Samenvatting
Doel
Aanpak
Resultaat
Leerpatronen
Van een statische jaarplanning naar dynamische, data-gedreven prioritering van controles Het fundamentele doel van het project bij DCMR was een diepgaande en strategische transformatie van het gehele toezichtproces, een noodzakelijke evolutie voor een organisatie die met beperkte capaciteit een enorme verantwoordelijkheid draagt. De kernambitie was de overstap van een statische, jaarlijkse planning, die sterk leunde op de subjectieve en moeilijk overdraagbare kennis van individuele toezichthouders, naar een dynamisch en objectief prioriteringssysteem. Dit nieuwe systeem moest volledig gebaseerd zijn op data, waardoor de effectiviteit en efficiëntie van de inspecties significant zouden toenemen. De disbalans tussen 36.000 te inspecteren bedrijven en slechts 130 toezichthouders vormde de onmiskenbare drijfveer achter deze strategische verschuiving. Een centraal streven was het creëren van een robuuster en consistenter kader dat minder afhankelijk was van individuele expertise en beter bestand was tegen personeelswisselingen. De ultieme visie was het realiseren van zogenaamde 'dagkoersen', een levend systeem dat op elk willekeurig moment, op basis van de meest actuele signalen, kon aangeven welke bedrijven de meeste aandacht behoefden. Hiermee zou DCMR de omslag kunnen maken van een reactieve naar een proactieve handhavingsorganisatie, die niet langer achter de feiten aanliep. Een even belangrijk, nevengeschikt doel was de empowerment van de toezichthouders zelf. Het was de expliciete bedoeling om hen de regie over hun eigen planning te geven, ondersteund door betrouwbare data-inzichten. Dit impliceerde een cultuurverandering van een traditioneel top-down planningsproces, geleid door teammanagers, naar een moderne bottom-up benadering. Hierbij zou de professional met de meeste praktijkkennis, de toezichthouder, de cruciale beslissingen nemen. De definitie van succes was dan ook helder geformuleerd: de juiste toezichthouder, op het juiste moment, bij het juiste bedrijf krijgen. Aanvankelijk werd dit doel echter sterk technologisch geïnterpreteerd, met een bijna exclusieve focus op het bouwen van het meest geavanceerde voorspelmodel. Naarmate het project vorderde en de tegenslagen zich opstapelden, evolueerde deze definitie van succes. Het zwaartepunt verschoof van het creëren van een technisch perfect algoritme naar het ontwikkelen van een breed gedragen en daadwerkelijk gebruikte tool. Het project streefde er uiteindelijk niet alleen naar een instrument te bouwen, maar om een diepgaande cultuurverandering rondom planning, risicobeheersing en professionele autonomie te bewerkstelligen.
De aanpak van DCMR om tot een data-gedreven prioriteringssysteem te komen, kan worden beschreven als een langdurig en iteratief proces dat zich over meer dan een decennium uitstrekte en gekenmerkt werd door een duidelijke evolutie in denken. De eerste fase, die liep van 2013 tot 2019, richtte zich op de ontwikkeling van RIAN, een op Excel gebaseerd risicomodel. Dit model was een eerste poging om objectieve indicatoren te gebruiken, maar het werd door de gebruikers als te complex en niet-transparant ervaren, waardoor het vertrouwen en de adoptie beperkt bleven. Vanaf 2017 werd een tweede spoor ingezet met de introductie van Power BI-rapportages, bedoeld om meer gedetailleerde bedrijfsinformatie te verschaffen ter ondersteuning van de jaarplanning. Hoewel deze rapportages meer data ontsloten, veranderden ze niets fundamenteels aan het handmatige en zeer tijdrovende karakter van het planningsproces zelf. De volgende fase, tussen 2022 en 2023, markeerde een sprong in technologische ambitie met een experiment gericht op machine learning. Het datateam probeerde modellen te ontwikkelen die overtredingen konden voorspellen, maar deze poging strandde op fundamentele obstakels, zoals het ontbreken van een betrouwbare doelvariabele en het ondoorgrondelijke 'black box'-karakter van de algoritmes. Al deze vroege fases deelden een gemeenschappelijke, en naar later bleek fatale, aanpak: ze werden primair vanuit een technologisch perspectief gedreven door het interne datateam, zonder de eindgebruikers structureel bij het ontwerpproces te betrekken. Forensisch Dossier · RISC: van algoritme naar praktijk (DCMR) · After Action Learning Deze aanpak culmineerde eind 2024 in de lancering van RISC v1, een snel ontwikkeld interactief dashboard.
Ondanks dat het technisch goed in elkaar zat, faalde deze versie catastrofaal door een totaal gebrek aan gebruikersadoptie, wat een direct gevolg was van de complexiteit en het ontbreken van enige introductie- of begeleidingsstrategie. De mislukking van RISC v1 in 2025 vormde het keerpunt en dwong een radicale herbezinning op de aanpak af. De ontwikkeling werd volledig stilgelegd en er werd bewust gekozen voor een fundamenteel ander pad. Een interne gedragsanalist werd ingeschakeld om een proces te leiden dat gebaseerd was op design thinking, een methode die de gebruiker centraal stelt. In deze vijfde fase werden veertien diepte-interviews gehouden met toezichthouders, teammanagers en beleidsmedewerkers om hun werkelijke behoeften, mentale modellen en beslisprocessen te doorgronden. Voortbouwend op deze inzichten werden co-creatiesessies georganiseerd waarin prototypes gezamenlijk met de eindgebruikers werden ontwikkeld en verfijnd. Deze collaboratieve aanpak leidde tot een volledig herontwerp van zowel de methodiek als de interface, resulterend in RISC v2. De succesvolle lancering hiervan in maart 2026 werd zorgvuldig ondersteund door een gedegen communicatieplan, handleidingen en een monitoringsstrategie, wat de transformatie van een technologie-gedreven naar een mensgerichte aanpak voltooide. Deze casus leert ons dat we mislukkingen niet altijd moeten zien als een eindpunt, maar als een potentieel startpunt voor een nieuwe, betere aanpak. Het is de kunst om na een mislukking niet alleen te vragen 'wat ging er technisch fout?', maar vooral 'wat kunnen we hier op een dieper, strategisch niveau van leren?'. Organisaties die een leercultuur omarmen, zijn in staat om de 'bijvangst' van een mislukking te zien en te benutten. Dit vereist de moed om een project als mislukt te bestempelen, het proces stil te leggen en open te staan voor onverwachte uitkomsten en alternatieve paden. In plaats van een mislukking snel te begraven en door te gaan naar het volgende project, is het waardevol om een 'post-mortem' te houden en te zoeken naar de onbedoelde waarde. Soms is de belangrijkste opbrengst van een project niet het product zelf, maar een fundamenteel nieuw inzicht in de klant, de markt of het eigen proces. Dit 'omdenken' van mislukking naar leermoment is een kerncompetentie voor innovatieve organisaties. Het betekent dat men niet alleen het eindresultaat evalueert ten opzichte van het oorspronkelijke plan, maar ook openstaat voor de onverwachte waarde die onderweg is gecreëerd. De les is om niet alleen te zoeken naar de speld in de hooiberg, maar om alert te blijven op de mogelijkheid dat je er met iets veel waardevollers uitkomt, zoals de dochter van de boer. Het cultiveren van deze serendipiteit kan een mislukking transformeren van een kostenpost naar een cruciale investering in de toekomst.
De DCMR Milieudienst Rijnmond stond voor de monumentale uitdaging om het toezicht op 36.000 bedrijven te optimaliseren met slechts 130 toezichthouders, een opgave die een slimmere inzet van middelen onvermijdelijk maakte. Om deze reden initieerde de organisatie in 2014 een ambitieus traject om de traditionele, op subjectieve ervaring gebaseerde inspectieplanning te transformeren naar een volledig data-gedreven prioriteringssysteem. Dit initiatief ontvouwde zich echter als een langdurige en moeizame zoektocht, gekenmerkt door een reeks technologische iteraties die de plank missloegen. De eerste pogingen, zoals het op Excel gebaseerde RIAN-model en latere Power BI-rapportages, werden door de eindgebruikers als te complex en onvoldoende praktisch ervaren. Een daaropvolgend, technologisch geavanceerd experiment met machine learning-modellen faalde eveneens, voornamelijk door het 'black box'karakter en het onvermogen om een betrouwbare doelvariabele te definiëren. De rode draad door deze vroege fases was een diepgewortelde focus op de technische mogelijkheden, waarbij het interne datateam grotendeels geïsoleerd van de werkvloer opereerde. Deze aanpak culmineerde in de catastrofale lancering van RISC v1 in 2024, een technisch degelijk dashboard dat volledig werd afgewezen door de toezichthouders omdat het niet aansloot bij hun werkproces en zonder enige begeleiding werd geïntroduceerd. Deze mislukking bleek een cruciale, zij het pijnlijke, leerschool en forceerde een radicale koerswijziging in 2025. Het project werd stilgelegd en opnieuw opgestart, ditmaal onder leiding van een gedragsanalist en gebaseerd op de principes van design thinking. Door middel van diepte-interviews en co-creatiesessies werden de toezichthouders, de voorheen ontbrekende stem, centraal gesteld in het ontwerpproces. Deze fundamenteel andere, mensgerichte benadering leidde tot de ontwikkeling van RISC v2, een intuïtief systeem dat wel breed werd geaccepteerd en met succes werd gelanceerd in 2026. De casus illustreert daarmee op indringende wijze dat succesvolle digitale transformatie niet primair een technologische uitdaging is, maar veeleer een sociaal en organisatorisch proces. Het succes hangt uiteindelijk af van het diepgaand begrijpen en actief betrekken van de menselijke eindgebruiker. Het project toont aan dat het omarmen van een 'briljante mislukking' de weg kan vrijmaken voor een duurzame en gedragen oplossing. De reis van DCMR was lang en kostbaar, maar de uiteindelijke doorbraak bood een onbetaalbare les in de kunst van innovatie binnen een complexe professionele omgeving. Het benadrukt de noodzaak om de kloof tussen datawetenschap en de dagelijkse praktijk te overbruggen, niet met complexere algoritmes, maar met empathie en samenwerking. Uiteindelijk werd het doel bereikt, niet door een perfect model, maar door een perfect proces.
Reacties (0)