CBS-voorzieningsdata – waar is ruimte om te groeien?
Doel: Met deze interactieve dashboards maken we CBS-data over voorzieningen inzichtelijk en laten we kwalitatief én kwantitatief zien waar voldoende aanbod is en waar ruimte voor uitbreiding ligt. De huidige scope betreft cafés, cafetaria’s, restaurants en supermarkten. Andere voorzieningen zijn eenvoudig toe te voegen.
Wat kun je hiermee?
- Inzoomen van provincie → gemeente → wijk → buurt.
- Vergelijken met Nederland (= 1,00) en met peers binnen dezelfde stedelijkheidsklasse.
- Signaleren van onder- en overbediende gebieden op basis van voorzieningen per 10.000 inwoners en nabijheid/afstand.
Uitbreidbaar maatwerk (niet publiek)
We kunnen een coverage-analyse maken op basis van jouw vestigingen of distributielocaties: geef locaties + straal op en zie hoeveel inwoners je bedient, waar overlap zit en waar witte vlekken zijn. Ideaal om netwerk- en expansiebeslissingen te onderbouwen.
Bron en methode
CBS StatLine 2024 (kerncijfers wijken/buurten, omgevingsadressendichtheid). Waarden worden op provincie level inwoner-gewogen geaggregeerd; indices tonen prestaties t.o.v. NL (=1,00). Zie toelichting onder het rapport voor definities en aannames.
Wat is er allemaal te zien?
Methodologie & normalisatie
Wat meten we?
Raw counts within radius
The number of {Facilities} within {Radius} of the population-weighted center of the area is recorded.
Normalization by area
The radius defines an area A = π·R² km². Counts are divided by A to produce facilities per km².
Normalization by population
This facility density is then divided by population density (inhabitants per km²), yielding:
Facility per 10,000 (density) = ((# within R)/A) ÷ (inhabitants/km²) × 10,000
→ a standardized measure of “facilities per 10,000 inhabitants within {Radius}.”
Important: The number of facilities should not be divided directly by the population of the area. Facilities are calculated within a catchment radius R, whereas population is tied to the area polygon (neighborhood, district, or municipality). Because these boundaries differ—and frequently overlap—direct division may distort outcomes and lead to double-counting. Therefore, normalization is first carried out by facilities per km² and subsequently adjusted for population density, resulting in facilities per 10,000 inhabitants within R.
Waarom zo?
Eerlijke vergelijking tussen stralen en gebieden (via km²).
Vraagcorrectie (per inwoner) i.p.v. alleen aanbod.
Beslisbaar voor dekking/expansie (witte vlekken, onder-/overbediening).
Haken & ogen (bewust):
Cirkeloppervlak ≈ hemelsbreed; geen route/looptijd.
Verspreiding binnen de cirkel is niet uniform; voorzieningen kunnen overlappen.
Kleine n kan volatiel zijn → gebruik bij voorkeur een minimum inwoners-filter.
Index vs NL (=1,00)
Toegankelijkheid vs NL = waarde / NL-gemiddelde (>1 beter).
Afstand vs NL = NL / waarde (>1 beter, want kortere afstand).
Aggregatie
Provincie: inwoner-gewogen uit gemeenten.
Buurt, wijk, gemeente, land: bronwaarden (geen optellingen).
STED-vergelijking (waarom?)
Apples-to-apples binnen Mate van stedelijkheid (1=zeer sterk … 5=niet stedelijk).
Voorkomt vertekening tussen stad en land; robuuste Onderbediend/Gemiddeld/Overbediend labels via P25–P75.
Pagina 1 – Overzicht (kaart & ranglijsten)
Wat zie je hier?
Interactieve kaart met {Facility} binnen {Straal}; drill van provincie → gemeente → wijk → buurt.
Tegels met landelijk gemiddelde + indices t.o.v. NL (toegankelijkheid & afstand).
Ranglijsten tonen wie boven/onder NL zit.
Zo lees je de visuals
Kaart: kleur = index vs NL (groen = beter), grootte = toegankelijkheid. Klik om te filteren; zoom/pan.
Tegels: snelle duiding van jouw selectie t.o.v. NL (=1,00).
Ranking: stippellijn = NL; bars rechts van de lijn presteren beter dan NL.
Bekende beperkingen
Provincie is berekend (gewogen); andere niveaus zijn bronwaarden.
Als een gemeente geen waarde heeft, telt die niet mee in provinciale weging.
Indeling is 2024; historische lezing gebruikt die vaste grenzen.
Tips om te verkennen
Start op Nederland → {Facility} → {Straal}, zoom daarna naar provincie/gemeente.
Vergelijk gemeenten binnen één provincie; wissel 1/3/5 km voor robuustheid.
Pagina 2 – Peer-analyse (stedelijkheid)
Wat zie je hier?
Tabel met Facility per 10k (density), #faciliteiten, inwoners, bevolkingsdichtheid, rank en label Onderbediend / Gemiddeld / Overbediend.
Balkgrafiek met dezelfde metric; markering van mediaan (P50) en gemiddelde binnen de gekozen STED-klasse.
Filter voor Min # inwoners om ruis te beperken.
Begrippen & rekenregels
STED (CBS/OAD): 1 zeer sterk, 2 sterk, 3 matig, 4 weinig, 5 niet stedelijk.
Peer-baseline binnen de gekozen STED: gemiddelde, mediaan (P50) en IQR [P25–P75] van Facility per 10k.
Labels: Onderbediend (<P25), Gemiddeld (P25–P75), Overbediend (>P75).
Aggregatie: alleen provincie gewogen; overige niveaus tonen bronwaarden.
Zo lees je de visuals
Kies één STED-klasse (single select) en stel Min # inwoners in (bv. 20.000).
Tabel: check label & rank t.o.v. peers.
Grafiek: ligt je balk boven P75 → overbediend; onder P25 → onderbediend.
Tips om te verkennen
Sorteer op Facility per 10k of op label om top/bodem te zien.
Vergelijk uitkomsten bij 1/3/5 km: blijft het label gelijk?
Filter op specifieke provincies om intraklasse-verschillen te zien.
Gebruik “Min # inwoners” om kleine kernen te dempen.
Nieuw: Inzicht & analyse
We lichten de belangrijkste bevindingen uit en laten zien hoe je de STED-peeranalyse inzet om onder- en overbediende gebieden te vinden.
Lees het nieuwsberichtVeel gestelde vragen
Hier vind je antwoorden op vragen die we vaak krijgen — misschien staat die van jou er al tussen.
Wat betekent “toegankelijkheid (gewogen)” in deze dashboards?
Dat is het (gemiddelde) aantal gekozen voorzieningen binnen de geselecteerde straal (bijv. 1/3/5 km) rond het gebiedscentrum.
Buurt, wijk, gemeente, land: we tonen de aangeleverde bronwaarden.
Provincie: we berekenen een inwoner-gewogen waarde uit de gemeenten in die provincie.
Waarom normaliseren jullie naar voorzieningen per 10.000 inwoners?
Zodat je eerlijk kunt vergelijken tussen gebieden en stralen. We zetten de telling binnen de straal eerst om naar dichtheid per km² en delen dat door de bevolkingsdichtheid (inwoners/km²):
Zo combineer je aanbod (voorzieningen) en vraag (inwoners) in één vergelijkbare maat.
Wat is “Mate van stedelijkheid (STED)”?
CBS-indeling op basis van omgevingsadressendichtheid (OAD). We gebruiken vijf klassen:
1 = zeer sterk stedelijk (≥ 2.500 adressen/km²)
2 = sterk stedelijk (1.500–2.500)
3 = matig stedelijk (1.000–1.500)
4 = weinig stedelijk (500–1.000)
5 = niet stedelijk (< 500)
We vergelijken gebieden bij voorkeur binnen dezelfde STED-klasse (peer-vergelijking) om stad/land-vertekening te voorkomen.
Hoe worden provinciecijfers berekend?
Alleen op provincieniveau aggregeren we inwoner-gewogen uit de onderliggende gemeenten (gemeenten zonder waarde tellen niet mee). Op buurt, wijk, gemeente en land tonen we de bronwaarden.
Kan ik mijn eigen locaties/straal toevoegen voor een coverage-analyse?
Ja, als maatwerk. Lever je vestigings- of distributielocaties (adres/lat-lon) en gewenste straal aan; we berekenen dan bediende inwoners, overlap en witte vlekken, en leveren een kaart + samenvatting. (Niet onderdeel van de publieke dashboardversie.)
Benieuwd hoe jouw organisatie meer uit data kan halen?
Vraag een introductieworkshop aan: in één uur lopen we samen door je cijfers en laten we zien welke inzichten direct mogelijk zijn.