Elke burger en bedrijf krijgt de aandacht die

hij/zij verdient

Ontwikkeling van een risicoclassificatiemodel, op weg

naar meer businessvalue

24 november 2014 Martijn Scheele B/CA - BICC Paul van Egmond B/CA - AFB

2

3 3

Overige volumes

• We betalen uit:

> BTW € 22 mld

> Teruggaven IH € 12 mld

> Toeslagen € 11 mld

• Aantal burgers met een aangifte IH 7,8 mio

• Aantal burgers met Toeslagen 7,1 mio

• Aantal ondernemers 1,6 mio

• Aantal bezoeken Internetsites 44 mio

• Aantal telefoongesprekken 17 mio

• Aantal medewerkers 30.000

Elke burger en bedrijf krijgt de aandacht die hij/zij verdient

Elke burger en bedrijf krijgt de aandacht die hij/zij verdient

6

Opdracht

X

8

Data driven organisatie, kijk vanuit analytics

•

van standaard analyse naar ‘wat vertelt en voorspelt de data jou’

Greenlane

USER ROLES & THE ANALYTICS LIFECYCLE

•IDENTIFY /

•FORMULATE

•PROBLEM

•DATA

•PREPARATION

•DATA

•EXPLORATION

•TRANSFORM

•& SELECT

•BUILD

•MODEL

•VALIDATE

•MODEL

•DEPLOY

•MODEL

•EVALUATE /

•MONITOR

•RESULTS

•Domain Expert

•Makes Decisions

•Evaluates Processes and ROI

•BUSINESS

•MANAGER

•Model Validation

•Model Deployment

•Data Preparation

•IT SYSTEMS /

•MANAGEMENT

•Data Exploration

•Data Visualization

•Report Creation

•BUSINESS

ANALYST

•Exploratory Analysis

•Descriptive Segmentation

•Predictive Modeling

•ANALYST

•DATA

SCIENTIST

10

Statistisch model / machinaal leren.

• Supervised learning

• Gedrag uit het verleden bij IH en TSL is basis: > Trainingsset met foute en goede gevallen IH en TSL (totaal

52.000 stuks)

• Databronnen ontsluiten

• Data vertalen naar indicatoren

• Indicatoren programmeren

• Beslisbomen modelleren

• Model draaien op totale populatie (scoring)

• Steekproef validatie door toezichtsmedewerkers

• Resultaten validatie terugbrengen in het model

Indicatoren model

Antifraudebox 11

BRP

Geo-gegevens

Auto

Inkomen

Logistiek

Woning

CBS

Schulden/ betalings- gedrag

Werk-gevers

Aangifte-gedrag

12

Uitkomsten

0,0%

10,0%

20,0%

30,0%

40,0%

50,0%

60,0%

1-10% 10-20% 20-30% 30-40% 40-50% 50-60% 60-70% 70-80% 80-90% 90-100%

Freq

uen

tie

Voorspelde kans op non-compliance

# BSN

nummers

Antifraudebox 13

Minder dossiers behandelen zonder

opbrengst

Omvang inzet (tijdelijke) medewerkers ▼ Tevredenheid ▲

Eerlijkheid/rechtsgelijkheid ▲

Samen met classificatie op de inhoud van een aangifte: hit-

rate van 25% naar 80% (voorbeeld)

Staatskas ▲ Enthousiasme ▲ Efficiëntie ▲ Proactief ▲

Goed nagedacht over privacy en security

Gevolgen voor de medewerkers

14

Business Value

• Gegevens centraal – aanpassing architectuur

• Data driven mindset

• Massaal proces: eerste indicatie aanbrengen aan de poort = beter kiezen !