Statistische kruisbestuiving tussen uitkeringsinstanties en pensioenverzekeraars
Laatst was ik als facilitator betrokken bij een sessie getiteld "Kruisbestuiving tussen uitkeringsinstanties en pensioenverzekeraars". Vertegenwoordigd waren de afdeling Customer Services van een grote pensioenverzekeraar en de IAD (Internal Audit Department) van een grote uitkeringsinstantie.
Jacques de Swart
Aanleiding voor het organiseren van deze sessie was dat de DNB in het kader van haar toezichtsproject Quinto pensioenverzekeraars heeft gevraagd om onder meer met behulp van steekproeven transparantie te geven over de juistheid van de aanspraken in de administratie.
Voor de pensioenverzekeraars is het gebruik van steekproeven in deze context nieuw. Voor uitkeringsinstanties niet. In het controleprotocol Structuur Uitvoeringsorganisatie Werk en Inkomen (SUWI) is immers sinds jaar en dag vastgelegd dat zij met 95 procent betrouwbaarheid moeten vaststellen dat de financiële fouten in de verantwoording kleiner dan één procent zijn.
Gelukkig is het al lang niet meer zo dat interne of externe accountants van uitkeringsinstanties in splendid isolation van de lijnorganisatie steekproeven uitvoeren om aan het controleprotocol SUWI te voldoen. In toenemende mate analyseren zij de inherente risico's in uitkeringsstromen, speuren zij sterkten en zwakten in de interne beheersing op, en maken zij gebruik van bestaande kwaliteitscontroles zoals uitzonderingsrapportages en verbandscontroles.
Op basis van al deze informatie splitsen zij de uitkeringen in ‘bakken' met meer of minder risico op een financiële fout. Per bak trekken ze een steekproef waarbij ze de trekkingskans van een uitkering laten variëren met het risico op nog niet ontdekte fouten. Hoe groter het risico na inachtneming van alle informatie, hoe groter de trekkingskans moet zijn om de steekproef zo efficiënt mogelijk te maken. Kortom, zij zijn op zoek naar optimalisatie van de controlemix.
De pensioenverzekeraar keek dan ook met zekere jaloezie toe hoe geoefend en efficiënt de uitkeringsinstantie al was in het op kwantitatieve wijze verantwoording afleggen over de output van haar werkzaamheden.
Toch kwam er ook een leuke tovoeging van de pensioenverzekeraar. Gezien de doorgaans lange looptijd van een pensioencontract bleek de integrale controle op de juistheid van de individuele aanspraak van één klant enorm arbeidsintensief. De gegevens die de hoogte van de aanspraak bepalen hadden namelijk gemiddeld zo'n 50 keer een verandering ondergaan en al deze mutaties moesten worden gecontroleerd om de juistheid van één aanspraak vast te kunnen stellen.
Om deze last te verminderen, was de pensioenverzekeraar gaan controleren op het niveau van mutaties in plaats van op het niveau van individuele aanspraken. Statistisch gezien geeft een controle van honderd individuele aanspraken uit alle aanspraken evenveel zekerheid als een controle van honderd mutaties uit alle mutaties. Deze verandering in aanpak leverde dus ruwweg een factor 50 aan reductie in controle-inspanning op.
Bij een uitkeringsinstantie geldt min of meer hetzelfde. Een uitkering vindt plaats op basis van periodieke vaststellingen die vaak gelijk zijn aan de vorige vaststelling. Door te gaan controleren op het niveau van mutaties in vaststellingen in plaats van op het niveau van uitkeringen kan men de trekkingskans ten eerste veel beter laten variëren met de mate van interne beheersing.
Ten tweede kan dit ook een flinke reductie in controle-inspanning opleveren, al zal een factor 50 niet gehaald worden, omdat gerapporteerd moet worden over de jaarlijkse uitkeringsmassa in plaats van over vele jaren heen opgebouwde aanspraken.
Verder gaf de uitkeringsinstantie ook eerlijk toe jaloers te zijn op de pensioenverzekeraar. De COO van de pensioenverzekeraar wilde juist zíjn afdeling betrekken bij de uitvoering van de steekproeven, terwijl bij de uitkeringsinstantie de uitvoering toch vooral nog belegd was bij de IAD.
Ten eerste wilde de COO zo de aandacht van de front office vestigen op de verantwoording aan klanten. Ten tweede kunnen de resultaten een handvat zijn voor productrationalisatie. Meer uniformiteit in producten vormt een geringer inherente risico en zijn dus gemakkelijker te beheersen. Hiermee geef je op een goede wijze invulling aan het centraal stellen van het klantbelang. Juist de betrokkenheid van de front office bij de steekproeven vergroot het bewustzijn van dit mechanisme.
Steekproeven in dienst van de strategie: Dat is nog eens een upgrade van het begrip steekproeven!
Hier zag de uitkeringsinstantie ook mogelijkheden: Alleen nog regelingen uitvoeren waarvan de opbrengsten opwegen tegen de kosten van het kwantificeren en beheersen van de risico's.
Kortom, het woord 'kruisbestuiving' in de titel van de sessie deed zijn naam eer aan!
Gerelateerd
Machine learning in de audit: stratificeren van bedrijfslocaties
In dit derde en laatste deel van een reeks columns over machine learning in de audit gaat het over clusteren. De auteurs laten zien hoe je met een open-source statistiekprogramma...
Machine learning in de audit: uitschieters bij vastgoedwaardering
Regressie is een vorm van machine learning met als doel het voorspellen van cijfers op basis van een aantal kenmerken. Met open-sourcesoftware kun je zonder programmeerkennis...
Machine learning in de audit: voorspellen van klantverloop
Het doel van machine learning is om voorspellingen te maken aan de hand van data. Binnen dit veld worden doorgaans drie hoofdtoepassingen onderscheiden: classificatie,...
De steekproefomvang ontmaskerd - deel 5
In vorige columns hebben we verschillende manieren besproken om tot een steekproefomvang te kunnen komen. Deze column is de laatste van de serie waarin we verschillende...
De steekproefomvang ontmaskerd - deel 4
Een accountant die gebruikmaakt van software om een steekproefomvang te berekenen, moet zeker weten dat die software dat goed doet. Daarvoor moet je de rekenmethode...