De behoefte aan heldere en uniforme informatievoorziening over schulden in Nederland is groot. Momenteel worstelen gemeenten met gefragmenteerde data en inconsistente registratie van schuldhulpverlening. Het project DDAS (Data Delen Armoede en Schulden) brengt hier verandering in.
Met financiering van het ministerie van Sociale Zaken en Werkgelegenheid (SZW) wordt gewerkt aan het en standaardiseren en automatiseren van data-uitwisseling, wat gemeenten zowel beleidsmatig inzicht moet opleveren als administratieve lasten moet verlichten. Het project DDAS is een samenwerking tussen het CBS, Divosa, NVVK en de VNG.
Gefragmenteerde data en onvolledige inzichten
Momenteel hebben gemeenten te maken met een veelheid aan monitors, benchmarks en dashboards over schulden. Die zorgen voor een gefragmenteerd beeld omdat ze allemaal verschillende data gebruiken, variërend van eigen gemeentelijke cijfers tot openbare bronnen. Er is geen uniforme basis, waardoor landelijke vergelijkingen en beleidsevaluaties lastig zijn. Gemeenten gebruiken bovendien verschillende administratieve definities, wat de eenduidigheid nog verder belemmert.
De vraag naar gestandaardiseerde data vanuit gemeenten en hulpverleningsorganisaties is echter groot. Gemeenten willen inzicht in de effecten van hun beleid en zoeken naar mogelijkheden om armoede en schulden effectiever aan te pakken. Daarom ontstond het idee voor het project DDAS, vertelt Jeroen Wismans, adviseur dataprojecten bij VNG Realisatie: ‘Het begon vier jaar geleden, toen BZK en CBS samenwerkten in het project Opschaling Datagedreven Werken, waarin de CBS-armoedescans en Zicht op Ondermijning use cases waren. Kon deze datadeling niet op een eenvoudige manier voor meer gemeenten toegankelijk gemaakt worden? Zo is het idee voor DDAS geboren.’
Samenwerking en verkenning
De VNG en het CBS zijn toen in gesprek gegaan met partners zoals Divosa (de vereniging voor leidinggevenden in het sociaal domein) en NVVK (de branchevereniging voor schuldhulpverlening en financiële dienstverlening). Samen hebben ze het ministerie van SZW betrokken, dat ook behoefte had aan uniforme data over schuldhulpverlening en armoede.
In 2022 ging het project van start met een verkennende fase. Wismans legt uit dat deze fase gericht was op het inventariseren van de behoeften bij gemeenten, schuldhulpverleningsorganisaties en softwareleveranciers: ‘We hebben gesprekken gevoerd met 30 gemeenten en verschillende organisaties om te ontdekken waar de behoefte ligt en wat mogelijk is.’ Dit leidde tot de keuze voor een model waarin het CBS de data zou ontsluiten, die zowel uit eigen database komt als aangeleverd wordt vanuit gemeenten en schuldhulporganisaties. Inmiddels is het project in de implementatiefase beland. Vanaf 1 januari 2025 zal de eerste uitvraag van data gaan lopen.
Data-uitvraag en automatisering met API’s
Het centrale doel van DDAS is om eenduidige en gestandaardiseerde data te creëren die op geautomatiseerde wijze worden verzameld en gedeeld. In plaats van meerdere afzonderlijke data-uitvragen, zoals nu het geval is, zal er straks 1 uniforme uitvraag plaatsvinden. Deze uitvraag wordt bovendien geautomatiseerd met behulp van API’s (Application Programming Interfaces). Dit is een grote stap vooruit voor de gemeenten, zowel bij het verminderen van administratieve lasten als het verbeteren van beleidsmatig inzicht.
Wismans benadrukt de voordelen van deze aanpak: ‘Het project is bedoeld om data te uniformeren en de uitvraag bij gemeenten te versimpelen. Doordat er 1 geautomatiseerde uitvraag komt, bespaart dit de gemeenten veel werk en krijgen zij tegelijkertijd meer inzicht in hun eigen beleid en de effecten daarvan. Voor gemeenten betekent dit dat ze hun prestaties kunnen vergelijken met andere gemeenten en de impact van hun beleid beter kunnen evalueren.’
Geen nieuwe dashboards, maar gedeelde data
Hoewel het project niet als doel heeft om zelf een nieuw dashboard of rapportage-instrument te creëren, zal de ontsloten data wel voor verschillende doeleinden worden gebruikt. CBS publiceert de data bijvoorbeeld via Statline, en de betrokken organisaties kunnen de data gebruiken voor hun eigen analyses en publicaties.
Het standaardiseren van data zorgt ervoor dat de basisgegevens voor iedereen gelijk zijn. Dit maakt het mogelijk om op eenduidige wijze trends te volgen en analyses te maken. Zo kunnen gemeenten bijvoorbeeld inzicht krijgen in hoe hun schuldhulpverleningstrajecten zich verhouden tot andere gemeenten, en hoe effectief bepaalde beleidsmaatregelen zijn. Dit is cruciaal om lokale beleidsontwikkeling te verbeteren.
Vrijwillige deelname en belang voor gemeenten
De deelname aan DDAS is voor gemeenten vrijwillig, -alleen voor bij de NVVK aangesloten gemeenten is het een verplichting bij hun lidmaatschap-, maar de betrokken organisaties hopen dat zoveel mogelijk gemeenten zullen deelnemen. Wismans is optimistisch: ‘We hebben het gevoel dat er veel behoefte is aan goede vergelijkbare data, vooral bij gemeenten zelf. We hopen dat er genoeg urgentie wordt gevoeld om mee te doen.’
Voor gemeenten is deelname in hun eigen belang, maar ook in het belang van je collega-gemeenten, uit onderlinge solidariteit dus, stelt Wismans: ‘Gemeenten kunnen zo hun inzicht verbeteren op het gebied van schuldhulpverlening en armoede. Het is belangrijk om te weten hoe je het als gemeente doet in vergelijking met andere gemeenten. Dit houd je scherp en biedt de mogelijkheid om te leren van best practices. Maar het werkt alleen als veel gemeenten meedoen, want anders valt er ook weinig te vergelijken en te leren.’
Toekomstperspectief: verbinding met andere domeinen
Een ander belangrijk aspect van DDAS is de mogelijkheid om armoede- en schuldenproblematiek te koppelen aan andere maatschappelijke domeinen, zoals gezondheid. Wismans ziet hierin een belangrijke meerwaarde: ‘Met uniforme data kun je bijvoorbeeld onderzoeken of er een relatie is tussen armoede en zorggebruik. Dit soort analyses, die wetenschappelijke instituten op termijn kunnen uitvoeren, kunnen waardevolle inzichten opleveren.’
Het project DDAS belooft een belangrijke stap te zetten in het verbeteren van de informatievoorziening rond schulden. Gemeenten krijgen de tools om hun beleid beter te evalueren en te vergelijken, terwijl ze tegelijkertijd administratieve lasten verlichten.
Bron: VNG
