20170530 gbi - igh versie 003€¦ · title: microsoft powerpoint - 20170530 gbi - igh versie 003...
TRANSCRIPT
Van data naar handhavingsinformatie Eric Cornelisse – RotterdamDaan Hillemans - ’s-Hertogenbosch
Het 1x inrichten van het werkproces, in plaats van in iedere gemeente afzonderlijk, heeft voordelen:
– Besparing in de uitvoeringskosten én programmakosten door verhoging van de effectiviteit van ons handelen
– Gemeenten kunnen meer tijd vrij maken voor gericht en persoonlijk cliëntgebonden contact
Vertrekpunt: Technische realisatie is mogelijk, met behoud van ruimte voor lokaal beleid én met behoud van eigen gemeentelijk IT-omgeving en systemen.
Ook voor InformatieGestuurd Handhaven
DATA samenbrengen op basis van een combinatie van:
- Mensmodel (inbreng van experts)
- Machinemodel (inbreng van big data en statistiek)
Dit resulteert in: potentiele (risico-) PROFIELEN
met een verhoogde kans op ‘ONRECHTMATIGHEID’
Na validatie van het profiel, kan deze aan de werkstromen toegevoegde worden.
VALIDATIE = een profiel leidt tot hoger aandeel fraudeurs, dan bij een willekeurige selectie.
IGH = het ontwerp en de bouw van een zelflerend model (machine learning)
door aanvankelijk 12 en inmiddels 14 gemeentes.
Ervaringen (resultaten) zijn weer input voor betere selectie van gevalideerde risicoprofielen.
Hoe leert het model?
- via uniforme werkwijze
- via uniforme verslaglegging / registratie van de uitkomsten
• Informatiemodel (signalen en afhandeling daarvan)
• Gericht op uniforme definitie, registratie en aanpak (filteren, afhandelen, evalueren)
• Doel is om de verbetercyclus te kunnen managen: hoe goed doen we het?
• Benchmarking• Verschil in de tijd• Verschil in regio
• Doorlopend verbeteren richting het handhavingsoptimum (PDCA)
• Verbeteren van selectiecriteria, uitvoeringspraktijk, afhandeling van signalen, …
= LEM
DATA
PROFIELEN
WERKSTROMEN
UNIFORME WERKWIJZE UNIFORME REGISTRATIE
RESULTATEN
INPUT VOOR VERBETERING MODEL
Doel:
– met gelijke middelen een groter handhavingseffect te bereiken
of
– het huidige handhavings-effect te borgen met inzet van minder middelen
Door middel van slimme software,
die beschikbare databestanden analyseert en
gekwalificeerde signalen oplevert.
Bovendien ondersteunt het machinemodel de mensgerichte aanpak en omgekeerd
Signalen (databronnen):
• Tips (o.a. burgers)
• Systematische rechtmatigheidscontrole
• Justitie
• Inkomsten
• Vermogen
• Woon- en leefsituatie
• Studie
• Ondernemerschap
Werkproces signalen:• Filtering, van bruto naar
onderzoekswaardige (netto) signalen• Administratief onderzoek (netto signalen)• Persoonlijk gesprek (confrontatie)• Bijzonder onderzoek (speuren)• Mogelijke resultaten:
• Ongewijzigd• Terugvorderen• Beëindigen• Boete• Informeren• Bezwaar
VOORBEELD-GEMEENTE
Wat is de impact van het implementeren van het LEM in iedere deelnemende gemeente?
In termen van registratie, betekenis van velden, categorisatie, systeemtechnisch, …
1. Wat hebben we al? (IST)
2. Waar willen we naartoe? (SOLL)
3. Wat is het verschil en hoe overbruggen we dat? (impact en actie)
Leer- en evalueermodelInventarisatie signaalcategorieën
Aantallen signalen:Signaalcategorie Bruto Gefilterd Netto Geen vervolg Terugvordering Aanpassing Beëindiging
TipsSystematisch rechtmatigsheidsonderzoek
JustitieInkomstenVermogen
Woon- en leefsituatieStudie
Geen fraudemeldpunt
Gaat nog handmatig
TV in ander systeem
Geen bestuurlijke prioriteit
Geen DATA
VOORBEELD-GEMEENTE
• Om tot een groter handhavingseffect te komen: IGH
• Het leer- en evalueermodel helpt bij de evaluatie van de handhavingsinspanningen:• Benchmarking• Verschil in de tijd
• Daarvoor: informatiemodel bestaande uit signaalcategorieën en afhandelingscategorieën (resultaten/uitkomsten).
• Impactanalyse: wat is de impact van het implementeren van het Lem? • Ist• Soll• Verschil• Actie