Naar hoofdinhoud Naar footer

Verrichten

Laatst bijgewerkt op: 13-10-2025

De stap ‘verrichten’ in de wegwijzer Datagedreven werken is het dagelijks toepassen van data-inzichten om te leren, te verbeteren, te verantwoorden en te beslissen. Hiervoor verzamel je data op verschillende plekken in jouw zorgorganisatie. Ze leveren op 3 niveaus inzichten op, die je vervolgens voor uiteenlopende doelen kunt gebruiken. 

Er zijn grofweg 3 niveaus van data-ondersteund werken:

  • Strategisch niveau: stafafdelingen en managementteam gebruiken data voor beleidsvorming, strategische keuzes en evaluatie. 
  • Tactisch niveau: (lijn)managers en teamleiders gebruiken data voor het bijsturen van teams, het monitoren van prestaties en het sturen op financiën en kwaliteit.  
  • Operationeel niveau: medewerkers in het primaire proces, zoals zorgverleners of facilitaire medewerkers, gebruiken data-inzichten in hun dagelijks werk om te kijken welke verbeteringen op de werkvloer mogelijk zijn. 

Verrichten: data gebruiken in strategie, beleid en praktijk

Inzicht, dialoog en verbeteracties volgen elkaar op in deze volgorde.

Waarom worden dashboards te weinig gebruikt?

Toch komt het regelmatig voor dat dashboards te weinig worden gebruikt. Dit kan komen door onduidelijke rollen en verantwoordelijkheden. Er zijn geen heldere afspraken gemaakt wie het dashboard gebruikt, wanneer en wat er met de inzichten gebeurt. Ook kan het gebrek aan sturing en prioriteit meespelen. Leidinggevenden sturen te weinig op het gebruik van data en benadrukken het belang van data-ondersteund werken niet genoeg. Of er is onvoldoende duiding en opvolging. Medewerkers én managers begrijpen onvoldoende wat de data-inzichten betekenen en wat zij hiermee kunnen. Het bekijken van een dashboard leidt daardoor niet tot actie. 

Data-ondersteund werken op strategisch niveau

Op strategisch niveau gebruik je data voor het vormgeven, plannen en evalueren van beleid en strategie. Data helpen je om trends te ontdekken, behoeften aan te tonen en onderbouwde keuzes te maken.

Een voorbeeld. Je wil weten wat de ontwikkelingen in zorggebruik van jouw doelgroep zijn. Omdat je de leeftijdsopbouw van medewerkers en de vergrijzing in jouw regio hebt geanalyseerd, ontdek je dat het aantal cliënten met intensieve zorgbehoeften de komende jaren toeneemt, terwijl veel medewerkers ook met pensioen gaan. 

Deze inzichten gebruik je vervolgens voor:  

  • Beleidsvorming: je zet vol in op het werven en opleiden van nieuwe medewerkers, vooral voor functies waar tekorten dreigen. 
  • Strategie: je stelt een meerjarenplan op voor het aantrekken van jong talent en het omscholen van bestaand personeel. 
  • Evaluatie: je gebruikt data om jaarlijks te checken of de ingezette strategie zorgt voor voldoende instroom en behoud van medewerkers. 

PDCA-cyclus

Data-ondersteund werken sluit ook aan op de PDCA-cyclus:

  • Plan: data helpen om doelen te stellen en keuzes te maken. 
  • Do: voer beleid of verbeteracties uit op basis van het plan. 
  • Check: hebben beleid of verbeteracties het gewenste effect gehad? Data helpen om te evalueren.
  • Act: op basis van inzichten (data) bij stap Check bijsturen en verbeteren. 

Lees meer over de PDCA-cyclus.

Data-ondersteund werken op tactisch niveau

Lijnmanagers en teamleiders hebben actuele en betrouwbare informatie nodig over hun regio, locatie of team. Vaak zijn er al gegevens beschikbaar, bijvoorbeeld over ziekteverzuim, bedbezetting en aantal cliënten. Deze informatie geeft inzicht, maar meestal achteraf. 

Voorspellen en anticiperen 

Door verschillende databronnen te combineren, krijg je diepere inzichten. Je ontdekt niet alleen trends, maar je doet ook voorspellingen en plant gericht acties. Denk bijvoorbeeld aan het tijdig signaleren van specifieke zorgproblemen én hierop anticiperen. Of het aanbieden van extra scholing en het aantrekken van medewerkers met specifieke expertise. 

Data effectief gebruiken

Maar hoe zorg je ervoor dat je de informatie die je uit data haalt, ook effectief gebruikt? Op tactisch niveau betekent dit: 

  • data regelmatig analyseren en bespreken in het teamoverleg;
  • signalen en trends opvolgen met concrete acties;
  • samenwerken met andere afdelingen om snel in te spelen op ontwikkelingen, denk aan HR en planning. 

Data-ondersteund werken op operationeel niveau

Ook zorgteams hebben een enorme kans om met data de kwaliteit van zorg te verbeteren en de werkdruk te verlagen. Zorgalarmeringsystemen geven bijvoorbeeld inzicht in hoe vaak er wordt gealarmeerd, door wie en op welke momenten. Door deze data te analyseren kun je nagaan of meldingen al dan niet terecht zijn. Met deze inzichten onderneem je gericht actie, waardoor het aantal onnodige meldingen afneemt en de werkdruk afneemt.   

Hennie de Vries-Merkus van ZuidOostZorg deed mee aan het LeerDoeDeeltraject ‘Slimmer benutten van zorgalarmeringsdata’. Zij gaf een voorbeeld van zorg plannen met data. ‘Een van onze cliënten belde ons elke dag om 9.45 uur. We hebben gekeken wat de zorgvraag was: vroeg de cliënt hulp bij het koffiezetten of moest hij naar het toilet? In de route staat nu dat we om half 10 naar de cliënt gaan. Zo verandert ongeplande zorg in geplande zorg.’ 

Data helpt ons om ongeplande zorg te veranderen in geplande zorg.

Hennie de Vries-Merkus, projectleider innovatie bij ZuidOostZorg 

Ook met andere databronnen, zoals kwaliteitsindicatoren en cliëntervaringen, kun je de zorg verbeteren. Als een zorgteam deze data gebruikt om te leren, te verbeteren, te verantwoorden en te beslissen, moet het proces goed zijn ingericht. Dat houdt in dat: 

  • rollen en verantwoordelijkheden duidelijk zijn verdeeld;
  • het team regelmatig overlegt over het gebruik van data;
  • het team verbeteracties afspreekt, deze uitvoert en terugkoppelt.

Teammanagers en andere leidinggevenden moeten een vinger aan de pols houden. Zonder actieve aansturing en borging wordt datagedreven werken ondergesneeuwd door de drukte van alledag. 

De rol van AI bij Verrichten

Naast data kun je ook AI inzetten om jouw organisatie te ondersteunen. Denk aan: 

  • Beslisondersteuning: AI kan patronen herkennen in grote hoeveelheden data en suggesties doen voor acties, bijvoorbeeld bij risico’s op uitval of incidenten.
  • Scenarioplanning: AI kan, op basis van historische en actuele data, toekomstige scenario’s in kaart brengen, zoals personeelsbehoefte of zorgvraagontwikkeling.
  • Signalering en vroegtijdige waarschuwing: AI kan afwijkingen of trends automatisch detecteren, zoals een plotselinge stijging in medicatiefouten of een daling in cliënttevredenheid.
  • Procesoptimalisatie: AI kan werkprocessen analyseren, inefficiënte werkwijzen ontdekken en verbeteracties voorstellen.

Kortom: AI helpt je om proactief en anticiperend te handelen. Pas hierbij wel de bestaande datagovernance toe. Ook moet je oog hebben voor ethiek en transparant zijn over het gebruik van AI. Verder moet het oordeel van de mens altijd een rol blijven spelen.