Dit hoofdstuk geeft antwoord op de centrale onderzoeksvraag:
Op welke wijze beïnvloeden organisatorische drivers en barrières de werking van de Open Data ecosystemen in de gemeente Almere, de gemeente Lelystad, de provincie Flevoland en het waterschap Zuiderzeeland?
Deze vraag wordt beantwoord aan de hand van drie belangrijke drivers en drie belangrijke barrières die in dit onderzoek naar voren kwamen en wat de invloed daarvan was op de werking van Open Data. In het Theoretisch Kader is benoemd dat de werking van Open Data in dit onderzoek is opgevat als een activiteit die bedoeld is om publieke waarde te creëren. Om de drie drivers en drie barrières te duiden zijn zij wederom geplaatst in het Open Data ecosysteem van Dawes, Vidiasova en Parkhimovich (2016), waardoor er zodoende ook een theoretische reflectie is gegeven aan dit model. Vervolgens zijn deze drivers en barrières naast elkaar gelegd om zo hun implicaties voor de nabije toekomst weer te geven. Dit is voornamelijk geldend voor de participerende organisaties van Flevoland Slimmer, maar geeft tot op zekere hoogte ook inzicht in de ontwikkeling van het beleidsinstrument Open Data in het algemeen.
7.1 Drivers
Ten eerste is er aandacht voor de drivers die in het Open Data ecosysteem naar voren zijn gekomen door onderzoek te doen naar het programma Flevoland Slimmer. De drie drivers die met name in dit onderzoek opvallen zijn isomorfisme als driver voor de motivatie voor Open Data, de belangrijke rol voor ‘innovation champions’ en het gesprek met de omgeving dat plaatsvindt voordat er data is gepubliceerd. De eerste driver is dus het isomorfisme dat een sterke driver is achter het werken met Open Data. Isomorfisme is het theoretische concept voor verschillende drijvende krachten die ervoor zorgen dat organisaties steeds meer op elkaar gaan lijken (DiMaggio & Powell, 1983). In het toepassen van Open Data komt vaak de motivatie terug dat er ontwikkelingen bij andere organisaties zijn gezien, waardoor men besluit te onderzoeken wat dit beleidsinstrument mogelijk voor waarde voor de eigen organisatie kan hebben. In het Open Data ecosysteem betekent dit dat voornamelijk global and national influences ervoor zorgen dat organisaties gemotiveerd raken om data te ontsluiten. Hierbij verwijst men ook naar ontwikkelingen op het gebied van wetgeving op nationaal niveau. Deze ontwikkelingen maken dat lokale overheden zich willen voorbereiden op regelgeving die mogelijk in de toekomst van kracht is.
Zodra de motivatie om Open Data in te zetten ontstaan is, zijn de ‘innovation champions’ een belangrijke driver. Dit zijn de personen binnen een organisatie die geloven in de toegevoegde waarde van Open Data en zich daarvoor willen inzetten in de organisatie. Zij lopen hierbij tegen verschillende barrières aan, waardoor zij ruimte, capaciteit en overtuigingskracht nodig hebben. Deze ‘innovation champions’ kunnen zowel in de rol van Providers optreden als in de rol van Users in het model van Dawes, Vidiasova en Parkhimovich (2016). Dit betekent dus ook dat zij zich zowel in de top van de organisatie kunnen bevinden als in het meer uitvoerende deel van de organisatie.
Tot slot is er nog de belangrijkste driver die naar voren kwam in dit onderzoek, namelijk het gesprek met de omgeving. In alle organisaties is de waarde gezien van het gesprek met de omgeving en daardoor in de organisatorische factor ‘steun en co-creatie van eindgebruikers’. Dit hangt nauw samen met het
onderdeel feedback and communication uit het ecosysteem van Dawes, Vidiasova en Parkhimovich (2016). Echter is het communiceren met de omgeving vóór het publiceren van data geplaatst, waardoor deze conclusie een aanvulling op de theorie is. Het is een aanpassing op het idee van Open Data. Er wordt in deze vorm niet eerst data gepubliceerd en vervolgens afgewacht wie daar mogelijk wat mee zou kunnen, maar er wordt actief gevraagd welke behoefte aan data er is om zo gericht te kunnen publiceren.
In alle organisaties is terug te zien dat deze manier van het gesprek voeren met de omgeving gewaardeerd is. Feedback and communication zou daardoor een prominentere rol in het Open Data ecosysteem kunnen krijgen en op meerdere plekken in het ecosysteem terug kunnen komen. In het onderstaande model staat deze aanpassing van het Open Data ecosysteem visueel weergegeven. De aanpassing in het model is in het rood omcirkeld.
Figuur 6: Aangepast model van het Open Data ecosysteem. Aanpassing is in het rood omcirkeld. (Origineel van Dawes, Vidiasova en Parkhimovich, 2016)
7.2 Barrières
Er zijn ook enkele opvallende barrières aan te wijzen in het Open Data ecosysteem. De drie barrières die in dit onderzoek naar voren komen zijn de verwerking van motivatie voor Open Data in beleid en strategie, de moeizame relatie tussen het verkrijgen van capaciteit en de verwachtingen ten aanzien van resultaten en het verschil in schaalniveau tussen vraagstukken en rendabele datasets. De eerste driver die is genoemd is het verwerken van motivatie voor Open Data in beleid en strategie. Hierin zijn er ook verschillen te zien tussen de onderzochte organisaties. In die organisaties waar Open Data al langere tijd een beleidsonderwerp is in de organisatie is het begin van het programma beter verlopen. Voorbeelden hiervan zijn de gemeente Almere en het waterschap Zuiderzeeland. Als dit niet zo is dan verloopt het besluitvormingsproces moeizamer, zoals bij de gemeente Lelystad of bij de gemeenten die uiteindelijk afgehaakt zijn vóór de officiële start van Flevoland Slimmer. In die organisaties is het onderwerp Open Data als experimenteel en daardoor als minder urgent bestempeld dan andere beleidsonderwerpen.
Deze barrière hangt ook sterk samen met een andere barrière die in dit onderzoek relevant is gebleken.
Dat heeft namelijk te maken met de relatie tussen het verkrijgen van capaciteit en de resultaten die worden opgeleverd. Het inzetten van Open Data vereist capaciteit in de zin van (financiële) middelen en mankracht, ondanks dat de gedachte onder sommigen bestaat dat het direct een besparende maatregel zou kunnen zijn. Daar tegenover staat dat met de insteek van het programma Flevoland Slimmer de concrete resultaten moeilijk op voorhand zijn in te schatten, terwijl capaciteit vaak wel aan de hand van resultaten verantwoord dient te worden. Dit vraagstuk is te begrijpen vanuit de theorie van Moore (2000). Met de strategic triangle is er een verhouding beschreven tussen de public value, de legitimacy and support en de operational capacity (Moore, 2000). Het gaat hierbij om de publieke waarde die men beoogt te creëren, de legitieme steun die daarvoor is en de benodigdheden om de waarde te kunnen creëren. In het geval van Open Data wordt er ook een bepaalde publieke waarde beoogd, bijvoorbeeld een economische waarde door het verbeteren van het handelingsperspectief van agrariërs in
bodemdalingsgebieden. Een aantal medewerkers in de organisatie hebben de overtuiging dat het
ontsluiten van data voor deze publieke waarde het passende beleidsinstrument is, maar vervolgens is het de vraag of de relatie tussen het middel en de beoogde publieke waarde voldoende steun geniet.
Dat de capaciteit voor Open Data en de verwachtingen ten aanzien van resultaten soms ver uit elkaar liggen heeft ook te maken met de laatste barrière die van belang is geweest in dit onderzoek. De stap van het publiceren van data naar het maken van concrete toepassingen is bij de verschillende onderzochte organisaties een lastige stap gebleken. Een belangrijke oorzaak hiervoor is het verschil in schaalniveau waarop de organisaties werken. De lokale overheden zijn bezig met lokale thema’s. Ontwikkelaars van toepassingen kunnen daarentegen pas een techniek rendabel maken als het gaat over nationale of globale datasets. Het inrichten van de techniek voor een enkel lokaal thema gaat gepaard met hoge kosten en daardoor is het de vraag wie deze kosten op zich kan nemen. Voor de ontwikkelaar, één van de Users in het model van Dawes, Vidiasova en Parkhimovich, is het zoals vermeld niet rendabel en voor de lokale overheid is het de vraag in hoeverre de maatregel treffend is voor het probleem. Een oplossing die hiervoor gezocht kan worden is samenwerking met andere overheden, maar daarbij is het de vraag of dit thema ook dermate urgent is bij die andere overheden.
7.3 Toekomstvisie
Als de drivers en barrières naast elkaar worden gelegd dan kan er geconcludeerd worden dat er met Open Data tot op heden geëxperimenteerd is door de gemeente Almere, de gemeente Lelystad, de provincie Flevoland en het waterschap Zuiderzeeland. Dit betekent dat het nog geen algemeen geaccepteerd en geëigend beleidsinstrument is. In het programma Flevoland Slimmer is dit beleidsinstrument in
verschillende cases toegepast met wisselende resultaten. De vraag is of de organisaties in het vervolg de stap kunnen maken van het zoeken van een vraag bij een antwoord naar het toepassen van het antwoord op een vraag. Daarmee wordt bedoeld dat er in het programma Flevoland Slimmer cases zijn gezocht bij het toepassen van Open Data om zodoende erachter te komen wat de potentie van dit beleidsinstrument is. Nu daar stappen in zijn gemaakt is het gewenste gevolg dat een organisatie bij een nieuw beleidsthema Open Data kan overwegen als een passend beleidsinstrument. Zodra Open Data meer in die volgorde wordt ingezet is de verwachting vanuit dit onderzoek dat Open Data meer een geaccepteerd
beleidsinstrument zal zijn en dat daardoor de relaties in het ecosysteem van Dawes, Vidiasova en
Parkhimovich duidelijker zullen zijn. Om deze stap te maken zal isomorfisme een belangrijke kracht blijven en zijn de ‘innovation champions’ van groot belang. Door feedback and communication gedurende het hele proces toe te passen is het duidelijker hoe het profijt van de Beneficiairies zo groot mogelijk kan zijn.
Het verschil in schaalniveau tussen vraagstukken en benodigde datasets blijft daarbij een lastige barrière.
Een overweging daarvoor is om samenwerkingen op te zetten op basis van thema in plaats van op basis van geografische ligging, zoals bij het programma Flevoland Slimmer het geval was. Daardoor hebben de samenwerkende organisaties een belang bij dezelfde datasets.