Datagedreven mobiliteitsbeleid – 5 tips voor een goede strategie

Achtergrond

Datagedreven mobiliteitsbeleid

Datagedreven werken krijgt ook binnen het domein van mobiliteit steeds meer voet aan de grond. Door voortdurend te meten en bij te sturen op basis van betrouwbare data, vergroot je de grip op – en effectiviteit van - mobiliteitsbeleid. Datagedreven mobiliteitsbeleid lukt echter niet van de één op de andere dag. Het vraagt om een lange termijnstrategie en visie op het gebied van data, oftewel: een continue en doordachte meetcyclus. Hoe pak je dat aan? Welke data zijn eigenlijk betrouwbaar? We geven 5 tips en nuttige inzichten uit de praktijk.

Het belang van een goede meetcyclus 

“Data zijn brandstof voor nieuwe mobiliteit”. Met die woorden benadrukte de minister van Infrastructuur en Waterstaat het belang van data. Om (de noodzakelijke) mobiliteitstransitie mogelijk te maken, zijn immers nieuwe innovaties nodig. En daar komen data om de hoek kijken. Data helpen om de effectiviteit van beleid en nieuwe technologieën in beeld te brengen. Maar data an sich hebben weinig waarde. Die waarde ontstaat wanneer data worden vertaald naar inzichten. Denk aan het uitrekenen van het % wegvakken met vertraging op basis van Floating Car Data. Dit percentage zelf zegt weinig. Maar koppelen we er een indicator aan, zoals welk % acceptabel is en welk % niet, dan geven deze data je als beleidsmaker inzicht. Op basis hiervan kun je beleid bijsturen. 

Maar werken met data is meer dan het koppelen van indicatoren aan data. Als overheid aan de slag met data betekent het beantwoorden van meerdere vragen: Welke (beleids)vragen wil je beantwoorden? Wat heeft de meeste prioriteit? Welke data helpen hierbij? En wat moet je organiseren om hier een structureel proces van te maken? Met andere woorden: je hebt een goed doordachte monitorings- en evaluatiecyclus nodig.  

Datagedreven mobiliteitsbeleid - 5 tips 

Hoe pak je datagedreven mobiliteitsbeleid succesvol aan? 

  1. Start met goed nadenken
    Hoe verleidelijk ook – ga niet meteen data verzamelen. Neem eerst de tijd om te bepalen welke beleidsdoelstellingen je wilt meten en met welke indicatoren je dat gaat doen. De indicatoren zijn de basis om te bepalen welke inzichten we straks nodig hebben en welke data we moeten meten om dit vervolgens goed te kunnen vertalen naar diezelfde indicatoren.

  2. Wees gepast eigenwijs 
    Data en de (on)mogelijkheden ervan zijn voor veel mensen nog onbekend terrein. Door eerst een aantal zaken te presenteren op basis van data help je je stakeholders om de vraag aan te scherpen, door het gebruik van de inzichten ontstaat inhoudelijk een betere discussie over het doel en de indicatoren die je wilt meten.
  3. Breng de basis op orde 
    Als je weet wat je wilt meten en waarom, is het belangrijk dit goed vast te leggen. Dat helpt om gedurende het proces vast te houden aan de vooraf bedachte lijn en je niet te laten afleiden door andere inzichten die mogelijk ook heel interessant zijn maar niet bijdragen aan het meten van jouw doelstellingen. Het vastleggen kan bijvoorbeeld in een meetplan. Iemand met ervaring met datagedreven mobiliteitsbeleid kan hier vaak goed bij helpen.

  4. Zorg voor consistentie 
    Een meetplan helpt om een constant proces te creëren. Wat ook helpt: data die zoveel mogelijk geautomatiseerd binnenkomt. Zo blijft beheer en onderhoud beheersbaar en blijven inzichten consistent en vergelijkbaar. Inventariseer welke data er al zijn, wat daar de kwaliteit van is en wat nodig is om dit zoveel mogelijk automatisch binnen te laten komen en te verwerken. 
  5. Vergeet het draagvlak niet 
    Datagedreven werken start vaak binnen één (sub)team of afdeling, maar de bedoeling is dat dit zich verspreid door de organisatie. Vergeet daarom geen draagvlak te creëren door dakpansgewijs inzichten te creëren en te delen. Maak deze inzichten herkenbaar voor specifieke situaties en personen. Hierbij geldt overigens ook: heb geduld. Datagedreven werken is een verandering in processen en procedures. Dit kost vanzelfsprekend tijd.  

Op de werkvloer

Datagedreven mobiliteitsbeleid: inzichten uit de praktijk

Voor verschillende opdrachtgevers werken we aan het ontwikkelen en uitwerken van datagedreven mobiliteitsbeleid. Laat u inspireren door de inzichten die we daar opdeden.  

Monitoring bereikbaarheid en economische vitaliteit Den Haag Centrum-Noord 

De gemeente Den Haag neemt maatregelen om de leefbaarheid en bereikbaarheid in Centrum-Noord te verbeteren. Monitoring speelt een belangrijke rol om de effecten in beeld te brengen en nieuwe maatregelen bij te sturen. Sinds 2022 monitoren en evalueren we het programma jaarlijks.  

Belangrijkste inzichten uit dit project: 

  • Een goede mix van objectieve data (zoals verkeersintensiteiten) en subjectieve data (zoals beleving van bezoekers) blijkt enorm waardevol. 

  • Voor de efficiëntie gebruiken we zoveel mogelijk data die al beschikbaar zijn en combineren deze met nieuwe databronnen

  • In dit project bleek opnieuw het belang van participatie. Voor sommige stakeholders was monitoring zelfs een voorwaarde om het project te steunen.  

  • Alle stakeholders droegen bij aan het meetplan en denken mee bij het interpreteren van resultaten. Data zijn enorm belangrijk voor het voeden van deze gesprekken, zodat de discussie plaats kan vinden op basis van feiten. 

Lees meer over dit project

Datagedreven werken binnen de provincie Noord-Brabant 

De provincie Noord-Brabant heeft de ambitie om meer datagedreven te werken. Daarom zijn verschillende ontwikkelingslijnen geformuleerd. Wij concretiseerden de ontwikkelingslijn ‘inzicht’. Op basis van verschillende databronnen werkten we indicatoren uit, die we vertaalden naar inzichten voor mobiliteitsbeleid. Deze inzichten maakten we vervolgens inzichtelijk op verschillende openbare dashboards. Zo komt alle mobiliteitsinformatie samen op een uniforme plek en krijgen ook burgers op strategisch niveau inzicht in de ontwikkeling van mobiliteit in de provincie. 

Belangrijkste inzichten uit dit project: 

  • Sommige indicatoren leveren inzichten op voor meerdere strategische en tactische programma’s binnen het thema mobiliteit.  

  • Die lijnen samenbrengen helpt om inzichten van meerdere kanten te bekijken. 

  • Datagedreven werken is in het ideale geval een constante cyclus. In dit project zien we soms dat data ontbreken. Om te onderzoeken hoe we die data wél kunnen inwinnen, start de provincie nieuwe projecten. Zo weten we steeds een stukje meer. 

Lees hier meer over dit project  

Dashboards NDW  

Digitalisering voor overheden is ook binnen de Bestuurlijke Opgave Meerjarenprogramma Infrastructuur, Ruimte en Transport (BO-MIRT) een belangrijk thema. Om ervoor te zorgen dat overheden hun data op orde krijgen, werd de Data-top 15 in het leven geroepen – 15 verschillende soorten data bij overheden over bijvoorbeeld wegwerkzaamheden, parkeren en iVRI. Het doel was eind 2023 90% van deze Data-top-15 op orde. Wij hielpen het NDW in hun bijdrage aan dit doel door het monitoren van de voortgang van de verschillende data-items om te zetten in kwaliteitsdashboards per data-item.  

Belangrijkste inzichten uit dit project: 

  • Dashboarding helpt niet alleen om datastromen te ontsluiten en inzichtelijk te maken, maar ook bij het betrekken van stakeholders. De NDW heeft te maken met verschillende stakeholders zoals regionale Data Teams en gemeenten, die niet altijd dezelfde informatie nodig hebben. Zo hebben Data Teams een coördinerende rol en hebben zij dus behoefte aan diepgaandere informatie dan gemeenten, waarbij het vooral draait om inzicht over welke data is aangeleverd. De informatiebehoefte van die verschillende stakeholders centraal zetten in het project is dus essentieel. 

  • Data levert niet alleen inzichten op over het eindresultaat, maar dienen ook als input voor het verbeteren van werkprocessen. Denk aan het aanleveren van data door verschillende partijen. 

Hulp nodig bij datagedreven mobiliteitsbeleid?

Onze aanpak voor een continue en betrouwbare meetcyclus helpt om mobiliteitsdoelen te halen.

Lees meer over onze aanpak

Oplossing

datagedreven mobiliteitsbeleid