KRACHTENBUNDELING
GEMEENTEN
‘Gemeenten hebben vergelijkbare
vragen als het aankomt op de vele
maatschappelijke voorzieningen
die zij binnen de gemeentegrenzen
hebben’, stelt Gert Jan Hagen.
‘Op het moment dat gemeenten
de krachten bundelen, kunnen zij
belangrijke schaalvoordelen realiseren
bij het onderzoek naar de
vraag naar die voorzieningen. Zo
ontstaan eigentijdse kengetallen
over het gevraagde voorzieningenniveau.
Per gemeente of bijvoorbeeld
per nieuwbouwwijk kan dan
een dashboard gemaakt worden
met daarin de voor die gemeente
relevante gegevens omtrent de
benodigde maatschappelijk voorzieningen.
Benchmarking aan een
landelijk of regionaal gemiddelde
kan daar ook onderdeel van uitmaken.
Als zo’n tien gemeenten
de krachten bundelen, dan kunnen
wij samen met hen letterlijk in
beeld brengen of de voorzieningen
kwantitatief en kwalitatief aansluiten
op de vraag in die gemeente.’
Indien u interesse heeft om hieraan
mee te doen, neem dat contact op
met Gert Jan Hagen van Springco|
december 2019 13
aan ons stelt, wordt het antwoord
beter als wij de interne databronnen
bij de klant kunnen koppelen aan de
databronnen die ons ter beschikking
staan. De laatste databron, en een
niet onbelangrijke in de wereld van
het vastgoed, zijn de transactiedata
uit de vastgoedmarkt, maar ook data
over de locatie, omvang en aard van
maatschappelijke voorzieningen.’
Privacygevoelige informatie
‘Privacygevoelige informatie is een
altijd terugkerend thema bij de
opdrachten die wij krijgen’, zegt Gert
Jan Hagen. Deze informatie zetten wij
om naar privacyongevoelige informatie,
een proces ook wel aangeduid
met ‘pseudonimiseren’ en ‘anonimiseren’.
Daar bestaan bepaalde technieken
voor. Hierdoor kunnen wij wel
databestanden koppelen op persoonsniveau,
maar zijn door ons de
individuele persoonsgegevens niet
meer te achterhalen. Dat is voor onze
analyse van groot belang.
Data-analyse met moderne
technieken
‘Voor het analyseren van de data uit
onze databronnen maken wij gebruik
van data scientists’, vertelt Gert Jan
Hagen. ‘Op dit moment hebben wij er
vijf in dienst. Zij schonen databestanden
op, zodat deze goed te gebruiken
zijn bij de analyse. Vervolgens
verwerken zij deze grote hoeveelheden
data met behulp van de nieuwste
datatechnieken. Bekend in deze
zijn termen als ‘machine learning’ en
‘algoritmen’. Met behulp van onze
databronnen worden patronen in het
feitelijke gedrag van mensen gezocht.
Op basis daarvan wordt de latente
vraag en het toekomstig gedrag van
mensen voorspeld. Daarmee helpen
we onze klanten om op een statistisch
verantwoorde manier ontwikkelingen
in een vroeg stadium te signaleren om
daar tijdig op in te spelen.’
Vraag naar zwembaden
in Amsterdam
‘Een leuke oefening voor ons was het
vaststellen van de latente vraag naar
zwembaden in Amsterdam’, zegt Gert
Jan Hagen. Het bepalen wáár in de
stad zwemmers zitten die gebruik
kunnen gaan maken van het zwembad
in de buurt. Een belangrijke input voor
deze oefening was een uitgebreide
landelijke enquête over sportactiviteiten
naar type mens (geslacht, leeftijd,
opleiding, inkomen). Deze informatie
koppelen wij aan onze databronnen.
Dat stelt ons in staat vast te stellen
waar potentiële zwemmers wonen.
Op basis van onze databases kunnen
wij ook verzorgingsgebieden van
zwembaden berekenen. De combinatie
levert een beeld op van het langetermijnperspectief
van een zwembad.
Is de ligging goed? Wordt het volle
potentieel van het verzorgingsgebied
benut? Op basis van feiten en (werkelijk)
gedrag van mensen bouwen we
een beeld op van de kansrijkheid van
bepaalde voorzieningen. Dat geeft
waardevolle input bij de exploitatie
van een zwembad, maar ook bij investeringsbeslissingen.
Wat zijn de kansen
van een bestaand zwembad? Wat
Urban Analytics.
is de optimale locatie van een nieuw
zwembad? Vervang ‘zwembad’ door
bijvoorbeeld ‘theater’, dan kan zo’n
zelfde analyse gemaakt worden met
behulp van eerder genoemde databases
en moderne datatechnieken. De
besluitvorming ten aanzien van maatschappelijk
vastgoed zal kwalitatief
beter worden, doordat daarvoor nu
meer feiten gebruikt kunnen worden
dan eerder mogelijk was.’ ■
‘Als wij de vraag in beeld hebben, kunnen wij
ook vaststellen waar die vraag geografisch zit’
_________
Gert Jan Hagen