Wat zie je (niet) met data? | Berenschot artikel

Wat zie je (niet) met data?

Artikel
Tevens titel

Deel dit artikel

Datum

12 november 2026

Leestijd

3 minuten

Gemeenten beschikken over steeds meer data om beleid te ontwikkelen en keuzes te onderbouwen. Data die gebruikt worden om algoritmen te trainen. Maar geven meer data ook een beter beeld van de werkelijkheid?

Algoritmes zijn niet zo logisch als we denken

In hun bijdrage aan het boek The Algorithmic Society laten Erna Ruijer (Associate Professor bij Universiteit Utrecht) en Fleur Stalenhoef (adviseur Digitale Transformatie bij Berenschot) zien dat wat in een dataset logisch en volledig lijkt, voor inwoners in de praktijk anders kan uitpakken. Die constatering wordt extra relevant wanneer algoritmen deze data gebruiken om voorspellingen te doen, risico’s in te schatten of besluitvorming te ondersteunen.

Achter begrippen gaan allerlei keuzes schuil

Een van de voorbeelden die de onderzoekers geven, gaat over de bereikbaarheid van een bioscoop. Op basis van gemeentelijke data kan een bioscoop bijvoorbeeld goed toegankelijk lijken: de afstand is kort en er rijdt een bus naartoe. Inwoners kunnen daar anders over denken. Na afloop van een avondvoorstelling rijdt de bus misschien niet meer, terwijl sommige inwoners de kortste route te voet ’s avonds vermijden omdat ze die als onveilig ervaren. De afstand tot de bioscoop is daarmee niet onjuist gemeten, maar vertelt slechts een deel van het verhaal.

Als in de data iets buiten beeld blijft, kan dat doorwerken in de uitkomsten

Achter een begrip als ‘bereikbaarheid’ gaan namelijk allerlei keuzes schuil. Bijvoorbeeld: wat betekent ‘bereikbaar’ precies en wie heeft die definitie bepaald? Meet je de afstand tot een voorziening, de aanwezigheid van openbaar vervoer of de mogelijkheid om op een bepaald tijdstip daadwerkelijk heen én terug te reizen? Geen van die keuzes is per definitie verkeerd. Wel bepalen ze welk deel van de werkelijkheid zichtbaar wordt in de data. 

Data tonen maar een deel van de werkelijkheid

Juist dat is relevant wanneer gemeenten data gebruiken als basis voor algoritmen. Een algoritme bouwt immers voort op de gegevens, definities en aannames die eraan worden meegegeven. Als in de data iets buiten beeld blijft, kan dat dus doorwerken in de uitkomsten. Ogenschijnlijk neutrale criteria kunnen zo voor verschillende groepen anders uitpakken. Afstand tot een voorziening heeft bijvoorbeeld een andere betekenis voor iemand die over eigen vervoer beschikt dan voor iemand die afhankelijk is van een beperkte busverbinding. Het risico zit daardoor niet noodzakelijk in één evident problematische variabele, maar kan ook voortkomen uit de combinatie van definities, databronnen en aannames waarop een toepassing is gebouwd.

Dat iedere vertaling van een maatschappelijke werkelijkheid naar data keuzes en vereenvoudigingen met zich meebrengt, is op zichzelf niet per se problematisch. Zonder zulke keuzes kunnen we immers nauwelijks meten, vergelijken of analyseren. Voor verantwoord gebruik van data en algoritmen is vooral van belang kritisch te blijven kijken naar wat die keuzes zichtbaar maken én wat buiten beeld blijft. Waar komen de gebruikte gegevens vandaan en wat meten ze precies? Welke aannames zijn gedaan bij de vertaling van een maatschappelijk vraagstuk naar data? Voor welke groepen kunnen die aannames anders uitpakken? En passen die gegevens wel bij het doel waarvoor ze worden gebruikt? De uitdaging is vervolgens dit soort vragen op de juiste momenten te laten terugkomen. 

Van eenmalige afweging naar structurele werkwijze

Een eenmalige afweging aan de voorkant is namelijk niet genoeg. Een algoritme, onderliggende data en de bijbehorende context kunnen veranderen. Bovendien worden sommige effecten pas zichtbaar in de praktijk. Daarom is het zaak vooraf afspraken te maken over wanneer een nieuwe afweging nodig is, wie daarbij betrokken moeten zijn en wie verantwoordelijk is voor de opvolging.
Door die reflectie structureel te organiseren, kunnen nieuwe blinde vlekken en gevolgen voor inwoners tijdig worden gesignaleerd en kan waar nodig worden bijgestuurd. Zo wordt verantwoord gebruik van data en algoritmen een structureel onderdeel van de werkwijze van de organisatie.
Behoefte aan meer grip op algoritmes? Stuur Fleur gerust een bericht of lees meer over onze aanpak voor algoritme-governance bij gemeenten. 

Lees verder

Erna Ruijer en Fleur Stalenhoef, ‘Inclusive Data Usage for Democratic Debate in Cities: The Role of Intermediaries’ is opgenomen in The Algorithmic Society: Technology, Power, and Knowledge. Routledge, 2026.

Blijf op de hoogte van onze laatste inzichten

Meld u aan voor onze nieuwsbrief