Ordina harold selman

Hoe datakwaliteit en fraudebestrijding hand in hand gaan

Hoe Data Science de wereld verandert

Harold Selman

Data Scientist bij Ordina Visionworks

2

Opeens ben je Data Scientist!

Data Visualization

Machine Learning

Mathematics

StatisticsProgramming

Domain Expertise

Communication

DATA SCIENTIST

3

Data Analytics Presentation Architecture Processes Governance Digital Marketing

Wat doet Visionworks allemaal?

Icon made by Freepik from www.flaticon.com

4

Samen duurzaam innoveren

5

Veiligheid en privacy

- Geen personen of adressen precies te

achterhalen (behalve door het toevoegen van

voorkennis), dus blijft privacygevoelig

- Beveiligde omgeving alleen op locatie: alles in

en uit de omgeving via het 4-ogen principe

- Analyses om patronen te vinden wel mogelijk

- Pseudoniemen staan bij een externe partij

opgeslagen

- Selectie op risico, niet op fraudeurs

- De oorspronkelijke gegevens waartoe wij geen

toegang hebben

- Niet nodig om alles te weten

PersoonsgegevensGepseudonimiseerde

persoonsgegevens

?

6

Welke gegevens ik gebruik: Basisregistratie Personen (BRP)

Life Event

Life Event

Life Event

BRP

Persoonsgegevens(Basisregistratie Personen)

VerhuizingUitkeringen, toeslagen, etc.

Geboorte

Huwelijk

Adresfraude / Adres-gerelateerde fraude

7

Voorbeeld adresfraude

Bron: RTL Nieuws (Uitzending 14 – 12 – 2015)

8

Verhuizen is geen fraude 1080 euro per maand

Bron: Metro (19 – 4 – 2016)

9

Risicoprofiel: Schijnverlater

Werkelijkheid Op papier

10

Waar ik naar zoek: Afwijkingen in de BRP die leiden tot adres-gerelateerde fraude

Samenstelling huishouden

Relaties

Verhuisbewegingen

Waar ik naar kijk

Briefadres (aantal varianten)

Overbewoning

Vertrokken Onbekend

Waarheen (VOW)

Doorgangsadres

Samenwoners

Veelverhuizers

Schijnverlaters

Schijnbewoning

Opgedoken uit VOW-status Schijnverlaters

11

Aanpassingsvermogen

12

Nieuwe vermoedens formuleren

Prototype risicoprofiel

Overleg met experts uit de praktijk

Nieuwe versie

risicoprofiel

Vermoedens checken in

praktijk

Feedback loop

Praktijkvoorbeeld (signaal)

Afwijkende patronen gevonden in de data

Financieel belang

Andere partijen

13

Ontwikkelen van risicoprofielen

Risicoprofielen Wijziging?BRP

Informatieknooppunt van LAA(Landelijke Aanpak Adreskwaliteit)

LAA gemeenten controleren BRP met

werkelijkheid

Andere overheidsinstanties controleren of elke burger krijgt

waar hij/zij recht op heeft

14

Preventief gebruiken van risicoprofielen

Risicoprofielen Event

Event

Event

BRP

15

Verkennen van data-gedreven risicoprofielen

Risicoprofielen Event

Event

Event

BRP

16

Innovatie

17

Innovatie: Clusteren

18

Innovatie: Applicatie met informatie

• Informatie op gemeenteniveau

• On-demand

• Relatief aantallen per 1000 inwoners

• Gemeenten vergelijken op basis van omvang, taak

en voorzieningen

19

Mijn stelling

Datakwaliteit en fraudebestrijding gaan hand in hand

20

Hoge datakwaliteit van de BRP is noodzakelijk- Andere overheidsinstellingen moeten deze gegevens gebruiken

- Zodat elke burger krijgt waar hij/zij recht op heeft

- Om elke burger te kunnen bereiken, bijvoorbeeld voor bevolkingsonderzoek

Adresfraude signaleren en voorkomen- Stopzetten van onrechtmatige regelingen

- Terughalen van belastinggeld

- Voorkom soortgelijke adresfraude in de toekomst

Toch in de praktijk lijken het aparte onderwerpen

Datakwaliteit en fraudebestrijding

21

Fraudebestrijding- Afwijkende patronen zoeken

- Adres-gerelateerde fraude

opsporen en onderzoeken

- Zoveel mogelijk fraudeurs

aanpakken

- Redeneren vanuit de

beweegreden van de fraudeur

- Alleen aanpakken van fraudeurs

die bewust misbruik maken? Nee!

Datakwaliteit- Afwijkingen zoeken in de data

- Fouten opsporen en onderzoeken

(ook de fouten door fraudeurs)

- Zoveel mogelijk fouten zoeken en

herstellen

- Redeneren vanuit kennis welke

oorzaken fouten veroorzaken

Datakwaliteit en fraudebestrijding

22

Mijn stelling

Datakwaliteit en fraudebestrijding gaan hand in hand

Reactief:- Fouten opsporen (ook veroorzaakt door fraudeurs)

- Zoveel mogelijk fouten (of fraudeurs) vinden

- Redeneren vanuit kennis welke oorzaken fouten veroorzaken (of hoe de

fraudeur fouten veroorzaakt)

Preventief:- (Afwijkende) patronen zoeken en herkennen

- Leren van de fouten en deze voorkomen

23

Toegevoegde waarde

Wij geloven in ICT die

mensen vooruit helpt

Dank u wel voor uw aandacht!

Datakwaliteit en fraudebestrijding gaan hand in hand

Contact

Harold Selman

[email protected]

https://nl.linkedin.com/in/haroldselman

Ordina Visionworks

ordinavisionworks.nl