7 valkuilen voor datagedreven werken in de zorg

Waarom zou je tijd investeren in datagedreven werken als er een tekort is aan tijd voor essentiële zorgtaken? Júist omdat datagedreven werken ervoor zorgt dat er meer tijd beschikbaar komt voor deze zorgtaken. Want via data kun je leren wat wél en niet werkt in nieuwe zorgprocessen. Zodat je samen meer mensen beter kunt helpen.

'Datagedreven werken wordt gezien als één van de ingrediënten voor betere en goedkopere zorg. Maar in de praktijk zien we dat dit nog niet zo eenvoudig is,' zegt Vilans-onderzoeker Bellis van den Berg. Samen met haar Vilans-collega Dirk Lukkien en collega’s van ActiZ, Sigra, Flever NL en WZW onderzocht zij hoe datagedreven werken kan bijdragen aan meer doelmatigheid en kwaliteit in de langdurige zorg. Het resultaat verscheen eind januari in het Tijdschrift voor Gezondheidswetenschappen. 

Data als structureel deel van de organisatie

Wanneer organisaties aan de slag gaan met datagedreven werken, wordt dat vaak als los project aangepakt. Ook omdat organisaties er nog niet op ingericht zijn. De IT-infrastructuur is bijvoorbeeld vaak versnipperd, en er nog niet op ingericht om tot één geheel aan data en -inzicht te leiden. Bovendien hebben organisaties tijd en middelen nodig om het werken met data en -inzichten uit te proberen en zich hierin te ontwikkelen. En die tijd en middelen besteed je gevoelsmatig – zeker in tijden van schaarste – beter helemaal aan zorgverlening. Maar door die benadering wordt datagedreven werken vaak geen structureel onderdeel van de organisatie. En dat wil je juíst, want op die manier maak je optimaal gebruik van de voordelen van datagedreven werken: je richt de zorg in jouw organisatie er efficiënter mee in. En dat verlicht juist de druk op de zorgverlening. 

7 valkuilen

Welke valkuilen zorgen ervoor dat datagedreven werken niet structureel 'landt' in je organisatie? Uit het onderzoek komen er zeven naar voren:

1. (Te) weinig inzicht in wat datagedreven werken van de organisatie vraagt.
2. (Te) vaak alléén op projectbasis experimenteren met data-inzichten zonder systematisch gebruik van de data-inzichten voor verbeteren, beslissen of voorspellen.
3. Datagedreven werken als technisch project. De technische mogelijkheden vormen vaak de basis in plaats van de vraag uit de praktijk.
4. Te veel aandacht voor ontwikkelen van techniek en visualisatie van de data.
5. Te weinig aandacht voor leer- en verbeterprocessen door data en hoe dit structureel in te zetten in werk en besluitvorming.
6. Inzichten en succes blijven vaak steken bij een kleine groep enthousiastelingen.
7. Onvoldoende steun en commitment van management of bestuur voor de  veranderingen die datagedreven werken met zich meebrengt.

Weten hoe je hiermee omgaat? Lees dan het volledige artikel in het Tijdschrift voor Gezondheidswetenschappen.