Data & analytics ofwel informatiegestuurd werken, staat hoog op de agenda in het publieke veiligheidsdomein. Het analyseren van data uit relevante bronnen helpt opsporingsdiensten en overheden bij de bestrijding van criminaliteit en fraude. Maar gestructureerde toepassing van data & analytics als innovatieve opsporingsmethode blijkt in de praktijk weerbarstig.
Rob Jastrzebski
Daan Landkroon en Cyriel Houben van Capgemini zien als experts dat in de dagelijkse praktijk veel projecten niet verder komen dan de pilotfase en niet echt in het uitvoeringsstadium komen. Zonde van de investeringen in geld en tijd. Hun pleidooi voor succes: beschouw data & analytics niet als een technisch vraagstuk, maar als een business vraagstuk. Dat vraagt wel het een en ander van de organisatie.
Inhoudsopgave:
– Datalab en ‘innovatiefunnel’
– Meer dan techniek
– Meerwaarde voor de organisatie zichtbaar maken
– Naast kapitaalvernietiging ook gemiste kans
– Analysebelang versus privacy
– Check of aanpak geen privacy schending oplevert
– Het doel heiligt de middelen
– Hoe ver wil een organisatie gaan?
– Data & analytics is structureel instrument
Datalab en ‘innovatiefunnel’
Capgemini krijgt veel aanvragen van bedrijven voor projectondersteuning en advisering bij de aanpak van onder andere digitale fraude en witwassen; vooral van grote spelers in de financiële sector. In de bank- en verzekeringswereld, maar ook in andere bedrijfstakken en bij overheden, is er een groot besef dat in het tijdperk van ICT en data het combineren en analyseren van databronnen een grote steun kan zijn bij het nemen van maatregelen om de bedrijfstak integer en schoon te houden. Maar hoe kom je aan die data en wat kan en mag je er vervolgens precies mee? Het opzetten van een datalab en een ‘innovatiefunnel’ waarin alle betrokken expertises zich gezamenlijk over het op te lossen vraagstuk buigen, is volgens beide experts een effectieve benadering. Capgemini heeft al veel bedrijven geholpen bij het opzetten van zo’n datalab.
Cyril Houben (l) en Daan Landkroon benadrukken het belang van betrokkenheid van inhoudelijke kennis uit de praktijk bij een innovatieve data & analytics aanpak.
Meer dan techniek
“Het goed opzetten van een data & analytics structuur is veel meer dan alleen een technisch vraagstuk”, beklemtoont Landkroon. “Natuurlijk is een goede technische infrastructuur met digitale analysetools onontbeerlijk, maar succesvolle toepassing is ook afhankelijk van menselijke factoren en de bedrijfscultuur. Veel organisaties beseffen onvoldoende wat er allemaal komt kijken bij zo’n innovatietraject en lopen vast, omdat ze het vanuit de concept- en testfase niet geïmplementeerd krijgen. Om dat op te lossen moet data & analytics als een businessvraagstuk worden benaderd. Het topmanagement moet betrokken worden om het draagvlak voor de aanpak binnen de organisatie te verstevigen en beslissingen te nemen.”
Meerwaarde voor de organisatie zichtbaar maken
Ook vakinhoudelijke expertise moet al vanaf de eerste stappen in het project aan boord zijn. De vraag die gesteld moet worden is: welk probleem willen we oplossen en welke stappen zijn nodig om dat doel te bereiken? Bijvoorbeeld: hoe kunnen we effectiever fraude en witwassen opsporen met innovatieve methoden? Door alle relevante expertise op technisch, analytisch en ook juridisch gebied bij elkaar te zetten in een ‘analytics funnel’, heeft iedereen hetzelfde doel voor ogen en wordt de meerwaarde voor de organisatie duidelijk.”
Naast kapitaalvernietiging ook gemiste kans
Houben kent meerdere praktijkvoorbeelden van ogenschijnlijk kansrijke innovatieprojecten die zijn gestrand omdat de genoemde randvoorwaarden ontbraken: “Het is niet alleen een enorme kapitaalvernietiging; de organisatie laat ook grote potentiële waarde liggen voor het succesvol aanpakken van een veiligheidsvraagstuk.”
Om inzicht te krijgen in verdachte transacties moet je data uit verschillende bronnen combineren
Analysebelang versus privacy
De beschreven aanpak via een innovatiefunnel waarbij alle relevante stakeholders aan tafel zitten, is volgens Landkroon essentieel om in een vroeg stadium mogelijke knelpunten te signaleren en op te lossen. “Zo is er bijvoorbeeld de privacywetgeving, waar je in een data & analytics proces tegenaan kan lopen. Neem de aanpak van ondermijning door het witwassen van criminele vermogens in de bankensector. Om inzicht te krijgen in verdachte transacties en onverklaarbare hoge vermogens van klanten, moet je data uit verschillende bronnen combineren. Maar mag dat zo maar? Er is heel veel data in uiteenlopende digitale bronnen beschikbaar, maar die mag niet altijd zomaar worden gebruikt. Dit is best een dilemma: aan de ene kant stellen toezichthouders strenge eisen aan de integriteit van het financiële stelsel en hebben banken de plicht om maatregelen tegen witwassen te nemen. Aan de andere kant beperken toezichthouders ook de opsporingsmogelijkheden met argumenten van privacy.”
Check of aanpak geen privacy schending oplevert
Om die reden is het volgens Landkroon en Houben verstandig om in het project ook juridische expertise aan boord te hebben, die goed kan uitleggen wat wel mag en wat niet. Dat kan later in het implementatiestadium een hoop problemen voorkomen. Houben: “In de beveiligde omgeving van een datalab kun je dit soort dilemma’s goed signaleren en onderzoeken hoe je die kunt oplossen, onder de voorwaarde dat de verzamelde data niet naar buiten komt. Het is goed om in het experimentele stadium van een data & analytics project standaard een privacy impact assessment uit te voeren om vast te stellen of een voorgestelde aanpak op mogelijke belemmeringen van de AVG stuit of niet.”
Het doel heiligt de middelen
Landkroon en Houben benoemen vijf factoren voor het succesvol implementeren van een data & analytics aanpak. In de eerste plaats business commitment van de vakinhoudelijke stakeholders. Houben: “Alleen de inhoudsdeskundigen kunnen bepalen wat de feitelijke waarde van de aanpak voor hun werkveld is. Er moeten vanuit de werkpraktijk sterke argumenten zijn voor de voorgestelde aanpak. Bijvoorbeeld dat het analysetraject helpt de financiële schade te beperken, het imago van de organisatie te verbeteren, of om problemen met toezichthouders te voorkomen. Om bij de casus van de financiële sector te blijven: die is streng gereguleerd en ligt onder het vergrootglas. Het is voor financiële dienstverleners dan ook belangrijk aan te tonen dat zij maatschappelijk verantwoord bezig zijn. Een data & analytics benadering kan helpen dat doel te bereiken.”
Hoe ver wil een organisatie gaan?
Andere belangrijke succesfactoren zijn: vertegenwoordiging van alle stakeholders in een ‘data governance board’ die de hele procesketen aanstuurt en begeleidt, het ontwikkelen van hypotheses en toepassingsmogelijkheden in samenwerking met vertegenwoordigers van het werkveld, zorgen voor verandermanagement om de benodigde nieuwe werkprocessen en techniek ook daadwerkelijk geïmplementeerd te krijgen en, last but not least, bezinning op de vraag of wat technisch mogelijk is ook ethisch verantwoord is. Zo komt bijvoorbeeld ook het genoemde dilemma van de privacywetgeving in relatie tot digitale opsporing aan het licht: hoe ver wil en mag een organisatie hierin gaan?
Data & analytics is structureel instrument
Landkroon besluit: “Implementatie van een data & analytics traject vraagt een brede coalitie van expertises en disciplines, om helder te krijgen wat de impact van de aanpak is op de organisatie en wat er allemaal moet gebeuren om de systematiek effectief te kunnen toepassen. Zo moeten bijvoorbeeld op bestuurlijk niveau beslissingen worden genomen over financiële investeringen en aanpassing van de digitale infrastructuur van het bedrijf. En de organisatie moet zich ook realiseren dat het geen eenmalige actie is, maar dat data & analytics een structureel instrument is om de integriteit van de organisatie te handhaven. De systematiek moet daarom onderdeel worden van de bedrijfsvoering. Dat heeft een heel andere dynamiek dan het ontwikkelen van een technisch analyse instrument.”
Rob Jastrzebski is freelance journalist
