Kennisplatform Maatschappelijk Ondernemen PDF-reeks
16
De glazen bol van de corporatie Essay over prestaties voorspellen
November 2007
De glazen bol van de corporatie Essay over prestaties voorspellen
Auteur Peter van Os, met een nawoord van Maarten Pel In opdracht van Kennisplatform Maatschappelijk Ondernemen
Versie 1
De PDF-reeks Kennisplatform Maatschappelijk Ondernemen heeft tot doel om te informeren over meningen, actuele kennis en ontwikkelingen, als stof voor discussie en om het denken over maatschappelijk ondernemen verder te brengen. De uitkomsten daarvan worden zonodig steeds verwerkt in een nieuwe versie van de PDF.
2
Peter van Os is partner bij RIGO Research en Advies BV. Hij richt zijn onderzoeks- en advieswerkzaamheden op financiële en volkshuisvestelijke sturingsvraagstukken bij corporaties. Onlangs schreef hij hierover het boek Mensen, stenen, geld; het beleidsproces bij woningcorporaties. Daarnaast is hij thuis in specifieke thema's zoals stedelijke herstructurering, kwaliteitsbeleid, huurbeleid en maatschappelijk ondernemen. Voordat hij bij RIGO kwam heeft Peter van Os tien jaar bij Mitros gewerkt, een grote corporatie in Utrecht. Daarvoor werkte hij als adviseur bij enkele kleine adviesorganisaties. Peter van Os studeerde civiele planologie en volgde een masteropleiding strategisch management.
Colofon © Aedes, Hilversum
Auteur Peter van Os (RIGO Research en Advies BV)
Programmamanagement Ruud Bouwmans en Olaf Piekhaar, Aedes, Hilversum
Redactie Van der Brug Communicatie, Hilversum
Productiebegeleiding Carolien van der Ploeg, Aedes, Hilversum
Omslagfoto iStockphoto, Calgary (Canada)
Vormgeving omslag Studio Typo Dynamo, Almere
3
Voorwoord Investeringsvraagstukken gaan over 'business cases', (maatschappelijk) rendement en risico's, maar welke…? Niemand reikt corporaties een boodschappenlijstje aan met uit te voeren taken, met het predicaat en garantie 'succes verzekerd'. Kern van het maatschappelijk ondernemerschap is het creëren van toegevoegde waarde met die (slimme) investeringen die leiden tot het hoogst haalbare maatschappelijk rendement. Welke investeringen dat zijn, is aan het innovatie- en beoordelingsvermogen van de ondernemer. Maatschappelijk ondernemen is daarom zelf initiatief nemen en durven investeren. Maatschappelijk ondernemen brengt daardoor een eigen dynamiek met zich mee, wat toch net even iets anders is dan als taakorganisatie kosten en opbrengsten te verdelen. De juiste keuzes maken is voor elke ondernemer lastig. Zeker voor corporaties die kunnen kiezen uit een groot aantal investeringsopties - 'de business cases'-, zonder daarbij overigens zeker te zijn van een goede afloop op het gewenste maatschappelijk effect. We geloven niet in het voorspellen van de toekomst en al helemaal niet in glazen bollen. Waarom dan toch dit essay? Omdat we wel geloven in mensen die op een innovatieve wijze het lef hebben concepten, methoden en technieken te ontwerpen en toe te passen, met als doel grip te krijgen op het effect van investeringskeuzes. Bij het 'voorspellen van prestaties' gaat het om grip krijgen op mogelijk passende oplossingsrichtingen voor complexe maatschappelijke (woon)vraagstukken. Wanneer er meerdere doelen zijn, meerdere belanghouders, meerdere risico's en korte- en lange-termijnafwegingen is het zoeken naar evenwicht tussen rendement, maatschappelijk nut en risico lastig, maar niet onmogelijk, denken we. Publiceren en discussiëren is wat Peter van Os en Maarten Pel doen, ook in dit essay. Maarten Pel reageert op dit essay nadat dit is besproken in de expertmeeting 'Voorspellen van prestaties' op 1 november 2007. Soms zijn ze het eens, soms niet. We zijn benieuwd naar uw mening. U kunt reageren via www.mo-plein.nl. Veel leesplezier en succes bij uw werkzaamheden!
4
Inhoud
Voorwoord 1
Brancheontwikkelingen: dialoog en verantwoording
5
2
De 'state of the art' bij voorspellen van beleidseffecten
7
3
De nieuwe 'state of the art'
10
4
Een nieuwe 'state of the art' simulatiemodel
14
5
Een nadere specificatie van een woningmarktmodel
19
6
De professionaliteit van de organisatie
22
7
Conclusies
24
8
Nawoord Maarten Pel: met het oog op de toekomst
25
5
1
Brancheontwikkelingen: dialoog en verantwoording Het mag wel eens gezegd; woningcorporaties hebben in de ruim tien jaar vanaf de verzelfstandiging in 1995 forse progressie geboekt in het professionaliseren van de bedrijfstak. De meeste van de nu bijna vijfhonderd ondernemingen hebben de omslag gemaakt van een beheerorganisatie naar een maatschappelijke onderneming met een focus op de woningmarkt en de maatschappelijke opgaven in buurten en wijken. Dat vergt een omslag in structuren, in cultuur en in instrumenten, en dan is tien jaar niet lang. Intussen heeft de maatschappij haar eisen voor de branche aangescherpt. De vele recente krantenberichten vormen daarvan de getuigen. Corporaties zouden niet alleen meer moeten presteren, maar ook transparanter moeten zijn bij het maken van beleidskeuzen en bij het afleggen van verantwoording over de feitelijke prestaties. Vandaar dat de corporatiebranche zich uitgedaagd voelt om nog meer te presteren en nog transparanter te zijn. Beleid en beleidsvorming vormen een cruciale factor in de roep om meer prestaties en meer transparantie. Eigenlijk is beleid de brug tussen het denken en het doen van de onderneming. Het 'denken' staat voor de doelstellingen van de onderneming, ofwel de voorgenomen prestaties. Het 'doen' staat voor de feitelijke prestaties. Het beleid laat zien, maakt duidelijk, hoe de onderneming wil handelen om de doelen te behalen. Ook in het formuleren en uitwerken van beleid boeken corporaties progressie. De meeste corporaties stellen ondernemingsplannen op (of bij), steeds meer corporaties dragen bij aan gemeentelijke woonvisies en steeds meer corporaties sluiten prestatieovereenkomsten met gemeenten. Daarom krijgen corporaties ook meer en meer de behoefte om de effecten van het voorgenomen beleid te kunnen voorspellen. Het is voor het interne en externe draagvlak voor beleid immers van groot belang om de effectiviteit (en het risico) van het voorgenomen handelen in beeld te brengen. Niet alleen op financieel vlak, maar vooral ook op maatschappelijk of volkshuisvestelijk terrein. Die behoefte uit zich onder meer in een vraag naar nieuwe instrumenten, naar een nieuwe 'state of the art'. Specialisten zijn intussen druk doende die nieuwe gereedschappen te ontwikkelen.
6
Het beleidsproces Over het beleidproces als fenomeen is al veel geschreven. Aan het beleidsproces wordt doorgaans een cyclisch karakter toegekend. De cyclus kent een begin en het eind. In zijn meest eenvoudige vorm omvat de cyclus de doelstellingenfase ('act' in de figuur), de planfase ('plan'), de realisatiefase ('do') en de fase van evaluatie ('check'). act
plan
check
do
De werkelijkheid is natuurlijk complexer en weerbarstiger dan dit eenvoudige model. Zo vergt het veel denkwerk om doelstellingen te vertalen in concrete plannen. Die vertaalslag betreft de 'hoe'vraag: hoe bereikt de onderneming haar doelen? Dit is het domein van de strategievorming. Daarover is al veel nagedacht.
Figuur 1 De beleidscyclus (Demingcicle) Er zijn verschillende manieren om naar het proces van strategievorming te kijken. Deze zienswijzen worden vaak in 'scholen' ondergebracht 1 . Zo is er een rationele (of synoptische) school, een incrementele en een school van 'muddling through'. De synoptische benadering staat voor een rationeel, lineair planningproces; de incrementele benadering staat voor een versnipperd, intuïtief zoekproces met tal van ongeplande terugkoppelingen. Lindblom vond een beeldend compromis met de theorie van 'muddling through' 2 . Kern ervan is dat een intuïtief zoekproces weliswaar de dagelijkse praktijk vormt maar dat de professional de discipline moet opbrengen om van tijd tot tijd terug te grijpen op de rationele planning om op koers te blijven. Wat voor strategievorming geldt, geldt ook voor beleidsvorming. De beleidscyclus is het gereedschap van de synopticus, maar ook van de 'modderaar'. En dat geldt ook voor de stap in de beleidscyclus waar dit essay in het bijzonder over gaat: het prognosticeren van beleidseffecten. Belangrijke vraag in de fase van strategievorming is welke strategie het meest effectief zal zijn, dat wil zeggen welke strategie de doelstellingen het best of het snelst doet realiseren. Het effect is achteraf ('ex post'), aan het eind van de beleidscyclus, te meten en te evalueren en dat moet ook altijd gebeuren. Het is echter ook verstandig om vooraf ('ex ante') het te verwachten effect te prognosticeren voor het beleid uit te werken in concrete plannen. Ieder plan is immers gebaseerd op de veronderstelling dat het betreffende plan de beste aanpak biedt voor de gestelde opgave.
1
Zie onder andere Mintzberg, H., J. Lampel, B. Ahlstrand, Op strategiesafari. Scriptum, 2005
2
Lindblom, Ch., The Science of Muddling Through. Public Administration Review 19 (1959): 79-88
7
2
De 'state of the art' bij voorspellen van beleidseffecten Wat is die 'state of the art'? Twaalf jaar geleden werd met de zogenaamde brutering of balansverkorting de corporatiebranche verzelfstandigd. Corporaties werden zelf verantwoordelijk voor hun financiële continuïteit. Tegelijkertijd werd de beleidsruimte van corporaties groter: naast de al bestaande mogelijkheden om het technisch en sociaal beheer in te vullen, kregen ze meer ruimte in het huur- en kwaliteitsbeleid en meer ruimte om de eigen investeringsprogramma's op te stellen. Het is logisch dat de branche in de eerste periode na de brutering in beleidsvorming en strategische sturing de aandacht vooral richtte op de financiële continuïteit, want daarin leken in eerste instantie de grootste onzekerheden en risico's te schuilen. Iedere investeringsbeslissing en ieder investeringsprogramma werd (en wordt) langs de financiële meetlat gelegd. Al vrij snel kwamen er financiële rekenpakketten op de markt die de corporaties ondersteunden bij het opstellen van financiële meerjarenprognoses op basis van beleidsscenario's. Pas de laatste jaren zijn de gebruikte applicaties en computersystemen overigens snel genoeg om bij grote vastgoedportefeuilles zonder lange wachttijden uitkomsten te genereren, zodat snelle scenarioanalyses mogelijk zijn. Asset-liability management De financiële rekenpakketten die veel corporaties momenteel gebruiken komen voort uit de ALMstudies, die al enige jaren bij pensioenfondsen en verzekeraars in zwang zijn. ALM staat voor 'assetliability management'. Bij een ALM-studie probeert men met (reken)modellen te voorspellen hoe de activa en passiva van de balans zich ontwikkelen bij verschillende macro-economische scenario's en beleidsscenario's. Doel hiervan is inzicht te krijgen in de gevoeligheid van de financiële positie voor verschillende beleidskeuzen en voor verschillende externe omstandigheden. De activakant van de balans bij corporaties wordt vooral gevormd door de waarde van het vastgoed en de passivakant door de waarde van het vreemd vermogen (de leningen). Het verschil tussen beide is (grofweg) het eigen vermogen van de onderneming. Het eigen vermogen is maatgevend voor de financiële positie. Corporaties hebben echter ook behoefte aan een 'berekend' inzicht in de toekomstige samenstelling van de portefeuille. Natuurlijk kan op basis van gezond verstand vaak een aardige indicatie worden gegeven op grond van alle (des)investeringsplannen. Een grove inschatting van de omvang van de kernvoorraad en van het aandeel eengezinswoningen, appartementen en seniorenwoningen volstaat meestal. Maar het blijft in zekere zin giswerk 3 en dat frustreert. Juist daarom wordt momenteel een klein aantal van de financiële rekenpakketten uitgebreid met vastgoedmodules waarmee een corporatie enig inzicht krijgt in de toekomstige omvang en samenstelling van de vastgoedportefeuille als uitkomst van het opgegeven beleidsscenario.
3
De effecten van het huurbeleid op de omvang van de prijscategorieën in de portefeuille worden bijvoorbeeld nogal eens sterk onderschat.
8
De toekomstige portefeuille berekend Een corporatie wilde weten hoe de kwaliteit en prijs van haar portefeuille zich in onderlinge samenhang zouden ontwikkelen als gevolg van haar investeringsbeleid. Het is een ambitieuze corporaties met veel bouwmogelijkheden en een flink renovatieprogramma. Om de investeringen te bekostigen wordt een groot deel van de bestaande voorraad verkocht (zie figuur 2). Na heel wat rekenwerk werd de verandering van de portefeuille in de volgende grafieken zichtbaar. Figuur 2 brengt de vernieuwing van de portefeuille in beeld.
Figuur 2 Aantal bestaande, verbeterde en nieuwe woningen van 2007-2018
Figuur 3 Portefeuillesamenstelling in 2007 naar prijsklasse en aantal kamers per woning
Figuur 4 Portefeuillesamenstelling in 2016 naar prijsklasse en aantal kamers per woning
9
Het lijkt erop dat de kernvoorraad toeneemt (en dat is inderdaad het geval: van 3.170 tot 3.380). Opvallend is vooral dat het aantal driekamerwoningen toeneemt en dat de voorraad vierkamerwoningen krimpt. Dat komt vooral doordat er veel grotere eengezinswoningen verkocht worden terwijl er veel driekamerappartementen voor senioren worden gebouwd. Zou dat allemaal wel betaalbaar zijn? De balans laat het volgende verloop zien. Jaar
2007
2008
Bedrijfswaarde
88.563.927
Liquiditeiten
…
2015
2016
107.973.238
136.742.556
133.825.416
0
0
4.510.145
9.350.636
Activa
88.563.927
107.973.238
141.252.700
143.176.052
Eigen vermogen
7.232.199
20.042.807
31.514.406
34.015.124
Rentabiliteitswaarde
81.331.728
87.930.431
109.738.294
109.160.928
Passiva
88.563.927
107.973.238
141.252.700
143.176.052
solvabiliteit
8,2%
18,6%
22,3%
23,8%
Figuur 5 Verloop balans van 2007-2016 De wankele financiële positie verbetert sterk. De verkoop van bestaand bezit draagt daar uiteraard zeer aan bij. Bij de beoordeling van het beleid kijkt de corporatie vooral naar de risico's van verkoop (afzetrisico's) en nieuwbouw (beschikbaarheid van goede locaties, regelgeving, politieke besluitvorming en dergelijke).
10
3
De nieuwe 'state of the art' Er is meer inzicht mogelijk en gewenst dan hiervoor beschreven. Om deze bewering te onderbouwen laat ik eerst een schema zien dat is afgeleid van een schema van Deuten en De Kam 4 .
Beleidsvorming
Input
Output
Outcome
Voortbrenging
Financiële middelen (naast compet enties van de organisatie: kennis, kunde
Productie
Maatschappelijke effecten
(exploitatie, nieuwbouw, verkoop, diensten)
(woonlasten, huurtoeslag gebruik, leefbaarheid)
‘houder’ van kapitaal
Financiële sturing
‘drager’ van woondienst
Maatschappelijke sturing
Figuur 6 'Mensen', 'stenen', 'geld' De woningcorporatie is, zoals gezegd, een maatschappelijke onderneming. Zo'n onderneming ontleent haar bestaansrecht aan de maatschappelijke prestatie die ze verondersteld wordt te leveren. De term outcome in het schema betreft deze maatschappelijke prestatie, die ook wel met de term maatschappelijk rendement wordt aangeduid. Het vergt het nodige denkwerk en discussie om te bepalen wat het gewenste maatschappelijk rendement van een corporatie zou moeten zijn. Het hangt af van de maatschappelijke opgave ter plekke, maar ook van de visie die de corporatie heeft op deze opgave en op de rol die ze in het aangaan van de opgave zou moeten spelen. Haar keuzevrijheid hierin is groot. De term 'output' in het schema verwijst naar de productie van goederen (vastgoed) en (woon)diensten die nodig is om de gewenste outcome te behalen. Ook het dagelijks onderhoud en beheer valt hieronder. Deuten en De Kam wijzen erop dat het niet eenvoudig is om een eenduidig causaal verband aan te geven tussen de geleverde productie en de maatschappelijke effecten. Naast de inzet van de 4
Deuten, J., G. de Kam, Weten van renderen, nieuwe wegen om het maatschappelijk rendement van woningcorporaties
zichtbaar te maken. SEV, Rotterdam, november 2005
11
corporatie hebben immers nog andere partijen en tal van exogene factoren invloed op de bereikte effecten. Niettemin wordt van een maatschappelijke onderneming gevraagd om de effectiviteit van haar activiteiten (productie) aannemelijk te maken. De visie van de corporatie op haar maatschappelijk ondernemerschap dient uit te kristalliseren in doelstellingen die betrekking hebben op de outcome ofwel het maatschappelijk rendement. Zoals gezegd zijn die lastig te definiëren. Dergelijke doelstellingen betreffen in principe de vragen of opgaven van de individuele klant, van een groep klanten of van de maatschappij. De tabel hieronder bevat een overzicht van mogelijke thema's of prestatievelden waarover de corporatie prestatienormen of doelstellingen kan formuleren. Beschikbaarheid Te huisvesten klantgroepen Gehuisveste huishoudens, wachtlijstlengte of slaagkans Betaalbaarheid Netto huurquote Woonlastenquote Kwaliteit De kwaliteit van bestaande bouw en nieuwbouw Effectiviteit Financiële scheefheid Woninggrootte scheefheid Lokale samenleving Kwaliteit en beschikbaarheid van maatschappelijke voorzieningen (zorg, welzijn) Leefbaarheid van buurten en wijken Vitaliteit van de stad Maatschappij algemeen Energiegebruik, afvalproductie en watergebruik Gemiddeld huurtoeslaggebruik en aandeel huurtoeslaggebruikers
Figuur 7 'Outcome'-prestatievelden Nog niet zo heel veel corporaties hebben voor de in de tabel genoemde prestatievelden expliciete outcome-doelstellingen geformuleerd 5 . Maar er is een kentering. Zo is een groot aantal SEVexperimenten gericht op het behalen van en het sturen op maatschappelijke prestaties en staan bijvoorbeeld de maatschappelijke prestaties centraal in de visitatiestelsels die momenteel worden beproefd. Het is dan ook logisch dat corporaties meer en meer inzicht willen hebben (en geven) in de effectiviteit van hun inzet van middelen. Daarmee neemt ook de behoefte aan aanvullend instrumentarium toe.
5
In 2006 in opdracht van de SEV onderzocht door Derk Windhausen via een analyse van een groot aantal jaarverslagen.
12
Als er geen prognose plaatsvindt van de veronderstelde maatschappelijke effecten (de outcome), bestaat het risico dat de onderneming op basis van ervaring en intuïtie kiest voor een suboptimaal, ineffectief programma van investeringen en activiteiten. Het intuïtief prognosticeren van effecten is vaak een hachelijke zaak. Het risico is vooral groot bij interventies in de woningmarkt. Een verkeerd gekozen investeringsprogramma kan voor bepaalde klantgroepen al snel leiden tot een vermindering van slaagkansen daar waar juist een verbetering werd beoogd. De toekomstige markt in beeld Een plattelandscorporatie heeft een marktonderzoek laten verrichten waaruit een forse goedkope scheefheid blijkt terwijl de omvang van doelgroep van beleid (lagere inkomensgroepen) groter is dan de omvang van de kernvoorraad. Een groot deel van de doelgroep woont dus in een koopwoning; particuliere huur komt bijna niet voor. De wachtlijsten voor een huurwoning zijn relatief lang. De corporatie is overigens monopolist. Het marktonderzoek laat ook zien dat de lagere middeninkomensgroepen (overwegend starters) hun heil elders moeten zoeken; er is vrijwel geen aanbod van goedkope koop. Uiteraard vergrijst ook hier de bevolking. Dankzij de strategisch sterk opererende directeur heeft de corporatie veel grondposities verworven. De portefeuille is verouderd; de gemiddelde 'restant levensduur' is 18 jaar. De financiële positie is goed te noemen. De directeur is niet alleen een strateeg, maar ook een beleidsmatig denker. Ze heeft de volgende beleidsopties beschreven: • Een flink deel van de bestaande voorraad wordt verkocht. Verkoop gebeurt met korting en 'onder voorwaarden' (sociale koop) om zo de middeninkomensgroepen te bedienen. Op de verworven locaties bouwt de corporatie deels sociale huur, maar voor de doorstroming vooral duurdere koopsegmenten. De onderhoudsuitgaven worden verhoogd. • De corporatie bouwt op de nieuwe locaties vooral sociale koop en betaalbare appartementen voor senioren. Tegelijkertijd wordt de bestaande voorraad op grote schaal geherstructureerd. De vervangende nieuwbouw is een mix van koop en goedkope huur. • In de komende tien jaar wordt een groot deel van de bestaande voorraad gerenoveerd en waar mogelijk 'opgeplust'. De huurprijzen stijgen daardoor, maar blijven overwegend onder de aftoppingsgrens. Op de verworven locaties verschijnt een mengeling van starterswoningen, sociale koop en duurdere huur en koop. 'Zeg het maar', verzucht de directeur. De beleidsmedewerker doet ook nog een duit in het zakje door voor te stellen om bij scenario 1 niet een deel van de voorraad op reguliere wijze uit te ponden, maar om vrijwel de hele voorraad 'te woon' aan te bieden. Bij alle opties zijn vragen te stellen. Hoe zit het met: • de slaagkansontwikkeling van de diverse doelgroep(segmenten)? • de woonlastenontwikkeling voor de doelgroep en de ontwikkeling van de huurtoeslaguitgaven? • de financiële positie van de corporatie op korte en lange termijn? • de (objectief meetbare) kwaliteit van de portefeuille? De directeur en de beleidsmedewerker kunnen op basis van logische, inhoudelijke argumenten geen sterke voorkeur formuleren en laten in de afweging hun ervaring en intuïtie spreken.
13
Zo heeft een wijziging van het verkoopbeleid (bijvoorbeeld meer verkooplabels) gevolgen voor de financiële positie, maar ook voor de omvang van de kernvoorraad en voor de slaagkans van diverse klantgroepen. Dergelijke effecten laten zich relatief eenvoudig doorzien. Door datzelfde nieuwe verkoopbeleid kan echter de doorstroming in specifieke woningsegmenten stagneren (omdat het aanbod van huurwoningen afneemt) waardoor de beoogde harmonisatieopbrengsten deels achterwege blijven en de financiële positie minder snel verbetert dan de corporatie op basis van de verkoopprognoses had aangenomen. De mutatiegraad, die eerst een vast gegeven was, is nu een variabele geworden, afhankelijk van de doorstroming. Zo'n nieuwe variabele leidt tot secundaire effecten die niet meer op gevoel te doorgronden zijn en die vragen om een modelmatige aanpak. Verkeerde keuzen zijn snel gemaakt, want de materie is complex en wat gisteren nog een goede strategie bleek, is vandaag achterhaald.
14
4
Een nieuwe 'state of the art' simulatiemodel Het vorige hoofdstuk begon met de stelling dat een nieuwe 'state of the art' in het prognosticeren van beleidseffecten gewenst en mogelijk is. De wenselijkheid is hiervoor betoogd; corporaties sturen in hun beleid meer en meer op outcome, dus op gewenste maatschappelijke effecten. De behoefte om de effecten van het beleid te doorzien neemt navenant toe. Maar de complexiteit van de woningmarkt en van de lokale maatschappelijke omgeving maakt van een intuïtieve prognose een riskante aangelegenheid. Rekenmodellen die rekening houden met afhankelijke variabelen en secundaire effecten zouden de prognoses veel betrouwbaarder kunnen maken. Maar is dit prognosticeren met (reken)modellen ook mogelijk? Dit vergt van de beleidsmaker een mentale heroriëntatie: de keuze om te denken in (toekomst)scenario's en de keuze om te vertrouwen op uitkomsten van berekeningen. Kernvraag is of een rationele, rekenkundige benadering van de prognose betere beleidsbeslissingen mogelijk maakt dan een louter intuïtieve. Die vraag is in feite heel lastig te beantwoorden, want onderzoek zou moeten uitwijzen of intuïtie het altijd moet afleggen tegen modellering. Het is vaak een kwestie van 'geloof'. De aanhanger van de rationele school (zie eerste kader) denkt daarover beslist anders dan de aanhanger van de intuïtieve school. In dit geval hebt u met een rationalist te maken die een 'kritisch vertrouwen' heeft in cijfers en modellen. In de figuur hieronder is de kernvraag grafisch uitgebeeld.
Kenschets van de huidige maatschappelijke werkelijkheid
Beleid
Prognose op basis van intuïtie of op basis van een simulatie met behulp van scenario’s
Figuur 8 Het voorspellen op basis van intuïtie of beleidsimulaties?
Varianten van een mogelijk toekomstige maatschappelijke werkelijkheid
15
De scenario's in de figuur kunnen op twee typen variabelen betrekking hebben: op variabelen die verschillende beleidskeuzen uitbeelden (bijvoorbeeld het aantal nieuw te bouwen woningen) en variabelen die verschillende externe factoren betreffen (zogenoemde exogene parameters zoals de marktrente of de inflatie). Als het gaat om 'geld' of 'stenen' zijn corporaties inmiddels gewend om met scenarioanalyses om te gaan. Met de reeds genoemde financiële rekenpakketten (waarvan een enkele met een vastgoedmodule) heeft de branche instrumenten ter beschikking om prognoses te maken. Een paar rekenmodellen kunnen ook overweg met een stochastische analyse van exogene parameters 6 . Maar de nieuwe 'state of the art' heeft betrekking op de 'mensen' ofwel de prognose van markt- en maatschappijgerelateerde outcome. We willen al met al de toekomstige beleidseffecten voorspellen op basis van een modelmatige weergave van de werkelijkheid in plaats van op een intuïtieve. En we willen bovendien niet alleen de effecten voor het 'geld' en de 'stenen' voorspellen, maar ook voor de 'mensen'. Zo'n model simuleert dus de werkelijkheid met de bedoeling om een toekomstige markt- en maatschappijgerelateerde situatie te beschrijven in samenhang met de financiële gevolgen van het beleid en de gevolgen voor de portefeuillesamenstelling. Zo'n modelmatige benadering moet echter wel aan een aantal specificaties en voorwaarden voldoen. We laten ze kort de revue passeren. Meningen en gedrag De modellering waarover we het in dit essay hebben, heeft als doel om de toekomstige maatschappelijke prestaties te prognosticeren. Een deel van die prestaties (zie figuur 7) heeft betrekking op de kenmerken van de vragers en op de kenmerken van het aanbod in de markt. Andere prestaties betreffen de kenmerken van de leef- of woonsituatie of de kenmerken van de woningmarkt. Weer andere prestaties betreffen het oordeel van mensen als klant of burger. Een prognose van meningen of oordelen is met een rekenmodel niet te geven; dat zou al te speculatief zijn. In de modellering kunnen echter wel gedragskenmerken een rol spelen, want gedrag is vaak goed meetbaar en soms goed voorspelbaar. De kunst is om niet alleen verbanden te leggen tussen kenmerken onderling, maar ook tussen kenmerken en gedrag. In elk geval moet voor de modellering alles in cijfers te vatten zijn, ook het gedrag. (Schijn)verbanden Vaak zijn verbanden tussen kenmerken onderling en tussen kenmerken en gedrag causaal van aard: als de huren stijgen, nemen de opbrengsten voor de corporatie en de woonlasten voor de huurders toe; als het oordeel over de buurt negatiever wordt neemt de kans op verhuizen toe. Soms ligt het causale verband niet aan de oppervlakte, maar is er wel een statistisch verband dat met een algoritme (rekenregel) te beschrijven is. Bijvoorbeeld: als de leeftijd toeneemt, neemt de kans op verhuizing af (zie kader). Of denk aan de relatie tussen inkomen, huur- en koopkosten, en koopgeneigdheid. De valkuil is natuurlijk dat we een statistisch verband aantreffen en modelleren dat geen inhoudelijke onderbouwing kent. Bijvoorbeeld: hoe kleiner de schoenmaat, hoe groter de kans op een verhuizing. In die situaties zet het toeval ons op het verkeerde been. Er zijn databestanden met voldoende gegevens beschikbaar waaruit we de benodigde statistische verbanden kunnen destilleren. De belangrijkste bron is het WoON (voorheen het woningbehoefteonderzoek WBO).
6
Een stochastische benadering is een benadering met behulp van waarschijnlijkheidsberekeningen.
16
Onzekerheden Wie de toekomst voorspelt moet rekening houden met onzekerheden. Die waarschuwing geldt niet alleen de nieuwe 'state of the art', maar ook de 'oude': de financiële simulatie- en prognosemodellen. In die modellen zijn parameters opgenomen over inflatie, renteontwikkeling, kostenontwikkeling en dergelijke. Het toekomstig verloop van die parameters is met onzekerheden omkleed. In de meest geavanceerde rekenpakketten zijn statistische modulen opgenomen waarmee de gebruiker de uitkomsten kan berekenen bij een zeer groot aantal verschillende parameterkeuzen (zie kader). In de gezochte modellering moet met weer andere onzekerheden rekening worden gehouden, bijvoorbeeld onzekerheden (betrouwbaarheidsintervallen) die voortvloeien uit de statistische benaderingen die hierboven zijn genoemd. Algoritmen die de werkelijkheid beschrijven Rekenmodellen die de werking van de markt simuleren, simuleren in feite het gedrag van de individuen die met elkaar de markt vormen. Het gedrag van (groepen) mensen is zelden willekeurig, maar vertoont samenhang met allerlei factoren die het gedrag beïnvloeden. Een voorbeeld is het verhuisgedrag van mensen. y = -7E-06x 3 + 0,0014x 2 - 0,0946x + 2,1252 R2 = 0,9824
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 0
10
20
30
40
50
60
70
80
90
Figuur 9 Voorbeeld van een algoritme: verhuiskans naar leeftijd hoofdbewoner De verhuiskans bepaalt sterk de uitkomst van een marktmodel. Immers, een verhuizing leidt tot de instroom van een nieuw huishouden met doorgaans andere kenmerken dan het vertrekkende huishouden. Een verhuizing biedt tevens de mogelijkheid om nieuw beleid te effectueren, bijvoorbeeld huurharmonisatie of verkoop van de woning. De kans dat een huishouden zal verhuizen hangt af van verschillende factoren, bijvoorbeeld de koopprijs- en renteontwikkeling en het nieuwbouwvolume op macroniveau, en onder meer leeftijd, inkomen, huurquote op microniveau. De blauwe lijn in de grafiek geeft een beeld van het verloop van de verhuiskans naar leeftijd (van de hoofdhuurder) op basis van gegevens van het WBO 2002. De zwarte lijn is de grafische
17
weergave van de rekenkundige formule (zie rechtsboven in de figuur) die het verloop van de verhuiskans het best benadert. Omgaan met onzekerheden Dynamische, complexe simulatiemodellen brengen veel onzekerheden met zich mee. Het aantal variabelen neemt immers toe (de mutatiegraad in het in de tekst beschreven voorbeeld verandert van een constante in een variabele) en iedere variabele kent zijn eigen onzekerheidsmarges. Hoe verder weg in de tijd, hoe groter de onzekerheden worden. Als vaste variabelen (parameters als renteontwikkeling of inflatie) in de berekeningen een iets andere waarde krijgen, zal de prognose veranderen en meer veranderen naarmate het zichtjaar verder weg ligt in de tijd. De mogelijke uitkomsten laten daardoor een trompetmodel zien (zie figuur 10). De kans dat een uitkomst in werkelijkheid optreedt, neemt af bij uitkomsten die verder van het gemiddelde afliggen (de zwarte lijn in de grafiek). De kans is grafisch weergegeven door de kromme rechts van de grafiek. In de praktijk hanteert men vaak de 5%lijn: de kans dat de realiteit verder dan die gemiddelde lijn zal afwijken van het gemiddelde is kleiner dan 5%. 50% 40% 30% 20%
5%-lijn
10% 0% 1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
Figuur 10 Voorspellen van onzekerheden In modellen met veel variabelen stapelen onzekerheden zich op. Gelukkig is het wel zo dat de meeste variabelen en parameters die in dit soort modellen worden gebruikt met elkaar samenhangen, zodat de variatie in mogelijkheden bij bijvoorbeeld vijf variabelen veel kleiner zal zijn dan vijfmaal de variatie van één variabele. De samenhang tussen renteontwikkeling, inflatie en kostenontwikkeling is een voorbeeld van zo'n samenhangend pakket variabelen. Een- of meerdimensionale simulaties Het simuleren van de werkelijkheid zou in eerste instantie op een eendimensionale manier kunnen gebeuren, dat wil zeggen door een rekenregel met één afhankelijke variabele. Neem als voorbeeld het financiële effect van extra verkoop in de voorraad. Dat is betrekkelijk eenvoudig te berekenen, als de corporatie een aanname doet voor de mutatiegraad. Dit is een voorbeeld van een eendimensionale berekening. In zo'n berekening wordt de invloed van andere variabelen buiten beschouwing gelaten en blijft de mutatiegraad ongewijzigd. Door verkoop kan echter ook de doorstroming stagneren, waardoor het aantal woningmutaties en als gevolg daarvan ook de verkoopsnelheid afnemen. De opbrengst valt lager uit dan de eendimensionale berekening laat zien. Een berekening waarin ook met het secundaire effect van een fluctuerende mutatiegraad rekening wordt gehouden, is een voorbeeld van een
18
dynamische berekening. In theorie is het beter om dynamische modellen te gebruiken, omdat de impact van de secundaire effecten groot kan zijn (zoals de marktstagnatie in het hierboven beschreven voorbeeld). De woningmarkt gesimuleerd Als we ons in de nieuwe 'state of the art' willen richten op de maatschappelijke outcome (de 'mens') naast 'geld' en 'stenen', is het verstandig om de ambitie flink te beperken. De outcome bestrijkt immers een breed veld van soorten effecten. Kijk maar naar figuur 7: de in beeld te brengen maatschappelijke effecten betreffen niet alleen de kwaliteit en prijs van het wonen in enge zin, maar ook woongerelateerde aspecten als het voorzieningenniveau in wijk en stad, de vitaliteit van de stad, het milieu en de overheidsuitgaven. Het zou al heel mooi zijn als de modellering de eerstgenoemde categorie kan omvatten: de kwaliteit en prijs van het wonen in enge zin. Wel door de eerdergenoemde voorwaarden en restricties in acht te nemen (zoals 'geen meningen, wel gedrag'). Het gaat bij deze beperking om een simulatie van de woningmarkt die de 'mens'-gerelateerde woningmarktgevolgen in beeld brengt: slaagkans, woonlasten, bevolkingssamenstelling. En dan in het bijzonder een simulatie van dat deel van de markt, dat door de woningcorporatie wordt bediend. Goed beschouwd is dan nog meer dan de helft van de prestatievelden uit figuur 7 overgebleven. Hoe kunnen we deze prestatievelden of kenmerken van mensen, stenen en geld in een geïntegreerd, dynamisch model onderbrengen, zodat een corporatie het effect van haar beleid kan prognosticeren door de toekomstige woningmarktmechanismen na te bootsen?
19
5
Een nadere specificatie van een woningmarktmodel De in het vorige hoofdstuk genoemde prestatievelden als slaagkans, woonlasten en bevolkingssamenstelling hebben betrekking op de werking van de woningmarkt en/of de volkshuisvestelijke gevolgen van die marktmechanismen. Een simulatie van de lokale marktmechanismen is een reële optie. Met zo'n modelmatige prognose van de marktgevolgen van haar beleidsinterventies zou de corporatie een belangrijk deel van haar beleidsvraagstukken over de outcome kunnen beantwoorden. Het zou mooi zijn als zo'n model tevens de samenhang laat zien tussen de markteffecten en de gevolgen voor de financiële positie en de vastgoedportefeuille. De oude en de nieuwe 'state of the art' innig verstrengeld. Hieronder een bescheiden kijkje in de black box van zo'n model. De marktsimulatie moet worden geïntegreerd in een model dat ook de financiële en de vastgoedgerelateerde modulen (prognoses) omvat, want een aantal variabelen (zoals mutatiegraad) worden in alle modulen gebruikt. Onderstaande figuur bevat een globale schets van de relatie tussen de verschillende (hoofd)variabelen voor de markt, het vastgoed en de financiën ofwel de mensen, de stenen en het geld. Mutaties van het vastgoed
Beleid corporatie
Wet- en regelgeving Kasstromen
Verandering van huishoudens
Ontwikkeling markten
Figuur 11 Samenhang 'mensen', 'stenen' en 'geld' Door mutaties in het vastgoed (investeringen, desinvesteringen, wijziging van het huurbeleid, wijziging van het beheer, omzetting van huur naar koop en omgekeerd) veranderen de kasstromen (huurinkomsten, investeringsuitgaven, nieuwe leningen) en vaak ook de huishoudensamenstelling (als woningen door een ander type woningen worden vervangen). Huishoudens hebben autonome verhuiswensen die meestal het gevolg zijn van veranderingen in inkomen, werk of de samenstelling van het huishouden. Een verandering van huishouden levert aanvullende kasstromen op: mutatiekosten, huurharmonisatie, soms ook verkoopopbrengsten. De toekomstige kasstromen bepalen de financiële positie van de corporatie en daarmee de investeringsruimte die nodig is om de kwaliteit en omvang van de vastgoedportefeuille aan te passen.
20
Als gevolg van nieuwbouw en renovatie (met uitplaatsing) stromen nieuwe huishoudens in die straks weer verhuizen en treden nieuwe kasstromen op. Uiteraard spelen ook externe factoren een rol. Ten eerste geldt de invloed van de rest van de woningmarkt, want hierboven hebben we het alleen over de bewegingen in de portefeuille van de corporatie in kwestie. Daarnaast zijn natuurlijk ook veranderingen in wet- en regelgeving en in het beleid van de lokale overheid van belang. Een simulatie van de dynamiek in zo'n systeem van 'mensen', 'stenen' en 'geld' zou de corporatie veel extra informatie kunnen opleveren, bijvoorbeeld over: • het toekomstig aantal huishoudens per klantgroep • de slaagkans 7 per klantgroep • de netto huurquote 8 per klantgroep • het huurtoeslaggebruik • de goedkope en dure financiële scheefheid 9 • de demografische scheefheid 10 • de koopbereidheid van zittende huurders. Echter, corporaties lopen al snel tegen een probleem aan: de corporatie kent haar klanten onvoldoende. Dat wil zeggen: zij kent de kenmerken van haar klanten niet, zoals huishoudenssamenstelling en leeftijd. Die gegevens zijn uiteraard wel voorhanden bij het afsluiten van het huurcontract, maar aangezien de gemiddelde woonduur in het huursegment zo'n tien jaar is, zijn die gegevens per definitie niet geschikt voor een weergave van de actuele situatie bij de huurders. Soms beschikken corporaties over gegevens uit allerhande enquêtes, maar deze gegevens zijn zelden (in statische opzicht) compleet. De Belastingdienst en de gemeenten beschikken wel over deze gegevens, maar zullen deze vanwege privacyredenen hooguit in geaggregeerde vorm ter beschikking stellen. Dat is voor de modellering die we hierboven beschreven overigens geen probleem, indien althans het aggregatieniveau niet te hoog wordt gekozen (bijvoorbeeld het complexniveau). Als de gegevens over de huidige klantenkring grotendeels ontbreken, is daar namelijk met behulp van statistische technieken wel iets aan te doen (zie kader hierna). Maar een statistische oplossing introduceert weer nieuwe onzekerheden, dus uiteraard is het beter om de informatielacune te dichten. Eigenlijk zou de corporatiebranche als geheel afspraken met de overheid (Belastingdienst, gemeenten) moeten maken om binnen de randvoorwaarden die de privacywetgeving oplegt, structureel actuele gegevens te krijgen over hun klanten. Maatschappelijke prestaties hebben in principe betrekking op mensen en prestaties zijn alleen te sturen en te beoordelen als er feiten en cijfers beschikbaar zijn. Zijn die gegevens voorhanden, dan is een betrouwbare prognose van de toekomstige bewonerskenmerken en andere prestatiegrootheden beslist haalbaar.
7
De kans dat een woningzoekende slaagt in het vinden van een woning. De slaagkans kan op verschillende manieren worden uitgedrukt, bijvoorbeeld door de kans in procenten dat hij of zij binnen een jaar een woning vindt. 8 De kale jaarhuur gedeeld door het besteedbaar jaarinkomen van het huishouden. 9 Het percentage woningen waarvoor geldt dat de huurder een hoger respectievelijk lager inkomen geniet dan de huurprijs rechtvaardigt, gegeven de lokaal geldende normen voor de huur-inkomensverhouding. 10 Het percentage woningen waarvoor geldt dat het aantal leden van het huishouden van de huurder groter respectievelijk lager is dan de grootte van de woning (in aantal kamers) rechtvaardigt, gegeven de lokaal geldende normen voor de woningbezetting.
21
Dubbel voorspellen Een corporatie heeft weinig actuele gegevens van haar klanten. Alle gegevens waarover ze beschikt, golden op de datum waarop het huurcontract werd getekend en dat is meestal gemiddeld zo'n tien jaar geleden. Alleen de huidige leeftijd van de hoofdhuurder is bekend; het inkomen en de samenstelling van het huishouden niet. Er is met statistische technieken wel een schatting te maken van de huidige kenmerken van de klantenkring. Bovendien kennen we vaak wel exact de zogenoemde randtotalen (uit bijvoorbeeld de CBS-statistieken). Dat zijn de gegevens op hoger schaalniveau: de wijk of de gemeente. In feite passen we dezelfde technieken toe als bij de beschrijving van de toekomstige situatie waarbij de huidige, actuele kenmerken als vertrekpunt worden genomen. We doen dus net alsof de contractdatum het 'nu' is en alsof het 'nu' het te beschrijven moment in de toekomst is. De figuur toont dit idee grafisch.
Contractdatum
Heden
Beschouwde jaar in de toekomst
Inkomen
Inkomen
Inkomen
Leeftijd
Leeftijd
Leeftijd
Huishoudensamenstelling
Huishoudensamenstelling
Huishoudensamenstelling
Statistische technieken
Figuur 12 Het voorspellen van het heden op basis van het verleden Hoe lichter de kleur van het vakje in de figuur, hoe groter de onzekerheid over de juistheid van de waarde van het kenmerk. De statisticus zal kunnen aangeven of de onzekerheid nog binnen de toegestane foutmarge valt. Maar het is altijd beter om zekerheid te hebben over de huidige kenmerken.
22
6
De professionaliteit van de organisatie Als een corporatie besluit om op output- en outcomedoelstellingen te sturen, dat wil zeggen doelen te stellen en normen te formuleren, te meten en zich over de prestaties te verantwoorden, stelt dat uiteenlopende eisen aan de professionaliteit van de onderneming. Het gaat in elk geval om de volgende eisen: een toegesneden instrumentarium, ter zake kennis, een goede samenwerking tussen financieel en inhoudelijk deskundigen en een doelgerichte cultuur. Instrumentarium Eerst maar eens een paar woorden over de 'harde' kant. Er zijn inmiddels vele rekenpakketten beschikbaar die de toekomstige financiële positie van de corporatie kunnen doorrekenen. Inclusief een analyse van de risicofactoren over exogene parameters (zoals inflatie en renteontwikkeling) en beleidsonzekerheden. Enkele van die rekeninstrumenten kunnen ook de ontwikkeling van de vastgoedportefeuille voor een aantal kenmerken simuleren in samenhang met de financiële prognoses, dus op basis van dezelfde beleids- en investeringsscenario's. Helaas zijn die instrumenten nog weinig gebruiksvriendelijk voor anderen dan de zogenaamde fineuten. De markt (de 'mensen') blijft in die gereedschappen buiten beeld. Dat instrumentarium ontbreekt nog. Dat is bekend; daar gaat dit essay over. Beschikbaarheid van data Het tweede 'harde' aspect betreft de beschikbare data. Ik noemde het hiervoor al: corporaties weten (bijna) alles van het 'geld' en de 'stenen' 11 , maar, op de keper beschouwd, slechts weinig van hun klanten. Maar ook de gegevens die in principe wel beschikbaar zijn, kunnen voor de instrumenten waarover ik het in dit essay heb, soms slechts met moeite aan de systemen worden onttrokken. Dat moet eigenlijk zonder bijzondere inspanningen kunnen. En dat zodanig dat de corporatie de gegevens aan elkaar kan koppelen en geschikt kan maken om op verschillende niveaus te aggregeren. Steeds meer corporaties beschikken over een database of datawarehouse met een gemakkelijk toegankelijke, complete set actuele gegevens. Ook in de corporatiebranche is ICT sterk in beweging. Competenties Dan de 'zachte' kant. Met alle respect voor degenen die expertsystemen ontwikkelen: hoe complex dergelijke systemen ook zijn, veel lastiger nog is het om de juiste instrumenten op de juiste momenten in te zetten en om de resultaten bij het gebruik ervan op de juiste manier te interpreteren en in de organisatie te verankeren. Dat geldt dus ook voor het soort modellen dat in dit essay is beschreven. De omgang met dergelijke modellen of systemen vraagt om specifieke competenties en goed opgeleide mensen. Interne samenwerking Het gebruik van de huidige 'state of the art'-prognosemodellen in de corporatiebranche vergt ook dat de zogenaamde fineuten, techneuten en marketeers (wie kent een betere benaming?) elkaars taal en 11
Veel corporaties beschikken overigens nog niet over actuele, gesystematiseerde kennis van de technische staat van het vastgoed en nog minder corporaties over een actueel, gesystematiseerd inzicht in het uitrustingsniveau van de woningen.
23
begrippenapparaat goed kennen en gebruiken. Jammer genoeg zijn er nog vrijwel geen rekenapplicaties waarin het 'geld' en de 'stenen' gebruiksvriendelijk zijn geïntegreerd. Het zijn toch vooral nog gereedschappen van de fineuten. Als de 'mensen' ook een plek krijgen in de prognoses wordt de noodzaak voor een gemeenschappelijke 'taal' en een gedeeld instrumentarium alleen maar groter. Dat alles betekent vervolgens ook iets voor de wijze van samenwerking, voor de inrichting van procedures rond de planning- en controlcyclus en voor de verdeling van taken en verantwoordelijkheden. Bovenal vraagt de focus op de outcome, dus op de 'mensen', om een doelgerichte cultuur, dat wil zeggen: een cultuur waarbij al het professionele handelen voortdurend is gericht op het behalen van de (maatschappelijke) doelstellingen van de corporatie.
24
7
Conclusies Woningcorporaties opereren in een complexe wereld. De branche is na de verzelfstandiging die complexiteit met veel verve tegemoet getreden. De reis begon met het onder regie krijgen van de financiële dimensie van de onderneming. Daarna ontstond in de organisaties ruimte om de individuele klant en vervolgens de markt centraal te stellen. Dat bracht en brengt de noodzaak met zich mee om na te denken over vastgoedbeleid en vastgoedsturing en dus kwam de beleidscyclus als belangrijk fenomeen in beeld. De aandacht voor het proces van beleidsvorming vergroot de behoefte aan adequate instrumenten om de verschillende stappen in de beleidscyclus te ondersteunen. Een belangrijke categorie instrumenten zijn de (reken)modellen die kunnen worden ingezet voor beleidssimulaties en -prognoses over de effecten van het beleid. Vanwege de aanvankelijke focus op de financiële dimensie in het ondernemingsbeleid zijn er alleen financiële prognosemodellen ontwikkeld. Langzamerhand worden deze instrumenten verrijkt met mogelijkheden om ook prognoses te leveren over de omvang en samenstelling van de vastgoedportefeuille. Maar woningcorporaties zijn maatschappelijke ondernemingen die zich primair richten op (en verantwoording moeten afleggen over) hun maatschappelijke prestaties. En die prestaties hebben vooral (maar niet uitsluitend) betrekking op de (individuele) bewoner en de woningmarkt waarin die bewoner verkeert. De behoefte is er, of zou er moeten zijn, om ook over deze maatschappelijke prestaties de effecten van het beleid te kunnen prognosticeren. Hiervoor is geen gereedschap beschikbaar. De vraag is of het beleidsmatig wenselijk, technisch mogelijk en organisatorisch haalbaar is om zo'n instrumentarium te ontwikkelen en te gebruiken. Voor het laatste deel van de vraag blijven we nog een beetje op de vlakte. Zeker is dat veel corporaties nog niet volledig aan de gestelde eisen zullen kunnen voldoen. Maar, zoals het gezegde luidt, waar een wil is, is een weg. Dit essay is over het antwoord op het tweede deel van de vraag duidelijk: het is technisch haalbaar. Of het gebruik van het modelleringsinstrument voor (markt)prognoses beleidsmatig wenselijk is, hangt af van de betrouwbaarheid van de uitkomsten van de prognose. De prognose moet een meerwaarde bieden ten opzichte van de intuïtie van de betrokken professionals. In principe is het antwoord bevestigend, maar, zoals de Engelstaligen zeggen: 'The proof of the pudding is in the eating'.
25
8
Nawoord Maarten Pel: met het oog op de toekomst Met het oog op de toekomst moet worden geleerd van het verleden. Geschiedenis is een belangrijke leermeester. Van Os blikt in zijn essay De glazen bol van de woningcorporatie ook even terug op de ontwikkeling van corporaties. Een ontwikkeling die is begonnen met een sterk financiële oriëntatie. In de kern was de start van de verzelfstandiging, de brutering, in zichzelf een financieel prognosemodel. Toekomstige subsidieclaims speelden daarbij een hoofdrol. Het gevoel is vaak dat prognoses over financiële opbrengsten veel harder zijn dan die over maatschappelijke opbrengsten. De brutering mag hier als belangrijke waarschuwing worden gezien. Het leek destijds onvermijdelijk dat de brutering een wassende werking zou hebben op de corporatiebranche. Daarom werd het Waarborgfonds Sociale Woningbouw opgericht om de toegang tot de kapitaalmarkt te waarborgen. En daarom kreeg het Centraal Fonds Volkshuisvesting (CFV) een belangrijke saneringstaak. De ontwikkeling van rente en huizenprijzen was voor de corporaties zeer gunstig. Met de mogelijkheid om woningen te verkopen was in de brutering geen rekening gehouden. Hierdoor is een saaiere baan dan bij het CFV lastig te vinden. Om bezig te blijven hebben zij het meten van de overmaat als uitdaging genomen. Het is de vraag of een glazen bol moet worden gebruikt als sturingsinstrument of als spiegel. Veel vertrouwen heb ik niet in glazen bollen. Het 'hocus pocus'-gehalte is mij net te groot. Een prognosemodel heeft een ordenende werking op van belang zijnde ontwikkelingen en is daarmee een waardevolle spiegel van de eigen gedachten. Een prognosemodel moet werken als een meetlat in de onderbuik van de professional. Een prognosemodel mag nooit een stuur worden. Het vormt geen oplossing voor bestuurlijke en professionele armoede. Zonder ideeën, zonder visie houdt het op. De juiste weg lijkt mij om prognosemodellen in te zetten als middel bij professionaliserende organisaties. Want er bestaat een groot risico dat het tot stand brengen van een glazen bol een doel op zich wordt. Dan heeft straks elke zichzelf respecterende organisatie een eigen wetenschappelijk bureau. De prognoses moeten ten dienste staan van de organisatie en het beleid. Waar financiële modellen zich richten op haalbaarheid van de middelen, gaat het bij de prestaties om de efficiëntie van de output en effectiviteit van de outcome. De prognoses zijn daarmee ondersteunend in het beleidsproces. Het eigen beleidsproces. Terecht komt de beleidscirkel meerdere keren terug in het verhaal van Van Os. De eerste stap van een verse maatschappelijke ondernemer ligt in mijn ogen niet bij het maken van prognoses, maar bij het benoemen van resultaten. Het SMART benoemen van resultaten is al een opgave op zich. Door een glazen bol gekeken wordt het zicht op de resultaten niet veel scherper. Als resultaten uit het verleden al geen garantie geven, doen resultaten in de toekomst dat nog minder. Hoe breder de rol en taakopvatting van de corporatie, hoe lastiger het wordt om resultaten te voorspellen. Naarmate er meer actoren en factoren van invloed zijn op de ontwikkeling, wordt ook het rendement van de prognoses over het eigen beleidsproces geringer. Zorg, welzijn, onderwijs, politie en justitie werken samen met corporaties en onder regie van de overheid allemaal hard aan de leefbaarheid en vitaliteit van mensen, buurten en wijken. Alle partijen hebben een belang in een goede uitkomst. Met ieder een eigen verantwoordelijkheid. Het prognosticeren van outcome lijkt in dit verband een redelijk
26
onzinnige bezigheid, zeker vanuit de corporatie. De gemeente heeft de regierol en moet zorgen voor het algemene beeld. De corporatie moet dicht bij de eigen taken en activiteiten blijven. In de ontwikkeling van corporaties benoemt Van Os drie fasen. Het financiële tijdperk, het klantentijdperk en het markttijdperk. Ik kan me grondig vinden in deze typering. Gegeven het overheidsbeleid over huurbeleid en fiscalisering zal de factor markt sterk aan belang toenemen. We blijven in het middelveld maar drijven stiekem toch een beetje weg bij de overheid. Commerciële partijen hebben al wat langer een sterke oriëntatie op de markt. Ook zij hebben een vak gemaakt van het vertalen van ontwikkelingen naar het eigen beleid. Dit heet marketing. Laten we ook vooral kijken wat we daarvan kunnen leren. Sociaal-economische en demografische ontwikkelingen zijn dominant. Praktisch gezien richt een prognosemodel voor de corporatie zich op de ontwikkeling van doelgroepen en consumentenvoorkeuren. Vanuit de woningvoorraad, met onderscheid naar relevante segmenten als woninggrootte, aantal kamers, woonmilieus en dergelijke, moet het antwoord op de ontwikkelingen worden gegeven. Aanpassing van de bestaande woningen, nieuwbouw en gebiedsontwikkeling vormen de hoofdlijnen van de strategie. Tot slot. De maatschappij is niet maakbaar, zelfs niet door maatschappelijke ondernemingen. Deze zijn er om de scherpe kantjes van de maatschappij wat ronder te maken. Het is goed om vooruit te kijken en verwachtingen uit te spreken over ontwikkelingen. Een glazen bol is een droom, en daarmee de spiegel van de ziel. Houd daar rekening mee. Maarten Pel manager Stafdiensten de Alliantie
www.mo-plein.nl
