Sociale leerprocessen voor de realisatie van datagestuurd werken


De snelle opkomst van nieuwe datatechnologie heeft een grote impact op de publieke sector. Voor een effectieve en passende benutting van datatechnologie is cruciaal dat inzichten over datagestuurd werken niet blijven hangen bij een kleine groep enthousiastelingen, maar de hele organisatie bereiken. Hoe kunnen organisaties dit doen? Albert Meijer en Krista Ettlinger bespreken inzichten uit onderzoek naar het belang van sociaal leren rond dataficatie in het openbaar bestuur.[1]

Om publieke waarde te creëren en publieke dienstverlening te verbeteren, gaan overheidsorganisaties steeds meer datagedreven werken. Hiervoor is een geheel aan organisatorische veranderingen nodig: nieuwe expertise, nieuwe samenwerkingen tussen afdelingen, nieuwe procedures en vooral een nieuwe mindset. Daarom wordt steeds vaker gesproken over de digitale transformatie, een totaal nieuwe manier van werken binnen de context van een geheel nieuw type organisatie.

Binnenkant verandert niet
Met het ingrijpende karakter van de digitale transformatie, vergt dit een proces van sociaal leren. We zien dat steeds meer overheidsorganisaties open staan voor inzichten over de datasamenleving van dataspecialisten en adviseurs – als ook voor wetenschappers en kunstenaars – maar ze slagen er nog niet goed in deze inzichten te vertalen naar veranderende praktijken. De inzichten van externe partijen blijven vaak aan de ‘buitenkant’ van de organisatie, bij een kleine groep enthousiastelingen, hangen. De ‘binnenkant’ van de organisatie verandert niet en blijft gewoon doen wat ze altijd hebben gedaan.

‘Inzichten over datagedreven werken worden warm ontvangen, maar werken beperkt door’

Om te begrijpen wat nodig is om ervoor te zorgen dat niet alleen de ‘buitenkant’ van de organisatie leert maar ook de organisatie in brede zin hebben wij specifiek gekeken naar de manier waarop overheidsorganisaties kunnen leren van wetenschappelijk onderzoek. Dit onderzoek is daarmee een reactie op onze eigen frustratie. Door de jaren heen hebben we gemerkt dat inzichten over datagedreven werken uit wetenschappelijk onderzoek warm worden ontvangen maar vervolgens beperkt doorwerken. Hoe komt dit en wat kan er worden gedaan om de doorwerking van relevante inzichten te vergroten? Op basis van ons actieonderzoek bij deze lokale en regionale overheidsorganisaties laten we zien wat overheidsorganisaties kunnen doen om het sociaal leerproces over datagedreven werken te verbreden opdat dit bijdraagt aan de digitale transformatie.

Barrières voor sociale leerprocessen
Het belangrijkste inzicht uit ons onderzoek is dat overheidsorganisaties lijken te veronderstellen dat sociale leerprocessen als vanzelf plaatsvinden, terwijl er juist sterke mechanismen zijn die deze leerprocessen verhinderen.
Een sleutelkenmerk van publieke organisaties is bureaucratie. Organisaties werken volgens een strenge set van regels en procedures, waarbij besluiten goedkeuring moeten krijgen op meerdere niveaus van de organisatie voordat actie kan worden ondernomen. Hoewel dit hiërarchische systeem belangrijke functies heeft, bijvoorbeeld voor de toedeling van verantwoordelijkheden, vertraagt dit het besluitvormingsproces en belemmert het sociaal leren.

‘Tegenstrijdige doelen vormen een belemmering voor sociaal leren’

Publieke organisaties worden beoordeeld aan de hand van vele eisen. Ze worden verantwoordelijk gehouden door zowel wetgevers als burgers en worden niet alleen beoordeeld op hun prestaties, maar ook op hoe goed ze publieke waarden zoals gelijkheid en rechtvaardigheid hooghouden. Dit leidt tot een groot aantal tegenstrijdige doelen waar organisaties voor verantwoordelijk zijn. Deze tegenstrijdige doelen vormen ook een belemmering voor sociaal leren omdat delicate evenwichten tussen doelen zorgvuldig worden bewaakt.
Ons onderzoek laat zien dat de bureaucratische organisatie is ontwikkeld voor stabiliteit en zich verzet tegen verandering. Zonder expliciete aandacht voor het organisationeel leervermogen zal geen enkel nieuw inzicht de ‘binnenkant’ van de organisatie bereiken.

Versterken van het organisatorisch leervermogen
Om daadwerkelijk te kunnen leren over datagedreven werken dienen organisaties organisatorisch leervermogen op te bouwen. Vertaling van inzichten naar nieuwe manieren van werken is geen eenvoudige opgave: dit vergt de vormgeving van mechanismen die een antwoord vormen op de weerstand van bureaucratische organisaties tegen verandering. We noemen drie punten die we in ons onderzoek hebben gevonden.
Horizontaal werken binnen de organisatie met andere afdelingen en teams verbetert het leervermogen van een organisatie. Dit vermogen is belangrijk om het trage besluitvormingsproces van bureaucratische organisaties te doorbreken en om te voorkomen dat kennis vast blijft zitten in silo’s binnen de organisatie. In ons onderzoek zagen we dat bij de onderzochte organisaties beslissingen, vooral die met betrekking tot financiering, door verschillende besluitvormingslagen moesten gaan. De gemeente Amersfoort kon deze moeilijkheden echter ook overwinnen door organisatiebreed te werken en mensen uit verschillende sectoren met verschillende expertises samen te brengen. Hierdoor konden kennis en ervaring sneller binnen de organisatie worden gedeeld en werden vertragingen van het verticale besluitvormingsproces omzeild.

‘Organisaties moeten eigenaarschap van sociaal leren aan een specifiek programma of team binnen de organisatie geven’

Overheidsorganisaties staan ​​onder grote druk en hebben te maken met veel, vaak tegenstrijdige, doelen. Werknemers in de publieke sector hebben vaak een hoge werkdruk. Om ervoor te zorgen dat al deze druk en doelen in lijn zijn met de sociale leerdoelen rond dataficatie, moeten organisaties eigenaarschap van het sociale leren aan een specifiek programma of team binnen de organisatie geven. Ons onderzoek laat zien hoe in Amersfoort teammanagers werden uitgenodigd om te kiezen welke onderwerpen binnen datagedreven werken aansluiten bij hun team- en projectdoelen. Dit betekende dat de doelen van het team en de sociale leerdoelen op elkaar waren afgestemd. Daarmee werd voor teamleiders sociale leren een middel om hun teamdoelen te bereiken en namen zij eigenaarschap over dit proces. Het zorgde er ook voor dat dit sociale leren niet een nieuw tegenstrijdig doel werd dat hun werkdruk verhoogde.

Visie
Een door de leiding ondersteunde visie op datagedreven werken helpt om tijd en middelen beschikbaar te stellen voor deze sociale leerprocessen. Zonder een visie uit de top van de organisatie blijft de kennis bij een beperkte groep medewerkers binnen de organisatie. In de gemeente Gouda zagen we het belang van een visie die ondersteund wordt door de leiding. Deze organisatie had een visie ontwikkeld op wat ze de komende drie jaar op het gebied van datagedreven werken wilde bereiken. Doordat deze strategische visie werd goedgekeurd door de leiding, was er ook binnen de organisatie een brede bekendheid. Dit betekende dat medewerkers binnen de organisatie prioriteit gaven aan deelname aan de sociale leerprocessen over datagedreven werken, bijvoorbeeld door tijd vrij te maken in hun agenda om workshops en andere educatieve activiteiten over deze onderwerpen bij te wonen.
Samenvattend, sociaal leren rond dataficatie vereist dat publieke organisaties de capaciteit opbouwen om te leren van inzichten uit de buitenwereld. Voor sociaal leren over dataficatie zijn drie zaken nodig: horizontaal werken in de hele organisatie, het eigenaarschap van sociale leerprocessen beleggen en het uitdragen van een heldere visie op datagedreven werken. Deze stappen zijn nodig voor de stap van activiteiten van een kleine groep enthousiastelingen voor datagedreven werken naar een digitale transformatie.

Noten

[1] Dit artikel is gebaseerd op recent onderzoek dat plaatsvond binnen de Datawerkplaats. De Datawerkplaats is een onderzoekssamenwerking tussen de Universiteit Utrecht en de gemeenten Gouda, Almere, Amersfoort, en Zuidplas, en de provincies Utrecht en Zuid-Holland. Lees hier meer over de Datawerkplaats.

Vond je dit artikel interessant? Lees alle artikelen van: Albert Meijer Krista Ettlinger
Deel dit artikel

Er zijn nog geen reacties op dit artikel

Het e-mailadres wordt niet gepubliceerd.

*