Vijf lessen voor succesvolle interbestuurlijke datasamenwerking

Maatschappelijke uitdagingen zoals klimaatverandering en gezondheidsongelijkheid vragen om complexe beleidsbeslissingen, waarvoor overheidsorganisaties een sterke informatiepositie nodig hebben. Toegang tot data uit verschillende domeinen en bestuurslagen helpt bij het nemen van onderbouwde beslissingen. In deze reflectie lees je over de complexiteit van besluitvorming bij maatschappelijke opgaven en de lessen over effectieve samenwerking en communicatie binnen data-ecosystemen.

In data-ecosystemen komen technische, sociale en organisatorische elementen samen

Data-ecosystemen zijn socio-technische complexe netwerken waarin actoren met elkaar samenwerken om data beschikbaar te maken, innovatie te bevorderen en waarde te creëren. Een data-ecosysteem omvat technische elementen, zoals data-infrastructuur, digitale middelen, diensten, software en standaarden, maar ook sociale en organisatorische elementen. Deelnemers en belanghebbenden spelen een centrale rol, en hun vaardigheden en expertise zijn cruciaal.

Waarom is het nodig om data-ecosystemen gericht op het aanpakken van maatschappelijke opgaven te bestuderen?

De wetenschapper Erik-Hans Klijn noemt drie redenen dat besluitvorming over maatschappelijke opgaven complex is. Deze redenen geven aan waarom maatschappelijke uitdagingen anders zijn dan gebruikelijke beleidsvragen.

De eerste reden is kennisonzekerheid. Er is een gebrek aan kennis over zowel de problemen die de maatschappelijke opgaven veroorzaakt hebben, als de oplossingen. De laatste jaren zijn de mogelijkheden toegenomen om deze kennis op data te baseren. Echter, zelfs als deze data beschikbaar zijn is het een kunst om informatie en kennis uit deze data de halen. Daarnaast zijn data vaak verspreid over verschillende organisaties. Hierdoor is het nodig om samenwerking op te zoeken als je richting een goede kennispositie wil bewegen.

Dat kennis gefragmenteerd is, relateert ook aan de tweede reden voor complexiteit, te weten institutionele onzekerheid. Grote maatschappelijke opgaven passen namelijk niet goed in bestaande organisatiestructuren. Zo raakt de energietransitie een scala aan verschillende beleidsterreinen. En vervolgens zijn ook binnen die beleidsterreinen weer groot aantal actoren en netwerken aanwezig. Het kost veel inspanning om samenwerking tussen deze terreinen op te zetten en er gaat vaak flink tijd overheen voordat er sprake is van data-uitwisseling.

Daarnaast wordt samenwerking bemoeilijkt door de derde reden voor complexiteit, namelijk strategische onzekerheid. Verschillende actoren kunnen conflicterende waarden en belangen hebben. Bijvoorbeeld omdat zij andere verantwoordelijkheden of opdrachten hebben. Hierdoor kan het voorkomen dat actoren strategisch omgaan met data delen, omdat dit hen in staat stelt hun belangen beter te bewaken. Het vergt lef om hierin het maatschappelijke belang boven organisatiebelang te plaatsen.

Kortom, de maatschappelijke uitdagingen van deze tijd worden gekenmerkt door onzekerheden op verschillende niveaus. Deze onzekerheden verhogen ook de complexiteit van het opzetten van datasamenwerkingen om de informatiepositie van ambtenaren en overheidsorganisaties te verbeteren. Gelukkig zijn er al een aantal voorbeelden van succesvolle interbestuurlijke datasamenwerkingen over complexe vraagstukken. Hieronder presenteer ik vijf belangrijke lessen, van twee van zulke data-ecosystemen. VIVET, gericht op informatievoorziening voor de energietransitie en Zicht op Ondermijning, dat patronen over ondermijnende criminaliteit zichtbaar maakt.

De Interbestuurlijke Datastrategie en dit onderzoek

De Interbestuurlijke Datastrategie (IBDS) streeft ernaar dat de Nederlandse overheid data verantwoord gebruikt voor beleid en uitvoering. Met collega’s heb ik voor de IBDS onderzoek gedaan naar Systeemfuncties voor datagedreven werken in de publieke sector. Hiervoor bestudeerden wij succesvolle datasamenwerkingen, gericht op het aanpakken van maatschappelijke uitdagingen. We spraken met deelnemers en analyseerden welke factoren tot succes hadden geleid.

Welke lessen kunnen we leren uit de datasamenwerkingen in VIVET en Zicht op Ondermijning?

• Gebruik de beleidsvraag om datavraag te sturen: Beide cases benadrukken hoe belangrijk het is om een gezamenlijke heldere vraag te formuleren, en deze centraal te stellen. Deze vraag kan het bindweefsel zijn dat zorgt dat het data-ecosysteem verbonden blijft. Het is ook een gids bij het identificeren van de nodige vervolgstappen. Door een vraag leidend te maken wordt voorkomen dat samenwerkende partijen zich met name richten op het beschikbare aanbod. Een vraag kan duidelijk maken welke data er nodig zijn, en via welke stappen deze ontsloten kunnen worden.

• Investeer in een gemeenschappelijke taal en gedeelde definities: In data-ecosystemen moet beleids- en domeinkennis samenkomen met bijvoorbeeld technische en juridische expertise. Er zijn verschillen in hoe deze specialisten met verschillende achtergronden problemen benaderen en gewend zijn op te lossen. Het is daarom belangrijk om ervoor te zorgen dat deelnemers elkaar goed begrijpen. Er moet vaak worden doorgevraagd wat iedereen precies bedoelt wanneer ze bepaalde termen gebruiken. Door gedetailleerde vragen te stellen kan een gemeenschappelijke taal worden gecreëerd.

• Verzeker voldoende capaciteit met bestuurlijk commitment: Er is flinke capaciteit nodig om de juiste experts bij het data-ecosysteem te betrekken. Bestuurlijk commitment wordt genoemd als een cruciale factor die zorgt of deze capaciteit beschikbaar is. Data-ecosystemen zijn kwetsbaar voor fluctuaties in bestuurlijk commitment. Maatschappelijke opgaven kunnen lager op de beleidsagenda’s komen te staan vanwege het politieke klimaat, significante gebeurtenissen of de opkomst van urgentere kwesties. Dit heeft directe invloed op beschikbaarheid van mensen, als vanuit hoger in de organisatie wordt besloten dat zij zich meer op andere zaken moeten richten.

• Bevorder samenwerking via gezamenlijke belangen en verwachtingsmanagement: Voor een goede samenwerking is het cruciaal dat mensen begrip voor elkaars positie en belangen ontwikkelen. Het helpt hierbij wanneer de verwachtingen en belangen van de deelnemers duidelijk zijn. Zo weet men van elkaar waarom bepaalde partijen betrokken zijn en wat hun prioriteiten zijn. Verwachtingsmanagement maakt onderdeel uit van dit proces. Daarnaast is flexibiliteit van deelnemers essentieel, waarbij de belangen van de samenwerking soms boven die van de eigen organisatie moeten worden gesteld.

• Creëer samenwerkingsvormen op een organische manier: Zorg ervoor dat de experts de ruimte hebben om samen tot een werkvorm te komen die een brug slaat tussen hun verschillende achtergronden. Wanneer succesvolle samenwerkingsvormen eenmaal zijn gevonden biedt het structuur als deze worden vastgelegd. Zo creëerde Zicht op Ondermijning de Zicht Op-methode bestaande uit 13 stappen. Een algemene les was dat het helpt het om werkgroepen klein te houden en niet te blijven duwen bij weerstand.

Conclusie

Kennis-, institutionele-, en strategische onzekerheid maakt dat het complex is om succesvolle datasamenwerkingen op te zetten voor het aanpakken van maatschappelijke opgaven. Tegelijkertijd kan juist de urgentie van de opgave en het belang van een goede oplossing ook helpen om samenwerkingen in beweging te brengen. Binnen de Nederlandse overheid wordt hard gewerkt aan nieuwe interbestuurlijke datasamenwerkingen. Wij blijven deze ontwikkelingen volgen.