Creativiteit in data
Sinds oktober 2020 werkt Anneloes Bal (26) als data scientist bij het Rijks ICT Gilde (RIG). Met een nominatie voor de Young Talent Award op zak, werkt Anneloes momenteel aan haar opdracht bij het ministerie van Infrastructuur en Waterstaat (IenW) bij het Mobility as a Service-programma (MaaS). Ze deelt met ons haar kijk op de opdracht, haar werkzaamheden, data, privacy, creativiteit en hoe het is om als vrouw in de techwereld te werken.
Alle wegen leiden naar…
De loopbaan van Anneloes begon met het Rijks I-Traineeship, waar zij drie periodes van acht maanden heeft gewerkt bij verschillende ministeries. Ze begon bij het ministerie van Binnenlandse Zaken en Koninkrijksrelaties (BZK) en voerde toen, bij wijze van uitzondering, twee opdrachten achter elkaar uit bij het ministerie van Defensie. Aansluitend op haar traineeship ging ze aan de slag bij het RIG, waar ze meteen kon starten bij het ministerie van Buitenlandse Zaken (BZ) bij het Datalab. Anneloes: ‘Ik heb veel plekken gezien binnen de overheid, maar ik ben nog lang niet klaar daarmee. Daarom wilde ik ook graag bij het RIG werken, een kijkje nemen in nog veel meer keukens, een soort traineeship 2.0. Hartstikke leuk.’
Jouw opdracht, vertel eens?
Binnen het ministerie van IenW wordt samen met regio’s en private partijen gewerkt aan het MaaS-programma. MaaS staat voor het ontsluiten van alle soorten vervoer via één app of platform, waarbij een reiziger zijn of haar volledige reis van A naar B kan plannen, boeken en betalen. Bij de realisatie daarvan komt veel data kijken. Er wordt gekeken naar de impact van MaaS op hoe er gereisd wordt. Ook wordt er gekeken hoe beleid beter ondersteund kan worden door middel van (inzichten uit) data. Op dit moment lopen er zeven pilots met verschillende apps en verschillende (regionale) vervoerders. Anneloes: ‘Uit al die apps komen gebruikersdata waarmee vervoersstromen in kaart te brengen zijn, met name van ketenreizen. Dat zijn reizen waarbij er gebruik wordt gemaakt van meerdere soorten vervoer: een trein en een deelscooter, of een deelfiets of –auto bijvoorbeeld. Dat is dan ook de opdracht die ik op dit moment heb: op basis van verschillende mobiliteitsdata en andere databronnen (zoals gebiedskenmerken of demografische data) kijken waar kansen zitten om mobiliteitsbeleid te optimaliseren met kwantitatieve inzichten. Echter, alles heeft vertraging opgelopen door corona, want veel minder mensen gebruikten het ov. Omdat dit proces nu nog loopt, ben ik in de tussentijd aan de slag met allerlei cases waarbij ik beleid ondersteun door middel van data-analyses. Dus ik ontvang een hele berg aan data en maak dat overzichtelijk, zodat beleidsmakers daarmee andere partijen kunnen adviseren of nieuwe inzichten krijgen.’
Aan welke case werk je nu?
Anneloes: ‘Ik werk nu aan verschillende cases. Zo werk ik aan een interessante case in samenwerking met de provincie Zeeland. Zij willen graag deelmobiliteitshubs plaatsen, maar ze weten niet precies waar. Deelmobiliteit is bijvoorbeeld een deelscooter- of auto. Een hub is een punt waar deze verschillende mobiliteitssoorten dan bij elkaar komen. Je kunt denken aan een plek met laadpalen voor elektrische fietsen, maar ook stations. Ik kijk hoe we met behulp van data strategische locaties voor deze hubs kunnen bepalen. Daarbij pluis ik dan door een hele hoop data: reisbewegingen van toeristen, dagjesmensen, studenten, mensen die rondjes rijden op hun e-bike en bestaande ov-locaties. Zo kan ik zien dat veel plekken op dit moment niet bereikbaar zijn met het openbaar vervoer, en toeristen toch nog vaak de auto zullen nemen daardoor. Door pop-up-hubs neer te zetten op locaties die in onze analyses naar voren komen, kunnen we testen of we daarmee het (openbaar) reizen kunnen verbeteren in die regio en of dat de optimale locaties zijn voor hubs.
Een ander voorbeeld is een beleidsvraag rondom het verduurzamen van mobiliteit. Dit vraagstuk werd bij ons neergelegd en is, zoals je je waarschijnlijk kunt voorstellen, heel erg algemeen en groot. Samen met andere collega’s hebben we kleinere deel-cases bedacht rondom deze vraag. Concreter en meer afgebakend. En die zijn we nu aan het oplossen. Daar gebruiken we meestal openbaar beschikbare data voor, maar in sommige gevallen vragen we niet-openbare data op. Daar gaat een heel proces aan vooraf, met veel regels vanwege de privacy. Dan gaat het bijvoorbeeld om ov-chipkaartdata die we uitvragen over een bepaalde periode. We kunnen dan per halte zien hoeveel mensen in- en uitchecken op uurblokniveau en met welk reisproduct ze reizen. Uit die data is heel veel informatie te halen. Zeker als je het combineert met andere (openbare) bronnen: gegevens van het Centraal Bureau voor de Statistiek (CBS) zoals het aantal inwoners in een bepaald gebied of parkeerdata. Zo kun je dan zien of de populaire haltes liggen in dichtbevolkte gebieden.’
Data en cijfers: extreem saai?
Heel resoluut antwoordt Anneloes: ‘Nee, data is helemaal niet saai. Verre van. Ik heb echt het idee dat iedereen binnen de beleidskern van IenW superenthousiast is over data en denkt “hier moeten we wat mee, dit is geweldig”. Maar niet iedereen weet hoe ze er iets mee kunnen. De behoefte en interesse is er absoluut wel!’
Anneloes haar ogen beginnen te stralen als ze uitlegt: ‘Het is een soort ingewikkelde puzzel. Ik werk veel met de programmeertaal Python, maar ook met Geographic Information Systems (GIS) om geografische data te verwerken. Daarmee kun je bijvoorbeeld de kaart van Nederland zien, met daarop de bevolkingsstatistieken van het CBS, de ov-lijnen en de haltes door middel van stippen die afhankelijk van hoeveel mensen er gebruik van maken groter of kleiner zijn. Al die data leg je als het ware over elkaar heen. Ook kun je data van bijvoorbeeld deelmobiliteit op een kaart plotten en locaties en tijd visualiseren met verschillende intervallen. Je ziet dan de verplaatsingen van de deelvoertuigen door de tijd heen, Daar kun je dan bepaalde patronen in ontdekken. Kortom, je moet creatief zijn voor data. Patronen kunnen zien, ontdekken op welke manieren je data in kunt zetten en telkens een beetje anders denken en kijken. Data is niet plat, en zeker niet saai.’
Creativiteit en nieuwe invalshoeken
‘Zo zie je maar dat data voor een groot deel gaat om creativiteit’, gaat Anneloes verder. ‘Dat data waardevol is, horen we al heel lang, maar je moet wel weten hoe je de waarde uit die data kunt halen. En het is belangrijk dat je mensen meekrijgt, ook de sceptische, ook de mensen die niets met data hebben. Laatst gaf ik een presentatie aan een team waarbij ik een hele leuke PowerPoint had gemaakt met flashy plaatjes en vooral veel voorbeelden waarbij ik data gevisualiseerd had. En dan gaat het leven voor mensen. Zo kunnen ze zien dat het ook kei-interessant kan zijn voor hun werk. Dat het soms zelfs voor nieuwe invalshoeken of inzichten kan zorgen.’
Gaandeweg leren en ontdekken, hoe zit dat?
Anneloes: ‘De meeste data verschillen natuurlijk van elkaar, maar de manier waarop je naar data kunt kijken niet. Om goed inzichtelijk te maken welke informatie er in de data zit, kun je verschillende methodes gebruiken. Wij maken gebruik van veelal openbare data, bijvoorbeeld van het CBS, maar delen ook kennis met andere directies, ministeries en partijen buiten de overheid. Zo kun je elkaar inspireren, laten zien wat je gedaan hebt, inzichten delen en triggeren. Hoe meer cases je behandelt, hoe meer soorten data je ziet, hoe meer combinaties je maakt, hoe beter je bepaalde patronen gaat herkennen. En daar gaat het om. Welke data kun je goed over andere data heen leggen om nieuwe inzichten te krijgen? Je neemt ervaring van de ene case mee naar de andere. Daar leer je van, en vaak kun je je opdrachtgever verrassen omdat je iets vanuit een hoek bekijkt, die zij niet zo 1-2-3 bedacht hadden.’
Rol van privacy in jouw werk
‘In mijn huidige opdracht maak ik veel gebruik van openbare data’, begint Anneloes. ‘Maar dat wil niet zeggen dat privacy daarin geen rol speelt. Het is iets waar we, ook zeker vanuit het RIG, altijd heel bewust mee bezig zijn. En wanneer we wel data gebruiken die niet openbaar is, zijn er altijd gebruikersovereenkomsten waar we ons heel strikt aan houden. En mocht er wel iets privacy-gerelateerds zijn, trek je natuurlijk meteen aan de bel. Een datalek meld je altijd. Er open over kunnen praten, bespreken hoe je hier mee om gaat is een onderdeel van je werk. Het leeft heel erg en binnen het RIG praten we hier zeker over.’
Vrouw in het vak
Anneloes: ‘De tech-wereld wordt nog steeds overwegend gedomineerd door mannen. Er komen gelukkig wel steeds meer vrouwen bij, maar we zijn er nog niet. Wat mij betreft kunnen we binnen de Rijksoverheid nog meer inzetten op diversiteit. Toen ik ooit begon met werken, heb ik best weleens negatieve reacties gekregen van mensen die mijn ideeën niet serieus namen, mede vanwege mijn leeftijd of omdat ik een vrouw ben. Zo werd ik door sommigen steevast de stagiair genoemd. Daardoor ging ik best wel aan mezelf en mijn kunnen twijfelen. De confrontatie opzoeken vond ik lastig en ging ik liever uit de weg. Het voelde alsof ik mijzelf extra moest bewijzen. Gelukkig heb ik toen met hulp van een coach van InterCoach mijn stem meer gevonden en werd ik minder aarzelend. Ik kan nu heel goed vertellen hoe ik ergens over denk en ik sta achter mijn werk en mening. Bij het RIG en bij mijn opdracht bij IenW word ik als data-expert volledig gerespecteerd en dat is heel fijn.’
Wat maakt data en jouw werk nu zo leuk?
‘Dat wat mijn werk en data leuk maakt, is ook meteen dat wat het uitdagend maakt’, grinnikt Anneloes. ‘Ik laat mensen zien waarom werken met data nodig is, en leuk is. En wat er allemaal mee kan. Wat je eruit kunt halen en hoe je het in kan zetten. Maar dat is soms ook lastig. Want dat is eng, net als alle verandering altijd een beetje is. Door mensen mee te nemen in het proces, begrijpen ze de meerwaarde ervan, en vaak vinden ze het zelfs heel erg leuk. Dat is natuurlijk heel fijn: als je mensen echt enthousiast kan maken om datagedreven te gaan werken.’