De Digitale Raadgever

Het doel van deze tool is het helpen van raadsleden om tot een goed overwogen en geïnformeerd besluit te komen bij raadsvoorstellen waarin de inzet van digitale technologie voorkomt. Het besluitvormingsproces van de gemeenteraad kent drie fases. Beeldvorming, oordeelsvorming en besluitvorming. Stap 1, 2 en 3 komen hiermee overeen.

 

Stap 1: Kennis verzamelen

Deze beeldvormende fase helpt u om relevante informatie te verzamelen, om een basis te leggen voor debat en om de controlerende taak uit te voeren. Deze informatie kunt u verzamelel door het stellen van vragen.

Een data project bestaat uit drie delen: data, organisatie en mens. Data omvat dataverzameling, toegang tot de data, en de verwerking van data. Organisatie gaat over hoe er binnen de gemeente omgegaan wordt met data en de capaciteit van uw ambtenaren. Mens gaat over de effecten van het data project op de burgers van uw gemeente.

Maak uw keuze om voorbeeld vragen te zien:

Stap 1: Kennis verzamelen

Data

Klik op een vraag om uitleg te krijgen

Waar komt de data vandaan?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Data

Een model wordt gevoed met databronnen. Het is belangrijk om te weten of de gemeente die data zelf verzamelt of inkoopt van een andere organisatie, en hoe deze verzameld wordt. Ongeacht oorsprong, is het van belang om te controleren dat de data ook echt juist is. Als de data niet klopt, kan het model ook niet correct werken.

Of de data door de gemeente verzameld zelf is;

Hoe er gecontroleerd wordt dat deze data correct is;

Of de data van een andere organisatie is;

Of zij kunnen bewijzen dat deze data correct is.

Verzamelen we de juiste data voor dit project?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Data

Het is belangrijk om zeker te weten dat de data die verzameld is ook echt nodig is om dit project uit te voeren. Het kan gebeuren dat er allerlei gevoelige data gebruikt wordt voor een project, die niet relevant zijn voor het beleidsdoel. Dit kan conflicteren met het principe van proportionaliteit uit de AVG. Over het algemeen is het goed om aan te houden: hoe minder persoonsgevoelige data, hoe beter (principe uit de AVG).

 

Een duidelijk beleidsdoel en een overzicht waarom de gekozen data van belang is voor dit beleidsdoel. Het sleutelwoord is hier doelbinding.

Is de data die verzameld is in verhouding met wat nodig is om het beleidsdoel te behalen?

Het principe van

proportionaliteit

Hebben we de juiste digitale middelen voor dit project?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Data

Een data project vraagt verschillende praktische benodigdheden. Data wordt verwerkt op een computer met gebruik van bepaalde software. Voor sommige software zijn er speciale computers of diensten nodig. De brede zin moet de benodigde infrastructuur voor het dataproject dus op orde zijn.

Een overzicht van welke middelen nodig zijn voor dit project en of die aanwezig zijn in de organisatie.

Een afweging tussen verschillende organisaties die deze middelen kunnen leveren. 

Hoe is de dataverwerking met partners geregeld?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Data

Wanneer er een samenwerkingsverband is tussen de gemeente en andere (private) organisaties binnen een project, zijn er duidelijke afspraken omtrent dataverwerking nodig. Dit betreft zowel juridische als ethische kaders.

 

Over de volgende onderdelen is overeenstemming nodig:

  • Eigenaarschap van het eindproduct
  • Eigenaarschap van de data
  • Verantwoordelijkheid bij fouten in eindmodel

Hoe monitoren we de toegang tot data?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Data

Persoonsgegevens moeten geanonimiseerd worden tenzij het niet anders kan, dit staat ook in de AVG. Soms is het echter noodzakelijk dat de anonimisering ook 'teruggedraaid' kan worden. Daarvoor kunnen bepaalde medewerkers verantwoordelijk gemaakt worden. De mensen die bij de persoonsgevoelige data kunnen kan dan bijgehouden worden.

Er kan een vast protocol gemaakt worden omtrent de toegang van persoonsgevoelige data. Daarin staat dan:

  • Een afweging hoe persoonsgegevens geanonimiseerd worden;
  • Een mogelijkheid om te monitoren wie er bij de data kan komen.

Hoe weten we dat dit model beter werkt dan het huidige beleid?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Data

Er wordt regelmatig aangenomen dat digitalisering en data-gedreven bestuur automatisch zorgt voor 'beter' beleid. Dit hoeft echter niet zo te zijn. Het argument voor digitalisering moet verder gaan dan alleen tijd-/kostenbesparing of innovatie. Maakt het model de dienstverlening van de gemeente daadwerkelijk beter?

Of dit model voldoende getest is en of daar uitkwam dat het model de beleidsdoelen effectief realiseert. Is er een aantoonbare meerwaarde in het toepassen van dit model bij het invullen van het beleidsdoel?

Stap 1: Kennis verzamelen

Organisatie

Klik op een vraag om uitleg te krijgen

Welke wetten zijn van toepassing op dit project?

Welke afdelingen zijn bij dit project betrokken?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Organisatie

Dataprojecten vragen vaak de kennis van meerdere afdelingen binnen een gemeente. Voor één project werken dus verschillende afdelingen samen. Hiervoor is het belangrijk dat er regelmatig samengekomen wordt en dat de afdelingen duidelijke afspraken hebben gemaakt.

Een overzicht van de verschillende afdelingen die betrokken worden bij dit voorstel.

Een overzicht met duidelijke afspraken tussen de afdelingen over communicatie en onderlinge verantwoordelijkheden.

Zijn de verantwoordelijkheden voor de betrokkenen duidelijk?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Organisatie

Een dataproject kan ook een samenwerking zijn tussen verschillende afdelingen én private organisaties. Bij een publiek-private samenwerking is het van belang dat de verantwoordelijkheden en eigenaarschap juridisch vastgelegd wordt. Een belangrijk kwestie is wie de eigenaar is van de verzamelde data en het model.

Een overzicht van de organisaties met wie de gemeente samenwerkt in dit project.

Juridisch vastgelegde afspraken over verantwoordelijkheden en eigenaarschap van het model en de data die erin verwerkt wordt.

Zijn vaste kaders wenselijk voor dit project?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Organisatie

Het kan dat de gemeente in de toekomst vaker gebruik gaat maken van dataprojecten en voorspellende modellen. Dan is het een optie om nu al vaste kaders op te stellen over verantwoordelijkheden, eigenaarschap of een afwegingsproces. Hiervoor is het van belang om stil te staan bij een mogelijk precedent dat hierbij geschept wordt.

Of het college van B&W van plan is om in de toekomst vergelijkbare projecten op te starten.

Zijn er andere organisaties die iets soortgelijks gedaan hebben?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Organisatie

Andere gemeenten lopen tegen vergelijkbare vraagstukken aan. Daarom kan er gekeken worden naar hoe andere gemeenten of andere organisaties ook al een dataprojecten hebben opgestart in dit beleidsonderwerp. Wat ging daar goed, en wat kon er beter? Leren van elkaar bespaart kosten en tijd.

Een overzicht van welke andere gemeenten een vergelijkbaar dataproject opgestart hebben.

Een overzicht met wat uw gemeente kan leren van dit project.

Hebben de verantwoordelijken voldoende kennis?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Organisatie

Hoe het college aantoont dat er voldoende kennis en capaciteit is voor dit project.

Als het model extern ingekocht wordt, een verzekering dat de gemeente intern ook mensen heeft met voldoende kennis.

Om een dataproject op te zetten is het van belang dat de gemeente hier de capaciteit voor heeft. Soms wordt een voorspelmodel ingekocht bij een externe partij, maar is de kennis over dit model niet aanwezig binnen de gemeente. Er zijn verschillende mensen nodig voor een data project, denk aan: datawetenschappers, 'privacy officers', functionaris gegevensbescherming, communicatiemedewerkers, en ambtenaren met inhoudelijke kennis over het onderwerp.

Welke skills hebben de betrokkenen nodig?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Organisatie

Niet elk dataproject vraagt dezelfde kennis. Verschillende modellen vragen verschillende kennis. Het is van belang dat er mensen aangewezen worden die de skills hebben om dit dataproject succesvol te realiseren. Misschien is er een budget voor opleidingen van ambtenaren, zodat er niet op externe experts geleund hoeft te worden. Daarnaast is een koppeling tussen de datawetenschappers en de ambtenaren met inhoudelijke kennis belangrijk om het beleidsdoel te realiseren.

Een standaard van skills die nodig is voor dit project, bijvoorbeeld de Data Maturity Scan (VNG).

Of er de mogelijkheid is om intern medewerkers op te leiden om deze skills te behalen.

Welke wetten zijn van toepassing op dit project?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Organisatie

Waarschijnlijk is er wetgeving dat toepasselijk is op dit project. Bijvoorbeeld de Algemene Verordening Gegevensbescherming (AVG), maar misschien ook de Algemene Wet Bestuursrecht. Tegelijkertijd is het gebied van digitalisering en techniek een juridisch grijs gebied. Sta stil bij de impact van dit project op de relatie van de gemeente en de burger. Let op: de AVG schrijft voor dat u alleen persoonsgegevens mag verwerken als u zonder deze gegevens uw doel niet kan bereiken.

Een overzicht van wetgeving dat toepasselijk is op dit onderwerp.

Een overweging welke andere maatregelen van belang kunnen zijn.

Een onderbouwing van gebruik van persoonsgegevens, als van toepassing.

 

Stap 1: Kennis verzamelen

Mens

Klik op een vraag om uitleg te krijgen

Wie is de doelgroep van dit beleid?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Mens

Het dataproject heeft waarschijnlijk één specifieke doelgroep. Wanneer het bekend is voor wie het project bedoeld is, is het ook duidelijker welke data nodig is om het model tot behoren te laten werken.

Sta stil bij de impact van dit project op deze burgers. Kan de data die over hen verzameld worden ook een negatieve impact hebben?

Een duidelijk overzicht van voor wie dit dataproject bedoeld is.

Een duidelijk overzicht van welke data er precies nodig van deze doelgroep.

Kunnen burgers aangeven dat ze niet mee willen doen?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Mens

Of er een opt-out optie ingevoerd wordt en met welke onderbouwing.

Daarnaast moet het makkelijk en toegankelijk zijn om gebruik te maken van een mogelijke opt-out.

Afhankelijk van het project, kan een dataproject als indringend en aangrijpend ervaren worden door de doelgroep. Daarom kan er een 'opt-out' optie ingevoerd worden op het project.

Welke andere burgers worden door dit project geraakt?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Mens

Hoewel er meestal maar één doelgroep is van een dataproject, kan het gebeuren dat de data van andere burgers ook gebruikt wordt of dat een andere groep burgers op een andere manier ook betrokken wordt bij dit project.

Een afweging van welke burgers direct en indirect betrokken worden bij dit data project.

Of de AVG van toepassing is op dit project en welke grondslag beschreven in de AVG van toepassing is, bijv. of deze burgers geïnformeerd toestemming gegeven hebben om hun data te delen met de gemeente.

Hoe wordt er gecommuniceerd over het project?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Mens

Rondom dataprojecten bestaat het risico op publieke verontwaardiging. Daarom moet er een weloverwogen communicatiestrategie ontworpen worden. De mate van transparantie over een dataproject hangt af van tot hoeverre dit het beleidsdoel in de weg zit.

 

Een communicatiestrategie omtrent het informeren en updaten van burgers, tot zover dit het beleidsdoel niet in de weg zit.

Een communicatiestrategie in het geval er iets verkeerd gaat en er publieke verontwaardiging ontstaat.

Hoe toegankelijk is een evt. online platform voor burgers?

Waarom moet deze vraag gesteld worden?

Wat zou je willen zien in een antwoord?

Mens

Er kan gekozen worden voor een online platform om burgers te informeren en te betrekken bij het data project. Een mogelijk probleem is dat online platforms regelmatig maar door een bepaalde groep burgers gebruikt wordt. Ook moet er gekozen worden welk online platform gebruikt wordt: een bestaand sociaal medium of een eigen forum.

Wanneer er gekozen wordt voor een online platform: of er ook andere mogelijkheden zijn om informatie te verzamelen over het project.

Een onderbouwing voor de keuze in online platform.

 

 

Stap 2: Politieke vragen stellen

 In de oordeelsvormende fase wordt de verzamelde informatie gebruikt om je als fractie of als raadslid een oordeel te gaan vormen. Deze vragen helpen om door middel van gesprek en debat tot een oordeel te komen. De thema's in stap 2 kunnen ook gebruikt worden om politieke vragen op te stellen.

 

U kunt alternatieve beleidsopties voorstellen, vragen of neveneffecten bekend zijn en hoe deze gemitigeerd kunnen worden, kwetsbare groepen burgers aankaarten en vragen om een waarborging van de autonomie van de gemeente.

Stap 2: Politieke vragen stellen

Is de technologie leidend of ondersteunend voor uw beleidskeuzes?

Een data project is een middel om een beleidsdoel te realiseren. Digitalisering op zich is dus geen doel, maar een middel. Het is daarom belangrijk dat vooraf bepaald wordt wat het doel is van de inzet van digitale technologie en op wat voor manier dit bijdraagt aan het beleidsdoel.

 

Wanneer er een voorspelmodel gebruikt wordt moet het ook vastgesteld worden wat de beoordelingsvrijheid is van de ambtenaren die dit model gaan gebruiken.  

 

Dus: Is er naar uw mening sprake van een helder beleidsdoel en draagt de inzet van technologie daarbij aan?

Tot hoeverre komt dit project overeen met het coalitieakkoord en met uw eigen partij programma?

In het begin van de huidige raadsperiode zijn er algemene beleidsdoelen opgesteld door het College van B&W. Bij een voorstel over een data project is het goed om even stil te staan en terug te kijken in hoeverre dit project bijdraagt aan wat er in het collegeakkoord is opgenomen.

 

Kijk ook naar uw eigen partijprogramma voor de gemeenteraadsverkiezingen. Focus hierbij niet op 'digitalisering' als onderwerp, maar naar het betreffend beleidsprobleem dat het dataproject aangaat. Wat was uw plan voor dit probleem? En tot hoeverre wordt de voorgestelde oplossing weerspiegelt in dit data project?  

 

Het beginnen van een dataproject is een politieke keuze en digitalisering zorgt niet vanzelf voor een betere beleidsoplossing.

 

Wat zijn de andere beleidsmogelijkheden om het doel van dit project te realiseren?

Het beginnen van een data project of digitaliseringsproces een politieke keuze. Vaak kunnen beleidsproblemen ook opgelost worden door middel van andere, niet digitale instrumenten. 

 

Kijk daarom verder dan digitalisering en breng verschillende alternatieven in kaart

Wat zijn de (neven) effecten van dit project?

Een introduceren van een dataproject heeft zowel voordelen en risico's.

Een voordeel dat vaak genoemd wordt is dat het gevoerde beleid effectiever wordt. Dit kan vervolgens leiden tot tijd- en kostenbesparing.

Daar staat tegenover dat het verzamelen en verwerken van persoonsgevoelige data ervaren worden als een inbreuk op de privacy van burgers. Ook kan het in kaart brengen van bepaalde groepen burgers leiden tot discriminatie en stigmatisatie.

Daarnaast hebben dataprojecten invloed op de relatie tussen de gemeente en de burger. Burgers kunnen het idee krijgen dat de gemeente hen wantrouwt wanneer er persoonsgevoelige data verzameld wordt.

 

 

Sta stil bij zowel de voor- en nadelen van dit project.

Wat zijn mitigerende maatregelen?

Nu de impact van het dataproject vastgesteld zijn, kan er gekeken worden naar interventies om de beoogde effecten te realiseren en de ongewenste neveneffecten te beperken. Welke effecten er optreden is afhankelijk van hoe het dataproject ontworpen en ingezet wordt. Dit is te controleren met de vragen uit stap 1.

 

 Het van belang dat er ingegrepen kan worden door de gemeente als het datamodel niet naar behoren werkt. Zijn de effecten of gevolgen van het datamodel bijvoorbeeld omkeerbaar? Door duidelijke afspraken vast te stellen over toezicht en handhaving kunnen ongewenste effecten in kaart gebracht worden wanneer het project van start gegaan is. Verder kan gedacht worden aan een vragenloket of een klachtensysteem om de zorgen van burgers te beantwoorden.

Zijn er acceptabele mitigerende maatregelen waardoor het gebruik van dit datamodel in uw partijprogramma zou passen?

Welke groep burgers is kwetsbaar in dit project?

Data projecten zijn sterk in het in beeld brengen van kenmerken van groepen, maar het is niet altijd duidelijk of een groep mist of verkeerd gerepresenteerd wordt. Op dat moment werkt het gevoerde beleid niet goed voor deze groep burgers, of ze worden zelfs benadeeld. Het is daarom van belang om stil te staan of het voorstel groepen burgers op een juiste manier meerekent.

 

Daarnaast hebben veel burgers niet een voldoende digitale geletterdheid om te begrijpen op wat voor manier hun data gebruikt wordt. Dan is het ook niet mogelijk om geïnformeerde toestemming te geven. Daarom is het belangrijk om stil te staan hoe toegankelijk informatie over dit project is en of burgers begrijpen waar ze wel of niet aan meedoen. Daarnaast moeten bezwaar procedures toegankelijk en eenvoudig bereikbaar zijn.

 

 

Hoe wordt de autonomie van de gemeente gewaarborgd?

Tot slot is het van belang stil te staan bij de autonomie van de gemeente.

Wanneer een data project door een externe organisatie aangeboden wordt en/of uitgevoerd wordt, kan het voorkomen dat de gemeente afhankelijk is van deze externe organisatie in de uitvoering van de dienstverlening.

 

 

Politieke vragen stellen

De thema's in stap 2 kunt u toepassen op uw lokale situatie om politieke vragen op te stellen. U kunt dus alternatieve beleidsopties voorstellen, vragen of neveneffecten bekend zijn en hoe deze gemitigeerd kunnen worden, kwetsbare groepen burgers aankaarten en vragen om een waarborging van de autonomie van de gemeente.

Stap 3: Een waardeoordeel geven

In de besluitvormende fase helpen de vragen om ook daadwerkelijk tot een besluit te komen. De vragen laten het het raadslid nadenken over de waarden van de partij en de waarden die verwerkt zijn in dit voorstel.

U heeft nu voldoende kennis over het dataproject en nagedacht over andere beleidsopties. U heeft ook de antwoorden van het College van B&W op uw politieke vragen ontvangen. De laatste stap is om een waardeoordeel te geven aan het voorstel. Dit kunt u doen door na te denken over de publieke waarden die u als raadslid en uw partij nastreeft.

 

De vragen op de volgende pagina helpen u hiermee.

 

 

Stap 3: Een waardeoordeel geven

Techniek is niet waarde-vrij

Wat is het standpunt van uw partij tegenover dit beleidsonderwerp?

Eerder werd gevraagd stil te staan bij het standpunt van uw partij tegenover dit beleidsdomein. Dit standpunt komt voort uit de idealen die uw partij nastreeft. Tot hoeverre realiseert het gebruik van data deze idealen in dit specifieke beleidsdomein? Denk hierbij ook terug aan de effecten en neveneffecten van dit voorstel. Focus hierbij op de impact van het voorstel op alle burgers, niet alleen de doelgroep. Welke voordelen wegen volgens u partij zwaardere dan welke nadelen?

 

 

 

 

 

 

Welke waarden zijn verwerkt in dit model?

 

Een data project of voorspelmodel is ontworpen met bepaalde waarden, zoals effectiviteit, veiligheid en rechtvaardigheid. Deze waarden kunnen in de praktijk botsen met andere waarden, zoals gelijkwaardigheid, zorgvuldigheid, consent en transparantie. Op dat moment moet u zich afvragen: welke waarden wegen zwaarder?

 

 

 

 

Tot hoeverre spiegelt dit project uw politieke waarden?

Politieke partijen zijn gebaseerd op een aantal waarden en aannames van de wereld waar leden het mee eens zijn. U kunt dus stilstaan bij tot hoeverre het voorgestelde gebruik van data toevoegt aan de realisatie van de idealen van uw partij, of juist tot hoeverre het voorgestelde gebruik conflicterend is met de idealen van uw partij?

Hoe reflecteert het gebruik van technologie in dit beleidsdomein op de kernwaarden van uw partij?

Welk beeld van de overheid impliceert dit model?

 

Het gebruik van data in beleidsuitvoering kan de de relatie van burger en gemeente beïnvloeden. Het gebruik van digitaal toezicht kan bijvoorbeeld ervaren worden alsof de gemeente burgers wantrouwt. Wanneer een data gedreven beleid niet transparant is omdat dit het beleidsdoel tegengaat, kan dit het beeld dat een burger heeft van de overheid negatief beïnvloeden. Vraag uzelf af: Hoe wilt u dat de burger de gemeente ziet en ervaart?

 

Meer informatie

Auteurs: Elise Renkema & David van den Berg

 

De Digitale Raadgever is ontwikkeld door de Universiteit Utrecht, in opdracht en in samenwerking met de gemeente Almere. Noch de Universiteit Utrecht, noch de gemeente Almere zijn aansprakelijk voor (mogelijke) schade in verband met, of voortkomend uit, het gebruik van materiaal of inhoud van de ‘De Digitale Raadgever’.

Met dank aan:

Mirko Tobias Schäfer, Iris Muis, Lisa de Graaf, Sander Prins, Ellen Bijsterbosch, Jeffrey Koppelaar, Leny van den Heuvel, Petra de Ruiter, Marianne Golsteijn, Karin Poelhorst, Robert-Jan Ritsema, en de geïnterviewde raadsleden van de gemeente Almere.

 

CC BY-NC-ND Universiteit Utrecht 2021; De Digitale Raadgever versie 1.0 januari 2021