Inrichten: randvoorwaarden op orde
- Datagovernance
- Datakwaliteit
- IT/techniek
- Voorwaarden data-uitwisseling
- Rollen, verantwoordelijkheden en vaardigheden
- Processen en ondersteuning
Inrichten
Laatst bijgewerkt op: 13-10-2025
Om data succesvol te kunnen gebruiken moet je de juiste randvoorwaarden scheppen. Daarbij hoort afspraken maken over datagovernance en datakwaliteit. Om vervolgens goed met data te kunnen werken, moet de juiste IT-infrastructuur beschikbaar zijn. Daarnaast kijk je als zorgorganisatie naar de rollen, verantwoordelijkheden en vaardigheden van medewerkers. Dit allemaal doe je tijdens de stap ‘inrichten’ uit de Wegwijzer Datagedreven werken.
Data worden vaak gezien als ‘iets technisch’. Hierdoor vallen dataprojecten meestal onder een IT-afdeling of een informatiemanager. De nadruk ligt dan al snel op technische aspecten, zoals het bouwen van een dashboard. Maar om data-ondersteund te kunnen werken, moet je tegelijk technische en organisatorische stappen nemen, én deze ook nog eens goed op elkaar afstemmen. Het heeft weinig zin om een dashboard te ontwerpen als de behoeften van de gebruikers niet duidelijk zijn.
Als de randvoorwaarden niet op orde zijn, komt datagedreven werken niet goed van de grond. Een dataproject kan dan zomaar stilvallen. Zeker als het management hier onvoldoende op stuurt.
Vilans
Datagovernance
Onder datagovernance valt alles rondom het vastleggen, beheren, beveiligen en gebruiken van data binnen een organisatie. Denk bijvoorbeeld aan beleid, afspraken en rollen. Het doel van datagovernance is data op een betrouwbare, consistente en veilige manier inzetten voor leren, verbeteren, verantwoorden en beslissen. Belangrijke onderdelen zijn:
Wie mag de data inzien en gebruiken? Dit vraagt om duidelijke autorisaties en rollen.
Hoe wordt de data beschermd? En hoe zorg je ervoor dat de data beschikbaar is wanneer je ze nodig hebt?
Welke vaste velden, antwoordopties en standaarden gebruik je bij het invoeren van data? Standaardisatie voorkomt dat er ruimte is voor verschillende interpretaties en maakt data vergelijkbaar.
Wie is verantwoordelijk voor welke datasets? En wie houdt toezicht op het naleven van de afspraken?
Hoe worden data gebruikt, gedeeld en geanalyseerd? En hoe wordt rekening gehouden met privacy, toestemming en maatschappelijke waarden?
Datakwaliteit
Kwaliteit en betrouwbaarheid van data zijn belangrijk om inzichten te verkrijgen en goede beslissingen te nemen. Onvolledige of onnauwkeurige data veroorzaken twijfel. Klopt deze informatie wel? Je vertrouwt rapportages en dashboards niet meer. Onjuiste data kunnen er ook voor zorgen dat je de verkeerde beslissingen neemt. Daarom moeten er werkwijzen zijn om data te controleren en te valideren.
Erno Schrier van Zonnehuisgroep Noord, deed mee aan het LeerDoeDeeltraject ‘Slimmer benutten van zorgalarmeringsdata’ Hij gaf aan dat ook scholing belangrijk is om mensen te betrekken. ‘Je moet de zorgmedewerkers echt ondersteunen als zij aan de slag gaan met data. Zij missen namelijk de kennis en vaardigheden op dit gebied. Wil je de mogelijkheden van een systeem volledig benutten, dan is scholing noodzakelijk.’
Je moet de zorgmedewerkers echt ondersteunen als zij aan de slag gaan met data.
Erno Schrier, projectleider bij Zonnehuisgroep Noord
Elke collega moet bijvoorbeeld begrijpen dat nauwkeurige en consistente invoer heel belangrijk is. De gegevens die zij invoeren zijn tenslotte de basis voor:
- analyses van trends en knelpunten
- verbetering van processen, samenwerking en zorgkwaliteit
- verantwoording richting financiers, toezichthouders en stakeholders
- leren en reflecteren binnen teams en in jouw hele organisatie
Je moet dus meer doen dan alleen technische instructies meegeven. Er moet databewustzijn ontstaan. Je collega's moeten het belang van data erkennen en zich medeverantwoordelijk voelen. Ook moet er een cultuur zijn waarin je fouten kunt bespreken en mag leren van je fouten.
AI en data-ondersteund werken
AI helpt bij het analyseren van data en het nemen van beslissingen. Een voorbeeld is predictieve modellering, dat is het voorspellen van uitkomsten op basis van historische en actuele data. Technieken zoals machine learning en deep learning, vaak in combinatie met reguliere statistische methoden, worden hiervoor ingezet.
AI kan ook patronen ontdekken, processen verbeteren en zelfs met nieuwe oplossingen komen. Om AI betrouwbaar in te zetten, heb je vaak meer data nodig dan binnen jouw zorgorganisatie beschikbaar zijn. Je moet dus heldere afspraken maken over datadeling, eigenaarschap en gebruik met andere zorgorganisaties. Ook wet- en regelgeving, ethische kaders en vertrouwen en transparantie zijn hierbij belangrijk.
De juiste IT
Om data-ondersteund te werken moeten de data beschikbaar zijn én goed beheerd worden. Je hebt hiervoor techniek nodig om data te verzamelen, op te slaan, te verwerken en toegankelijk te maken. De juiste IT geeft structuur aan alle systemen, applicaties, datastromen en technologieën binnen jouw zorgorganisatie. Het zorgt bovendien voor samenhang tussen de verschillende onderdelen.
Om data uit verschillende bronnen te benutten, moet je deze bronnen aan elkaar kunnen koppelen.Vaak zorgt de IT-leverancier hiervoor. Maak duidelijke afspraken met de leverancier en bespreek ook het onderhoud van de koppelingen. Zo communiceren systemen goed met elkaar en blijven ze goed samenwerken.
Tip: voorkom dure investeringen
Laat je niet verleiden om direct te investeren in de meest geavanceerde IT. Ook eenvoudige data-analyses – bijvoorbeeld in Excel – leveren waardevolle inzichten op. Zo zet je al mooie eerste stappen op het gebied van data-ondersteund werken.
Rollen, verantwoordelijkheden en vaardigheden van medewerkers
Om data-ondersteund te kunnen werken, moeten verschillende functies met elkaar samenwerken:
- IT-, data- en BI-specialisten
- bestuur en management
- staf en teamleiders
- zorgmedewerkers
Elke functie is essentieel, net zoals een heldere communicatie en onderlinge afstemming. Iedere collega beschikt over zijn eigen kennis, vaardigheden en verantwoordelijkheden. Wederzijds begrip is hierin van belang. Een dataspecialist moeten bijvoorbeeld begrijpen welke data de zorgmedewerker nodig heeft. Wat is hiervoor nodig?
Cultuurverandering
Om wederzijds begrip te creëren is een meestal cultuurverandering nodig. Het management en de teamleiders moeten hierin het goede voorbeeld geven en medewerkers motiveren om met data-inzichten aan de gang te gaan. Ook moeten zij het belang van samenwerken blijven benadrukken.
Ondersteuning
Vaak zijn zorgmedewerkers niet gewend om met data te werken. Denk bijvoorbeeld aan het werken met een dashboard. Hoe moet ik dit lezen en interpreteren? Maak het je collega's makkelijk door training en begeleiding beschikbaar te stellen. Een helpdesk of aanspreekpunt kan een laagdrempelige manier zijn om vragen van medewerkers te beantwoorden. Ook kunnen ervaren medewerkers andere gebruikers ondersteunen in het werken met data.
