Meerdere wetenschappers, één olifant

Stel je een groep wetenschappers voor die geblinddoekt rond een olifant staat. De één voelt een slurf en zegt: “Dit is een dikke slang!” De ander voelt een poot en zegt: “Deze boomstam heeft een bijzondere textuur.” Wat de wetenschappers hier voelen is écht, hun meting is niet fout, maar hun verhaal is te klein. Ze kijken ieder vanuit hun eigen perspectief naar een deel van de olifant, maar niemand ziet het volledige plaatje.

Dat is precies wat er gebeurt als je één perspectief gebruikt om een complex probleem te begrijpen. Je ziet iets, maar je komt misschien tot de verkeerde conclusies omdat je het geheel niet kan zien.

Wat voor soorten perspectieven zijn er?

Er zijn erg veel problemen in de wereld die vaag voelen. Deze problemen zijn moeilijk te beschrijven en we weten niet goed hoe we ze moeten onderzoeken. Dit is niet omdat ze mysterieus zijn, maar omdat je het probleem op meerdere manieren kan zien. Je kijkt door één enkele bril en probeert er een probleem mee te begrijpen die heel veel verschillende kanten heeft die allemaal met elkaar samenhangen. In dit artikel bespreken we waarom het belangrijk is om een probleem van meerdere kanten te benaderen om echt goed grip te krijgen op wat er aan de hand is.

We gaan verschillende “brillen” of perspectieven bekijken die je kunt gebruiken om een probleem te analyseren. Elke bril helpt je om een andere kant van het probleem te zien en te begrijpen:

• Tabel: Een tabel is een lijst met getallen. Handig als je precies wilt weten wat er staat. Je kunt waarden opzoeken, naast elkaar zetten, en controleren of iets klopt.
• Grafiek: Een grafiek laat dezelfde gegevens zien, maar dan als beeld. Daardoor zie je sneller het patroon: gaat het omhoog of omlaag, zit er een knik in, zijn er uitschieters?
• Formule / model: Een formule (of model) is een simpele regel die het patroon probeert na te doen. Niet omdat het perfect is, maar omdat je dan makkelijk kunt rekenen en vergelijken. En je kunt voorzichtig zeggen: “als dit zo doorgaat, dan verwacht ik ongeveer dit.”
• Mechanisme / structuur: Hier vraag je: waarom gebeurt dit? Welke dingen in de echte wereld zorgen voor dit patroon? Denk aan regels, keuzes van mensen, vertraging (iets werkt pas later), of een “terugkoppeling” (wat nu gebeurt zorgt ervoor dat het straks nóg sterker of juist zwakker wordt).
• Simulatie: Een simulatie is alsof je het systeem nadoet op de computer. Je gebruikt je regels (mechanisme) en kijkt wat er gebeurt als je aan één ding draait: “wat als dit hoger wordt?”, “wat als dit langzamer gaat?”, “wat als we die regel veranderen?” Zo zie je ook bijwerkingen die je niet meteen verwacht.
• Beslisperspectief: Uiteindelijk gaat het om een keuze: wat gaan we doen met wat we geleerd hebben? Je weegt doelen af (wat willen we bereiken), risico’s (wat kan misgaan), en onzekerheid (wat weten we nog niet zeker). Soms is het bewijs niet perfect, maar wel “goed genoeg” om een beslissing te nemen.

Naast deze verschillende manieren om een probleem te benaderen zijn er nog een hele hoop andere manieren om ergens tegen aan te kijken. In dit artikel kijken we door meerdere brillen heen. Niet omdat één bril “fout” is, maar omdat elke bril duidelijkheid kan scheppen over een ander deel van het probleem.

Om een voorbeeld te gebruiken, kijken we zo even naar de huizenmarkt in Nederland. We gaan hier geen grote uiteenzetting doen over hoe de Nederlandse huizenmarkt precies werkt, maar we nemen dit als voorbeeld om te laten zien hoe we naar een probleem kunnen kijken door verschillende brillen te gebruiken. We beginnen met een enkele, simpele dataset. Hier kijken we naar de gemiddelde prijzen van de huizen die verkocht zijn in een bepaald jaar, en hoeveel huizen er toen verkocht zijn.

Bril 1: Het gebruiken van een tabel

Tabellen zijn handig omdat je veel informatie compact kwijt kunt. Ze zijn ideaal om data netjes op te slaan en te delen. In ons voorbeeld kun je direct zien welke waarde bij welk jaar hoort en je kunt eenvoudig controleren: is het hoger of lager dan vorig jaar, en hoeveel scheelt het? We hebben hier data over de gemiddelde prijs van verkochte woningen in Nederland van 1995 tot 2025. Er zit telkens vijf jaar tussen de metingen behalve voor de laatste vijf jaar, waar we elk jaar een meting hebben.

Een tabel beantwoordt vooral één vraag: “Wat is er gemeten?” Deze informatie is op zichzelf niet zo informatief, maar we kunnen het bijvoorbeeld wel in laden in een programma zodat het beter bruikbaar is. Het verstopt namelijk een hoop informatie. Een tabel verstopt patronen in losse getallen. Zo zie je nog niet makkelijk waar de groei versnelt, waar de lijn van richting verandert, of als er jaren zijn die vallen buiten wat we normaal zouden verwachten (ook wel outliers genoemd).

Bril 2: De grafiek (patronen zien)

In een grafiek springt de vorm eruit. Dit is vaak het moment waarop je kan denken: “Aha, ik snap het.” Zo zie je hier dat het aantal verkochte woningen in Nederland sinds 1995 flink zijn gestegen, met een paar duidelijke pieken en dalen. Bijvoorbeeld rond 2008, toen de kredietcrisis was, zie je een dip in de verkoopcijfers. Daarna stijgt het aantal verkochte woningen weer snel tot 2020. Hierna zie je weer een dip, wellicht door de nasleep van de coronapandemie en de economische onzekerheid die daarmee gepaard ging. Daarna lijkt het aantal verkochte woningen weer te stijgen in 2024 en 2025.

Doordat we deze patronen kunnen zien, kunnen we beter begrijpen hoe de markt zich gedraagt. We kunnen hypotheses vormen over waarom bepaalde veranderingen plaatsvinden.

Hieronder kun je zelf schakelen tussen tabel en grafiek en kun je de relatie tussen de twee ontdekken. Zet je muis op een punt om de exacte waarden te zien, of kies andere kolommen op de x- en y‑as om nieuwe verbanden te ontdekken. Zo merk je dat dezelfde data een ander verhaal vertelt, afhankelijk van de bril die je opzet.

Tabel Grafiek

Maar een gevoel krijgen voor hoe iets verloopt is vaak niet genoeg. De grafiek beantwoordt vooral de vraag: “Hoe gedraagt iets zich, of hoe relateren de variabelen zich tot elkaar?”. Maar we hebben nog geen taal om het grotere patroon samen te vatten of te voorspellen wat er gaat gebeuren. Daarvoor hebben we een andere bril nodig.

Bril 3: model of formule (een afspraak over vorm)

In de grafiek zag je het patroon al, maar nog niet hoe je het samenvat in één regel. Een model is die afspraak: “ik kies een eenvoudige vorm die het gedrag ongeveer vangt, zodat ik ermee kan rekenen.”

Dat is geen waarheid, maar een handzaam hulpmiddel: je krijgt een trend, je kunt vergelijken, en je ziet precies waar het model niet past. Die afwijkingen zijn vaak het interessantst, want daar begint het echte verhaal.

Met de visualisatie hieronder zie je op hoofdlijnen hoe zo’n lijn stap voor stap naar de data schuift en hoe een formule het patroon kan samenvatten. We houden het hier bewust licht en sterk gesimplificeerd omdat ik vooral een beeld wil schetsen over hoe een formule (of model) gebruikt kan worden voor gebruik in de echte wereld. Om een intuïtie te krijgen over hoe zo een functie zelf werkt, zie bijvoorbeeld het artikel Gereedschapskist van de wiskunde.

Speel fit

Een formule (of model) beantwoordt vooral de vraag: “Welke simpele regel vat het gedrag samen?” In dit geval hebben we een polynoommodel gebruikt om de relatie tussen het jaar en de gemiddelde prijs van verkochte woningen te beschrijven. Dit model helpt ons om de trend te begrijpen en voorspellingen te doen over toekomstige prijzen op basis van de gegevens die we hebben.

Het is echter niet zo dat het model perfect is. Het is een vereenvoudiging van de werkelijkheid en er zijn altijd afwijkingen tussen de voorspellingen van het model en de werkelijke gegevens. Deze afwijkingen kunnen ons waardevolle inzichten geven over andere factoren die de huizenprijzen beïnvloeden, zoals economische omstandigheden, beleidsveranderingen, of onverwachte gebeurtenissen.

Om er achter te komen waarom het patroon er zo uitziet, moeten we nog een stap verder gaan.

Bril 4: mechanisme (structuur die gedrag voortbrengt)

Hier draait de vraag om: welke processen kunnen deze vorm veroorzaken? Welke regels, fricties, vertragingen, belangen en terugkoppelingen zitten erachter?

Een grafiek laat zien dat huizenprijzen, verkopen en jaren samen veranderen. Een mechanisme probeert te laten zien waardoor dat gedrag kan ontstaan. Daarvoor kijken we niet alleen naar losse variabelen, maar naar de structuur ertussen: wie beïnvloedt wie, in welke richting, en welke effecten komen later weer terug bij hun beginpunt?

Bij systeem denken wordt dat vaak opgebouwd met drie bouwstenen:

1. variabelen (de bouwblokken van het systeem),
2. relaties (hoe de variabelen elkaar beïnvloeden),
3. feedback lussen (wat nu gebeurt beïnvloedt wat straks gebeurt).

Hier onder zie je het soort kaart dat vaak gebruikt wordt om dit soort systemen te beschrijven.

Voorraad Markt Bouw Gedrag Beleid

Variabelen

Een variabele is iets dat kan toenemen of afnemen. In de figuur hierboven zijn huizenprijzen, woningtekort, betaalbaarheid, nieuwbouw en woningvoorraad allemaal variabelen. Sommige variabelen lijken op een voorraad, zoals woningvoorraad: die bouwt op door nieuwbouw en neemt pas langzaam af. Andere variabelen beschrijven gedrag of druk in het systeem, zoals vraag naar woningen of verwachting van prijsstijging.

Een goede variabele is dus geen losse gebeurtenis, maar een grootheid die je je als draaiknop kunt voorstellen: meer of minder woningtekort, hogere of lagere betaalbaarheid, meer of minder bouwcapaciteit.

Relaties en polariteit

Een relatie is een pijl tussen twee variabelen. De polariteit (of richting van de relatie) bij de pijl zegt niet of iets goed of slecht is, maar of de twee variabelen in dezelfde richting (+) of juist in tegengestelde richting bewegen (-).

Een positieve relatie betekent: als de eerste variabele stijgt, beweegt de tweede dezelfde kant op, vergeleken met wat anders zou zijn gebeurd. In de figuur zie je bijvoorbeeld vraag naar woningen → huizenprijzen met een plus: meer vraag geeft opwaartse druk op prijzen. Ook nieuwbouw → woningvoorraad is positief: meer nieuwbouw vergroot de woningvoorraad.

Een negatieve relatie betekent: als de eerste variabele stijgt, beweegt de tweede juist de andere kant op. Huizenprijzen → betaalbaarheid heeft daarom een min: hogere prijzen maken kopen minder betaalbaar. Woningvoorraad → woningtekort is ook negatief: een grotere voorraad maakt het tekort kleiner.

Feedback: waarom het kan “vastlopen” of doorschieten

Een feedback loop of mechanismen ontstaat wanneer pijlen rondlopen. In zo’n lus beïnvloedt een verandering uiteindelijk zichzelf weer. Daardoor kan een systeem stabiliseren, vertragen of juist doorschieten.

In het figuur hierboven kunnen we een aantal mechanismen beschreven vinden. Met een mechanisme bedoel ik een deel van de systeem map die een bepaald gedrag verklaart omdat de variabelen en de onderlinge relaties een lus vormen. Deze mechanismen kunnen versterkend zijn of juist balancerend.

Een voorbeeld van een balancerend mechanisme is woningvoorraad → gebruikerskosten → prijzen → bouw → woningvoorraad (met één negatieve schakel). Als er een oneven aantal negatieve relaties in een lus zijn, zorgt dat ervoor dat dat mechanisme een doelzoekend effect heeft. Het zorgt ervoor dat veranderingen in een waarde van een variabele uiteindelijk opgevangen zal worden, waardoor er uiteindelijk niks verandert.

Daarnaast kunnen er versterkende lussen bestaan waar het gedrag uit de hand zal lopen. Dit zijn lussen waar er alleen positieve relaties of positieve relaties en een even aantal negatieve relaties zijn (het even aantal negatieve relaties heft zichzelf als het ware op).

In het diagram hierboven zie je dat terug in drie kleine verhalen. Hieronder staat steeds alleen het stukje van de figuur dat bij die loop hoort met een beschrijving er naast.

Balanslus B1: tekort dempen

Meer woningtekort kan leiden tot hogere huizenprijzen. Hogere prijzen maken nieuwbouw aantrekkelijker, en meer nieuwbouw vergroot uiteindelijk de woningvoorraad. Daardoor neemt het woningtekort weer af.

Deze lus werkt stabiliserend, maar vaak langzaam: bouwen kost tijd, dus de correctie komt pas later.

Versterkende lus R1: prijsverwachtingen

Hogere huizenprijzen kunnen de verwachting van prijsstijging versterken. Daardoor neemt de vraag naar woningen toe, wat de huizenprijzen weer verder kan verhogen.

Dit is een versterkende lus: de beweging voedt zichzelf. Dat betekent niet dat prijzen voor altijd stijgen, maar wel dat deze structuur tijdelijke versnelling kan veroorzaken.

Balanslus B2: betaalbaarheid

Hogere huizenprijzen verlagen de betaalbaarheid. Lagere betaalbaarheid remt de vraag naar woningen, waardoor de opwaartse druk op huizenprijzen afneemt.

Ook dit is een balanslus: de verandering roept een tegenkracht op. Daardoor kan het aantal verkochte woningen dalen terwijl prijzen nog steeds hoog zijn.

Dat is een mooi voorbeeld van iets dat je in de tabel of grafiek vaak niet direct ziet: het systeem kan netjes stabiliseren óf juist doorschieten, afhankelijk van welke lussen op dat moment het sterkst zijn.

Bril 5: simulatie (“wat als?”)

Als je eenmaal een mechanisme hebt, kun je scenario’s testen.

Niet omdat je de toekomst “voorspelt”, maar omdat je wilt zien:

• welke aannames je stiekem hebt ingebouwd,
• welke parameters echt belangrijk zijn,
• en welke bijwerkingen beleid kan hebben.

Het Houdini-paper beschrijft expliciet dat het model gebruikt wordt voor beleidsexperimenten (policy experiments) op een complexe, niet-lineaire beleidsvraag. :contentReference[oaicite:6]{index="6"}

Simulatie is dus geen luxe grafiekje. Het is een manier om je denken te disciplineren.

Bril 6: beslissing en context (kiezen onder trade-offs)

Zelfs met goede data, goede grafieken en een mooi model blijft er iets over:

Wat ga je ermee doen?

Een beslisperspectief vraagt:

• Wat is het doel (en voor wie)?
• Welke risico’s accepteer je?
• Welke trade-offs zijn eerlijk of wenselijk?
• Wat is “goed genoeg” bewijs voor actie?

Dit is vaak het punt waarop je merkt dat “de waarheid” niet één getal is, maar een keuze tussen waarden.

Complexity lens: waarom dit niet overdreven is

In complexiteit zie je vaak dit patroon:

• Lokale observaties zijn logisch.
• Maar systeemgedrag ontstaat door samenhang, feedback en vertraging. :contentReference[oaicite:7]{index="7"}

Daarom zijn meerdere brillen geen luxe. Ze vormen een workflow: meten → zien → samenvatten → verklaren → testen → kiezen.

Wat je meeneemt

Als je één zin wil onthouden:

Elke representatie vertelt hetzelfde verhaal, maar beantwoordt een andere vraag het snelst.

En als je een snelle checklist wil voor een nieuw probleem:

1. Wat is gemeten? (data)
2. Hoe gedraagt het zich? (visualisatie)
3. Welke structuur kan dit veroorzaken? (mechanisme)
4. Wat gebeurt er als ik aan knoppen draai? (simulatie)
5. Welke keuze maak ik, met welke trade-offs? (beslissing)