Hoe komen open gemeentedata in een (data)stroomversnelling?

Wie denkt en doet er mee!

In april dit jaar is het Gemeentelijk Leernetwerk Open Data van start gegaan, een samenwerking tussen Kennisland (denk- en doetank voor maatschappelijke innovatie) en het Leer- en Expertisepunt Open Overheid. Een diverse groep van vijftien gemeenten komt in vijf sessies samen om te identificeren welke vragen zoal spelen rondom open data en hoe de antwoorden daarop in de praktijk gebracht kunnen worden. De deelnemers komen uit grote en kleine gemeenten: van Rotterdam en Amsterdam tot Berkelland en Lansingerland. Sommige zijn al enkele jaren goed aan de slag met open data (denk aan Eindhoven), andere zijn juist beginnend. Na vier sessies maken we de balans op. Wat zijn tot nu toe de belangrijkste lessen vanuit het leernetwerk, en misschien belangrijker: hoe kunnen verder? We schetsen er vier:

1) Het openen van data vergt een cultuurverandering
Dat het openen van data geen kwestie is van een schakelaar omzetten is duidelijk. Veel deelnemers van het netwerk stuiten intern op weerstand van collega’s om pro-actief datasets toegankelijk te maken voor het publiek.
Met de decentralisatie van belangrijke diensten zijn gemeenten gedwongen een fundamentele verandering te ondergaan. In plaats van te handelen als een ‘implementatieclub’ moeten ze een dynamische organisatie worden die niet alleen kerntaken goed uitvoert, maar ook nieuw beleid ontwikkelt op gemeentelijk niveau en data vergaart om dit beleid op te baseren. Hiervoor moet allereerst de complexiteit en verbondenheid van sociale vraagstukken begrepen worden. Dat open data een onderdeel van deze transitie is, heeft te maken met het feit dat openheid nieuwe datakoppelingen mogelijk maakt en dat hierdoor duidelijk wordt waar informatie ontbreekt. Daarnaast kan het burgers activeren om mee te denken en lokale diensten te ontwikkelen en zo welzijn te verhogen. Doordat veel gemeenten deze fundamentele transformatie nog niet hebben gemaakt blijkt het in veel gevallen ingewikkeld om collega’s te overtuigen van de noodzakelijkheid van open data, en het niet enkel te beschouwen als een communicatietrend.

2) Samenwerking en uitwisseling is een voorwaarde
Al tijdens de eerste bijeenkomst van het leernetwerk werd duidelijk dat er waardevolle ervaringen en discussies naar boven komen door met verschillende gemeenten aan tafel te zitten. Hoewel de problematiek rond het vrijgeven van data in elke gemeente anders ligt, net als de tactieken en strategieën, is er een gemeenschappelijk doel: meer inzicht krijgen in de waarde van open data door middel van experimenten en samenwerking. Daarnaast is er grote behoefte aan kennisuitwisseling over praktische zaken zoals: zijn er leveranciers met standaardapplicaties die eenvoudig datasets als open data kunnen aanleveren? Of: welk format moeten we überhaupt gebruiken voor de opendatasets?
Door ervaringen te delen kan het proces worden versneld en worden misstappen voorkomen. Zo werd binnen het netwerk kennis gedeeld over het in zee gaan met private partijen voor het openen van data en deelden steden beslisbomen en andere materialen op het gebied van open data met elkaar.

3) Onduidelijkheid rondom privacyvraagstukken houdt openheid tegen
We hebben vrij heldere privacywetgeving in Nederland. Toch houden discussies over privacy de gemeenten bezig. Op welk niveau mag je zorgdata delen? Is postcodeniveau in een kleine gemeente te persoonlijk? Wat zijn consequenties voor individuele burgers als de locatie van elektrische laadpalen gedeeld wordt? Ja, waarschijnlijk wordt er meer efficiënt omgegaan met de palen: maar wordt het niet dringen bij die ene paal voor iemands deur? Hoe erg is dat?
Dit zijn geen onoverkomelijke belemmeringen voor het delen van data. Privacy in context met open data is belangrijk, en we hebben het maatschappelijke debat zeker nog niet voldoende gevoerd over dit onderwerp. Maar privacy wordt ook gebruikt als een containerbegrip voor alle angsten over data, ook als deze niets te maken hebben met gemeenten die gedepersonaliseerde data delen.
Er is behoefte aan duidelijkere afspraken over privacy en open data bij gemeenten. Meer kennis over de bestaande wetgeving is hierin een stap, maar zeker niet het hele verhaal. Innovatie zoekt nu eenmaal de grenzen en grijze gebieden van wetgeving op, en daar kunnen dingen met de beste bedoelingen misgaan. Zoals bijvoorbeeld data delen die eigenlijk niet gedeeld had moeten worden, maar eigenlijk gebeurt vaker het omgekeerde: data die best gedeeld had kunnen worden maar nu opgesloten blijft.
Ook in bredere zin is er behoefte aan meer voorlichting over juridische kaders. Zaken zoals intellectueel eigendom zijn vaak onvoldoende duidelijk bij gemeentemedewerkers, waardoor er in sommige gevallen databankenrecht opgeëist kan worden door externen, of ingehuurde freelancers onverwacht auteursrecht hebben.

4) Experimenteren met eindgebruikers loopt spaak
De waarde van open data staat of valt bij het gebruik ervan. Gemeenten – en andere publieke instellingen – die vroeg waren met data vrijgeven raken gefrustreerd als geopende data ‘staat weg te roesten’. Waarom immers publiek geld investeren in open data als het resultaat is dat het ongebruikt ergens op een website staat?
We signaleren een disconnect tussen de vraag en het daadwerkelijke aanbod van open gemeentedata. Bij de experimenten, ingebracht in het Gemeentelijk Leernetwerk Open Data, blijkt het lastig om buiten de gemeente met (potentiële) eindgebruikers te praten over toepassingen. Ondanks de expliciete uitnodiging om een gesprek te faciliteren met ondernemers, journalisten en culturele en maatschappelijke organisaties, beperkten de deelnemers zich tot potentiële gebruikers binnen het gemeentehuis. Alhoewel dit absoluut een belangrijke groep is, zal het gebruik van open data blijven beperkt blijven tenzij de deuren van het gemeentehuis worden opengeslagen.
Dat de aangeboden data geen aansluiting vindt bij de praktijk kan meerdere redenen hebben, maar kan maar op één manier opgelost worden: door de dialoog aan te gaan. Naast het openen van relevante sets is er correcte licensering nodig om te zorgen dat makers van apps de informatie zonder schroom kunnen gebruiken. Daarnaast is het van belang om een kwaliteitsslag te maken voor wat betreft een gebruiksvriendelijke interface, een selectie van kwalitatieve data en volledige data (zowel historisch als recentelijk bijgewerkt).

Stroomversnelling
Er is nog één sessie te gaan in het leernetwerk in 2016, waarin ongetwijfeld nog meer lessen zullen opdoemen. Toch doen we alvast een voorzet voor hoe we het proces van het openen van gemeentedata kunnen versnellen, met onze vier lessen in het achterhoofd. In het kort: we zien een lacune tussen vraag en aanbod, twijfel en uitstel bij gemeenten van data openen door ingewikkelde privacy(gerelateerde) vraagstukken, een waarde in ervaringen delen en het begrijpen van open data als deel van een fundamentele transitie. Hoe krijgen we deze welwillendheid van de gemeenten om meer data toegankelijk te maken een stap verder? Op basis van onze inzichten is het antwoord: door het leggen van nieuwe verbindingen.
De belofte van open data is niet dat het publiceren van data an sich de wereld verbetert, maar dat data als middel gebruikt kan worden voor positieve effecten. Open data kan bijvoorbeeld zorgen voor een sterke democratie door verbeterde transparantie, wat kan leiden tot meer engagement van burgers. Ook kan het bijdragen aan het oplossen van maatschappelijke problemen vanwege het beschikbaar stellen van meer informatie. De meest interessante meerwaarde van open data als middel is wat ons betreft dat het partijen samenbrengt, de zogenaamde ‘systemische waarde’. Deze term komt voort uit het NSOB-rapport De Publieke Waarde(n) van Open Data (2015).

Social lab
Maatschappelijke problemen pak je niet aan door als individu (binnen een gemeente) een plan te schrijven getiteld ‘oplossing probleem’. Door naar buiten te gaan, met andere organisaties samen te werken, met burgers te praten,en door de juiste informatiepunten met elkaar te verbinden kunnen maatschappelijk opgaven pas begrepen worden. Sociale vraagstukken aanpakken gebeurt door te experimenteren, te falen en te leren. Open data kan hierbij een belangrijke tool zijn en voor nieuwe allianties zorgen.
Open data wordt nog te weinig gezien als middel voor het adresseren van maatschappelijke opgaven. Om verder te komen dan een experiment met data openen, is een verdergaande interventie nodig. Een mogelijk vehikel hiervoor zou een social lab kunnen zijn. Dit is een methode waarbij partners in het veld samenwerken om prototypes te ontwikkelen voor het tackelen van maatschappelijke problemen. Een dergelijke grondige aanpak kan de weg plaveien voor effectief gebruik van open data en het proces versnellen. Zo kunnen we namelijk zien dat je vraag en aanbod samen kunt brengen rondom een probleem, dat privacydiscussies beter te beslechten zijn met de eindgebruikers aan tafel, en dat we pas echt veel van elkaar leren als we buiten de omheining van het eigen gemeentehuis kijken.

Wie denkt en doet er mee?

Meer weten over het Gemeentelijk Leernetwerk Open Data? Neem contact op met Lisette Kalshoven (lk@kl.nl). Je kunt de verslagen en meer lessen van de eerste vier sessies lezen op de Kennisland-website: https://www.kl.nl/projecten/gemeentelijk-leernetwerk-open-data/

Vond je dit artikel interessant? Lees alle artikelen van Lisette Kalshoven en Tessa de Geus
Deel dit artikel

Er is 1 reactie op dit artikel
Dankjewel voor je bijdrage
We hebben je reactie doorgestuurd naar de redacteur(en) van dit artikel en redactie van platform O. Deel het artikel en jouw bijdrage ook met je omgeving om discussie te stimuleren.
Eric Schulte Nordholt
Senior onderzoeker en projectleider bij CBS

CBS verzamelt heel veel data over Nederland. Traditioneel worden deze data via steekproefonderzoeken verzameld. De laatste twintig jaar worden steeds meer gegevens uit registers gebruikt voor de officiële statistiek. Bovendien zijn er recent grote plannen gesmeed om in de toekomst veel gebruik te maken van big data. Onafhankelijk van hoe data worden verzameld moet zorg worden gedragen voor de privacy van de individuele personen, huishoudens, bedrijven en instellingen. CBS publiceert daarom nooit over individuele eenheden maar altijd over groepen.

Is de privacybescherming gewaarborgd als alleen over groepen wordt gepubliceerd? Zo eenvoudig ligt dat niet! In het vakgebied van de statistische beveiliging wordt geanalyseerd of uit geaggregeerde informatie mogelijk toch individuele informatie kan worden afgeleid. Om dit te illustreren volgen enkele voorbeelden.
Als wordt gepubliceerd over de omzet in een bedrijfstak en deze bedrijfstak kent een heel groot bedrijf en verder enkele heel kleine spelers, speelt het risico op dominantie. Iemand die de omzet van het grote bedrijf in deze bedrijfstak niet kent, kan dan als schatting van deze omzet de omzet van de hele bedrijfstak nemen. Een kleinere speler kan een nauwkeuriger schatting maken door de eigen omzet van de omzet van de bedrijfstak af te trekken. Als enkele kleine spelers samenwerken, wordt de schatting nog beter. Het is duidelijk dat de omzet van een dergelijke bedrijfstak niet kan worden gepubliceerd.

Als wordt gepubliceerd over gemiddelde inkomens, mag dit gemiddelde niet op een gering aantal eenheden zijn gebaseerd. Iemand in die kleine groep zou kunnen afleiden hoe hoog het gemiddelde inkomen van de anderen in die groep is.

Zelfs als alleen wordt gepubliceerd over aantallen kunnen er problemen ontstaan. Wat te denken van een tabel waarin een buurt voorkomt waarin alle mannen crimineel zijn? Als ik dan een man in die buurt ken, weet ik op grond van deze tabel dat die man een crimineel is. Dit probleem wordt groepsonthulling genoemd en moet worden vermeden in tabellen.

In theorie is het mogelijk heel zware eisen aan alle te publiceren data op te leggen waarna er nooit sprake van problemen rond de privacy zal zijn. De CBS-output zou dan weinig interessant voor gebruikers zoals gemeenten zijn. Bij alle nieuwe output wordt daarom zorgvuldig gekeken wat de onthullingsrisico’s zijn en hoe die problemen kunnen worden opgelost. Voorbeelden van mogelijke oplossingen zijn het afronden van resultaten, het weglaten van de waarden van cellen in een tabel of het samenvoegen van klassen waarin wordt gepubliceerd.

2 nov 2016