Voorspellen ontwikkeling Wmo-voorzieningen

Vorige week bleek uit een rondgang van de Volkskrant dat de gemeentelijke uitgaven voor Wmo-voorzieningen veel hoger uitvallen dan begroot. De extra zorgtaken dwingen gemeenten in sommige gevallen tot ingrijpende bezuinigingen, aldus De Volkskrant. Ynformed helpt gemeenten om met data science inzicht te krijgen in de ontwikkeling van, en uitgaven voor Wmo-voorzieningen. Deze inzichten helpen niet alleen bij het verscherpen en uitvoeren van beleid, maar ook bij het voorkomen van onvoorziene kosten.

Wmo staat voor Wet maatschappelijke ondersteuning. Het doel van deze wet is om burgers te helpen zodat zij zo lang mogelijk zelfstandig thuis blijven wonen en deelnemen aan de maatschappij. Onder de Wmo vallen diverse voorzieningen, zoals: hulp bij huishouden, begeleiding, beschermd wonen en jeugdzorg. Uit de analyse van de Volkskrant bleek dat bij twee derde van de gemeenten vooral de kosten voor de jeugdzorg een probleem vormen.

Inzicht in ontwikkelingen Wmo

De ervaring leert dat niet alle gemeenten even goed zicht hebben op de historische en toekomstige ontwikkelingen van het gebruik van Wmo-voorzieningen. Dit vormt al een obstakel bij de eerste gesprekken over kostenbeheersing. Zonder deze inzichten is het namelijk lastig om deze gesprekken tijdig en onderbouwd te voeren. 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. Afhankelijk van de kwaliteit en de kwantiteit van de data, werken we stapsgewijs toe naar inzichten.

Een eerste stap is het realiseren van inzicht in de historische en actuele stand van zaken. Een voorbeeld van wat dit oplevert? Inzicht in een versnelde toename in het aantal indicaties voor hulp bij het huishouden in een bepaalde wijk. Dit inzicht helpt beleidsmakers en wijkteams bij het kiezen voor de best passende aanpak.

Als we een stap verder zetten gebruiken we algoritmes (rekenkundige modellen) om te voorspellen hoe het gebruik van een bepaalde voorziening zich in de toekomst zal ontwikkelen. Dit kan door enkel te kijken naar de ontwikkeling van een specifieke voorziening of door te kijken naar deze voorziening in relatie tot allerlei andere variabelen. In de eerste opzet gebruikten we het verloop van het aantal indicaties van 2015 tot en met 2019 om het aantal in 2020 (en verder) te voorspellen. Bij een complexere variant betrokken we meer variabelen, bijvoorbeeld leeftijdsgroepen en arbeidsparticipatie, om de voorspelling nauwkeuriger te maken.

De inzichten die deze analyses opleveren dienen twee doelen. In combinatie met de bevindingen van beleidsdeskundigen geven de cijfers meer handvatten bij het formuleren en uitvoeren van passend beleid. Daarnaast wordt met de inzichten voorkomen dat gemeenten voor onvoorziene hoge kosten komen te staan.

Meer weten?

Ben je bekend met de uitdagingen die de stijging van Wmo-uitgaven met zich meebrengen en wil je ook graag meer weten over de mogelijkheden om met data science inzicht te verwerven? Neem dan 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 *