Prognose- en scenariomodel voor het Sociaal Domein

Inzicht in dynamiek en oorzaak van kostenontwikkeling in het sociaal domein

In dit webinar leer je hoe je met behulp van machine learning vooraf een goede prognose kunt maken van kosten en achteraf goed inzicht krijgt in de dynamiek en oorzaken van de werkelijke ontwikkeling van de kosten. Ook leer je hoe het besparingspotentieel van scenario’s inzichtelijk kan worden gemaakt. Het geeft concrete handvatten voor beleidsontwikkeling en onderbouwing voor beleidskeuzes.

In dit webinar laten we je zien waar je op moet letten als je een goede prognose wil maken. Welke factoren maken het lastig? Met voorbeelden laten we zien waarom gangbare methoden vaak te complex of juist te simpel zijn.

Aan de hand van een werkend model demonstreren we hoe je optimaal gebruik kunt maken van de informatie uit het berichtenverkeer. En hoe machine learning je helpt om een betrouwbare voorspelling te maken op detailniveau. Het model helpt je ook om inzicht te krijgen in de onderliggende oorzaken van de (historische) kostenontwikkeling. We laten zien hoe je de uitkomsten direct kunt gebruiken voor beleidsontwikkeling.

Na afloop van het webinar weet je:

• Wat voorspellen van kosten lastig maakt
• Waarom gangbare methode van voorspellen vaak te complex of juist te simpel zijn
• Hoe je optimaal gebruik maakt van de data uit het berichtenverkeer
• Hoe je een goede prognose kunt op maken met behulp van machine learning die je ook helpt voor een goede verantwoording achteraf
• Hoe je met die methode onderscheid maakt tussen volume- en prijseffecten
• Hoe je met die methode ook scenario’s voor maatregelen inzichtelijk kan maken
• Wat er nodig is om deze methode te implementeren in je eigen omgeving