<
actueel / nieuws

Next Level sessie I – Big en small data in ontwerpend onderzoek

01 april 2015

Terugblik op sessie I tijdens de Next Level bijeenkomst: Onder leiding van Jelte Boeijnga kwam naar voren dat het inzetten van data kan helpen in het stellen van de juiste vragen en formuleren van de opgave. Het levert niet vanzelfsprekend een slimmer en democratischer plan op. Er werd een pleidooi gehouden voor praktische, eenvoudige en afgebakende experimenten.

Artikel door Vers Beton:

Op papier biedt de opkomst van big data legio kansen om betere keuzes te maken voor de ruimtelijke ordening. De praktijk is niettemin weerbarstig, want oneindig veel informatie omzetten in duidelijke inzichten stuit op vele wetten en praktische bezwaren.

Kun je met big of open data beter bepalen hoe je een gebied inricht en welke gebouwen je erin zet? Zo ja, hoe realiseer je dat dan? Over die twee vragen bogen de twintig deelnemers zich van de sessie 'big en small data in ontwerpend onderzoek'.

Weerbarstig
Nu is de relatie tussen 'data' en 'ruimtelijke ordening' vrij vaag. Daarom vertellen tijdens de sessie drie teams hoe zij hiermee aan de slag gaan, geholpen door subsidie van het Stimuleringsfonds. Zo werkt One Architecture aan Smart City businessmodels, een methode die beoogde sluitingen van zorginstellingen in Nederland moet koppelen aan lokale gevolgen.

Vervolgens willen de onderzoekers die mogelijke sluitingen koppelen aan hoe het gebied rondom die instelling in elkaar zit, zoals de opbouw van de wijk. Hopelijk levert dat ook advies op over welke zorginstelling je het beste wel en niet kan sluiten, zodat bijvoorbeeld vastgoedbeheerders en gemeenten betere keuzes kunnen maken.

Dat klinkt goed, maar de praktijk blijkt weerbarstig. Er is namelijk heel veel data nodig, waardoor je al snel het bos niet meer ziet. Wat ook lastig is, is dat er niet één probleemeigenaar is. Zijn dat de mensen die in de buurt wonen? De vastgoedeigenaars? Of is het de gemeente?

Grotere werkelijkheid
Onder de noemer 'Designing indicators for economic development' wil Wall Research achterhalen of de ruimtelijke ordening bijdraagt aan de keuze van bedrijven om ergens wel of niet te investeren. Idealiter zorgt dat voor kennis over waarin een stad moet investeren om een bepaald type bedrijf aan te trekken.

Om daarachter te komen, verzamelde Wall Research data over alle investeringen in Nederland. Stap twee is lastiger. De data van ruimtelijke ordening bevatten namelijk veel ruis. Zo zijn er drie niveaus: stedelijk, regionaal en landelijk, en de data daarover zijn lastig te combineren. Ook zijn data niet zomaar vergelijkbaar. Zo kan een locatie met '30% groen' zowel een plek in een bos als een straat met wat groen zijn.

Een ander lastig punt is dat Wall Research geen opdrachtgever heeft en daarom zonder duidelijk doel en doelgroep werkt. Dat biedt ruimte om onverwachte inzichten op te doen, maar neemt tegelijkertijd het gevaar met zich mee dat het project te groot wordt en daardoor ontspoort.

Proefprojecten
Totaal anders is de aanpak van RDVA, dat met Amsterdecks niet uitgaat van een vraag die met data beantwoord moeten worden, maar een mogelijkheid die data bieden. Er zijn namelijk heel veel gegevens over hoe schoon het water in de Amsterdamse rivieren en plassen is. Wat als je die gebruikt om duidelijk te maken waar je wel en niet kunt zwemmen? Amsterdecks wil dat doen door vlonders te maken die zichzelf automatisch vervoeren naar die plekken waar de waterkwaliteit goed genoeg is.

De beschikbaarheid van data zijn het probleem niet, maar wel het openbaar maken hiervan. Zo was Waternet, de voor het water verantwoordelijke partij, bang dat als gegevens publiek beschikbaar zijn, mensen de verkeerde conclusies gaan trekken. Waternet is inmiddels niettemin om, want door Amsterdecks kan de organisatie duidelijker maken hoe hard zij werkt aan het schoon houden van water.

Een ander lastig punt is geld. Want wie gaat deze vlonders betalen? De gemeente Amsterdam is groot fan, maar heeft geen geld. Amsterdecks doet daarom eerst kleine proefprojecten om aan te tonen dat het concept werkt en hoopt dat de bal daarna vanzelf gaat rollen.

Praktisch en eenvoudig
Bij de bespreking van de voorbeelden is iedereen het erover eens: data kunnen helpen om slimmere beslissingen te nemen en meer mensen te betrekken bij keuzes. Tegelijkertijd pleiten deelnemers ook ontnuchtering. Van heel veel data word je namelijk niet per se slimmer, en het zorgt ook niet automatisch voor meer democratie. Inzicht in data blijft nu eenmaal voorbehouden aan een beperkte groep vaak hoger opgeleiden.

Wat positief opvalt, is de waarde die het visualiseren kan hebben voor het agenderen van problemen bij de politiek. Het blijkt niettemin lastiger om ook via data duidelijk te krijgen hoe je dit probleem moet oplossen. Het pleidooi klinkt daarom om experimenten praktisch, eenvoudig en afgebakend te maken, omdat het anders snel explodeert in deze wereld van oneindig veel data. Gebruik alleen dat wat je nodig hebt en ga daar slim mee om.

Een nuttig hulpmiddel daarbij is een opdrachtgever die een concrete vraag heeft. Die geeft een kader en doel, waardoor automatisch grenzen ontstaan en het project niet ten onder gaat aan zijn eigen massa.

Inge Janse