In deze tweede datablog voor Accountability Hack 2017 brengen we CorpoData nogmaals onder de aandacht. Vorig jaar hebben we hier ook een datablog over geschreven, dus deze keer gaan we in op een ander onderdeel: de samenstelling van de huurwoningen in de vier prijsklassen zoals CorpoData deze hanteert.
Achtergrond
Woningcorporaties zijn geen overheidsorganisaties maar hebben wel een wettelijke taakstelling, hebben toegang tot door de overheid geborgde leningen. en er zijn veel gegevens over volkshuisvesting en de corporaties in beheer bij de overheid. Dit maakt het een interessante bron van data over geldstromen, prestaties en de ontwikkelingen van (individuele) corporaties.
CorpoData is een samenwerkingsverband waar verschillende overheidsinstanties bij betrokken zijn. Woningcorporaties leveren data aan over hun financiën en de woningen die zij in beheer hebben. Dit is zowel informatie over de stand van zaken (dVi) als informatie over de komende tijd, tot wel tien jaar vooruit. Op dit moment wordt dit gefaseerd als open data ontsloten en beschikbaar gesteld voor de Accountability Hack. De data is ook nu al behoorlijk omvangrijk, dus om een eerste beeld te krijgen van wat deze data waardevol zou kunnen maken voor de Accountability Hack geven we in deze blog een voorzetje voor het uitpluizen van de data.
De opbouw van de data
De open data die nu (gefaseerd) beschikbaar wordt gesteld, is gebaseerd op de data zoals corporaties deze aanleveren. Corporaties zijn verplicht twee keer per jaar data aan te leveren: over het afgelopen jaar de Verantwoordingsinformatie (dVi) en over de komende periode de Prognose Informatie (dPi). De data die beschikbaar wordt gesteld is gebaseerd op deze gegevens, samengevoegd voor alle corporaties, en bestaat dus ook uit deze twee delen. Daarnaast is het opgedeeld in verschillende tabellen, die weer opgedeeld zijn in hoofdstukken. Om hier wijs uit te worden gebruik je het veldnamenmodel, waarin alle hoofdstukken en tabellen uitgelegd worden. Om te weten welk bestand en welk tabblad de meest interessante data heeft, begin je dus in het veldnamenmodel.
De Verantwoordings-informatie (dVi)
In de dVi bestaat uit vijf hoofdstukken: (1) Algemeen, (2) Activiteiten, (3) Financiële verantwoording, (4) Waardering bezit en (5) Overige (volkshuisvestelijke) verantwoording. Het eerste hoofdstuk bevat primaire data over de corporaties, die vooral gebruikt kan worden om namen van corporaties aan hun nummers te koppelen. Hoofdstuk 2, Activiteiten, bevat voornamelijk informatie over hoe de vastgoedportefeuille van elk van de corporaties heeft ontwikkeld, en kan gebruikt worden om dit inzichtelijk te maken. Hoofdstuk 3, financiële verantwoording, is de meest uitgebreide, en is zeker in het kader van de Accountability Hack een interessante dataset om de geldstromen van corporaties transparant te maken. Hoofdstuk 4 gaat in op de waardering van het bezit van de corporaties, en kan dus gebruikt worden om de financiële verantwoording te contextualiseren. Hoofdstuk 5 bevat “overige (volkshuisvestelijke) verantwoording” en gaat bijvoorbeeld in op beleid om leefbaarheid te vergroten: zie de datablog van vorig jaar.
De Prognose informatie (dPi)
De dPi is op een soortgelijke manier opgebouwd, maar omdat het over een komende periode gaat bevat deze vooral prognoses. Het bestaat uit drie hoofdstukken/bestanden: (1) Algemeen, (2) Activiteiten en (3) Financiële prognose. Hoofdstuk 1 bevat weer algemene informatie, maar bevat meer informatie over afspraken waar de corporaties aan moeten voldoen. Hoofdstuk 2, Activiteiten, gaat onder andere in op DAEB– en niet-DAEB activiteiten. Hoofdstuk 3 bevat per corporatie de financiële prognoses.
Afgeleide data van dVi en dPi
Naast deze databestanden zijn er diverse databestanden en tools in gebruik die (in belangrijke mate) zijn afgeleid van deze twee databestanden. Voor een overzicht hiervan wordt verwezen naar de website Woningwet 2015. Klik hier door op ‘handige’ links en indicatieve bestedingsruimte woningcorporaties.
Prijsklassen
Een datapunt in CorpoData wat wij hier uitlichten is de samenstelling van de huurwoningen naar prijsklassen. CorpoData hanteert onder zelfstandige woningen vier prijsklassen:
- goedkoop Wht (t/m €409,92)
- betaalbaar Wht (€409,92 tot €628,76)
- duur tot huurtoeslaggrens (€628,76 tot €710,68)
- duur boven huurtoeslaggrens (boven €710,68)
LET OP: de prijsklassengrenzen betreffen de kale maandhuur (en dus niet de rekenhuur). De kale maandhuur is de huur per maand zonder servicekosten en zonder kosten voor gas, water en licht. De hoogte van de prijsklassengrenzen voor de kale huur is gebaseerd op de wet huurtoeslag (Wht). Meer informatie hier.
Voor elke corporatie is per gemeente geregistreerd hoeveel woningen ze per categorie in bezit of beheer hebben, uitgesplitst in DAEB en niet-DAEB activiteiten.
Zwaartepunten
Om deze vier categorieën om te rekenen naar een enkel getal neem ik voor elke corporatie en gemeente het bezit (DAEB) en label ik de categorieën 1 t/m 4. Dit is vervolgens om te rekenen in een gemiddelde waarde van het totale bezit, oftewel waar het zwaartepunt ligt ten opzichte van deze vier categorieën. Dat levert per gemeente een getal op wat varieert van 1,6 (Achtkarspelen) tot 2,9 (Westvoorne). Voor Ameland en Renswoude is geen data in deze dataset, dus die komen niet in deze lijst voor.
Nederlandse gemeenten in kaart
Voor heel Nederland ziet het er als volgt uit:
Hierbij vallen grote regionale verschillen al direct op, door te klikken kun je de verdere verhoudingen binnen de gemeenten zien, waarbij alle corporaties per gemeente samengenomen zijn. N.B.: cat. 3 (duur tot huurtoeslaggrens) komt doorgaans het minste voor, dit zorgt voor een kleine vertekening bij het samenvatten van de data in de zogenaamde zwaartepunt-score die we hier gebruikt hebben.
Den Haag
Omdat we niet alleen data per gemeente, maar per corporatie hebben, zoomen we ook nog in op Den Haag, en de 12 woningcorporaties die daar bezit hebben. Dat geeft het volgende overzicht:
In tabelvorm:
| Corporatie | Zwaartepunt | Cat. 1 | Cat. 2 | Cat. 3 | Cat. 4 |
| Stichting WoonGoed 2-Duizend | 1.03 | 270 | 8 | 0 | 0 |
| Wassenaarsche Bouwstichting | 1.06 | 291 | 18 | 0 | 0 |
| DUWO | 1.15 | 652 | 99 | 4 | 1 |
| Stichting Omnia Wonen | 1.86 | 85 | 522 | 0 | 0 |
| Stichting Vestia | 2.01 | 4565 | 8962 | 0 | 2389 |
| Woningstichting Haag Wonen | 2.09 | 3537 | 14308 | 718 | 2381 |
| Stichting Arcade mensen en wonen | 2.15 | 220 | 787 | 52 | 180 |
| Stichting Staedion | 2.16 | 5739 | 20223 | 865 | 4966 |
| Stichting Woonzorg Nederland | 2.54 | 11 | 438 | 2 | 171 |
| Stichting Vidomes | 2.92 | 0 | 295 | 121 | 244 |
| Stichting Wooninvest | 3.02 | 93 | 477 | 785 | 695 |
| Stichting Mooiland | 3.27 | 0 | 115 | 4 | 203 |
2015 ten opzichte van 2014
Bovenstaande getallen zijn op basis van dVi2015. Om deze iets meer context te geven vergelijk ik ze ook met de data uit 2014 die parallel hieraan is. Deze verschilt in de indeling iets, maar de data is (onder andere koppen) in hetzelfde hoofdstuk, 2.2A, terug te vinden. Dat geeft het volgende overzicht:
| Cat. 1 | Cat. 2 | Cat. 3 | Cat. 4 | |
| 2014 | 331,859 (15%) | 1,451,379 (65%) | 104,467 (5%) | 360,781 (16%) |
| 2015 | 344,266 (16%) | 1,454,437 (67%) | 32,105 (1%) | 332,742 (15%) |
Hier valt één ding op: weinig wijzigingen, maar een netto afname die vooral te zien is in cat. 3: duur tot huurtoeslaggrens, waar nog maar een derde van het aantal woningen uit 2014 is.
Verdere mogelijkheden
In deze datablog is alleen een weergave van de data gegeven. Een mogelijke inzending voor Accountability Hack zou verder kunnen gaan door dit interactief aan te bieden aan potentiële huurders, of door financiële data te combineren met prestaties. Er zit genoeg data in de verschillende datasets, dus bekijk de verschillende hoofdstukken goed om interessante data boven te brengen. Denk bijvoorbeeld aan een manier om de financiële gezondheid van corporaties in verband te brengen met eigenschappen van hun woningen.
SPOD
Voor deze datablog hebben we data opgeschoond en beschikbaar gesteld via data.openstate.eu dit stelt je in de gelegenheid om via SPOD (nl-spod.routetopa.eu/) de data verkennen en samen te werken rond deze data. We zijn benieuwd welke koppelingen jullie met gemeentefonds data kunnen uitvoeren en welke inzichten over toekomstige uitkeringen en mogelijke opvallende zaken jullie aantreffen.
Meedoen?
Op 9 juni 2017, vindt Accountability Hack plaats. Tijdens deze hackathon gaan we met open data geldstromen en prestaties van de overheid in kaart brengen. Doe je mee? Aanmelden kan hier.