[23bb005667] Bijlage 2 behorende bij 23bb005665 over Project-Verslag analytics uitkeringsfraude (Big Data)-Optimized

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 45 van 64

Rapport | Versie 1.99 | 8-2-2018

BIJLAGE C – VERGELIJKING POPULATIES

January 12, 2017

Vergelijking van de onderzoekspopulatie met de gehele populatie uitkeringsgerechtigden Alle de modellen zijn gebouwd op de onderzoekspopulatie. De modellen konden enkel gebouwd worden op de onderzoekspopulatie omdat er voor deze populatie labels beschikbaar waren voor het target. Oftewel, omdat deze mensen onderzocht zijn weten we of deze onrechtmatigheid plegen met de uitkering. Er zijn redenen waarom mensen onderzocht en andere niet. Daarom hebben de mensen in deze set een verhoogd risico op onrechtmatigheid. Dit maakt deze set gebiased en waarschijnlijk niet representatief voor de gehele populatie. Het volgende onderzoek is uitgevoerd op te kijken hoe veel deze populaties van elkaar verschillen en bij welke features dit met name naar voren komt. results <- readRDS(paste(datafolder,"resultaten_vergelijk_populaties_130117.rds", sep = "/")) abt <- readRDS(paste(datafolder, "abt_advanced_all_3_jan.rds", sep = "/"))

Voor een goede vergelijking met de abt voor het modelleren zijn ook hier alle NA’s vervangen door 0

Zijn er significante verschillen tussen de populaties in de verschillende features? Voor de numerieke features is dit getest met een t-test. Voor de categorische features is dit getest met een chi-square test. Significantie level is vastgesteld op 0.05. Dit significantie level in met gecorrigeerd met bonferroni correctie. Hieruit volgt dat van de 436 features, 327 features significant verschillen tussen de populaties Dit is veel en betekent dat de onderzoekspopulatie op veel vlakken verschilt van de echte populatie. Er moet wel rekenen mee gehouden worden dat hier met grote volumes aan data worden gewerkt. Hierdoor wordt een klein verschil sneller een significant verschil. Het is daarom van belang om te weten over dit verschil betekenisvol is voor deze data.

Zijn de verschillende tussen de populaties betekenisvol? Om dit te berekenen is gebruik gemaakt van de effect size. Voor numerieke features is CohensD gebruikt. Een effectsize vanaf .3 wordt gezien als een gemiddeld effect. Effectsize vanaf .5 wordt gezien als een hoog effectsize. Voor de categorische features is gebruik gemaakt voor CramersV. Voor de interpretatie van CramersV is gebruik gemaakt van de richtlijnen van Cramer 1988 Een telling van de features in de low medium en high classes ## ## low medium ## 395 33 Zoals te zien is in de resultaten zijn er geen features met een hoge effectsize en slecht NA features met een gemiddelde effect size. Dit betekend dat ondanks dat de populaties significant verschillend zijn, zijn deze verschillen niet van grote betekenis te zijn voor de meeste features. Dit maakt het reeler dat de onderzoekspopulatie als referentie voor de gehele populatie kan dienen.

Inzoemen om de features met een gemiddelde effectsize Als we nu kijken welke features dit zijn komen we uit op het lijstje hieronder

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 46 van 64

Rapport | Versie 1.99 | 8-2-2018

Features target_per koppelcodedef relatie_algemene_relatie relatie_subject uitkering_actief_systeem2 soort_uitk_participatiewet dgn_in_huidige_uitkering persoonlijke_eigenschappen_nl_spreken persoonlijke_eigenschappen_nl_lezen persoonlijke_eigenschappen_nl_schrijven persoonlijke_eigenschappen_nl_begrijpen comp__bijstandsnorm_alleenstaande_21 comp_ind_component deelname_project reintegratieladder_werkreintegratie contacten_onderwerp_arbeidsmotivatie contacten_onderwerp_diagnosegesprek contacten_onderwerp_document contacten_onderwerp_documenten_innemen contacten_onderwerp_inkomen contacten_onderwerp_maatregel_overweging contacten_onderwerp_match__werk contacten_onderwerp_overige contacten_onderwerp_terugbelverzoek contacten_onderwerp_traject contacten_onderwerp_uitnodiging contacten_opmerkingen_totaaltelling contacten_opmerkingen_aantal_afspraken contacten_onderwerp_afg_jaar_document contacten_onderwerp_afg_jaar_traject contacten_opmerkingen_afg_jaar_totaaltelling contacten_opmerkingen_afg_jaar_aantal_afspraken onderzoekspopulatie Wat hier direct aan opvalt is dat de grootste hoeveelheid aan features, features uit contacten tabel zijn Om naar de richting van dit effect te kijken kunnen we kijken naar de gemiddelden features

onderzoekspopulatie gehele_populatie verschil

koppelcodedef

59867.58

60332.55

relatie_algemene_relatie

0.77

0.70

0.07

relatie_subject

1.49

1.44

0.05

dgn_in_huidige_uitkering

1863.33 days

1800.32 days

NA

persoonlijke_eigenschappen_nl_spreken

1.09

0.66

0.43

persoonlijke_eigenschappen_nl_lezen

1.09

0.65

0.44

persoonlijke_eigenschappen_nl_schrijven

1.11

0.66

0.45

persoonlijke_eigenschappen_nl_begrijpen

1.08

0.65

0.43

deelname_project

2.04

1.57

0.47

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 47 van 64

-464.97

Rapport | Versie 1.99 | 8-2-2018

features

onderzoekspopulatie gehele_populatie verschil

reintegratieladder_werkreintegratie

1.18

0.80

0.38

contacten_onderwerp_arbeidsmotivatie

1.04

0.33

0.71

contacten_onderwerp_diagnosegesprek

0.34

0.15

0.19

contacten_onderwerp_document

16.46

5.82

10.64

contacten_onderwerp_documenten_innemen

1.07

0.55

0.52

contacten_onderwerp_inkomen

0.57

0.17

0.40

contacten_onderwerp_maatregel_overweging

0.17

0.03

0.14

contacten_onderwerp_match__werk

0.18

0.03

0.15

contacten_onderwerp_overige

5.57

1.75

3.82

contacten_onderwerp_terugbelverzoek

0.44

0.13

0.31

contacten_onderwerp_traject

4.11

1.24

2.87

contacten_onderwerp_uitnodiging

0.60

0.21

contacten_opmerkingen_totaaltelling

1768.13

588.08

1180.05

contacten_opmerkingen_aantal_afspraken

29.47

10.63

18.84

contacten_onderwerp_afg_jaar_document

6.05

3.15

2.90

contacten_onderwerp_afg_jaar_traject

1.54

0.63

0.91

contacten_opmerkingen_afg_jaar_totaaltelling

834.02

372.12

461.90

6.77

6.70

contacten_opmerkingen_afg_jaar_aantal_afspraken 13.47

0.39

Er is te zien dat voor elke features het verschil positief is. Dit betekent dat er voor elke features meer van te vinden zijn bij de onderzoekspopulatie dan in de gehele populatie. Dit lijkt aan te geven dat er meer contact is geweest met de onderzoekspopulatie dan met de gemiddelde uitkeringsgerechtigden. CrossTable(abt$soort_uitk_participatiewet, abt$onderzoekspopulatie, chisq = T, expected = T, format = "SPSS") ## ## Cell Contents ## |-------------------------| ## | Count | ## | Expected Values | ## | Chi-square contribution | ## | Row Percent | ## | Column Percent | ## | Total Percent | ## |-------------------------| ## ## Total Observations in Table: 57455 ## ## | abt$onderzoekspopulatie ## abt$soort_uitk_participatiewet | 0 | 1 | Row Total | ## -------------------------------|-----------|-----------|-----------| ## 0 | 2918 | 640 | 3558 | ## | 2087.488 | 1470.512 | | ## | 330.421 | 469.054 | | ## | 82.012% | 17.988% | 6.193% | C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 48 van 64

Rapport | Versie 1.99 | 8-2-2018

## | 8.656% | 2.695% | | ## | 5.079% | 1.114% | | ## -------------------------------|-----------|-----------|-----------| ## 1 | 30791 | 23106 | 53897 | ## | 31621.512 | 22275.488 | | ## | 21.813 | 30.965 | | ## | 57.129% | 42.871% | 93.807% | ## | 91.344% | 97.305% | | ## | 53.592% | 40.216% | | ## -------------------------------|-----------|-----------|-----------| ## Column Total | 33709 | 23746 | 57455 | ## | 58.670% | 41.330% | | ## -------------------------------|-----------|-----------|-----------| ## ## ## Statistics for All Table Factors ## ## ## Pearson's Chi-squared test ## -----------------------------------------------------------## Chi^2 = 852.2528 d.f. = 1 p = 2.353928e-187 ## ## Pearson's Chi-squared test with Yates' continuity correction ## -----------------------------------------------------------## Chi^2 = 851.227 d.f.

= 1 p = 3.933858e-187 ## ## ## Minimum expected frequency: 1470.512 CrossTable(abt$comp__bijstandsnorm_alleenstaande_21, abt$onderzoekspopulatie, chisq = T, expected = T, format = "SPSS") ## Warning in chisq.test(t, correct = FALSE, ...): Chi-squared approximation ## may be incorrect ## ## Cell Contents ## |-------------------------| ## | Count | ## | Expected Values | ## | Chi-square contribution | ## | Row Percent | ## | Column Percent | ## | Total Percent | ## |-------------------------| ## ## Total Observations in Table: 55020 ## ## | abt$onderzoekspopulatie ## abt$comp__bijstandsnorm_alleenstaande_21 | 0 | 1 | Row Total | ## -----------------------------------------|-----------|-----------|-----------| ## 0 | 15231 | 8754 | 23985 | ## | 13479.465 | 10505.535 | | ## | 227.596 | 292.025 | | ## | 63.502% | 36.498% | 43.593% | ## | 49.258% | 36.325% | | ## | 27.683% | 15.911% | | ## -----------------------------------------|-----------|-----------|-----------| ## 1 | 15689 | 15343 | 31032 | ## | 17439.849 | 13592.151 | | ## | 175.774 | 225.532 | | ## | 50.557% | 49.443% | 56.401% | ## | 50.739% | 63.667% | | ## | 28.515% | 27.886% | | ## -----------------------------------------|-----------|-----------|-----------| ## 2 | 1 | 2 | 3 | ## | 1.686 | 1.314 | | C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 49 van 64

Rapport | Versie 1.99 | 8-2-2018

## | 0.279 | 0.358 | | ## | 33.333% | 66.667% | 0.005% | ## | 0.003% | 0.008% | | ## | 0.002% | 0.004% | | ## -----------------------------------------|-----------|-----------|-----------| ## Column Total | 30921 | 24099 | 55020 | ## | 56.200% | 43.800% | | ## -----------------------------------------|-----------|-----------|-----------| ## ## ## Statistics for All Table Factors ## ## ## Pearson's Chi-squared test ## -----------------------------------------------------------## Chi^2 = 921.5642 d.f. = 2 p = 7.671448e-201 ## ## ## ## Minimum expected frequency: 1.314013 ## Cells with Expected Frequency < 5: 2 of 6 (33.33333%)

Hetzelfde is te zien voor de categorische variables.

Conclusie 1 De resultaten lijken aan te geven dat er meer contact is geweest met mensen die binnen de onderzoekspopulatie vallen dan met de standaard uitkeringsgerechtigeden. Dit impliceert dat iemand eerst op de radar moet komen voordat er een onderzoek naar wordt gestart. Dit zou kunnen komen doordat veel tips vanuit de gemeente zelf komen. Er is dan veel contact met iemand en tijdens deze contacten komt er een vermoede van fraude op. Verder laten deze resultaten zijn dat, zoals verwacht, de onderzoekspopulatie niet gelijk is aan de gehele populatie. Echter is dit nog geen reden om te stoppen met het gebruiken van de onderzoekspopulatie als basis voor de modellen omdat de verschillen klein lijken te zijn. Om verder te kunnen beslissen of onderzoekspopulatie representief is (en daarmee of een model gemaakt op de onderzoekspopulatie zal werken op de hele populatie) moet het model uitgetest worden op een representieve steekproef van de gehele populatie. Zo’n dergelijke steekproef is te vinden in de aselecte steekproef van 2015.

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 50 van 64

Rapport | Versie 1.99 | 8-2-2018

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 51 van 64

Rapport | Versie 1.99 | 8-2-2018

BIJLAGE D – Tardis Om dit model te maken is het noodzakelijk om de volgende vraag te kunnen beantwoorden:

“Wat wisten wij van persoon/uitkering x op het moment vlak voordat een historisch onrechtmatigheidsonderzoek werd gestart.” Wanneer we deze informatie voor historische onderzoeken hebben kunnen we - gecombineerd met het bekende resultaat van de historische onderzoeken - een model maken waarbij we op basis van de gereconstrueerde data de uitkomst van het onderzoek voorspellen. Het model dat we hiermee verkrijgen kunnen we vervolgen toepassen op de actuele populatie waarbij we eigen de volgende vraag beantwoorden: Wat is het te verwachten resultaat van een potentieel rechtmatigheidsonderzoek?

De twee systemen waar we informatie uit gebruiken voor dit project zijn RAAK en Socrates.

Dit document beschrijft voor beide systemen afzonderlijk de stappen die we hebben genomen om een historische status te reconstrueren. Hierbij wordt onderscheid gemaakt tussen de volgende 2 stappen: 1. Wat was de inhoud van de database op historische datum X? 2. Wat was de actuele informatie op historische datum X? Om het onderscheid tussen bovenstaande 2 te illustreren. Het kan zijn dat iemand een (psychische, sociale of fysieke) beperking had van 1-1-2015 t/m 31-12-2015. Wanneer we teruggaan naar de kennis van 1-72016 is er actueel geen sprake van een beperking (er was immers alleen in 2015 sprake van een beperking). Wel hadden we op 1-7-2016 de kennis dat er een historische beperking was.

RAAK Een typische tabel (bv persoonlijke eigenschappen) met historie uit RMW/RAAK heeft de volgende vorm: rown um

jn_nr

Jn datetime

Jn oper ation

Hobbies sport

Diagnose

advies

Zelfstandigheid opm

Spreek taal

Artikel 8.8 Woo, jo artikel 65 PW

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 52 van 64

Rapport | Versie 1.99 | 8-2-2018

Artikel 8.8 Woo, jo artikel 65 PW

Het rijnummer (eerste kolom) is geen onderdeel van RAAK, maar is toegevoegd om verwijzing vanuit de tekst naar de tabel mogelijk te maken. Ook zijn veel kolommen niet getoond omdat dit te veel zou zijn. Belangrijkste eigenschappen uit de tabellen uit RNW/RAAM zijn: • •

•

Elk logisch record krijgt een eigen unieke journaalnummer (jn_nr). Er wordt nooit data overschreven. Wanneer een logisch record wordt gewijzigd wordt er technisch een record toegevoegd met hetzelfde journaalnummer (jn_nr) met een actuelere journaaldatum (jn_datetime). Ook wanneer het logische record wordt gewist wordt er technisch een record toegevoegd met waarde "DEL" in veld jn_operation.

Historische status tabel Om de historische status van een tabel te reconstrueren is het alleen maar nodig om de journaalmutatiedatums na de gewenste datum te verwijderen. Zo was na 19-7-2016 regels 1 t/m 8 beschikbaar. Tussen 21-9-2015 en 19-8-2016 waren regels 1 t/m 7 beschikbaar. Tussen 18-5-2015 en 21-92017 waren regels 1 t/m 6 beschikbaar. Enz. Actuele informatie tabel Na reconstructie kan de actueel (voor de historische datum) geldende informatie teruggevonden worden in het meest recente record per journaalnummer (jn_nr). Zo was na 19-7-2016 regel 8 actueel. Tussen 21-92015 en 19-8-2016 was regel 7 actueel. Enz. Indien het meest actuele record binnen een journaalnummer (jn_nr) waarde "DEL" heeft in veld jn_operation dan bestaat het logische record niet.

Socrates Een typische tabel (bv relatie) met historie uit Socrates heeft de volgende vorm:

Rownum

Subjectnrrelatie

geldig

status

Dt-opvoer

Dt- afvoer

Dtaanvang

dteinde

Artikel 8.8 Woo, jo artikel 65 PW

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 53 van 64

Rapport | Versie 1.99 | 8-2-2018

Artikel 8.8 Woo, jo artikel 65 PW

Het rijnummer (eerste kolom) is geen onderdeel van Socrates, maar is toegevoegd om verwijzing vanuit de tekst naar de tabel mogelijk te maken. Ook zijn veel kolommen niet getoond omdat dit te veel zou zijn. Belangrijkste eigenschappen uit de tabellen uit Socrates zijn: •

• •

Records zijn voorzien van een datum opvoer, afvoer, aanvang en einde. De datum opvoer en afvoer geven de tijdsperiode aan wanneer de informatie in het record geldig is en de datums aanvang en einde geven aan op welke periode de informatie betrekking heeft. (Voorbeeldinterpretatie regel 1: Tussen 20-8-2010 en 20-9-2010 hadden we de kennis dat kind met subjectrelatienummer vanaf 7-8-1998 (zonder einddatum) bij de cliënt inwoonde.) Vrijgegeven (actuele) records hebben geen dtafvoer. Indien er een update plaatsvindt wordt het oude record van een dtafvoer voorzien en verandert de status van "Vrijgegeven" in "Overschreven". Bij bovenstaande mutatie worden twee nieuwe records aangemaakt waarvan een waarde "GELDIG" heeft in veld 'geldig' en een waarde "NIET GELDIG" heeft in veld 'geldig'. Deze laatste is een technisch artefact en bevat geen informatie.

Historische status tabel Om de historische status van een tabel te reconstrueren moeten alle records met dtopvoer na de gewenste datum verwijderd worden. Indien datum afvoer (dtafvoer) in een bepaald record een waarde na de gewenste datum heeft dient veld dtafvoer NA/NULL gemaakt te worden en dient de status gewijzigd te worden van "Overschreven" naar "Vrijgegeven". De status van bovenstaande tabel op 1-1-2011 was derhalve:

Rownum

Subjectnrrelatie

geldig

status

Dt-opvoer

Dt-afvoer

Dt-aanvang

Dt-einde

Artikel 8.8 Woo, jo artikel 65 PW

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 54 van 64

Rapport | Versie 1.99 | 8-2-2018

Actuele informatie tabel Wanneer we een Socrates-tabel interpreteren beperken we ons tot de geldige records (waarde "GELDIG" voor veld 'geldig'). Vervolgens moeten we voor de actuele situatie op zoek gaan naar de records met vrijgegeven status (waarde "Vrijgegeven" in veld 'status'). Op 1-1-2011 was derhalve bekend dat kind met subjectrelatie tussen 7-8-1988 en 6-9-2010 woonachtig was bij cliënt. (NB. Het kind is dus per 79-2010 niet meer woonachtig bij cliënt).

Nieuwe invoer In enkele tientallen gevallen komt het voor dat records in Socrates status "Ingevoerd" of "Oud" hebben. Aangezien deze wijzigingen soms (of vaak?) compleet en in de database niet traceerbaar verwijderd worden lijkt het erop dat dit voorgenomen wijzigingen zijn die (nog) niet doorgevoerd zijn. Het kan dus nog twee kanten op: 1. 2.

De wijzigingen worden doorgevoerd waarna de status "Oud" veranderd in "Overschreven" en de status "Ingevoerd" veranderd in "Vrijgegeven" De wijzigingen worden teruggedraaid en de records met status "Ingevoerd" worden gewist en de records met status "Oud" worden teruggezet naar status "Vrijgegeven" met een NA/NULL bij dtafvoer.

In onze interpretatie van de inhoud van de tabellen wordt de mutatie onder 2. doorgevoerd en we beschouwen de voorgenomen wijzigingen als niet-bestaand. Hieronder volgt een voorbeeld: Rownum

Subjectnrrelatie

geldig

status

Dt-opvoer

Dt-afvoer

Dt-aanvang

dteinde

Artikel 8.8 Woo, jo artikel 65 PW

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 55 van 64

Rapport | Versie 1.99 | 8-2-2018

BIJLAGE E – PRIVACY IMPACT ASSESSMENT

Documenteigenschappen Titel Auteur Versie Versie Datum

Project Analytics Uitkeringsfraude: Privacy Impact Assesment Projectgroep 1.2 7-9-2016

Documenthistorie Datum

Versie

16-8-2016 17-8-2016

0.5 1.0

7-9-2016

1.2

Aangepast door

Opmerkingen PIA-vragenlijst ingevuld Algemene info, overwegingen en maatregelen toegevoegd Opmerkingen (MO) verwerkt

Inleiding In dit document zijn de privacy-aspecten van het te starten project beschreven, en zijn de vragen uit de modelvragenlijst van NOREA voor een Privacy Impact Assesment beantwoord. Dit document is een bijlage bij de ‘Projectopzet project Analytics Uitkeringsfraude’.

Doelbinding Het uiteindelijke doel van het project (na de uitrolfase) is om data te gebruiken voor het beter opsporen van onrechtmatigheden in de uitkeringsverstrekking. Dit is een wettelijke taak van de gemeente op basis van de Participatiewet (2015). Om dit doel te bereiken wordt vooralsnog alleen data gebruikt die is verzameld op basis van diezelfde Participatiewet, namelijk de operationele data uit het ‘inkomen’- en ‘werk’-proces van de gemeente zoals vastgelegd in de systemen Socrates en RMW/RAAK. Als in de toekomst sprake is van het koppelen van andere gegevens zal daaraan een privacy-toets voorafgaan.

Proportionaliteit Fraude en misbruik van gemeenschapsvoorzieningen zijn zware vergrijpen die een stevige handhaving van de uitvoerder rechtvaardigen. Bovendien kan een betrouwbaarder voorspelling leiden tot minder belasting van compliante burgers door minder onterechte onderzoeken. Desalniettemin wordt in het project veel aandacht besteed aan borgen van proportionaliteit. Analytics en machine learning gebruiken in beginsel vaak zoveel mogelijk data juist om onvermoede verbanden te kunnen opsporen. Voor de labfase gebruiken we veel meer velden (namelijk zoveel als mogelijk) juist om te onderzoeken in welke van die velden de voorspellende waarde verborgen zit. Als dat bekend is kunnen we in de pilotfase (als we echt de resultaten gaan gebruiken in de praktijk) met veel minder informatie toe; Voor de pilot fase worden uiteindelijk alleen die velden gebruikt waarvan gebleken is dat ze een voorspellende waarde hebben. Zo bewaken we proportionaliteit.

Anonimiseren en toegestane gegevensvastlegging Voor de doelstelling van de labfase is het in orde om met zoveel mogelijk geanonimiseerde data te werken, omdat we in die fase nog geen actie koppelen aan de voorspellingen maar alleen een model ontwikkelen. Het zal praktisch niet mogelijk zijn de data volledig te anonimiseren, vooral vanwege de vrije tekstvelden met gespreksverslagen die we willen onderzoeken. Daarin zit mogelijk zoveel informatie verborgen dat hij met wat moeite tot identificatie kan leiden. Bovendien bestaat er een geringe kans dat hierin gegevens C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 56 van 64

Rapport | Versie 1.99 | 8-2-2018

vastgelegd zijn die niet direct verband houden met de uitvoering van de participatiewet en dus niet verzameld/vastgelegd hadden mogen zijn. In de labfase zal in het proces van ‘feature selection’ gelet worden op deze effecten. De resultaten van de tekstanalyse worden vastgelegd en besproken met privacyexperts om vast te stellen welke gegevens in de vervolgfases wel en niet gebruikt mogen worden. In de pilot- en realisatiefase zullen de pseudoniemen voor die personen waar het model een gefundeerd vermoeden van fraude oplevert, weer moeten worden terugherleid naar de natuurlijke personen. Dit proces zal gecontroleerd en onder strenge voorwaarden worden uitgevoerd. Voor het starten van de Pilotfase (en opnieuw voorafgaand aan eventuele uitrol) wordt om deze redenen een nieuwe PIA uitgevoerd.

Informatiebeveiliging Alle data blijft op gemeentelocaties en wordt verwerkt op gemeentelijke hardware met bijbehorende beveiligingsmaatregelen. Alleen direct bij het project betrokken personen krijgen toegang tot de gegevens. Autorisaties voor de projectlocatie op het netwerk en eventueel later afgeschermde delen van databases worden door de opdrachtgever beheerd. Daarbij geldt het principe dat alleen personen waarbij toegang noodzakelijk is voor het project autorisaties krijgen.

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 57 van 64

Rapport | Versie 1.99 | 8-2-2018

Beantwoording vragenlijst Privacy Impact assessment Labfase Analytics Uitkeringsfraude Hieronder worden de vragen voor een Privacy Impact Assement beantwoord. Dit gebeurt specifiek voor de labfase van het project. Voor elke vervolgfase zal deze vragenlijst opnieuw worden ingevuld en beoordeeld.

1

Het type project

1.1

Is er sprake van het verwerken van persoonsgegevens? Ja. Er wordt zoveel als mogelijk geanonimiseerd (en gepseudonimiseerd) direct bij de bron; BSNs worden niet meegezonden (maar gepseudonimiseerd), geboortedata worden op geboortejaar afgekort, van postcodes worden alleen de cijfers meegegeven etc. Echter, de vrije tekstvelden met gespreksverslagen bevatten grote hoeveelheden gegevens waarin mogelijk ook persoonsgegevens zoals e-mailadressen en mogelijk BSNs verwerkt zijn.

1.2

Is het duidelijk wie verantwoordelijk is voor de verwerking van gegevens? Ja. Het project wordt uitgevoerd in opdracht van , manager W&I Toetsing en Toezicht. Het project wordt begeleid door een begeleidingsgroep met de opdrachtgever, de afdelingsmanager van OBI en externe experts van de Hogeschool Rotterdam en Accenture.

1.3

Verwerkt uw organisatie de persoonsgegevens in opdracht en onder verantwoordelijkheid van een andere organisatie? Ofwel treedt uw organisatie op als bewerker? Nee.

1.4

Is het duidelijk wie na afloop van het project verantwoordelijk is voor het in stand houden en evalueren van de getroffen maatregelen? Ja. Na afloop van de labfase worden de resultaten geëvalueerd door de begeleidingsgroep. De opdrachtgever zal in overleg met de afdelingsmanager OBI beslissen of het project wordt voortgezet in een pilotfase. Voor deze pilotfase zal een nieuwe PIA worden uitgevoerd die wordt beoordeeld door de privacyfunctionaris van W&I.

1.5

Is het doel van de verwerking van persoonsgegevens binnen het project voldoende SMART omschreven? Ja. In de labfase van dit project worden de gegevens verwerkt teneinde vast te stellen of er voorspellende waarde voor fraude uit is te halen met behulp van analytics en tekst mining. In de periode tot 1 januari 2017 wordt een eerste model ontwikkeld en getest, en wordt de vraag beantwoord of vrije tekstvelden voor het detecteren van fraude en/of onrechtmatigheden bij bijstandsuitkeringen toegevoegde waarde hebben.

1.6

Is er sprake van: a. Gebruik van nieuwe technologie? Nee b.

Gebruik van technologie die bij het publiek vragen of weerstand op kan roepen?

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 58 van 64

Rapport | Versie 1.99 | 8-2-2018

Mogelijk; geautomatiseerde analyse van grote hoeveelheden gegevens kan discussie oproepen. c.

De invoering van bestaande technologie in een nieuwe context? Mogelijk. Hoewel door de nationale overheid zeer vergelijkbare analyses al enige tijd worden uitgevoerd, is het relatief nieuw voor een overheid.

d.

(Andere) grote verschuivingen in de werkwijze van de organisatie, de manier waarop persoonsgegevens worden verwerkt en/of de technologie die daarbij gebruikt wordt? Nee, eventuele verschuivingen in de werkwijze zullen op zijn vroegst plaatsvinden na afloop van een succesvolle pilot (twee projectfases verder).

e.

Een nieuwe verwerking van persoonsgegevens Nee, de gegevens werden al verwerkt.

f.

Het verzamelen van meer of andere persoonsgegevens dan voorheen of een nieuwe manier van verzamelen. Nee, er wordt gebruik gemaakt van gegevens die reeds verzameld zijn.

g.

Gebruik van al verzamelde gegevens voor een nieuw doel of een nieuwe manier van gebruiken. Nee

1.7

Heeft u op alle bovenstaande (a t/m g) nee geantwoord? Nee

1.8

Is er (naast de Wbp) veel wet-en regelgeving ten aanzien van persoonsgegevens waar het project mee te maken heeft? Ja, de Participatiewet regelt de Bijstand

1.9

Zijn er veel maatschappelijke belanghebbenden? Nee

1.10

Zijn er bij veel partijen betrokken de uitvoering van het project? Nee; de Hogeschool Rotterdam en Accenture werken mee aan het project, maar als medewerkers van de Gemeente.

1.11

Is er een geschillenregeling of een partij waar de betrokkene terecht kan bij vragen of klachten? Ja, reguliere regeling Gemeente Rotterdam.

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 59 van 64

Rapport | Versie 1.99 | 8-2-2018

2

De Gegevens

2.1

Zijn alle gegevens nodig om het doel te bereiken (worden er zo min mogelijk gegevens verzameld)? Ja, er worden zo min mogelijk gegevens verzameld voor deze fase: de labfase dient mede om vast te stellen welke gegevens voorspellende waarde hebben teneinde in een eventuele vervolgfase een groot deel van de gegevens niet meer te hoeven gebruiken. Voor de labfase is nog een brede selectie gegevens nodig om alle eventuele onvermoede verbanden te kunnen vaststellen. Dit heeft mede als doel om gegevens die niet relevant blijken te zijn in latere fases te kunnen uitsluiten.

2.2

Kan het doel met geanonimiseerde of gepseudonimiseerde gegevens worden bereikt (terwijl daar op dit moment geen gebruik van wordt gemaakt)? De gegevens worden al maximaal gepseudonimiseerd; de in de ongestructureerde tekstvelden verborgen persoonsgegevens worden op het eerst mogelijke moment uitgefilterd en niet verder gebruikt in de analyse.

2.3

Kunnen de gegevens gebruikt worden om het gedrag, de aanwezigheid of prestaties van mensen in kaart te brengen en/of te beoordelen (ook al is dit niet het doel) Ja, dit is ook het doel van het project.

2.4

Is sprake van het verwerken van: a. Bijzondere persoonsgegevens? Nee b.

Uniek identificerende gegevens? Nee

c.

Wettelijk voorgeschreven persoonsnummers? Nee (gepseudonimiseerd)

d.

Andere gegevens dan hiervoor beschreven waarvoor geldt dat sprake is van een (gepercipieerde) verhoogde gevoeligheid? Aantekeningen van gesprekken met gemeentemedewerkers en soms e-mailwisselingen.

2.4.1

Bij een van bovenstaande Ja: kan het doel met andere gegevens worden bereikt die een verminderd risico op misbruik met zich mee brengen? Nee

2.5

Verwerkt u gegevens over kwetsbare groepen of personen? Nee

2.6

Hebben de gegevens betrekking op de gehele of grote delen van de bevolking? De gehele populatie van bijstandsgerechtigden

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 60 van 64

Rapport | Versie 1.99 | 8-2-2018

3

Betrokken partijen

3.1

Zijn er (na afronding van het project) bij het verzamelen en verder verwerken van de gegevens meerdere interne partijen betrokken? Nee

3.2

Zijn er (na afronding van het project) bij het verzamelen en verder verwerken van de gegevens meerdere externe partijen betrokken? Nee, wanneer het project wordt voortgezet zullen eventuele externe medewerkers wederom als gemeentelijk medewerkers worden ingezet.

3.3

Zijn er partijen betrokken (in het project of bij de verwerking) die zich niet aan een met Nederland vergelijkbare privacywetgeving hoeven te houden? Nee.

3.4

Is de verstrekking van de gegevens aan derde partijen in lijn met het doel waarvoor de gegevens oorspronkelijk zijn verzameld? n.v.t.

3.5

Worden de gegevens verkocht aan derde partijen? Nee

4

Verzamelen van gegevens

4.1

Kan de manier waarop de gegevens worden verzameld worden opgevat als privacy gevoelig? Nee

4.2

Is het doel van het verzamelen van de gegevens publiekelijk bekend of kan het publiekelijk bekend gemaakt worden? Ja, reguliere proces rond aanvraag en beheer van uitkering.

4.3

Verzamelt u de gegevens op basis van een van de wettelijke grondslagen? Ja, op basis van de participatiewet

4.4

Is duidelijk of u de gegevens verzamelt op basis van opt-in (verzameling uitsluitend als de betrokkene daarvoor toestemming heeft gegeven) of op basis van opt-out (verzameling tenzij de betrokkene daartegen bezwaar heeft gemaakt)? Ja, verplichte verzameling o.b.v. de wet.

4.4.1

Indien u toestemming aan de betrokkene vraagt (opt-in), kunnen de betrokkenen de toestemming op een later tijdstip intrekken (opt-out)? Ja, de kandidaat kan altijd afzien van de uitkering.

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 61 van 64

Rapport | Versie 1.99 | 8-2-2018

4.4.2

Is de impact van het intrekken van de toestemming groot voor de betrokkene? Ja; verlies van uitkering

4.5

Meldt u de betrokkene dat de gegevens worden verzameld? Ja, regulier proces uitkeringen

4.5.1

n.v.t.

4.5.2

Bij Ja (op vraag 4.5): meldt u de betrokkene waarom de gegevens worden verzameld (wat u er mee gaat doen)? Ja

4.5.3

Bij Ja: (op vraag 4.5): meldt u de betrokkene aan wie de gegevens worden verstrekt (daar waar dit geen wettelijke verplichting is)? Ja.

4.6

Zou de betrokkene kunnen worden verrast door de verwerking (op het moment dat hij daarover wordt geïnformeerd)? Nee

5

Gebruik van gegevens

5.1

Is het gebruik van de gegevens verenigbaar (in lijn) met het doel van het verzamelen? Ja, de gegevens worden gebruikt om te onderzoeken of de wettelijke taak beter kan worden uitgeoefend door deze nieuwe toepassing.

5.2

Worden de gegevens gebruikt voor andere bedrijfsprocessen of doelen dan waar ze oorspronkelijk voor verzameld zijn? Nee, ga verder met vraag 5.3

5.2

N.v.t.

5.2.1

N.v.t

5.3

Is de kwaliteit van de gegevens gewaarborgd, dat wil zeggen: zijn de gegevens actueel, juist en volledig? Nee; veel velden zijn niet of niet volledig gevuld, mogelijk niet altijd actueel.

5.4

Worden op basis van de gegevens beslissingen genomen over de betrokkenen? Nee.

5.4.1

Bij Ja: leveren de gegevens een volledig en actueel beeld van de betrokkenen op? N.v.t.

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 62 van 64

Rapport | Versie 1.99 | 8-2-2018

5.5

Is sprake van koppeling, verrijking of vergelijking van gegevens uit verschillende bronnen? Ja; Socrates en RMW/RAAk

5.6

Worden de gegevens breed verspreid binnen de organisatie? Nee

5.7

Worden de gegevens breed verspreid buiten de organisatie? Nee

5.7.1

Is het doorgeven van de gegevens aan partijen buiten de organisatie in lijn met de verwachtingen van het individu? n.v.t.

5.8

Stelt uw organisatie profielen op van de betrokkenen, al dan niet geanonimiseerd? Ja.

5.8.1

Indien profielen worden opgesteld, kan het profiel tot uitsluiting of stigmatisering leiden? Nee

5.9

Kunnen de betrokkenen hun gegevens inzien of daarom vragen? Ja, conform reguliere proces gemeente.

5.10

Kunnen de betrokkenen hun gegevens corrigeren of daarom vragen (verbeteren, aanvullen)? Ja, conform reguliere proces gemeente

5.11

Kunnen de betrokkenen hun gegevens verwijderen of daarom vragen? Ja, conform reguliere proces gemeente

6

Bewaren en vernietigen

6.1

Is een bewaartermijn voor de gegevens vastgesteld? Ja, regulier proces gemeente

6.2

Kunnen de gegevens na afloop van de bewaartermijn fysiek worden verwijderd (uit een bestand) of vernietigd (papier)? Ja, regulier proces gemeente

6.2.1

Zo ja (op vraag 6.2), worden de gegevens na verstrijken van de bewaartermijn op zo’n manier vernietigd of verwijderd dat ze niet meer te benaderen en te gebruiken zijn? Ja, regulier proces gemeente

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 63 van 64

Rapport | Versie 1.99 | 8-2-2018

7

Beveiligen

7.1

Is sprake van intern geformuleerd beleid over het beveiligen van informatie? Ja, dit is belegd bij de afdeling Bestuurs- en Concernondersteuning IM MO/W&I in de functie van de adviseur informatiebeveiliging, dhr.

C. PROJECT_VERSLAG ANALYTICS UITKERINGSFRAUDE (BIG DATA)

Pagina 64 van 64