Domesta zet data in voor meer inzicht in schimmelrisico’s
Hoe kun je schimmelproblemen in woningen eerder signaleren en mogelijk voorkomen? Woningcorporatie Domesta onderzocht deze vraag samen met Blue-Mountain en een student van Rijksuniversiteit Groningen. Het resultaat is een model dat per woning een risico-inschatting geeft op schimmelvorming. De samenwerking laat zien hoe data-analyse kan helpen om gerichter aandacht te besteden aan woningen waar de kans op schimmelproblemen groter is.
Schimmel als complex vraagstuk in woningen
Schimmel in woningen komt regelmatig voor, zowel in huur- als koopwoningen. De oorzaken zijn vaak complex. Factoren zoals ventilatie, isolatie en materiaalgebruik in een woning en bewonersgedrag kunnen allemaal een rol spelen.
Voor woningcorporaties maakt dat het lastig om vooraf te bepalen waar problemen kunnen ontstaan. Tegelijkertijd kan het waardevol zijn om risico’s eerder te signaleren.
Inge Ferwerda, data-analist bij Domesta, licht toe:
“Schimmel kan verschillende oorzaken hebben. Soms ligt het aan de woning zelf, bijvoorbeeld door ventilatie of isolatie. Maar het kan ook samenhangen met hoe een woning wordt gebruikt. Juist daarom kan het helpen om te kijken of je met data eerder kunt zien waar de kans op schimmel groter is.”
Die vraag vormde voor Domesta de aanleiding om te onderzoeken hoe data en analyse hierbij kunnen ondersteunen.
Onderzoek in samenwerking met Blue-Mountain
Het onderzoek kwam tot stand in samenwerking met Blue-Mountain en een student van de Rijksuniversiteit Groningen. Justus Aberson studeerde kunstmatige intelligentie en koos ervoor zijn bachelorscriptie in samenwerking met een organisatie uit te voeren.
“Voor mijn studie kon ik kiezen uit verschillende onderwerpen,” vertelt Justus. “Ik wilde graag een onderzoek doen dat ook in de praktijk gebruikt kan worden. De samenwerking met Domesta en Blue-Mountain maakte het mogelijk om met echte data te werken en iets te ontwikkelen waar de organisatie mee verder kan.”
Om inzicht te krijgen in de dagelijkse praktijk liep Justus eerst mee binnen de organisatie. Daarna startte het onderzoek met de beschikbare data.
Van data naar een voorspellend model
Voor het onderzoek werd gebruikgemaakt van gegevens over woningkenmerken en onderhoudsmeldingen. Met behulp van deze data ontwikkelde Justus een machine-learningmodel dat voor elke woning een risicoscore kan berekenen voor schimmelvorming.
Het model leert op basis van historische meldingen. Door woningen waar eerder schimmel is gemeld te analyseren, kan het systeem patronen herkennen. “Het model geeft per woning een indicatie van de kans op schimmel,” legt Justus uit. “Belangrijk daarbij is dat het niet alleen een voorspelling doet, maar ook inzicht geeft in de factoren die daarbij een rol spelen.”
Die uitlegbaarheid was een belangrijk onderdeel van het onderzoek. In plaats van een zogenoemde ‘black box’ laat het model zien welke kenmerken het meeste invloed hebben op de voorspelling. Uit de analyse kwamen onder andere factoren naar voren zoals:
• bouwjaar van de woning;
• mate van isolatie;
• energie- of gasverbruik;
• woningtype of complex.
Veel van deze factoren sluiten aan bij wat in de praktijk al wordt vermoed, maar het model maakt dit nu ook zichtbaar op basis van data.
Van analyse naar mogelijke toepassingen
De resultaten van het onderzoek zijn inmiddels gepresenteerd aan medewerkers van Domesta. Daarbij werd niet alleen het model toegelicht, maar ook besproken wat de organisatie er mogelijk mee kan doen.
Inge: “Het mooie is dat het mensen aan het denken zet. Als je weet dat bepaalde woningen een hogere kans hebben op schimmel, kun je daar bijvoorbeeld extra aandacht aan besteden. Dat kan bijvoorbeeld door bewoners gerichter te informeren over ventilatie, meldingen uit bepaalde woningen extra zorgvuldig te bekijken en bij onderhoud of renovatie extra aandacht te besteden aan ventilatie of isolatie.”
Daarnaast kunnen de inzichten ook worden meegenomen in vastgoedsturing, bijvoorbeeld wanneer meerdere woningen binnen hetzelfde complex een verhoogd risico laten zien.
Data als middel om het gesprek te starten
Voor Domesta is het onderzoek ook een stap in een bredere ontwikkeling rondom datagedreven werken. Volgens Inge is het daarbij belangrijk dat inzichten uit data aansluiten bij de praktijk van de organisatie. “Je kunt vanuit data of ICT wel aangeven wat er mogelijk is, maar uiteindelijk wil je dat collega’s in de organisatie zelf zien hoe ze zulke inzichten kunnen gebruiken in hun werk.”
Het onderzoek helpt om dat gesprek binnen de organisatie op gang te brengen.
Samen verder bouwen aan datagedreven werken
Hoewel het model nog verder ontwikkeld kan worden, laat het project zien hoe samenwerking tussen woningcorporaties, data-experts en onderwijs nieuwe inzichten kan opleveren. Voor Justus was het bovendien een bijzondere ervaring om zijn onderzoek ook binnen de organisatie te presenteren.
“Het is mooi dat een scriptie niet alleen op de plank belandt. Het geeft veel voldoening dat het onderzoek iets oplevert waar een organisatie daadwerkelijk mee verder kan.”
Voor Domesta en Blue-Mountain vormt het project een eerste stap in het verder verkennen van datagedreven toepassingen binnen de corporatiesector.