Het PWCo-groeimodel voor de transformatie naar een ‘data driven’-organisatie

 Soms zou je zo’n glazen bol willen hebben, maar dan wel eentje die echt werkt. Besluiten om als woningcorporatie goed in te spelen op de wensen in de woningmarkt, je positie voor de toekomst te verbeteren en de financiën op orde te houden, die besluiten nam je voorheen op basis van je kennis van de markt en een goed gevoel voor de ontwikkelingen. Maar de toekomst wordt steeds helderder. De huidige digitale wereld levert een enorme hoeveelheid data die de toekomst een stuk beter voorspelbaar maken. Lukt het je niet om die data om te zetten in mogelijkheden voor groei en innovatie, dan gaan de concurrenten je voorbij. Dát is een heel simpele blik in de toekomst: mis je de trein met data science, dan ga je een keer de boot in.

 

In de Nederlandse huizenmarkt is er enerzijds structurele leegstand en anderzijds een tekort aan sociale huurwoningen. Er zijn gegevens beschikbaar over het type woning, de staat van onderhoud, de huurprijs, de buurt, kenmerken van de bewoners (gezinssamenstelling, leeftijd, enz.), het aantal kamers, woonwaardering, etc. Deze gegevens zijn bruikbaar om bijvoorbeeld leegstand te voorspellen en dus voor belangrijke inzichten en slimme interventies in uw verhuurmutatieproces.

Maar waar begin je? Hoe pak je dat aan? Welke partijen en welke systemen zijn betrouwbaar? Wie levert de juiste tools, data en vooral: de juiste verwerking van die data tot verbetermogelijkheden? Je hebt het dan over data science. Data scientists genereren waardevolle inzichten uit een grote hoeveelheid gestructureerde of ongestructureerde data, oftewel ‘big data’. Dit doet de data scientist door speciale tools en software te gebruiken en zogenoemde algoritmes te schrijven om data te ontsluiten, te structuren en te analyseren.

 “Het is moeilijk om door de bomen het bos nog te zien. Maar PWCo weet de weg”, zegt directeur Luc Wolfs, die overigens ruim dertig jaar ervaring heeft in de corporatiesector. “Wij hanteren een groeimodel dat voor een organisatie de transformatie in fases mogelijk maakt om te komen tot ‘data driven decision making’. En dat groeimodel werkt.”

  

Het PWCo-groeimodel

In fase 1, Rapportages, wordt gekeken naar wat er in het verleden is gebeurd en welke impact dat heeft gehad op de organisatie. Hier zijn vrijwel geen nieuwe technische systemen nodig.

In fase 2, Dashboards, worden er op basis van de informatiebehoefte historische data geanalyseerd en wordt er ingezoomd op waarom er iets in het verleden heeft plaatsgevonden. Deze logische, volgende stap na Rapportages, is zeer gebruiksvriendelijk en goed te implementeren.

Fase 3 is Predictive analytics. Hierin wordt gekeken naar wat er zal gebeuren. Hiervoor worden algoritmen ingezet die patronen in data leren herkennen en toekomstig gedrag accuraat leren voorspellen. Zelflerende systemen zijn dé toekomst in veel organisaties. De data die de basis vormen moeten goed en in grote hoeveelheid voorhanden zijn.

In de vierde fase, Prescriptive analytics, worden patronen en voorspellingen gebruikt om strategische beslissingen te kunnen nemen en acties uit te zetten.

Fase 5 tenslotte, Action engines, staat voor uitbreiding in het systeem, waardoor er op basis van nog betere data zelfs geautomatiseerde besluitvorming kan plaatsvinden. Je kunt snel de meest gewenste beslissing uitvoeren.

 Luc Wolfs: “PWCo werkt met betrouwbare systemen en stelt hoge eisen aan de data op het gebied van accuraatheid, relevantie, kwaliteit en beschikbaarheid. Wij hebben uitstekende data scientists, voeren zaken in stappen door met een goede voorbereiding en trainen je medewerkers. En daarna zijn er terugkom-momenten om te kijken hoe het gaat, waar eventueel nog extra trainingen of bijsturing gewenst zijn. Want als het project is opgeleverd, is adoptie ervan en continuïteit ontzettend belangrijk. Waar doe je het anders voor?”

 

Meer weten? Neem contact op met Luc Wolfs van PWCo: L.wolfs@pwco.nl