Upload
sogeti-nederland-bv
View
711
Download
1
Embed Size (px)
DESCRIPTION
Burgers de aandacht geven die ze verdienen: dat is het idee achter het Greenlane-proefproject dat sinds eind vorig jaar loopt bij de Belastingdienst. Deloitte ontwikkelde hiertoe een risicoclassificatiemodel dat razendsnel een toeslagaanvraag of belastingaangifte een eerste oordeel kan geven. SAS en Sogeti inspireerden de Belastingdienst tijdens events. SAS en Teradata leverden de software & hardware. De Belastingdienst is Nederlands grootste administratieve organisatie en is één van de grootste databezitters van Nederland. De Belastingdienst loopt voorop als het gaat over op een slimme manier gebruik maken van data' . Laat u meenemen in hoe het traject verliep en wat de business effecten zijn. Ervaar hoe het de Belastingdienst besturing beïnvloedde om tot een meer data driven organisatie te komen.
Citation preview
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 !