Data-gedreven werken. ‘We moeten niet zomaar iets doen, we moeten ons baseren op data,’ Dat is het credo dat ik bij veel gemeenten hoor. Inderdaad moet je niet ‘zomaar’ iets doen. Dat ‘data-gedreven werken’ is een nieuwe wijn in oude zakken. Het is een nieuwe versie van wat eind jaren tachtig en begin jaren negentig ‘New Public Management’ werd genoemd. Een stroming die het bedrijfsmodel van de private sector toepast op de overheid. Burgers en patiënten werden klanten en cliënten. De ambtenarij moet denken en werken in ‘producten’ en op zoek naar zo efficiënt en goedkoop mogelijk het doel bereiken en daarbij is ‘meten weten’. Dus moet alles worden bijgehouden en gemeten. En tegenwoordig is ‘meten’ vooral grasduinen door ‘big data’ en zoeken naar correlatie. Waarbij vaak wordt vergeten dat correlatie niet betekent dat er sprake is van causaliteit zoals ik recentelijk schreef. Met dat efficiënt en goedkoop is niets mis, behalve als je vergeet dat de overheid draait op vertrouwen en draagvlak. En laat vertrouwen en draagvlak nu te paard gaan en te voet komen en op gespannen voet staan met efficiënt en goedkoop. Laten we wel wezen, een democratie is geen bedrijf.

Waarom ik hierover begin? Om twee redenen. Op de site dekantekening.nl las ik een artikel van Kaja Bouwman over ‘institutioneel racisme’. In dat artikel komt de casus ‘Belastingdienst’ aan de orde. Die profileert etnisch. Etnisch profileren is terecht verkeerd en verboden. Zou dat ‘profileren’ niet een gevolg zijn van het gebruik van die ‘big data’? Hoe meer gegevens je hebt, hoe meer correlaties je aantreft en bij gebrek aan kennis, hoe meer verbanden er worden gelegd. Zo typ ik deze Prikkers sinds kort op een nieuw apparaat. En het bedrijf van Bill Gates levert er gratis wat spelletjes bij. Zo af en toe speel ik dan patience en dan komt er af en toe reclame voorbij. Het valt me op dat ik in het kleine reclamevakje vaak berichten krijg als: ‘Vind vrouwen van boven de 50 jaar in de buurt van Arcen’, of: ‘In dit huis woont Paul McCartney’ of een of andere oude beroemdheid. Verwijzingen naar bijvoorbeeld het huis van Ariana Grande ontbreken. Of verwijzingen naar calcium gebrek en problemen met traplopen. ‘Bill’ weet op een of andere manier mijn leeftijd en woonplaats en waarschijnlijk nog veel meer en daarom krijg ik zaken waarvan hij denkt dat een man van boven de vijftig op zit te wachten. Hij ‘profileert mij’ en omdat de plaatjes van die vrouwen in de buurt van Arcen allemaal blank zijn, zal die profilering ook wel een etnische component bevatten.

Nu ik dit schrijf, vraag ik me af  waarom ‘Bill’ Arcen noemt . Zouden daar veel alleenstaande vrouwen van boven de vijftig wonen? Of ben ik nu een verband aan het zoeken dat er niet is? Maar ik dwaal af.

Als je ‘data gedreven’ wilt werken, dan profileer je. Dan maak je ‘klantenprofielen’ en liefst zo nauwkeurig mogelijk door zoveel mogelijk data te zoeken die correleren. Dan doe je net als ‘Bill’ en probeer je je acties af te stemmen op die profielen. Dat is precies wat de Belastingdienst doet. Ze maken ‘profielen’ op basis van correlatie tussen gegevensbestanden. Daarin is er geen verschil tussen de Belastingdienst en Google, Facebook en al die andere ‘Big Data bedrijven’. Big data nodigen uit tot het zoeken naar correlaties en dus tot ‘profileren’ en computers zijn daar heel goed in. Zonder profileren heb je niets aan ‘big data’. Dan zijn het slechts verzamelingen gegevens.

Echt bijzonder maakt socioloog Dirk Geldof het in een artikel in de Volkskrant. De tweede aanleiding voor deze Prikker. Geldof pleit juist voor etnisch profileren in de gezondheidszorg: “Nu het aantal besmettingen en doden in België en Nederland gelukkig dalen, is het hoog tijd om te onderzoeken of corona ook bij ons landgenoten met een migratieachtergrond zwaarder treft, zoals in Engeland, Zweden en de VS.” Dit is volgens Geldof van belang omdat: “Algemene maatregelen dreigen vaak kleurenblind te zijn, maar het virus is dat niet.” In de Verenigde Staten doen ze dit al, zo schrijft Geldof: “Begin juni beslisten de Centers for Disease Control and Prevention in de VS om bij testen ook systematisch de herkomst te registreren om deze ongelijkheid op te sporen.” Ik vrees dat ook in Nederland de uitkomst zal zijn dat migranten en mensen met een ‘migratie-achtergrond’ grotere kans hebben om slachtoffer van Covid-19 te worden. Gaan we dan het virus voor de rechter dagen vanwege racisme en discriminatie? Welke specifieke maatregelen kunnen we dan nemen die niet kleurenblind zijn? Of zitten we dan op het verkeerde spoor en verwart ook Geldof correlatie met causaliteit?

Dat er een correlatie is tussen ‘migrant’ en ‘migratie-achtergrond’ en slachtofferschap van het virus, geloof ik meteen. Daar is geen registratie voor nodig. Die registratie zal, net als de ‘daderprofielen’ bij de politie en de Belastingdienst, leiden tot discriminerende maatregelen. Precies datgene waar Black Lives Matter en alle ander bestrijders van institutioneel racisme zich zorgen om maken. Covid-19 correleert er dan wel mee, voor het beter voorkomen van uitbraken, moeten we toch echt zoeken naar causaliteit. Naar eigenschappen van het virus. Eigenschappen zoals de manier waarop het zich verspreidt. Dat de arbeiders, arbeidsmigranten, van de slachterij in Groenlo erdoor werden getroffen, werd niet veroorzaakt door hun ‘arbeidsmigrantschap’. Dat werd veeleer veroorzaakt door hun werk en leefomstandigheden. Migranten en mensen met een migratie-achtergrond zijn oververtegenwoordigd in vooral de sectoren die cruciaal zijn maar slecht betaald worden. Eigenlijk de enige cruciale sector waar ze ondervertegenwoordigd zijn, is de ‘effectenhandel’ en daarvan kun je je, zoals ik in een eerdere Prikker deed, afvragen waarom die cruciaal is. Zaken die een ‘(bedrijfs)economische’ oorzaak hebben. Of kijken naar de kenmerken en problematieken van de mensen die sterven of op de IC belanden door het virus. Naar de onderliggende problematiek en vooral naar de oorzaak van die onderliggende problematiek.

Dit is ook waar het bij een of andere gemeente die ‘data gedreven’ werkt een keertje fout gaat. Dan is er beleid gemaakt op basis van correlatie tussen gegevens en blijken die niets met elkaar vandoen te hebben. Want wat een computer niet kan, is interpreteren, causaliteit bepalen. Dat is nog steeds mensenwerk. En dat werk moet gebeuren voordat je gaat zoeken naar correlaties. Naar verbanden. Waar het fout gaat bij het gebruik van big data is dat er niet wordt gedacht voordat de computer aan het werk wordt gezet. Dan krijg je zaken zoals nu bij de belastingdienst en ‘Bill’ die mij een ‘vrouw in de buurt van Arcen’ probeert aan te smeren. Dit terwijl ik al tevreden en gelukkig ben met mijn vrouw en ‘in de buurt van Arcen woon’. Dan krijg je zaken waar mensen boos om worden.