelier c) Autorisatie d) Publiceren 2. Een gevulde catalogus 3. Een werkend autorisatieproces 4. Een gevuld Datapakhuis met datasets 5. Het gebruik van het Datapakhuis 1 6

17 Inhoud 1. Achtergrond Zaanse Datalab en pakhuis 2. Datapakhuis a) Waarom een Datapakhuis? b) Het concept c) Wat zijn we concreet aan het doen? 3. Datalab a) Waarom een Datalab? b) Het idee c) Starten met experimenteren in pilots d) Van pilots naar structureel ecosysteem 17

18 3a. Waarom een Data Lab? 1. Waarom deze bijeenkomst? Burgers Agora UWV Etc. Etc. Politie ACBA Opgave in samenleving Etc. Gemeente Etc. Etc. Evean GGD Etc. Parteon 18

19 3a. Waarom een Datalab? Dus Opgaven laten zich niet vangen door grenzen van een organisatie Iedereen denkt na over datagestuurd werken Kan data ons verbinden?

20 3b. Het idee 1. Maatschappelijke opgave staat centraal 2. Deelnemende partijen leveren databronnen aan 3. Team van data-analisten gaat ermee aan de slag 4. Data-analyses op tafel 5. Sessies met deelnemende partijen 6. De deelnemende partijen bedenken vanuit eigen rol en positie oplossingen voor de opgave Data Lab verbindt 20

3c. Starten met experimenteren in pilots In 2016 oefenen met twee Datalabs (pilots) Een aantal vaste deelnemers: Parteon, Agora, Politie, GGD, UWV, Evean, VU/UvA,

21 3c. Starten met experimenteren in pilots In 2016 oefenen met twee Datalabs (pilots) Een aantal vaste deelnemers: Parteon, Agora, Politie, GGD, UWV, Evean, VU/UvA, gemeente Purmerend en Zaanstad Stap 1 t/m 6 worden in een pilot doorlopen Pilots zijn om te leren: inzicht in kansen en knelpunten Startpunt van Datalab als ecosysteem 21

3d. Van pilots naar structureel ecosysteem Op Q1 2017 is het Datalab een ecosysteem.

22 3d. Van pilots naar structureel ecosysteem Op Q is het Datalab een ecosysteem. Dit betekent: Een groot aantal (25-30) maatschappelijke instellingen zijn onderdeel van Datalab Het Data Lab staat op de agenda in de deelnemende organisaties Afhankelijk van het vraagstuk kan bepaald worden of er ingestapt wordt Samenwerkingsplatform waarin we simpel en veilig data kunnen delen Meer in gezamenlijkheid oplossen van vraagstukken in de samenleving 22

23 Afronding Afronding 23

Vergelijkbare documenten

Geen koffie maar data die de stad wakker maakt. Jan van Ginkel Gemeentesecretaris Algemeen directeur Gemeente Zaanstad

Geen koffie maar data die de stad wakker maakt Jan van Ginkel Gemeentesecretaris Algemeen directeur Gemeente Zaanstad Iedereen kent deze plaatjes nu wel Data revolutie Explosieve groei Laatste 2 jaar meer