Honkbal en de zorg lijken op het eerste gezicht werelden van verschil. Maar wie goed kijkt, ziet een verrassende parallel. In de film Moneyball zien we hoe honkbalclub Oakland Athletics de status quo doorbreekt door slim gebruik van data. Geen intuïtieve beslissingen of reputatie-ervaring, maar keiharde statistieken om talent te ontdekken en teams samen te stellen. Wat als we die aanpak vertalen naar de zorg? En dan specifiek naar hoe we zorgstudenten opleiden?

Wat is Moneyball precies?

Moneyball is gebaseerd op het waargebeurde verhaal van manager Billy Beane, die met een beperkt budget een competitief team moest bouwen. In plaats van traditionele scouting te volgen — gebaseerd op uiterlijk, stijl of charisma — gebruikte hij geavanceerde data-analyse om verborgen kwaliteiten van spelers te ontdekken.

Het leidde tot een revolutie:

• Nieuwe metrics bepaalden wie waardevol was, niet het gevoel van een coach.
• Data ontmaskerden bias: stille krachten bleken waardevoller dan flamboyante sterren.
• Objectiviteit gaf kleine clubs een kans tegen grootmachten.

Het concept is inmiddels gemeengoed in sport én bedrijfsleven. Maar in de zorg is het potentieel nog grotendeels onbenut.

De opleidingspraktijk in de zorg

Zorgstudenten — van verpleegkundigen tot artsen in opleiding — leren vooral ‘in de praktijk’. Reflectie, begeleiding, beoordeling: alles gebeurt meestal via observatie en gespreksfeedback. Hoewel waardevol, is deze aanpak ook kwetsbaar voor:

• Subjectiviteit van de beoordelaar.
• Momentopnames i.p.v. structureel inzicht.
• Onzichtbare talenten die niet opvallen in groepssituaties.
• Feedback die verloren gaat of te algemeen blijft.

Net als bij honkbal dreigt de ‘intuitie’ het te winnen van analyse. Daardoor lopen we risico om niet de juiste talenten te herkennen — of om de ontwikkeling van studenten onnodig te vertragen.

Wat zou een ‘Moneyball-aanpak’ in de zorg kunnen zijn?

Stel je voor dat we de ontwikkeling van zorgstudenten op een meer datagedreven manier volgen. Geen cijferlijstjes, maar slimme metingen op vaardigheden die écht belangrijk zijn in de praktijk. Denk aan:

1. Analyse van prestaties in simulaties

• Hoe snel en adequaat reageert iemand in crisissituaties?
• Hoe verandert dat over meerdere trainingen heen?
• Welke patronen zie je in besluitvorming?

Met structurele metingen (denk aan simulatiesoftware of observatietools met vaste criteria) kun je groei over tijd zichtbaar maken.

2. Gedragsdata uit praktijkbeoordelingen

• Werkt iemand goed samen onder druk?
• Maakt iemand herhaaldelijk dezelfde inschattingsfouten?
• Hoe verhoudt mondelinge feedback zich tot objectieve situaties?

Door meerdere databronnen te combineren (feedback, observaties, scores), ontstaat een rijk profiel van ontwikkeling.

3. Individuele leerroutes op basis van datapatronen

• Studenten die sterk zijn in technische handelingen, maar zwak in communicatie, krijgen gerichte modules.
• Studenten die vaak fouten maken in medicatieveiligheid, krijgen eerder herhaling of coaching.

Opleiden wordt dan adaptiever, rechtvaardiger én efficiënter.

Voordelen van datagedreven opleiden

• Objectiviteit: Minder afhankelijk van wie er toevallig observeert.
• Gelijke kansen: Ook introverte of onopvallende studenten komen in beeld.
• Bewijs van groei: Data maken vooruitgang zichtbaar, ook als die langzaam gaat.
• Gericht opleiden: Minder ‘one-size-fits-all’, meer op maat.

Daarnaast kan data helpen om systemische fouten in opleidingen te herkennen. Bijvoorbeeld: zijn er bepaalde situaties waarin veel studenten struikelen? Moet daar in het curriculum iets veranderen?

Let op: data is een middel, geen doel

Net als in honkbal blijft het gevaar bestaan dat je gaat opleiden op de data — en niet op het doel. Het gaat niet om perfect scoren in een dashboard, maar om betere zorgprofessionals opleiden. Data mag nooit een beoordelingsmiddel worden dat angst oproept. Net als in Moneyball moet het gaan om kansen, niet controle.

Essentiële voorwaarden zijn:

• Transparantie: studenten weten wat gemeten wordt en waarom.
• Veiligheid: data worden gebruikt voor leren, niet voor afrekenen.
• Menselijke duiding: data ondersteunt het gesprek, niet vervangt het.

Van honkbalveld naar ziekenhuisgang

De zorg zit op een berg waardevolle opleidingsdata — maar benut die vaak niet. Door te leren van sectoren zoals het honkbal, kunnen we studenten beter ondersteunen in hun groei. Niet door ze ‘objectief te beoordelen’, maar door subjectiviteit te balanceren met inzicht. Moneyball in de zorg betekent: slim kijken, eerlijker opleiden, en verborgen potentieel tot bloei laten komen.