Meer grip op Wmo-voorzieningen

Elke week verschijnen er weer nieuwe berichten over gemeenten waar kosten voor Wmo- en jeugdvoorzieningen onvoorzien hoger uit blijken te vallen en dwingen tot maatregelen. Ynformed helpt gemeenten om met data science inzicht te krijgen in de ontwikkeling van deze voorzieningen. Dit inzicht blijkt een waardevolle ondersteuning voor gemeenten, zowel inhoudelijk als bij mogelijkheden voor kostenbeheersing.

Vanuit de Wet maatschappelijke ondersteuning (Wmo) worden burgers ondersteund om zo lang mogelijk zelfstandig thuis te blijven wonen en op een waardige manier te blijven deelnemen aan de maatschappij. Voorbeelden van Wmo-voorzieningen zijn de hulp bij het huishouden, dagbesteding en vervoersvoorzieningen zoals een scootmobiel. Een vergrijzende samenleving en een groeiend beroep op voorzieningen uit de Wmo maken dat de kosten blijven stijgen. Uit een eerdere inventarisatie door De Volkskrant blijkt verder dat bij twee derde van de gemeenten ook de kosten voor de jeugdzorg, zoals beschermd wonen, een uitdaging vormen.

Inzicht in ontwikkelingen

De ervaring leert dat niet alle gemeenten even goed zicht hebben op de historische en toekomstige ontwikkelingen van het gebruik van Wmo- en jeugdvoorzieningen. Dit gebrek aan informatie maakt dat goed onderbouwde gesprekken over kostenbeheersing vaak lastig te voeren zijn. Ynformed gebruikt haar jarenlange ervaring met data science in de publieke sector om samen met gemeenten de mogelijkheden, om waardevolle inzichten uit data te halen, te verkennen en uit te voeren.

Een voorbeeld van hoe we dit doen is door de ontwikkeling van voorzieningen in beeld te brengen. Een eerste stap hierbij is het gebruiken van moderne, analytische technieken om de historische en actuele stand van zaken sprekend weer te geven. Denk hierbij aan een interactieve visualisatie van het verbruik van een bepaalde voorziening over de jaren heen, weergegeven op een landkaart. Dit levert het inzicht op dat het gebruik van een voorziening in een specifieke wijk boven verwachting aan het toenemen is. Deze kennis helpt beleidsmakers en wijkteams bij het kiezen voor de best passende aanpak.

Om vervolgens ook inzicht te geven in het toekomstige gebruik van voorzieningen passen we algoritmes (rekenkundige modellen) toe. Hierbij gebruiken we de historische ontwikkeling van een voorziening en verrijken we dit met meerdere (mogelijk) verklarende variabelen, zoals de verdeling van de leeftijd en de burgerlijke staat binnen een wijk.

Van inzicht naar waarde

De inzichten die we met deze analyses voor gemeenten opleveren dienen meerdere doelen. Een goed onderbouwde voorspelling van de te verwachten ontwikkeling van voorzieningen helpt bij het voeren van gesprekken over kostenbeheersing en uiteindelijk de budgettering. Het gesprek met zorgleveranciers krijgt meer inhoud door snel en intuïtief de data te kunnen raadplegen.

De ervaring leert dat de inzichten die we opleveren daarnaast aanknopingspunten bieden voor een efficiënte inrichting van de wijkteams (door meer zicht op de ontwikkeling van de zorgbehoefte per doelgroep en per wijk). Ook vragen over de inrichting van de toegangsorganisatie, door inzicht in hoe voorzieningen elkaar opvolgen of stapelen, kunnen we op basis van onze data-analyses vaak beantwoorden. Deze kennis helpt beleidsmedewerkers om voorstellen tot verbetering van de zorg voor burgers cijfermatig te onderbouwen en neemt de onzekerheid weg uit dit uitdagende beleidsveld.

Ook behoefte aan meer inzicht in Wmo-voorzieningen? Lees hier de bijbehorende klantcase, of neem contact op met Sjoerd Wierenga om hierover van gedachten te wisselen.  

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *