‘De schoonmaakmedewerker ziet elke dag wat er écht gebeurt in een gebouw’, begint Sprinkhuizen. Die dagelijkse observaties – van opvallende vervuiling tot losliggende kabels of ruimtes die structureel niet toegankelijk zijn – vormen een rijke, maar vaak onderschatte databron, vertelt ze.
Nouws vult aan: ‘Die medewerker weet precies waar de pieken en dalen zitten. Wanneer een ruimte wel of niet gebruikt wordt en waar wanneer vervuiling optreedt. En ook welke praktijksituaties de medewerker tegenkomt die verstorend werken.’
Daarom is niet de technologie, zoals sensoren of dashboards, leidend bij Gom. Eerst de mens, dan pas de data. ‘Pas als menselijke inzichten onvoldoende zijn, voegen we gebouwdata toe’, aldus Sprinkhuizen. ‘En alleen in uitzonderlijke situaties zetten we realtime monitoring in.’
Efficiënter onderhoud én meer regie
Die keuze heeft twee duidelijke effecten. Aan de ene kant krijgen opdrachtgevers een veel realistischer beeld van het gebruik van hun gebouw. Aan de andere kant krijgt de schoonmaakmedewerker een belangrijkere rol in de verbetering en optimalisatie van het gebruik en onderhoud van een gebouw. ‘Datagedreven schoonmaak gaat niet om harder werken of kosten besparen’, benadrukt Nouws. ‘Het gaat om schoonmaken waar het nodig is. In de praktijk betekent dat bijvoorbeeld dat standaard schoonmaaktaken, ooit vastgelegd in Excel, opnieuw tegen het licht worden gehouden. Waarom zou je een toilet twee keer per dag schoonmaken als uit observaties én data blijkt dat het nauwelijks wordt gebruikt?’
Waarom zou je een toilet twee keer per dag schoonmaken als uit observaties én data blijkt dat het nauwelijks wordt gebruikt?”
Die informatie is een aanvullend hulpmiddel om de werkzaamheden zo goed mogelijk onder de medewerkers te verdelen. ‘Natuurlijk kennen we beheersbare taakverdelingen, maar er vinden door pieken, dalen en mutaties ook veranderingen plaats die je niet altijd ziet’, zegt Sprinkhuizen. ‘Met deze inzichten kun je dat beter balanceren. Dat maakt het werk niet alleen efficiënter, maar ook leuker.’
Twee datastromen, één platform
Nouws en Sprinkhuizen maken onderscheid tussen twee complementaire datastromen. De eerste is de menselijke datastroom: gesprekken met medewerkers, meldingen tijdens het werk en observaties op de vloer. Die informatie wordt laagdrempelig vastgelegd in een digitale tool, via een tablet of smartphone. ‘Een medewerker kan bijvoorbeeld eenvoudig aangeven of de schoonmaak gehinderd wordt door overmatige vervuiling’, legt Sprinkhuizen uit. ‘Of: deze ruimte is structureel bezet, waardoor ik mijn taak niet kan uitvoeren. Dit is vaak onbekend bij opdrachtgevers. Goed om dit te delen.’
De tweede datastroom komt uit het gebouw zelf. Denk aan reserveringssystemen, sensoren, wifi-access points of zelfs koffieautomaten. ‘Hoe slimmer een gebouw, hoe meer data beschikbaar is’, zegt Nouws. ‘Maar die data gebruiken we alleen als het daadwerkelijk iets toevoegt. Alle informatie komt samen op één open platform, dat met verschillende systemen kan koppelen.’
Niet elk gebouw vraagt om dezelfde aanpak
Een belangrijk inzicht uit onderzoek en pilots is dat niet elke omgeving evenveel baat heeft bij technologie. ‘In een kantoorpand met vaste routines weten medewerkers vaak zelf prima wat nodig is. Daar kun je al veel optimaliseren met alleen de datastroom vanuit de mens. In meer onvoorspelbare omgevingen, zoals ziekenhuizen of evenementenlocaties, voegt technologie juist wél veel waarde toe.’
Nouws: ‘Hoe onvoorspelbaarder de omgeving, hoe meer nut en noodzaak medewerkers zelf ook ervaren om datagestuurd te werken. In een ziekenhuis weet je ’s ochtends niet welke bedden vrijkomen. Dan helpt data om het werk beter te organiseren.’
Rooster aangepast
Een concreet voorbeeld van hoe datagedreven schoonmaak werkt in de praktijk is een onderwijsinstelling waar Gom traditioneel in de ochtend en avond schoonmaakte. ‘Uit gesprekken met medewerkers bleek echter dat veel ruimtes overdag minder bezet waren’, vertelt Sprinkhuizen. ‘Door die inzichten te combineren met gebouwdata, werd het schoonmaakschema aangepast.’
‘Nu kunnen we onze mensen meer uren op de dag aanbieden’, zegt Nouws. ‘We zijn zichtbaarder voor gebouwgebruikers en de aanpassing heeft een positief effect op de vervuiling van het gebouw.’
Als technologie het werk lichter, leuker en professioneler maakt, dán werkt het.”
Technologie als middel, niet als doel
Hoewel Gom volop inzet op data, robotisering en in de toekomst ook AI, blijft de kern hetzelfde. 'Het wordt een samenspel', zegt Sprinkhuizen. 'Een samenspel tussen mens en technologie.' Robots, dashboards en voorspellende analyses worden steeds meer geïntegreerd in de dagelijkse praktijk, maar altijd ter ondersteuning van de mens.
'Als technologie het werk lichter, leuker en professioneler maakt, dán werkt het', aldus Nouws. 'Maar zonder draagvlak bij medewerkers kom je nergens. Daarom investeren we veel in training, begeleiding en verandermanagement. Met zogeheten ‘forerunners’ – medewerkers die affiniteit hebben met technologie – als ambassadeurs op de werkvloer.’
Slimmer schoonmaken begint met echte aandacht
De visie op datagestuurd schoonmaken past binnen de bredere strategie van Gom, waarin ‘slimmer en beter’ centraal staat. En daaronder ligt een duidelijke overtuiging: echte aandacht voor mensen. 'Echte aandacht begint bij het gesprek', zegt Nouws. 'Wat wil de klant? En wat heeft de medewerker nodig om zijn werk goed te doen?' Door medewerkers vanaf dag één te betrekken, ontstaat draagvlak én eigenaarschap.
Sprinkhuizen besluit: 'We zetten data niet in omdat het kan, maar omdat het helpt. Slimmer schoonmaken betekent voor ons: niet onnodig meten, niet doorschieten in technologie, maar de praktijkprofessional meer zeggenschap geven. Dáár zit de echte innovatie.'
