Betere match door big data?

Kunnen we als COA statushouders beter matchen met gemeenten, zodat hun kansen op werk uiteindelijk verbeteren? Misschien wél met behulp van big data! Beleidsadviseur Sjef van Grinsven legt uit hoe.            

Wat is de aanleiding om de mogelijkheden rond big data te verkennen?
‘Door het Centraal Planbureau (CPB) is eind mei vorig jaar een policy brief geschreven, waarin onder meer werd aanbevolen om de kansrijke koppeling te verbeteren door gebruik te maken van een data gedreven toewijzingsalgoritme. Deze aanbeveling deden zij naar aanleiding van een artikel in Science, waarin door gebruik van dataonderzoek in Zwitserland en de VS aanzienlijk betere resultaten werden behaald met een algoritme dan met willekeurig toewijzen aan een regio, de op dat moment bestaande werkwijze. De auteurs van het Science-artikel zijn hoogleraren van Stanford University en ETH Zürich en werken in dit kader samen als de organisatie Immigration Policy Lab (IPL). Met IPL hebben we contact om de mogelijkheden te verkennen om deze werkwijze in de praktijk te gaan testen.’


Hoe worden statushouders nu geplaatst?
‘Een COA-medewerker heeft een oriënterend gesprek met de statushouder over diens harde en zachte criteria. Harde criteria zijn eerstegraadsfamilie die al in Nederland woont, specifieke medische bijzonderheden, bestaand arbeidscontract en inschrijving voor een studie. Zachte criteria zijn opleidingsachtergrond, werkervaring, netwerk en ambities. De COA-medewerker geeft een regioadvies op basis van deze criteria en beschikbare informatiebronnen. Denk daarbij aan de website van Stichting Samenwerking Beroepsonderwijs Bedrijfsleven (SBB) en studiekeuze-websites. Harde criteria wegen zwaar bij de uitplaatsing naar een gemeente, en met zachte criteria kan rekening worden gehouden. Vanwege de huisvestingstaakstelling van gemeenten kan het regioadvies niet altijd worden opgevolgd. In 80 procent van de gevallen gebeurt dit wel door de regievoerders.’

Wat kan een algoritme beter dan een medewerker en andersom?
‘Een algoritme kan met veel meer data rekening houden, dan een medewerker kan overzien. Sommige groepen uit een bepaald herkomstland of in een bepaalde leeftijdscategorie hebben meer kans op het vinden van een baan in een specifieke regio. Dit kun je als medewerker niet weten en ook de bestaande informatiebronnen schieten daarin tekort. Daarentegen heeft een medewerker een veel beter beeld van het individu. Het algoritme zou daarom een ondersteuning kunnen zijn bij de beslissing die een medewerker neemt. Ook met een algoritme zal een medewerker verantwoordelijk blijven voor de uiteindelijke beslissing over het regioadvies en over de koppeling aan een gemeente.’

Welke variabelen gaan er in het algoritme?
‘Dat moeten we nog onderzoeken. Vooralsnog denk ik aan de huidige harde en zachte criteria van de statushouder, maar ook leeftijd, geslacht, herkomstland en CBS-data over opleiding- en arbeidsprestaties van eerdere groepen statushouders die al in een gemeente wonen. Tussen de kenmerken van de statushouders en hun latere prestaties zijn verbanden te vinden in de data, die een voorspellende waarde hebben voor de bewoners die nu een vergunning krijgen. Deze verbanden gaan we ontdekken en nemen we mee in het programmeren van het algoritme.’

Is de privacy van (ex-)bewoners in het geding?
‘Nee. Alle gegevens waarmee we werken zullen volgens de geldende privacyregels worden gedeeld.’

Wat gaan gemeenten merken als het COA met een algoritme gaat werken?
‘Gemeenten krijgen op den duur statushouders toegewezen die wat betreft achtergrond beter dan nu aansluiten op de arbeidsmarkt en/of opleidingsmogelijkheden in de regio van die gemeente. Hopelijk kunnen we dus met een algoritme de match met gemeenten verbeteren, zodat de arbeidsparticipatie van statushouders uiteindelijk hoger wordt.’

Wanneer gaat het COA aan de slag met big data?
'We zitten nu in de onderzoeksfase. In deze fase wordt bepaald wat nodig is om het algoritme daadwerkelijk in de praktijk te gaan gebruiken en wat daarvan de verwachte voordelen zijn. Naar verwachting is de onderzoeksfase over een jaar afgerond. Afhankelijk van besluitvorming, volgt daarna de projectfase waarin het algoritme in de praktijk kan worden toegepast en we de verwachte voordelen proberen te realiseren. Uiteindelijke doelstelling van het project is een hoger percentage statushouders aan het werk, of in opleiding, vanwege de verbeterde plaatsing en koppeling in een regio met meer kansen op een succesvolle integratie en participatie.’