3,9% klinkt als een nationaal oordeel over de arbeidsmarkt, maar voor woningmarktbeslissingen vertelt het gemiddelde slechts een deel van het verhaal. In 2025 lag het werkloosheidspercentage in Nederland op 3,9%, terwijl Rotterdam op 6,4% uitkwam en Zeeland op 3,2%, blijkt uit CBS-gegevens over de regionale economie. Voor banken, hypotheekverstrekkers, vastgoedinvesteerders en beleidsmakers is de relevante vraag daarom niet alleen hoe hoog het landelijke cijfer is, maar ook waar werkloosheid zich concentreert en hoe je dat koppelt aan woningdata op postcode- en objectniveau.
Wat het werkloosheidspercentage precies meet en waarom het telt
Het werkloosheidspercentage is het aandeel werklozen binnen de totale beroepsbevolking. Het CBS rekent voor Nederland met mensen van 15 tot 75 jaar die werken of werk zoeken. De formule is eenvoudig:
werkloosheidspercentage = werkloze beroepsbevolking ÷ totale beroepsbevolking × 100
In het tweede kwartaal van 2026 waren in Nederland 396 duizend mensen werkloos, oftewel 3,9% van de beroepsbevolking van 15 tot 75 jaar. Dat waren 17 duizend werklozen minder dan in het kwartaal ervoor, toen het percentage 4,0% bedroeg, volgens het CBS-dashboard over werklozen.
Wie wel en niet meetelt
De noemer is niet de hele bevolking. Mensen die niet werken, niet beschikbaar zijn en ook geen werk zoeken, vallen buiten de beroepsbevolking. Daardoor zegt het percentage iets over de arbeidsmarktpositie van mensen die deelnemen aan of beschikbaar zijn voor werk, niet over alle inwoners.
Dat onderscheid voorkomt een veelgemaakte interpretatiefout. Een daling van het aantal werklozen betekent niet automatisch dat iedereen die eerder buiten de arbeidsmarkt stond, werk heeft gevonden. Voor risicoanalyses moet je daarom naast het werkloosheidspercentage ook kijken naar regionale arbeidsmarktkenmerken, inkomensdata en woningkenmerken.
Praktische regel: gebruik het nationale percentage als macro-indicator, niet als directe voorspeller van betaalbaarheid of betalingsrisico voor elk afzonderlijk woningobject.
Waarom woningmarktprofessionals dit volgen
Werkloosheid beïnvloedt de zekerheid van huishoudinkomens, de ruimte voor woonlasten en de bereidheid om te verhuizen. Banken gebruiken arbeidsmarktinformatie als context bij acceptatie en portefeuilleanalyse. Gemeenten letten op mogelijke druk op woonbeleid, terwijl investeerders regionale vraag en economisch risico naast elkaar leggen.
Het cijfer werkt dus als een thermometer, niet als een volledige diagnose. De rest van de analyse draait om drie vragen: hoe wordt het percentage berekend, hoe verschilt het per regio en hoe vertaal je het naar woningmarktbeslissingen?
Hoe het werkloosheidspercentage wordt berekend en seizoencorrectie werkt
Het werkloosheidspercentage is een verhouding: de werkloze beroepsbevolking gedeeld door de totale beroepsbevolking, dus werkenden plus werklozen. Maandcijfers worden seizoengecorrigeerd, zodat terugkerende patronen maandvergelijkingen minder vertekenen. De definitie en meetreeks staan in CBS StatLine tabel 80590ned.
De berekening volgt drie stappen:
- Bepaal de teller. Tel de werkloze mensen binnen de beroepsbevolking.
- Bepaal de noemer. Neem alle werkenden en werklozen samen.
- Deel en vermenigvuldig. Deel de teller door de noemer en druk de uitkomst uit als percentage.
In juni 2026 rapporteerde het CBS 393 duizend werklozen en een beroepsbevolking van 10,225 miljoen mensen van 15 tot 75 jaar. Daaruit volgde een werkloosheidspercentage van 3,8%. In juli 2026 bleef het percentage 3,8%. Het maandcijfer kwam in augustus 2025 tijdelijk uit op 3,9%. Deze waarden komen uit dezelfde CBS-reeks.
Waarom seizoencorrectie nodig is
Arbeidsmarktdata veranderen door economische ontwikkelingen, maar ook door patronen die elk jaar terugkeren. Onderwijsperiodes, vakanties en seizoensgebonden werk kunnen een maandcijfer beïnvloeden. Een ongecorrigeerde vergelijking met de vorige maand kan daardoor een normaal seizoenseffect laten lijken op een structurele omslag.
Seizoencorrectie haalt zulke voorspelbare bewegingen zo veel mogelijk uit de reeks. De resterende cijfers zijn daardoor beter bruikbaar om de onderliggende trend te volgen. De correctie verandert de oorspronkelijke waarneming niet in een waarheidsgetrouwer cijfer. Ze maakt maand-op-maandvergelijking geschikter.
Wat dit betekent voor dashboards en modellen
Leg in een risicodashboard vast welke reeks je gebruikt. Meng seizoengecorrigeerde maandcijfers niet zonder uitleg met kwartaal- of jaarcijfers. Noteer ook de meetperiode, leeftijdsafbakening en definitie van de beroepsbevolking.
Een enkel maandpunt geeft voor een hypotheekportefeuille of vastgoedanalyse weinig houvast. Analyseer de ontwikkeling door de tijd, vergelijk regio's op dezelfde basis en koppel het percentage aan object- en buurtvariabelen. Via een regionale API kun je die arbeidsmarktgegevens vervolgens naast woningprijzen, inkomens of transacties leggen. Zo wordt zichtbaar of een lokaal signaal relevant is voor een woningmarktbeslissing, in plaats van alleen voor het landelijke gemiddelde.
Regionale en historische trends die het landelijke cijfer nuanceren
Een landelijk werkloosheidspercentage is een gemiddelde, geen postcodekaart. In 2025 kwam Nederland uit op 3,9%, terwijl Rotterdam 6,4%, Den Haag 5,7%, Amsterdam 5,3% en Utrecht 4,4% noteerden. Zeeland lag op 3,2% en Gelderland op 3,4%, volgens de CBS-cijfers over de regionale arbeidsmarkt.
Voor woningmarktanalyses maakt dat verschil direct uit. Een regionaal percentage laat zien waar inkomenszekerheid en arbeidsvraag mogelijk anders bewegen dan het nationale gemiddelde. Via een API kunnen analisten zulke cijfers per regio naast woningprijzen, transacties of woningvoorraad zetten. Zo krijgt een beslissing over een gemeente of postcode een passendere onderbouwing.
Het historische perspectief
Ook de betekenis van een percentage hangt af van de periode waarmee je vergelijkt. In de jaren zeventig lag de Nederlandse werkloosheid volgens de historische CBS-reeks relatief laag, tussen 0,4% en 3,5% van de beroepsbevolking. Daarna steeg het percentage naar 9,6% in zowel 1983 als 1984, het hoogste niveau in de recente CBS-reeks, aldus de historische CBS-analyse.
Na die piek daalde de werkloosheid geleidelijk. Het CBS vermeldt 7,0% in 1990, 4,6% in 1999 en 3,7% in 2024. In 2025 liep het landelijke niveau op naar 3,9%, nog altijd onder het langjarige gemiddelde van 5,7% sinds 2003, volgens de CBS-beschrijving van de arbeidsmarkt in 2025.
Waarom gemiddelden risico verbergen
Een nationaal cijfer kan een relatief gezonde arbeidsmarkt tonen, terwijl een grote stad tegelijk met een hardnekkige mismatch kampt. Vraag naar werk, beschikbare vaardigheden en regionale woningvoorraad sluiten dan onvoldoende op elkaar aan. Voor een portefeuille met stedelijke blootstelling kan het landelijke gemiddelde daardoor een te gunstig beeld geven.
DNB duidt de recente stijging als een normaal aanpassingsproces in een arbeidsmarkt die nog steeds krap is. De bank raamde een bandbreedte van circa 3,9% in 2026 die kan oplopen naar 4,4% in 2027, zoals beschreven door het CBS. Dat blijft een projectie, geen vaststaand scenario.
Een gezonde nationale arbeidsmarkt kan samengaan met lokale druk. Beslissingen per postcode vragen daarom om regionale data, niet alleen om het headline-cijfer.
Waarom het werkloosheidspercentage de woningmarkt en hypotheekrisico raakt
Een stijging van 3,7% in 2024 naar 3,9% in 2025 betekent meer dan een beweging in een arbeidsmarktgrafiek. Werkloosheid raakt de zekerheid van huishoudinkomens, de verhuisbereidheid en de ruimte voor woonlasten. Het landelijke cijfer lag in 2025 nog onder het langjarige gemiddelde van 5,7% sinds 2003. Gemiddeld waren er 396 duizend werklozen, 24 duizend meer dan een jaar eerder, zoals eerder beschreven.
Van arbeidsmarkt naar woonlasten
Voor een hypotheekverstrekker begint de koppeling bij het inkomen. Wie werkloos raakt, kan inkomen verliezen of onzeker werk krijgen. Daardoor kan de beschikbare ruimte voor rente, aflossing en andere woonlasten kleiner worden. De kwetsbaarheid verschilt per huishouden. Arbeidsmarktregio, contractvorm, inkomen, gezinssamenstelling en financiële buffers bepalen samen hoe zwaar een verandering doorwerkt.
Regionale werkloosheid werkt daardoor als een lokale thermometer. Het nationale cijfer geeft de temperatuur van het land aan, maar zegt niet precies hoe warm of koud het in een specifieke gemeente is. Voor beslissingen per postcode zijn regionale reeksen en een passende geografische schaal nodig.
Voor verhuurders en investeerders kan de vraag verschuiven wanneer kopen voor bepaalde huishoudens minder haalbaar wordt. Huren kan dan aantrekkelijker of noodzakelijker worden. Dat patroon staat niet vast. Analyseer het werkloosheidspercentage daarom naast huurvraag, woningtype, lokale voorraad en inkomensgegevens. Een analyse over een afkoelende woningmarkt kan helpen om de bredere marktomstandigheden te plaatsen.
Gebruik als covariaat, niet als oordeel
Een portefeuilleteam kan het werkloosheidspercentage opnemen als regionale covariaat naast inkomen, loan-to-value, woningkenmerken en buurtvariabelen. Het geeft context aan een model, maar bepaalt niet zelfstandig de waarde van een woning of het risico van een lening.
Een arbeidsmarktindicator beschrijft de omgeving. Objectwaarde hangt ook samen met woningtype, oppervlakte, locatie, onderhoud en vergelijkbare transacties. Zet beide niveaus daarom niet zonder controle op één hoop.
Leg bij een API-koppeling de regionale sleutel, bron en peildatum vast. Gebruik geaggregeerde informatie waar dat volstaat en verbind persoonsgegevens alleen met woningdata wanneer daarvoor een duidelijke grondslag bestaat. Zo blijft het percentage een controleerbaar signaal, geen schijnpreciese prijsvoorspeller.
Hoe banken gemeenten makelaars en investeerders het cijfer praktisch gebruiken
Het werkloosheidspercentage krijgt betekenis door de beslissing die erop volgt. Een bank gebruikt het als context bij krediet- en portefeuilleanalyse. Een gemeente volgt ermee regionale woonvraag en kwetsbaarheid. Een investeerder vergelijkt arbeidsmarktdruk bij acquisitie, terwijl een verzekeraar de indicator naast object- en risicodata legt.
Vier toepassingen in de praktijk
| Gebruiker | Beslissing | Relevante combinatie |
|---|---|---|
| Bank of hypotheekverstrekker | Portefeuille- en acceptatierisico beoordelen | CBS-arbeidsmarktdata, inkomen, LTV en woningkenmerken |
| Gemeente | Woonbeleid en regionale druk volgen | CBS-regiocijfers, huishoudens, woningvoorraad en buurtdata |
| Makelaar of taxateur | Marktomstandigheden duiden | Regionale arbeidsmarkt, transacties en referentiewoningen |
| Investeerder | Regio's en objecten vergelijken | Werkloosheid, huurvraag, locatiekenmerken en portefeuille-exposure |
Een productmanager kan de landelijke reeks opnemen in een managementdashboard en regionale waarden gebruiken voor segmentatie. Een developer haalt arbeidsmarktdata uit CBS StatLine of het arbeidsmarktdashboard en koppelt die aan eigen objectdata op PC6-niveau. De geografische sleutel bepaalt welke vraag je beantwoordt: gemeente, provincie en PC6 geven elk een ander detailniveau.
Voor woningmarktbeslissingen werkt het cijfer als een waarschuwingslampje. Het laat zien waar aanvullende controle nodig is, niet welke uitkomst automatisch volgt. Een bank kan regionale arbeidsmarktdruk bijvoorbeeld naast inkomen, loan-to-value en woningkenmerken leggen. Een gemeente kan dezelfde informatie combineren met huishoudens, woningvoorraad en buurtdata.
Geanonimiseerd praktijkvoorbeeld
Een vastgoedteam analyseert een portefeuille met woningen in meerdere stedelijke en provinciale gebieden. Het landelijke percentage lijkt stabiel genoeg voor een algemene aanname. De regionale uitsplitsing laat echter zien dat sommige stedelijke posities een hoger percentage hebben dan provincies met een lager niveau.
Het team verlaagt daarop niet automatisch de waarde van woningen. Het markeert de betreffende regio's voor aanvullend onderzoek, controleert lokale transacties en onderzoekt of de portefeuille past bij de gekozen referentiegroep. Zo fungeert het cijfer als signaal voor vervolgwerk, niet als zelfstandige prijsvoorspeller.
Databronnen in de workflow
Gebruik CBS StatLine voor definities en reeksen, het CBS-dashboard voor actuele arbeidsmarktweergave en regionale CBS-publicaties voor context. Een woningdata-API kan objectkenmerken, buurtvariabelen en transacties toevoegen. Leg bij iedere koppeling de bron, periode en geografische granulariteit vast.
Daarmee blijft de analyse controleerbaar voor risk, compliance en modelvalidatie. De API ontsluit gegevens, maar de organisatie bepaalt hoe die informatie in besluitregels wordt gebruikt.
Visualisaties en databronnen die werkloosheid inzichtelijk maken
Een goede visualisatie maakt drie dingen zichtbaar: ontwikkeling door de tijd, regionale spreiding en de relatie met woningdata. Een losse tegel met één percentage is snel te lezen, maar geeft weinig context. Voor B2B-gebruik heb je een ontwerp nodig waarmee een gebruiker de peildatum, definitie en geografische schaal kan controleren.
Kies de visualisatie bij de vraag
Een tijdreeks met een seizoengecorrigeerde lijn past bij trendbewaking. Een kaart op provincie- of gemeenteniveau maakt regionale spreiding zichtbaar. Een vergelijkingstabel werkt beter wanneer gebruikers meerdere gebieden naast elkaar moeten beoordelen.
Gebruik altijd een duidelijke legenda en vermeld of het cijfer een maand-, kwartaal- of jaarniveau betreft. Zet landelijke en regionale waarden niet zonder toelichting in dezelfde grafiek, omdat gebruikers anders verschillen in periode of schaal kunnen verwarren.
Maak de herkomst zichtbaar
Een reproduceerbaar dashboard toont minimaal:
- Definitie: werkloze beroepsbevolking als aandeel van de totale beroepsbevolking.
- Populatie: de gebruikte leeftijdsgroep.
- Periode: de peildatum en frequentie.
- Correctie: of de maandreeks seizoengecorrigeerd is.
- Bron: een directe verwijzing naar het relevante CBS-dashboard of StatLine-record.
Alt-tekst hoort de inhoud van een grafiek kort te beschrijven. Bijvoorbeeld: “Werkloosheidspercentage per regio, met hogere waarden in enkele grote steden dan in Zeeland en Gelderland.” De alt-tekst vervangt de bronvermelding niet.
Voor woningmarktanalyses kun je de arbeidsmarktindicator naast Kadaster-transactiedata, locatiekenmerken en woning- en buurtvariabelen leggen. De grafiek over de Nederlandse huizenmarkt laat zien waarom tijd, regio en woningdata samen meer betekenis geven dan één headline.
Zo gebruik je het werkloosheidspercentage slim in je volgende analyse
Het werkloosheidspercentage krijgt pas besliswaarde wanneer je het op de juiste schaal gebruikt. Begin met de landelijke trend voor macrocontext, maar schakel daarna naar de regio die relevant is voor je portefeuille, beleidsgebied of acquisitie. Gebruik voor maandvergelijkingen een seizoengecorrigeerde reeks en leg definities en peildata vast.
Een werkbare analyse combineert vervolgens drie lagen:
- Arbeidsmarktlaag: werkloosheid per relevante regio en periode.
- Woningmarktl aag: transacties, woningkenmerken, referentiewoningen en lokale prijsontwikkeling.
- Beslislaag: acceptatie, portefeuillemonitoring, woonbeleid, taxatie of investeringsselectie.
De belangrijkste les is dat een nationaal gemiddelde lokale mismatch kan verbergen. Een stijging van het werkloosheidspercentage is bovendien een signaal voor nader onderzoek, geen automatisch bewijs van macro-economische stress. Gebruik het daarom als één variabele binnen een uitlegbaar model, niet als vervanging voor inkomens-, object- en buurtanalyse.
Een team dat dit proces wil operationaliseeren, kan arbeidsmarktdata combineren met woningwaarde-, buurt- en transactiedata en de aanpak eerst gecontroleerd testen. Lees ook de uitleg over predictive analytics voor vastgoeddata om de stap van beschrijvende statistiek naar toetsbare signalen zorgvuldig te maken.
Voor banken, hypotheeksoftware, taxateurs en investeerders ligt de volgende stap in een herleidbare datakoppeling: definieer de geografische sleutel, registreer de bron en controleer of elke modeluitkomst uitlegbaar blijft.
Altum AI ontsluit woningwaarde-, buurt-, energie- en transactiedata via API's, zodat je het werkloosheidspercentage kunt combineren met woningkenmerken en regionale context. Start met een gratis account, gebruik de maandelijkse 15 credits in de sandbox en bekijk de documentatie op Altum AI om je analyse gecontroleerd te testen.