Scroll

5 kwesties die corporaties kunnen aanvliegen met data intelligence

19 11 2020

Voordat wij het zwaardere geschut van stal halen, wijzen wij woningcorporaties altijd op de enorme waarde van hun eigen data en op welke analytische methoden zij eigenlijk al huisvesten binnen de eigen organisatie. Vaak wordt er operationeel of strategisch al gebruik gemaakt van descriptieve vormen van data science, maar is dit tot op heden nooit zo aangemerkt. Door hierop te wijzen en op voort te borduren kan uiteindelijk gezamenlijk de stap naar prescriptive analytics worden gemaakt.

 

Zo ook bij Domesta (ongeveer 10.000 woningen in Emmen, Coevorden en Hoogeveen). In twee interactieve sessies (die tegenwoordig natuurlijk digitaal plaatsvinden) halen we de behoefte vanuit de organisatie op. Welke thema’s staan bovenaan de prioriteitenlijst? Hoe kunnen beslissingen zo geïnformeerd mogelijk plaatsvinden?

 

Dan rest de vraag wat woningcorporaties er concreet aan hebben wanneer zij aan de slag gaan met data intelligence. Om die vraag te beantwoorden lichten wij in deze blog 5 voorbeelden toe.

 

 

1. Betaalbaarheid

 

Situatie: Het is onduidelijk of er een goede match is tussen de financiële positie van huurders en de huurprijs die zij betalen. De corporatie heeft geen helder beeld van inkomens en uitgavepatronen van huurders, en heeft daardoor geen inzicht in hun financiële kwetsbaarheid.

 

Gevolg: Veel huurders zitten maandelijks krap bij kas en de kans op betaalachterstanden is groot. Dit levert spanningen op binnen het huishouden.

 

Meerwaarde data intelligence: Corporaties weten bij welke huurders dit speelt, in welke complexen dit meer of minder aanwezig is en in wat voor woningen deze huishoudens gehuisvest zijn (prijs, omvang, energie-index, etc.). Door deze inzichten kan er een gerichte preventieaanpak komen, kan er een intelligente communicatiestrategie worden opgesteld en kan betaalbaarheid aan andere opgaven worden gekoppeld (zoals verduurzaming). Samen met onze Partner Fakton hebben wij een betaalbaarheidsmodel ontwikkeld dat hierop inspeelt.

 

 

2. Verduurzaming

 

Situatie: De corporatie benadert de energietransitie primair vanuit een technisch perspectief. Welk vastgoed als eerst verduurzaamd moet worden wordt alleen op basis van planonderhoud en technische mogelijkheden bepaald.

 

Gevolg: Koppelkansen blijven onbenut (verlaging energielasten waardoor betaalbaarheid verbetert) en het creëren van draagvlak gaat stroef (er is geen beeld van de duurzaamheidsattitudes van bewoners). Het blijft onduidelijk welke bewoners in een complex snel toestemming geven voor verduurzamingsmaatregelen, of wat er nodig is om ze hiertoe te verleiden.

 

Meerwaarde data intelligence: Springco’s duurzaamheidsscore brengt de verschillende attitudes van huishoudens ten aanzien van de energietransitie in beeld. Leefstijlanalyse informeert de communicatie- en participatiestrategie die zo belangrijk is bij verduurzaming. En samen met onze partner Tsavo ontwikkelen we het Dashboard Draagvlak.

 

 

3. Leefbaarheid

 

Situatie: De verbetering van leefbaarheid in en rondom complexen is een integrale opgave en wordt niet (alleen) bewerkstelligd met fysieke ingrepen.

 

Gevolg: Er wordt met goede bedoelingen geïnvesteerd en vernieuwd, het gewenste resultaat blijft uit of de multiproblematiek verplaatst zich.

 

Meerwaarde data intelligence: De fysieke opgave wordt in Stadsvernieuwing 3.0 aan de sociale opgave gekoppeld. Op basis van referentiebuurten die er hetzelfde uitzien maar beter presteren wordt een investeringsagenda geformuleerd: is het verhogen van arbeidsparticipatie hier het belangrijkst, of moet er vooral iets worden gedaan aan de veiligheid? In deze blog wordt onze aanpak nader toegelicht.

 

 

4. Doorstroming

 

Situatie: Er bestaat een mismatch tussen de huidige portefeuille van de corporatie en de wensportefeuille, omdat deze gebaseerd wordt op globale en onvolledige consumentendata.

 

Gevolg: Matig tot geen inzicht in het waar en waarom van scheefwonen. Onduidelijk bij welke huurders dit een issue is, wat hiervan de oorzaken zijn en hoe de voorkeuren van die huurders eruit zien.

 

Meerwaarde data intelligence: Het gebruik van actuele data, toegespitst op de verschillende delen van de portefeuille, kan ervoor zorgen dat dit inzicht wel ontstaat. De huishoudens waar het om gaat kunnen met het juiste product worden verleid om te verhuizen. Hierdoor komt er eindelijk doorstroming in de woningvoorraad tot stand. In deze blog komt naar voren hoe tevreden Rijnhart Wonen hiermee was.

 

 

5. Parkeernorm

 

Situatie: De parkeernorm van de gemeente drukt behoorlijk op de haalbaarheid van de business case voor een nieuwbouwlocatie.

 

Gevolg: Er worden meer parkeerplaatsen gerealiseerd dan er uiteindelijk worden gebruikt. Niet alleen de financiële haalbaarheid van het project komt in gevaar, maar er is ook minder ruimte voor groen of voor extra woningen en voorzieningen. De schaarse ruimte wordt slecht benut.

 

Meerwaarde data intelligence: Springco Urban Analytics kan (gevalideerd) een voorspelling doen over het autobezit van elk huishouden in Nederland. Op basis van de gemeente/regio, het type woonmilieu en het woningprogramma (segment, omvang en prijs) kunnen de doelgroepen van een nieuwbouwlocatie worden gekoppeld aan een verwachte parkeerbehoefte. Dit heeft er al een aantal keer voor gezorgd dat de gemeente niet anders kon dan de parkeernorm flink naar beneden brengen.

 

 

En zo kunnen we nog wel even doorgaan. De meerwaarde van data intelligence is enorm, mits die potentie op de juiste manier wordt ingezet. Wij gaan maar al te graag het avontuur met corporaties aan, om vanuit de behoefte van de organisatie de volgende stap te zetten.

Delen
Back to top
Springco’s Spotlight