Data: een lust, een last en een list

Egge van der Poel
Egge van der Poel
Co-Founder de Dataverbinders
Komt een data scientist bij de dokter. “Wat kom je doen?”, vraagt de dokter. “Jou beter maken”, antwoordt de data scientist. Einde gesprek. Zo moet het dus niet. Maar hoe dan wel? Lees in deze blogserie enkele openhartige reflecties van een data scientist in de zorg.

“Big Data is als tienerseks: iedereen heeft het erover, niemand weet echt hoe ze het moeten doen, iedereen denkt dat de ander het al doet dus claimen ze dat ze het zelf ook doen…” Deze quote uit 2013 van professor Dan Ariely (bekijk zijn TED filmpjes!) is helaas nog steeds waar. Het enige dat veranderd is, is het buzzword: van Big Data zijn we naar AI overgestapt. Van de grondstof naar het werktuig. Met een enorme lust naar geldingsdrang stort menig organisatie zich hierop in de hoop de concurrentie te slim af te zijn. Of betere PR te kunnen betrachten…

Versnipperde bronnen

Toch lijkt data in de zorgpraktijk vaak eerder een last dan een lust. Versnipperde bronnen en verschillende data modellen, zelfs binnen de muren van één en dezelfde organisatie, die vervolgens met ad-hoc scripts en rapporten via de spreekwoordelijke duct-tape en tie-wraps aan elkaar geknoopt zijn. Een verandering ergens in deze ‘informatie-keten’ zorgt vaak voor misverstanden en vertragingen in de besluitvorming. Kom dan nog maar eens aan met je mantra dat data het nieuwe goud is.

In een vorig deel van mijn werkzame leven was ik natuurkundige en wetenschapper bij CERN. Daar was alles erop gericht zoveel mogelijk informatie (lees: waarde) uit de (enorme bergen) data te halen. Met collega wetenschappers uit vrijwel alle landen ter wereld zochten we naar het Higgs deeltje. En door big dating is dit gelukt: samenwerken, data delen en aan een gezamenlijke doel werken. Wat mij betreft dé manier om waarde te creëren met data in de zorg. Data als lust en dus niet als last.

Een list nodig

Maar hoe komen we daar? Voorlopig lijken de oude reflexen hardnekkig: data delen is lastig, want carrières en verdienmodellen zijn hier op gebaseerd. Samenwerken is lastig, want we kunnen het zelf toch beter? En dat gezamenlijke doel, hmmm? Natuurlijk doen we alles voor de patiënt/cliënt/burger, maar er moet ook brood op de plank komen. Er is geïnvesteerd in flinke hoeveelheden vierkante meters en/of (hoog-)technologische infrastructuur. Dat moet terugverdiend worden. Dus zetten we data en technologie graag in om processen efficiënter in te richten, maar radicaal anders is vaak een brug te ver.

We hebben dus een list nodig. Een list die helpt om de neuzen van verschillende belanghebbenden echt dezelfde kant op te krijgen en verder te kijken dan vandaag en morgen. Een list waarmee bestuurders en toezichthouders het belang van vertrouwen en experimenten inzien en daadwerkelijk blijven steunen, ook als het niet direct tot het gewenste resultaat leidt. Een list die het mogelijk maakt echte problemen op te lossen en niet alleen maar mooie publiciteit oplevert.

Bestaat deze list? Natuurlijk niet. Iedere innovatie waarvan het slagen afhankelijk is van een list, is een slecht idee. Wat we wel nodig hebben is ruimte voor het experiment om snel(ler) te leren of iets van toegevoegde waarde is. In mijn volgende blog zal ik beargumenteren dat dit vanuit bestuur een fundamenteel andere ‘natuurkracht’ vereist.

Deel deze blog

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp

Meer blogs

Biljartballen of dobbelstenen: een strategische keuze

Wanneer we een rode biljartbal op een witte stoten zien we telkens dat de witte in beweging komt. Voor verreweg de meeste mensen is dit een duidelijk geval van oorzaak en gevolg: de witte bal beweegt doordat de rode bal hem raakt. Filosoof David Hume was hier nog sceptisch over. Volgens Hume konden wij vanuit deze observatie hoogstens concluderen dat er een associatie tussen beide gebeurtenissen is. Correlatie en geen causaliteit dus.

Lees verder >

Wie van de 3 met AI?

Komt een data scientist bij de dokter. “Wat kom je doen?” Vraagt de dokter. “Jou beter maken.” Antwoordt de data scientist. Einde gesprek. Zo moet het dus niet. Maar hoe dan wel? Enkele openhartige reflecties van een data scientist in de zorg.

Lees verder >

Biljartballen of dobbelstenen: een strategische keuze

Wanneer we een rode biljartbal op een witte stoten zien we telkens dat de witte in beweging komt. Voor verreweg de meeste mensen is dit een duidelijk geval van oorzaak en gevolg: de witte bal beweegt doordat de rode bal hem raakt. Filosoof David Hume was hier nog sceptisch over. Volgens Hume konden wij vanuit deze observatie hoogstens concluderen dat er een associatie tussen beide gebeurtenissen is. Correlatie en geen causaliteit dus.

Lees verder >

Wie van de 3 met AI?

Komt een data scientist bij de dokter. “Wat kom je doen?” Vraagt de dokter. “Jou beter maken.” Antwoordt de data scientist. Einde gesprek. Zo moet het dus niet. Maar hoe dan wel? Enkele openhartige reflecties van een data scientist in de zorg.

Lees verder >
Biljartballen of dobbelstenen: een strategische keuze

Wanneer we een rode biljartbal op een witte stoten zien we telkens dat de witte in beweging komt. Voor verreweg de meeste mensen is dit een duidelijk geval van oorzaak en gevolg: de witte bal beweegt doordat de rode bal hem raakt. Filosoof David Hume was hier nog sceptisch over. Volgens Hume konden wij vanuit deze observatie hoogstens concluderen dat er een associatie tussen beide gebeurtenissen is. Correlatie en geen causaliteit dus.

Lees verder >
Wie van de 3 met AI?

Komt een data scientist bij de dokter. “Wat kom je doen?” Vraagt de dokter. “Jou beter maken.” Antwoordt de data scientist. Einde gesprek. Zo moet het dus niet. Maar hoe dan wel? Enkele openhartige reflecties van een data scientist in de zorg.

Lees verder >

Inhoud

Deel deze blog

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp