• Home
• Nieuws

Sander Colnot (SVH): Voorspellende modellen om betere beslissingen te kunnen nemen

Geplaatst door CorporatieMedia op Wednesday 20 May 2020

Met informatie over ruim 150.000 woningen heeft Sociale Verhuurders Haaglanden (SVH) een schat aan data. Hoe laat je deze data vervolgens voor je werken zodat er betere beslissingen kunnen worden genomen? CorporatieGids.nl sprak daarover met Proces- en Informatieanalist Sander Colnot.

SVH is volgens Sander onlangs begonnen met haar eerste voorspellende model: de wachttijdindicator. Met deze tool kunnen woningzoekenden in één oogopslag het benodigde aantal opgebouwde jaren zien voor een woning. “Deze wens kwam voort uit onze klantvisie. Woningzoekenden gaven aan nauwelijks inzicht te hebben in hun slaagkans. En daardoor kunnen ze niet slim reageren op de woningen waar ze een goede kans maken om hoog op de ranglijst te komen. Met deze tool kunnen we hen ondersteunen betere keuzes te maken en hun verwachtingen beter managen.”

Trends en verbanden
Sander beschrijft hoe je bij een voorspellend model een computer data laat analyseren zonder dat je vooraf hoeft te programmeren. “Je voert als het ware het programma een enorme hoeveelheid data. De computer probeert vervolgens trends en verbanden te ontdekken tussen de gegevens, om zo voorspellingen te kunnen maken.”

Data scientist
Het woonruimteverdeelplatform werkt daarbij nauw samen met CNS. Sander: “CNS heeft een data scientist in dienst die dit soort modellen laat berekenen, zorgt dat de juiste data gebruikt wordt en de gegevens goed worden geïnterpreteerd. We maken al vele jaren gebruik van het Datawarehouse van CNS wat het uitwisselen van data gemakkelijk maakt. Wat voor SVH een bijkomend voordeel is, is dat we samenwerken met een expert. We kunnen dan ook gebruikmaken van hun deskundigheid omtrent voorspellende modellen, bijvoorbeeld het snel vinden en corrigeren van uitschieters.”

Verschillende data
Bij het gebruik van de wachttijdindicator gebruikt SVH verschillende soorten data van historische mutaties. “Denk aan gegevens over de woning zoals het woningtype, de huurprijs en het bouwjaar. Maar ook aan de verhuurdatum of de doelgroep van de woning zoals senioren of jongeren. Interessant is om nu steeds meer inzicht te krijgen in welke variabelen een grote invloed blijken te hebben. Zo blijkt de huurprijs van groot belang te zijn, wat te maken heeft met de wooncarrière van huurders. Als ze willen doorstromen naar een grotere woning hebben ze een bepaalde hoeveelheid opgebouwde jaren nodig. Andere invloedrijke variabelen zijn bijvoorbeeld de oppervlakte van of het aantal slaapkamers in een woning, of de verdieping waar het zich bevindt.”

Eerste resultaten
“Inmiddels zijn de eerste resultaten beschikbaar en hebben we op basis van de uitkomsten van CNS een grafiek gemaakt (zie afbeelding). Hierin staan de voorspelde verhuringen en de daadwerkelijke mutaties in dezelfde grafiek geplot. Wat je ziet is dat bij de voorspelling de extremen – hele lage of hoge hoeveelheid maanden – eruit zijn gehaald. Ook is de top van de berg iets naar rechts geschoven omdat de wachttijden over de hele breedte per jaar iets oplopen, waar het model rekening mee houdt. Met dat in het achterhoofd komen de voorspellingen en de werkelijkheid goed met elkaar overeen.”

Goede voorbereiding
Wanneer je gebruikmaakt van voorspellende modellen, is het volgens Sander van groot belang om voorafgaand goed na te denken over wat je wilt bereiken. “Zo hebben wij ervoor gekozen urgente woningzoekenden nog niet mee te nemen in de voorspellingen. We wilden met een simpel model beginnen en daar vanuit doorontwikkelen. Door urgenten mee te nemen, kun je een vertekend beeld krijgen en wordt data lastiger te interpreteren. Daarnaast moet je ook nadenken over hoe je de data aan woningzoekenden toont. Je wilt niet de indruk geven dat – wanneer er bijvoorbeeld vijftig maanden staat – we honderd procent zeker weten dat iemand met zoveel maanden ook écht de woning kan betrekken. Het is een indicator om aan te tonen bij welke woning ze meer kans maken, maar geen belofte. Daar moet je transparant in zijn en goed over communiceren.”

Doorstroming stimuleren
“Er zijn veel meer mogelijkheden in de sector om voorspellende modellen in te zetten,” gaat Sander verder. “Zo maakt een andere regio gebruik van de modellen om verhuisketens te voorspellen, om zo doorstroming te stimuleren. Maar ook bij woningcorporaties kan het gebruik voordeel opleveren, bijvoorbeeld door onderhoudswerkzaamheden proberen voor te zijn. Maar zoals gesteld moet je wel goed nadenken over wat je wilt bereiken met het voorspellende model zodat je je doelen ook echt kunt waarmaken.”

Extra variabelen
SVH wil de komende periode zich vooral richten op het doorontwikkelen van de wachttijdindicator, sluit Sander af. “We willen bijvoorbeeld ieder kwartaal kijken welke variabelen effect hebben op de wachttijd en kijken of er verschillen zijn. Daarnaast willen we ook extra variabelen toevoegen, zoals het meenemen van een eventuele leeftijdseis of de kans dat een urgente woningzoekende de woning betrekt. Zo willen we onze woningzoekende blijven ondersteunen de juiste beslissingen te maken.”

Bron: CorporatieMedia, Foto: SVH