Risicosturing bijstandsfraude

Risicosturing bijstandsfraude Een inventarisatie van methodieken

Een onderzoek in opdracht van StimulanSZ

S. Bunt M. van der Aalst B2764 Leiden, 1 juli 2003

2

Inhoudsopgave Voorwoord

5

1

Inleiding 1.1 Fraudebestrijding en risicoprofielen 1.2 De werkwijze van de inventarisatie 1.3 Leeswijzer

7 7 8 9

2

Algemene bevindingen

11

3

Methodieken risicosturing 3.1 De ontwikkeling van risicoprofielen 3.1.1 Bronnen 3.1.2 Een karakterisering van methoden 3.2 Het toetsen van risicoprofielen 3.3 De toepassing van risicoprofielen

19 19 19 20 26 27

4

Methodieken risicodetectie 4.1 Bestandskoppelingen met andere organisaties 4.2 Geautomatiseerde selectie van risicovolle formulieren

31 31 34

5

Korte beschrijving van cases 5.1 Cases risicosturing 5.2 Cases risicodetectie

37 37 46

6

Beschouwing 6.1 Het belang van risicosturing 6.2 De methodiek meer in detail 6.2.1 Modules voor de ontwikkeling en toetsing van risicoprofielen 6.2.2 Modules voor het gebruik van risicoprofielen 6.3 Hoe nu verder

53 53 57 57 58 59

7

Nawoord StimulanSZ

61

Bijlage 1

Organisaties uit inventarisatie die bezig zijn met risicosturing

63

Bijlage 2

Lijst deelnemers expertmeeting StimulanSZ

65

3

4

Voorwoord In de kabinetsnota Bestrijding fraude en financieel-economische criminaliteit 2002–2006 is aangekondigd dat elke sociale zekerheiduitvoerder risicoanalyses zal gaan uitvoeren. De oproep voor het beter en slimmer controleren van het cliëntenbestand is ook aan gemeenten gedaan, die een eigen bestuurlijke verantwoordelijkheid hebben voor de uitvoering van beleid. Om hiermee aan de slag te gaan is het nodig te weten wat risicoanalyse en het opstellen van fraudeprofielen precies inhoudt. Ik heb aan StimulanSZ de opdracht gegeven deze vraag te beantwoorden. Voor u ligt dan ook de nulrapportage van StimulanSZ over risicosturing in de bijstand. Het is een inventarisatie van methodieken voor risicoanalyse van verschillende sociale diensten en organisaties binnen de sociale zekerheid. Het doel is om te komen tot kennisvermeerdering en kennisdeling van methodieken van risicoanalyse en deze te vertalen naar een effectievere controlesystematiek voor het bijstandsdomein. Een belangrijk aspect van de voorgenomen Wet Werk en Bijstand is dat het gemeentebestuur meer verantwoording gaat afleggen aan de gemeenteraad over het gevoerde beleid. Het is daarbij van belang dat de toepassing van risicoanalyse voldoende geobjectiveerd gebeurt zodat uitkeringsgerechtigden en de gemeenteraad weten waar zij aan toe zijn. Door duidelijk te zijn tegen de cliënt over het toepassen van risicoanalyse kan de spontane nalevingsbereidheid verbeteren. Aan de hand van deze nulrapportage gaat het ministerie aan de slag met het verder ontwikkelen van risicogestuurde controle-instrumenten. Aan de hand van kennis en ervaring tijdens het ontwikkelen van risicoanalysemethodieken en de invoering ervan bij gemeenten ontwikkelt StimulanSZ een implementatieaanpak en een beschrijving van werkprocessen. Met deze instrumenten, die een onderdeel zullen vormen van de Kennisbank Hoogwaardige Handhaving, zijn de gemeenten beter geëquipeerd voor een efficiencyslag in het handhavingsbeleid. Een efficiencyslag die ook van belang is voor de Wet Werk en Bijstand. Ik wens u veel succes met de invulling van het gemeentelijke handhavingsbeleid!

De Staatssecretaris van Sociale Zaken en Werkgelegenheid,

(M. Rutte)

5

6

1

Inleiding

1.1

Fraudebestrijding en risicoprofielen

Aan het begin van de jaren negentig bleek dat het misbruik van de Algemene bijstandswet groter was dan altijd gedacht. Gemeentelijke sociale diensten zijn zich sindsdien steeds meer gaan richten op de bestrijding van bijstandsfraude. Desalniettemin groeide de algemene indruk dat veel fraudegevallen onopgemerkt bleven. Cijfers die er zijn (de daadwerkelijke omvang van fraude is nauwelijks goed vast te stellen) duiden op een omvangrijk handhavingsgat1. Om de effectiviteit van de fraudebestrijding te verbeteren is de afgelopen jaren het project ‘kwaliteitsverbetering fraudebestrijding gemeenten’ uitgevoerd. Doel van dit project van het ministerie van Sociale Zaken en Werkgelegenheid (SZW) was om gemeenten te ondersteunen bij een volwaardige en effectieve fraudebestrijding. Dit gebeurde in de vorm van een gereedschapskist voor effectieve fraudebestrijding: de methodiek hoogwaardige handhaving. Deze gereedschapskist (de Kennisbank Hoogwaardige Handhaving Abw) is in de periode 2000 –2002 door negen pilotgemeenten getest. De gemeenten Almelo, Hilversum, Nijmegen, Rotterdam, Venlo en Zaanstad vormden het Kennisbank Implementatie Project (KIP). De gemeenten Leeuwarden, Apeldoorn en Tilburg (LAT) werken aan een doeltreffender en klantgerichter handhavingsbeleid. De LAT-gemeenten hebben goede resultaten bereikt in het voorkomen en bestrijden van bijstandsfraude door kwaliteitsverbetering binnen vier aandachtsgebieden: vroegtijdig informeren, optimaliseren van de dienstverlening, vroegtijdige detectie door controle op maat en daadwerkelijk sanctioneren. Waar fraudebestrijding in het verleden met name gericht was op controle van het zittende bestand van uitkeringsgerechtigden, gaat het bij hoogwaardige handhaving om een combinatie van preventieve en gerichte repressieve maatregelen. Deze dienen samen de (spontane) naleving door de cliënt te bevorderen. Bij hoogwaardig handhaven is er sprake van controle op maat: meer controle in situaties waar dat nodig is en minder controle in situaties waarbij de kans op fraude gering is. Men onderscheidt in deze controlesystematiek reguliere controles (gericht op alle cliënten) en intensieve controles. De intensieve controles worden uitgevoerd op basis van fraudesignalen of naar aanleiding van een verhoogd risico op fraude. Via risicoanalyse wordt onderzocht welke groepen een verhoogd risico op fraude hebben. Door juist in deze situaties intensiever te controleren, wordt de pakkans vergroot. Fraudebestrijding staat momenteel hoog op de politieke agenda. Zo zijn bijvoorbeeld middelen ter beschikking gesteld voor het stimuleren van hoogwaardige handhaving en voor uitbreiding van het aantal controle- en opsporingsambtenaren. Het ministerie van SZW wil het gebruik van risicoanalyse daarbij stimuleren. De kabinetsnota Bestrijding fraude en financieel-economische criminaliteit 2002–2006 gaat er van uit dat alle gemeenten in 2005 een risicoanalyse uitgevoerd ______________ 1

Wanneer de officiële fraudestatistiek wordt geraadpleegd, is het aantal fraudegevallen niet hoog: 5% bijstandsfraude tijdens de eerste helft van 20021. Volgens een Nipo onderzoek uit 2000 bleek echter dat 23% van de bijstandgerechtigden wel eens klusjes uitvoerde zonder dit door te geven aan sociale dienst. Bij die 23% gaat het slechts om één vorm van inkomensfraude. Andere vormen vertoonden een lager fraudepercentage. Deze cijfers duiden op een omvangrijk handhavingsgat.

7

hebben van de fraudesignalen binnen de gemeente, gericht op het onderkennen van risicovolle groepen, waarop extra controles kunnen worden losgelaten. Een kleine groep gemeenten maakt daadwerkelijk al gebruik van risicoanalyses bij het inrichten van controle en opsporing. Verder zijn steeds meer gemeenten bezig met het ontwikkelen van een methodiek. Het Ministerie van SZW heeft aan StimulanSZ gevraagd een project te starten dat in eerste aanleg moet leiden tot kennisvermeerdering en kennisdeling met betrekking tot methodieken van risicosturing die bruikbaar zijn in de gemeentelijke uitvoering2. Uiteindelijk moet het project leiden tot één of meerdere uitgewerkte methodieken die zowel voor grote als kleine gemeenten bruikbaar zijn en opgenomen kunnen worden in de Kennisbank Hoogwaardige Handhaving. Eerste fase in het project is een inventarisatie van bestaande methodieken. StimulanSZ heeft Research voor Beleid opdracht gegeven deze inventarisatie uit te voeren. Om zoveel mogelijk ideeën op te doen is de inventarisatie niet beperkt tot de sociale diensten, maar is ook buiten de branche gekeken welke organisaties werken met risicoprofielen en in hoeverre de daar gehanteerde methodieken bruikbaar zijn voor sociale diensten. Dit rapport beschrijft de resultaten van deze inventarisatie. In de volgende fasen van het project worden één of meer methodieken verder ontwikkeld, en wordt aandacht besteed aan de implementatie van de ontwikkelde methodieken in de praktijk.

1.2

De werkwijze van de inventarisatie

De inventarisatie omvatte de volgende onderdelen: · De eerste stap betrof een inventarisatie van de methodieken van risicosturing op hoofdlijnen. In betrekkelijk korte tijd is getracht zoveel mogelijk relevante methodieken van risicosturing op te sporen en in algemene zin te beschrijven. Daarbij richtten we ons zowel op gemeentelijke sociale diensten als andere branches. Hierbij is gebruik gemaakt van bestaande literatuur over het onderwerp en van het netwerk van StimulanSZ, het ministerie van SZW en Research voor Beleid. Een andere bron vormde de expertmeeting over risicoanalyse in de sociale zekerheid op 10 april 2003, die werd georganiseerd door het Ministerie van SZW. · Er is gericht gezocht en gevraagd naar gemeenten en andere organisaties die bezig zijn met risicosturing3. Het uiteindelijke resultaat heeft dus niet betrekking op een representatieve steekproef, maar geeft een beeld van de ‘koplopers’ op dit punt. Dit leverde veertien sociale diensten op die zich bezig houden met (de ontwikkeling van) risicosturing en een vijftal organisaties uit andere branches die ervaring hebben met risicosturing (zie bijlage 1). Met deze organisaties is een telefonisch interview gehouden om de belangrijkste kenmerken van de methodiek te achterhalen. Bijlage 1 geeft een overzicht van de gevonden organisaties die bezig zijn met risicosturing en een beschrijving van de methodieken. · Vervolgens is bij een aantal organisaties over potentieel interessante methodieken van risicosturing meer uitgebreid informatie verzameld. In totaal zijn zes persoonlijke interviews gehouden, en is bij een aantal andere organisaties nog telefonisch extra informatie verzameld. ______________ 2

Zie: Verbetering Handhaving Abw: Risicoprofielen. Startnotitie over wijze waarop StimulanSZ in nauwe samenwerking met gemeenten, SZW en derden risicoprofielen ontwikkelt zodat gemeenten de effectiviteit van hun huidige controlepraktijk kunnen verhogen. StimulanSZ, 27 januari 2003. 3 De aandacht wat betreft de andere branches richtte zich op die organisaties die te maken hebben met mogelijk frauderende personen (cliënten, gebruikers dan wel burgers). Het actief naspeuren van organisaties die te maken hebben met bedrijven is achterwege gelaten, omdat de vergelijkbaarheid met sociale diensten beperkt is.

8

·

·

Daarbij is dieper ingegaan op de gehanteerde methodiek, de inbedding in werkprocessen en ervaringen wat betreft rendement en gebruikswaarde. De keuze voor de organisaties en methodieken is in nauwe samenspraak met StimulanSZ gemaakt. Op 15 mei 2003 is bovendien een expertmeeting georganiseerd met gemeenten die op de een of andere manier bezig zijn met risicosturing (hetzij in de ontwikkelingsfase, hetzij gemeenten die risicoprofielen al daadwerkelijk toepassen in de praktijk). Focus van de expertmeeting lag in het verkennen van de gebruikswaarde van verschillende methodieken en in het tegen elkaar afwegen van voor- en nadelen van de verschillende methodieken. Bovendien is gekeken naar meer algemene uitgangspunten die centraal zouden moeten staan bij het ontwikkelen van één of meer methodieken door StimulanSZ. Bijlage 2 bevat een lijst met deelnemers aan deze expertmeeting. Tot slot zijn we tijdens de inventarisatie methodieken tegengekomen die strikt genomen niet onder de bovenstaande definitie van risicosturing vallen. Toch is in overleg met StimulanSZ hierover enige informatie verzameld (zie hoofdstuk vier).

1.3

Leeswijzer

Dit rapport is als volgt opgebouwd. Hoofdstuk 2 begint met een aantal algemene bevindingen die naar aanleiding van de inventarisatie naar voren zijn gekomen. Vervolgens geeft hoofdstuk 3 een beschrijving van de aanpak die gemeenten en andere organisaties hebben gekozen bij het ontwikkelen en gebruiken van risicoprofielen. Het is een overkoepelend hoofdstuk, waarin veel voorkomende methodieken naast elkaar worden beschreven. Hoofdstuk 4 gaat in op methoden waarmee fraude vroegtijdig kan worden opgespoord, maar die niet vallen onder de noemer van risicosturing. Vervolgens beschrijft hoofdstuk 5 en aantal methodieken van risicosturing en risicodetectie meer op caseniveau. Hoofdstuk 6 geeft een beschouwing van de onderzoeksresultaten op grond waarvan de onderzoekers een aantal concrete aanknopingspunten bieden voor de volgende fase van het project. Tot slot bevat hoofdstuk 7 een nawoord van StimulanSZ.

9

10

2

Algemene bevindingen

Het volgende hoofdstuk beschrijft de tijdens de inventarisatie gevonden methodieken van risicosturing. Daaraan voorafgaand presenteren we in dit hoofdstuk eerst een aantal algemene bevindingen.

Terminologie Tijdens het onderzoek is gebleken dat sociale diensten veel verschillende termen gebruiken in verband met risicosturing, zoals signaalsturing, risicoanalyse, risicoprofielen en risicodetectie. Vaak is niet precies omschreven wat met een bepaald begrip wordt bedoeld en wordt aan hetzelfde begrip op enigszins andere manier inhoud gegeven. Om begripsverwarring te voorkomen leggen we uit wat er in deze publicatie bedoeld wordt met bepaalde termen. Signaalsturing en risicosturing worden beide gebruikt ten behoeve van controle op maat (als onderdeel van Hoogwaardig Handhaven). Controle op maat houdt in: hoe meer risico, hoe intensiever de benodigde controle. Bij signaal- en risicosturing wordt dus getracht vooral gevallen met een relatief grote kans op fraude intensief te onderzoeken. Bij signaalsturing4 worden die bijstandsontvangers onderzocht waarover signalen binnenkomen die mogelijk op fraude wijzen. Op die manier wordt gericht en systematisch getracht fraude te voorkomen of te beperken. Deze signalen kunnen voortkomen uit bestandvergelijking met het Inlichtingenbureau (IB), maar bijvoorbeeld ook intern via een fraudealerte consulent, via een externe melding (tips), of via andere bestandskoppelingen (bijv. met bestanden van de dienst wonen). 5

Risicosturing is een systematiek waarbij klanten met een bepaald risicoprofiel intensiever worden gecontroleerd. De achterliggende gedachte is dat de frauderisico’s onder bepaalde klantgroepen (klanten met één of meer gemeenschappelijke kenmerken) hoger zijn dan onder andere klantgroepen. Risicosturing beoogt de beschikbare controlecapaciteit in te zetten op die klantgroepen die een verhoogd risico hebben. Risicosturing kan alleen plaatsvinden op basis van een risicoanalyse. Dit houdt in dat wordt geanalyseerd welke klantgroepen een verhoogd risico op fraude hebben. Een dergelijke analyse kan plaatsvinden op basis van verschillende bronnen en methodieken. Het resultaat van een risicoanalyse is één of meer risicoprofielen. Dit is een beschrijving van de kenmerken van cliënten die behoren tot een groep met een hogere fraudekans, en dus in aanmerking komen voor een intensieve controle. Belangrijk verschil tussen risicosturing en signaalsturing is dat bij risicosturing bepaalde groepen worden onderscheiden met een verhoogd frauderisico en dat signaalsturing zich richt op het onderkennen van individuele situaties met een verhoogd frauderisico.

______________ 4

Deze beschrijving is afkomstig uit de publicatie Handhaven op maat. De methoden uit het LAT-project. Uitgave van het Ministerie van SZW, juni 2003. 5 Deze beschrijving is afkomstig uit de publicatie Handhaven op maat. De methoden uit het LAT-project. Uitgave van het Ministerie van SZW, juni 2003.

11

Overigens zijn er gemeenten die, los van risicoanalyses, al langer werken met gerichte themacontroles. Daarbij worden bepaalde groepen cliënten (bijvoorbeeld kamerbewoners of postadressen) in een bepaalde periode intensief gecontroleerd. Jaarlijks vinden die themacontroles onder andere groepen plaats. Tijdens deze inventarisatie zijn we methodieken tegengekomen die raakvlakken hebben met risicosturing, maar strikt genomen niet onder de bovengenoemde beschrijving van risicosturing vallen. Deze methodieken hebben we in hoofdstuk vier kort beschreven en samengevat onder de noemer ‘risicodetectie’.

Stand van zaken We zijn tijdens deze inventarisatie veertien gemeenten op het spoor gekomen die bezig zijn met het ontwikkelen of toepassen van risicosturing bij fraudebestrijding. Dit zijn over het algemeen G25 of G86 gemeenten. De kleinere gemeenten zijn hier, op een enkele uitzondering na, niet mee bezig. De indruk bestaat dat deze gemeenten risicosturing minder van belang vinden, omdat men er van uitgaat dat fraude in kleine gemeenten makkelijker is op te sporen doordat men een directer contact heeft met cliënten. Het is onduidelijk of dit ook daadwerkelijk het geval is. Wel staat vast dat kleine gemeenten de kosten van het ontwikkelen van risicoprofielen minder makkelijk kunnen dragen. Kleine gemeenten vragen zich dus af of de baten van risicosturing opwegen tegen de kosten. De meeste gemeenten die bezig zijn met risicosturing, verkeren nog in een stadium waarin risicoprofielen worden ontwikkeld of uitgetest. Men is bovendien vaak nog bezig het gebruik van risicoprofielen een definitieve plek te geven binnen de reguliere werkprocessen. De stand van zaken met betrekking tot risicosturing bij organisaties uit andere branches verschilt sterk. De Belastingdienst werkt al jaren met een systeem van risicosturing. Ook het UWV heeft al het nodige op dit gebied ontwikkeld, en is bezig het systeem verder uit te bouwen. In de branche van zorgverzekeraars is het toepassen van risicosturing een vrij recente ontwikkeling. Er zijn ook organisaties die nog helemaal niet werken aan risicoanalyses en risicosturing. De Informatie Beheer Groep is daar één van.

De profielen Gemeenten blijken in de praktijk meestal te werken met enkelvoudige profielen. Een enkelvoudig profiel houdt in dat een cliënt op basis van één criterium (bijv. kamerbewoner of dak- en thuisloos) behoort tot een risicogroep. Meervoudige profielen gaan uit van een risicoscore per cliënt die tot stand komt op basis van combinaties van cliëntkenmerken. Opvallend is dat de profielen die zijn ontwikkeld door diverse gemeenten veel overlap vertonen. We benoemen in bijgaand kader alle enkelvoudige profielen die we tijdens deze inventarisatie bij gemeenten zijn tegengekomen.

12

Schema 1

6

Overzicht van enkelvoudige profielen die sociale diensten hebben benoemd

woonfraude · kamerbewoners, · dak- en thuislozen · alleenstaande ouders (met gezinsuitbreiding) · gescheiden · ‘verlaten door partner’, of zelf partner verlaten · kostganger hebben/krijgen · kostganger zijn/worden · meerdere uitkeringen op één adres, · heeft financieel afhankelijke kinderen · relatief veel verhuizingen · postadressen inkomstenfraude · groep met bijverdiensten · mensen met courante beroepen (waar veel vraag naar is; horeca, autohandel, bouw, glazenwassers) · voorheen werkzaam geweest in risicobranche · oefent risicoberoep uit · gewezen zelfstandige dan wel recent door dienst afgewezen aanvraag daartoe · onduidelijk zijn over (inkomsten uit) beroep · mensen die zeggen arbeidsongeschikt te zijn of gedeeltelijk arbeidsongeschikt zijn bevonden · maatregelongevoelige cliënten · komt afspraken slecht na/breekt traject af · solliciteert weinig Vermogensfraude gewezen zelfstandige dan wel recent door dienst afgewezen aanvraag daartoe Algemeen · eerder gefraudeerd · agressief gedrag · heeft/werpt veel beperkingen op · mensen met schulden Met name kamerbewoners, verlatingen en kostgangers/onderhuurders zijn door meerdere gemeenten genoemd als risicoprofiel. Toch benadrukken gemeenten ook dat er verschillen zijn tussen gemeenten. In hoeverre er daadwerkelijk sprake is van verschillen in fraudepatronen tussen gemeenten is op basis van deze inventarisatie niet te zeggen. Wel ligt het voor de hand dat bepaalde groepen (bijvoorbeeld kamerbewoners of dak- en thuislozen) in sommige gemeenten nauwelijks aanwezig zijn. Omdat in deze gemeenten de betreffende groep te klein is om beleid op te baseren, benoemen gemeenten deze groepen niet als risicogroep. Soms lijken er op het eerste gezicht ook opvallende verschillen tussen gemeenten te be______________ 6

Dit overzicht bevat geen gegevens van gemeenten die samengestelde profielen gebruiken.

13

staan, die mogelijk te verklaren zijn door op een meer gedetailleerd niveau hiernaar te kijken. Zo bleek in Tilburg dat jonge allochtone mannen met een Abw-uitkering relatief vaak witte fraude plegen. Deze groep bleek echter in Leeuwarden veel minder vaak betrokken te zijn bij witte fraude. Dit verschil is mogelijk te herleiden tot verschillen in de populatie allochtonen tussen Leeuwarden en Tilburg. Er is een duidelijk verschil in fijnmazigheid van de profielen: de groep met bijverdiensten zal in gemeenten aanzienlijk omvangrijker zijn dan de dak- en thuislozen. Dit heeft natuurlijk consequenties voor de bruikbaarheid van het profiel.

Externe ondersteuning Veel gemeenten schakelen bij de ontwikkeling van risicosturing externe expertise in. Men maakt bijvoorbeeld gebruik van begeleiding bij het opstellen van risicoprofielen (onder andere in de vorm van workshops). Op het terrein van risicosturing en risicoanalyses zijn op dit moment een beperkt aantal bureaus actief. Organisaties in andere branches schakelen ook vaak externe ondersteuners in. Zo werken zorgverzekeraars samen met automatiseringsbedrijven. De Belastingdienst liet zich bij het formuleren van profielen ondersteunen door een onderzoeksbureau. Hieruit zijn twee dingen op te maken: Het (gedegen) ontwikkelen van een systeem van risicosturing brengt investeringen met zich mee. Gemeenten (en ook andere organisaties) kunnen dit niet alleen, omdat ze behoefte hebben aan specifieke expertise (voor workshops met consulenten, over methoden en technieken van onderzoek, eventueel voor automatisering). Doordat veel gemeenten gebruik maken van dezelfde externe expertise wordt er waarschijnlijk steeds vanuit hetzelfde concept gedacht. In andere branches gebruikt men andere ondersteuners, die wellicht (net) een andere aanpak formuleren. Hier staat natuurlijk het voordeel van bundeling van expertise tegenover.

Bestuurlijk draagvlak Voor een effectieve invoering van risicosturing zijn een aantal randvoorwaarden essentieel. Ten eerste moet er bestuurlijk draagvlak zijn voor de invoering van risicosturing. In dit opzicht zijn er grote verschillen tussen gemeenten. Sommige sociale diensten hebben direct hun bestuur mee, anderen moeten veel moeite doen om de politiek te overtuigen van het belang van risicosturing. De angst bij bestuurders is vaak dat het gebruik van risicoprofielen stigmatiserend werkt.

Bij het ontbreken van bestuurlijk draagvlak is het toetsen van risicoprofielen (zie §3.2) extra van belang, zodat kan worden aangetoond dat daadwerkelijk sprake is van een verhoogd risico bij bepaalde klantgroepen.

Niveau van registratie De problemen waar men tegenaan loopt bij de ontwikkeling en toepassing van risicoprofielen zijn in veel gemeenten hetzelfde. Een belangrijk punt van aandacht is dat het niveau van registratie van sociale diensten vaak minder mogelijkheden biedt dan men zou willen in het kader van risicoanalyse. Het komt regelmatig voor dat klantkenmerken die risicoverhogend werken, niet worden geregistreerd in de gebruikte systemen. Hierdoor blijven de gebruiksmogelijkheden beperkt:

14

er kan immers geen selectie op bestanden worden uitgevoerd om de groep die aan het risicoprofiel voldoet te onderscheiden (bijvoorbeeld voor thema-controles).

Het belang van risicosturing volgens gemeenten Over het rendement van risicosturing voor sociale diensten zijn op basis van deze inventarisatie nog geen harde uitspraken te doen. Veel gemeenten beschikken nog niet over de resultaten van controles op basis van risicoprofielen, of slechts over een beperkt aantal cases. Voor zover er wel cijfers zijn, ontbreekt vaak een ijkpunt. Idealiter worden de resultaten (in termen van opgespoorde fraude) van controles op basis van risicosturing immers vergeleken met de resultaten van aselecte controles. Desalniettemin zijn de eerste resultaten hoopgevend in de zin dat risicosturing kan bijdragen aan de doelstellingen van hoogwaardig handhaven. Uit de beschikbare resultaten tot nu toe blijkt dat controles bij risicogroepen veel fraude aan het licht kunnen brengen. Dit betreft percentages variërend tussen de 22 en 88%. Gemeenten zijn het er over eens dat risicosturing een bijdrage kan leveren aan vroegtijdige detectie van fraude en bovendien mogelijkheden biedt om het controleapparaat zo efficiënt mogelijk in te zetten. Tegelijkertijd is het volgens hen echter slechts één van de peilers van het fraudebeleid. Controle op maat kan immers ook worden ingericht op basis van signaalsturing. De andere peilers van hoogwaardig handhaven (vroegtijdig informeren, optimalisering dienstverlening en daadwerkelijk sanctioneren) leveren bovendien volgens gemeenten op de expertmeeting zeker zoveel op. Tijdens de interviews gaven enkele respondenten aan meer opbrengst te zien in signaalsturing dan in risicosturing. Sommige gemeenten zijn afwachtend met betrekking tot risicosturing omdat men in het kader van vroegtijdige detectie meer efficiency verwacht van het tijdig afhandelen van fraudesignalen of van het uitvoeren van bestandskoppelingen met andere organisaties. Het ontwikkelen van (gedegen) risicoprofielen vergt bovendien de nodige investeringen. Veel signalen komen toch al binnen (IB-signalen, tips, fraudesignalen van medewerkers). Veel gemeenten komen er nog onvoldoende aan toe deze signalen in onderzoek te nemen en investeren daarom vooral hierin. Andere gemeenten zijn van mening dat risicosturing en signaalsturing elkaar goed aanvullen, en investeren dus in beide. Overigens blijken risicoanalyses een bruikbare rol te kunnen spelen bij de signaalsturing. Dit gebeurt op 2 manieren (zie § 3.3.: de toepassing van risicoprofielen): · Door de risicoprofielen onder de aandacht te brengen van bijstandsconsulenten is het mogelijk beperkte fraudealertheid onder consulenten te ondervangen. · De risicoprofielen kunnen een rol kunnen spelen bij de prioriteitstelling van fraudesignalen. Kortom: risicosturing kan volgens gemeente meerwaarde bieden, maar ook zonder risicosturing denken gemeenten nog de nodige winst te kunnen boeken bij het voorkomen en het bestrijden van fraude. Risicosturing vergt bovendien de nodige investeringen die goed moeten worden afgewogen tegen de (potentiële) opbrengsten. En dat is lastig, omdat het rendement in de huidige situatie eigenlijk nog niet goed is vast stellen.

15

De behoefte van gemeenten: methodiek of profielen? Tijdens de expertmeeting van StimulanSZ in het kader van dit onderzoek 7 bleek dat gemeenten meer behoefte hebben aan methodieken voor het ontwikkelen van risicoprofielen, dan aan een lijst met mogelijke risicoprofielen. Er zijn volgens de gemeenten op de expertmeeting te veel lokale verschillen. Men wil de risicoprofielen daarom liefst zelf ontwikkelen op basis van de lokale situatie. Er zijn uit het onderzoek twee nuanceringen aan te brengen op deze behoefte: · Het is de vraag of het altijd nodig is zelf profielen te ontwikkelen, gezien de grote overlap aan profielen tussen gemeenten. Een landelijke lijst met gebruikte risicoprofielen maakt het voor gemeenten mogelijk die risicoprofielen te testen, waarvan men verwacht dat ze lokaal van toepassing zijn. Dit bespaart ontwikkelkosten. · Kleine gemeenten zijn nog amper actief bezig met risicosturing. Een belangrijke factor hierbij zullen hoogstwaarschijnlijk de ontwikkelkosten zijn. Wellicht hebben deze gemeenten wel baat bij een overzicht van landelijke profielen.

Bruikbaarheid methodieken andere sectoren In het onderzoek is bewust ook buiten de branche van sociale diensten gekeken naar mogelijk interessante methodieken voor gemeenten. Dit is gebeurd bij andere organisaties in de sociale zekerheid (UWV, SVB) maar ook elders. Dit leverde inderdaad een aantal organisaties op die werken met risicosturing: de Belastingdienst, de zorgverzekeraars en het UWV zijn daarvan duidelijke voorbeelden. De directe bruikbaarheid van die methodieken voor sociale diensten is eigenlijk beperkt. De staat van automatisering bij sociale diensten staat dit niet toe. In de volgende hoofdstukken wordt meer uitgebreid ingegaan op de bruikbaarheid van methodieken uit andere branches voor sociale diensten. Alle drie de organisaties beheren in ieder geval een aanzienlijk groter ‘cliëntenbestand’ dan sociale diensten en kennen (mede daardoor) werkprocessen die in belangrijke mate geautomatiseerd zijn. Alle drie de organisaties leunen ook behoorlijk op automatisering bij het ontwikkelen van risicoprofielen en/of de toepassing ervan. Het volledig overnemen van deze methodieken is daarmee niet aan de orde. Dit betekent niet dat mogelijk wel interessante aspecten uit de aanpak zouden kunnen worden overgenomen of dat gebruik zou kunnen worden gemaakt van inzichten van die organisaties op het thema risicosturing. Op de expertmeeting op 10 april over het gebruik van risicoanalyse in de sociale zekerheid was ook één van de slotconclusies dat organisaties op dit punt meer van elkaar zouden kunnen leren.

Risicosturing en het CWI Als gevolg van de Wet Structuur Uitvoering Werk en Inkomen (SUWI) verschuift de poortwachterfunctie van gemeenten naar de CWI’s. Deze hebben tot taak de gegevens te verzamelen en te controleren die nodig zijn om een uitkering te verstrekken op basis van de WW of de bijstand. Het is daarom logisch om het CWI te betrekken bij activiteiten op het gebied van fraudepreventie en fraudebestrijding. Zo werkt de gemeente Enschede al langere tijd nauw samen met het lokale CWI aan de invulling van de handhavingstaken van het CWI. De gemeente heeft voorlichting gegeven aan CWI-medewerkers over hoe de gemeente omgaat met fraudepreventie en fraudebe______________ 7

Tijdens deze expertmeeting waren vooral gemeenten aanwezig die al bezig zijn met de ontwikkeling van risicosturing. Het betrof dus geen gemiddelde groep gemeenten.

16

strijding, en wat er op dit gebied verwacht wordt van CWI-medewerkers. In deze voorlichting is onder meer aangegeven in welke situaties men extra alert moet zijn op mogelijke fraudesignalen, bijvoorbeeld bij verlatingen. Er is hierbij echter geen sprake van risicoprofielen, in de zin dat er standaard extra controles plaatsvinden bij bepaalde cliëntgroepen. Verder is er een gezamenlijke folder ontwikkeld door de gemeente en het CWI, die onder meer wordt gebruikt bij groepsbijeenkomsten op het CWI voor cliënten die een uitkering willen aanvragen. Tijdens deze bijeenkomsten wordt onder meer voorlichting gegeven over de rechten en plichten van cliënten, en over de taken van de gemeente op het gebied van fraudepreventie en fraudebestrijding. In het referentiewerkproces CWI 20038 wordt beschreven dat er door het CWI administratief een eerste risicobeoordeling moet plaatsvinden. Als de door de klant aangereikte gegevens beantwoorden aan een risicoprofiel, wordt de klant gevraagd om extra administratieve (bewijs)stukken/informatie aan te leveren of uitleg te geven over mogelijk niet consistente of onjuiste gegevens. De exacte inhoud van de controlemomenten en de risicoprofielen worden in de loop van 2003 door het CWI samen met de ketenpartners (UWV en gemeenten) nader ontwikkeld. Hierbij wordt gebruik gemaakt van het project ‘Ontwikkeling en verbetering integrale handhaving in de keten van werk en inkomen’. Dit is een project waarin zeven gemeenten (Almelo, Apeldoorn, Hilversum, Leeuwarden, Nijmegen, Rotterdam en Tilburg) op experimentele basis samenwerken met de landelijke CWI-organisatie, met als doel het versterken van de handhaving in de uitvoering van de keten van werk en inkomen. Het is de bedoeling dat risicoprofielen, als één van de onderdelen van dit project, als experiment worden ingezet bij het CWI (en bij reïntegratiebedrijven).

______________ 8

Het Referentiewerkproces beschrijft de samenhang van de CWI taken en werkprocessen en die van ketenpartners UWV en gemeenten. Het is in de eerste plaats een leidraad voor lijnmanagers bij de sturing en inrichting van de dienstverlening, de interne werkprocessen en de samenwerking met de ketenpartners. Daarnaast bevat het de uitgangspunten voor verdere uitwerking van de werkprocessen in werkinstructies, ICT-oplossingen, registratierichtlijnen, opleiding, training, coaching en kwaliteitsborging.

17

18

3

Methodieken risicosturing

In dit hoofdstuk wordt een beschrijving gegeven van methodieken van risicosturing. Daarbij wordt onderscheid gemaakt in de volgende stappen: · het ontwikkelen van risicoprofielen · het toetsen van risicoprofielen · de toepassing van risicoprofielen. De beschrijvingen in dit hoofdstuk zijn gebaseerd op de interviews die in het kader van deze inventarisatie hebben plaatsgevonden en op literatuur op het gebied van fraudebestrijding.

3.1

De ontwikkeling van risicoprofielen

3.1.1

Bronnen

Bij de ontwikkeling van risicoprofielen wordt gebruik gemaakt van verschillende bronnen. Men gebruikt vaak een combinatie van bronnen. Onderstaand schema geeft een overzicht van mogelijke bronnen. Dit schema is gebaseerd op interviews binnen en buiten de wereld van de sociale zekerheid. Schema 2

Bronnen voor risicoanalyses

Medewerkers (erva- Ervaringen van medewerkers van de sociale dienst zijn input voor het forringsdeskundigen) muleren van op de lokale situatie toegespitste, potentiële risicoprofielen. Bestanden Het gaat hier om fraudebestanden (bestanden waarin o.a. fraudemeldingen worden geregistreerd en de resultaten van onderzoek naar mogelijke fraude), al dan niet in combinatie met uitkeringsbestanden. Fraudedossiers In (schriftelijke) fraudedossiers staat vaak meer specifieke informatie dan in bestanden. In een Regionaal Interdisciplinair Fraudeteam (RIF) wordt vanuit een RIF-onderzoeken

Theoretisch Deskundigen

interdisciplinair verband in de regio onderzocht welk soort cliënten van welke situaties (gelegenheidsstructuren) gebruik maakt om te frauderen. Aan gemeenten wordt over de resultaten gerapporteerd. Gebruikt voor theoretische analyses: scan op wet- en regelgeving en werkprocessen: waar zitten mogelijkheden tot frauderen, mazen in de wet of uitkeringsprocessen?

Medewerkers Op basis van ervaringen van experts, bijvoorbeeld consulenten, boeteambtenaren en sociaal rechercheurs/handhavingsambtenaren wordt bepaald welke cliëntkenmerken het risico op fraude verhogen. Het in kaart brengen van de ervaringen gebeurt over het algemeen door het organiseren van workshops, waarin wordt gebrainstormd over cliëntkenmerken die risicoverhogend werken. Vervolgens wordt gekeken welke van deze kenmerken ook terug te vinden zijn in de eigen bestanden. Dit is de meest gebruikte manier waarop sociale diensten risicoprofielen opstellen.

19

Bestanden Bij sociale diensten gaat het dan om FRIS- of LAROS-bestanden (of eigen fraudebestanden). Idealiter wordt een vergelijking gemaakt tussen de kenmerken van fraudeurs ten opzichte van de kenmerken van de totale populatie (bij sociale diensten alle bijstandsontvangers). Hiervoor is het nodig de frauderegistratie te vergelijken met de uitkeringsregistratie. Indien deze laatste optie niet mogelijk is, beperkt de bestandsanalyse zich tot een analyse van het fraudebestand. Deze analyse kan echter niet aangeven welke groepen een bovengemiddelde fraudekans hebben. Hiervoor is het altijd nodig het fraudebestand te vergelijken met de gegevens van de totale bijstandspopulatie. Fraudedossiers De uiteindelijke analyses zijn in dit geval noodgedwongen waarschijnlijk meer kwalitatief van aard. Resultaten van RIF-onderzoek In Leeuwarden en Tilburg bleken de uitkomsten van RIF-onderzoeken niet bruikbaar voor de ontwikkeling van risicoprofielen. In beide gevallen leverde de analyse cliëntkenmerken op die voor de gemeenten niet administratief te detecteren waren. Het betrof partiele inkomsten uit de horeca, en gegevens omtrent het vermogen van de cliënt. Deze informatie was niet uit de eigen bestanden te halen. Er komt overigens in plaats van de huidige RIF’s een landelijk dekkend netwerk van interventieteams dat in heel Nederland zwart werk, illegale arbeid, sociale zekerheidsfraude en fiscale fraude gaat aanpakken. In deze teams werken gemeenten, Belastingdienst, Sociale Verzekeringsbank, Arbeidsinspectie, Uitvoeringsinstituut Werknemersverzekeringen en het Openbaar Ministerie samen. Ook het Westland interventieteam, het Confectie interventieteam en het Bouw interventieteam gaan er in op. Theoretisch deskundigen Dergelijke analyses kunnen bijvoorbeeld door juristen/wetstechnisch medewerkers worden uitgevoerd. In praktijk wordt deze stap door sociale diensten vaak niet expliciet gezet, omdat de kennis over de mogelijkheden tot fraude bij de uitvoering van de bijstandswet genoegzaam bekend is (bijv. woonfraude).

3.1.2

Een karakterisering van methoden

De gebruikte methodieken voor het ontwikkelen van risicoprofielen zijn te in te delen in de volgende vier groepen: 1. De ‘kwalitatieve’ aanpak 2. De ‘gezond verstand’ aanpak 3. De statistische aanpak 4. De theoretische aanpak.

20

1. De ‘kwalitatieve’aanpak Op basis van een combinatie van (voornamelijk kwalitatieve) bronnen wordt een zo gedegen mogelijke analyse gemaakt. De aanpak mondt uit in een aanduiding van groepen met een verhoogd risico op fraude. De omvang van het verhoogde risico kan met deze methode vooraf niet in kwantitatieve termen worden uitgedrukt. Wel kunnen de geformuleerde profielen worden getoetst aan de hand van steekproefonderzoek (zie § 3.2) voordat ze daadwerkelijk worden geïmplementeerd in werkprocessen. Uit deze toets blijkt hoe hoog het frauderisico is binnen de betreffende risicoprofielen ten opzichte van de ‘gemiddelde’ cliënt. Hierdoor is de fraudekans wel (enigszins) te kwantificeren. Er zijn meerdere varianten van de kwalitatieve aanpak. Een belangrijk onderscheid is of men werkt met enkelvoudige profielen (voorbeeld Leeuwarden) of meervoudige profielen (Utrecht). Bij een enkelvoudig profiel deelt men een cliënt op basis van één criterium (bijv. kamerbewoner of dak- en thuisloos) in een risicogroep in. Meervoudige profielen gaan uit van een risicoscore per cliënt die tot stand komt op basis van meerdere kenmerken.

Voorbeeld Leeuwarden Een door veel gemeenten gehanteerde kwalitatieve aanpak is met behulp van externe ondersteuning9 ontwikkeld in de LAT-gemeenten. Leeuwarden is één van de gemeenten die deze aanpak toepast. In het volgende hoofdstuk wordt de aanpak meer in detail omschreven. Deze aanpak werkt toe naar enkelvoudige profielen (aanduiding van risicogroepen op basis van één kenmerk) op basis van RIF-onderzoeken, workshops met consulenten en een analyse van het fraudebestand. Overigens wordt de ontwikkelde aanpak niet altijd volledig overgenomen door gemeenten. Zo hebben zowel Apeldoorn als Leeuwarden een grondige analyse van het eigen fraudebestand achterwege gelaten omdat de vulling en kwaliteit van dit bestand nog onvoldoende was. Vaak wordt gestart met het in praktijk toepassen van een beperkt aantal cliëntprofielen. Er wordt bijvoorbeeld gestart met risicoprofielen voor typen fraude die relatief vaak voorkomen. Inmiddels zijn in Leeuwarden kamerbewoners en dak- en thuislozen aangeduid als risicogroepen. Beide risicoprofielen zijn in praktijk getoetst. Er is door de Dienst Stadsontwikkeling een bestand beschikbaar gesteld van geregistreerde kamerverhuuradressen. Dit bestand is vervolgens vergeleken met het uitkeringsbestand. Van de 230 cliënten die op één van deze kamerverhuuradressen stond ingeschreven zijn er a-select een aantal geselecteerd. Rechtmatigheids-onderzoek bij deze groep toonde aan dat na 22 afgeronde rechtmatigheidsonderzoeken in 38% van de gevallen fraude is geconstateerd en de uitkering is beëindigd of aangepast. De ijkwaarde is vastgesteld door een a-selecte steekproef van 87 cliënten te controleren op rechtmatigheid. Daarbij is in 5 gevallen fraude geconstateerd. Dit komt overeen met een ijkpercentage van 5,7 procent. Ten aanzien van het risicoprofiel "kamerbewoners" blijkt dat het rendementspercentage (38%), hoger is dan de ijkwaarde (5,7%). Op grond van de testresultaten is geconcludeerd dat het risicoprofiel "kamerbewoners" in Leeuwarden doeltreffend is. Ook het risicoprofiel dak-en thuislozen is in de test doeltreffend bevonden. Een controle van een steekproef van 30 cliënten heeft 16 aanpassingen of beëindigingen tot gevolg gehad.

______________ 9

Deze aanpak is ontwikkeld door Radar Advies.

21

Voorbeeld Utrecht Een andere variant van deze kwalitatieve aanpak is de ‘scorekaart’ zoals die is ontwikkeld door de gemeente Utrecht. Er is gestart met een inventarisatie van ervaringen bij de afdeling Fraudebestrijding. Vervolgens is men die ervaringsgegevens gaan toetsen aan de hand van de volgende bronnen: resultaten van RIF-onderzoeken, analyse van het eigen frauderegistratie- en informatiesysteem (FRIS), bestudering van landelijke literatuur over fraude (o.a. CBS-fraudestatistiek). Op basis hiervan is een scorekaart ontwikkeld, waarbij vijf typen fraude worden onderscheiden (witte, zwarte-, grijze, vermogens- en woonfraude). De scorekaart houdt in dat per cliënt in een Excel-bestand een aantal vragen moet worden ingevuld over de cliënt (met vaste antwoordcategorieën). De vragen die moeten worden beantwoord hebben betrekking op 14 variabelen die van invloed zijn op de fraudekans (zie § 5.1 voor een overzicht van deze variabelen). Aan ieder antwoord heeft de gemeente een puntenaantal gekoppeld. Hoe hoger het puntenaantal, hoe groter het frauderisico. Het puntenaantal dat per antwoord wordt toegekend is gebaseerd op eigen inzichten van de afdeling Fraudebestrijding en het Bureau Nieuwe Aanvragen van SoZaWe. Bij het toekennen van de punten stond de absolute waarde niet voorop, maar ging het veel meer om de onderlinge verhouding tussen de toegekende punten (dus welke variabelen wegen zwaar en welke minder zwaar mee). De combinatie van antwoorden bepaalt de totale scores per cliënt. Deze scores (per type fraude heeft de cliënt een totaalscore) berekent het Excel-programma automatisch op basis van de ingevulde antwoorden. Per fraudetype is bepaald boven welk puntenaantal een intensieve controle van toepassing is. Er heeft intern discussie plaatsgevonden over deze omslagpunten (bij welke score moet het intensieve controletraject worden toegepast). Hierbij was de vraag of iemand op basis van één enkel risicokenmerk (bijvoorbeeld woonwagenbewoner) in aanmerking zou moeten komen voor een intensieve controle. Uitkomst van deze discussie is dat bij een hoog risico op één kenmerk, de cliënt ook op minimaal één ander kenmerk een hoger dan gemiddelde fraudekans moet hebben. Wanneer de cliënt op een bepaald kenmerk een gemiddeld frauderisico scoort dan moet er op minimaal twee, drie of vier andere kenmerken sprake zijn van een meer dan gemiddeld risico. Deze systematiek is in detail uitgewerkt en op basis hiervan zijn de definitieve omslagpunten bepaald. Er vindt in 2003 een pilot van drie maanden plaats waarbij de scorekaart wordt ingezet in het aanvraagproces. Het is de bedoeling dat de toetsers in de pilot een belangrijke rol krijgen bij het gebruik van de scorekaart. Zij houden de managementinformatie bij, aan de hand waarvan de scorekaart eventueel kan worden bijgesteld en verfijnd. Wanneer kritisch wordt gekeken naar de aanpak van Leeuwarden en Utrecht, kunnen van beide methodieken voor- en nadelen worden benoemd. Voordeel van de aanpak van Leeuwarden is de transparantie en inzichtelijkheid: de enkelvoudige profielen zullen voor een ieder goed kerkenbaar zijn. Het vaststellen of iemand valt binnen een risicogroep vergt weinig extra handelingen van de consulent, en is zelfs uit bestanden af te leiden. Nadeel van de gehanteerde aanpak is dat het model in de praktijk erg ‘hangt’ op de ervaringen van consulenten. Resultaten van RIF-onderzoeken en informatie uit fraudebestanden zijn in de praktijk nauwelijks gebruikt. De aanpak in Leeuwarden blijft bovendien beperkt tot profielen met kenmerken die uit de bestanden van de sociale dienst zijn te herleiden. Verder beperkt de gebruikswaarde zich tot die cliënten die voldoen aan het profiel. Soms gaat het daarbij om zeer kleine groepen (bijvoorbeeld de dak- en thuislozen). Het uiteindelijke rendement in termen van bespaarde uitkeringen blijft navenant beperkt. Aan de andere kant bestaat het risico dat enkel-

22

voudige profielen te grofmazig kunnen zijn (te veel cliënten voldoen aan het profiel om de hele groep intensief te kunnen controleren). Bij de tot nu toe gebruikte profielen in Leeuwarden (kamerbewoners en dak- en thuislozen) was van dit laatste echter geen sprake. Het voordeel van de Utrechtse aanpak is dat er rekening gehouden wordt met combinaties van kenmerken en dat er ook meer algemene kenmerken in het model zitten. Daarmee is iedere client ‘te scoren’ en blijft de extra controle niet beperkt tot een kleine groep. Omdat een cliënt bovendien op meer dan één kenmerk een verhoogd frauderisico moet scoren om in aanmerking te komen voor een intensieve controle is de aanpak minder stigmatiserend dan controles op basis van een enkelvoudig profiel. Aan de andere kant veronderstelt het model een exactheid in het voorspellen van frauderisico’s die er in werkelijkheid (nog) niet is. Het is immers zonder een statistisch model niet mogelijk om exact te bepalen hoe belangrijk de verschillende variabelen zijn. Het puntenaantal dat is toegekend aan iedere variabele is gebaseerd op een inschatting van de sociale dienst. In praktijk zal moeten blijken of de cliënten met een hoge risicoscore op basis van de scorekaart inderdaad de cliënten zijn met het hoogste frauderisico. Een nadeel van de scorekaart is verder dat deze extra handelingen vergt van uitvoerders: de scorekaart maakt geen deel uit van de reguliere registratie van de cliënt, maar moet apart worden ingevuld. Tot slot bestaat het risico dat de scorekaart zowel door medewerkers van de sociale dienst als cliënten ervaren wordt als een soort ‘black box’, waarvan onduidelijk is hoe die precies werkt. De scorekaart is namelijk geautomatiseerd door middel van een Excel-bestand. Door een aantal vragen in Excel te vullen, rekent het programma zelf automatisch de fraudescores uit. Medewerkers van de sociale dienst en cliënten hebben waarschijnlijk behoefte te weten op basis van welke kenmerken een cliënt een hoge fraudescore krijgt. Bovendien is het risico van deze automatisering dat men zelf niet meer nadenkt over het frauderisico, maar blindelings vertrouwt op de scorekaart.

2. De ‘gezond verstand‘ aanpak In deze aanpak zijn louter op basis van ervaringen van consulenten risicoprofielen geformuleerd. Deze ervaringen zijn tijdens een overleg tussen consulenten en de sociale recherche geïnventariseerd. Dit is een globale maar eenvoudig toepasbare methodiek, die goed bruikbaar is voor kleine gemeenten. In Winterswijk is men op deze manier tot een vijftal risicoprofielen gekomen die gebruikt worden om woonfraude op te sporen. In deze gevallen wordt standaard een huisbezoek afgelegd. De risicoprofielen zijn niet eerst kwantitatief getoetst voordat ze in de reguliere werkprocessen werden geïmplementeerd. Daarmee is de aanpak minder gedegen dan de kwalitatieve aanpak, maar wel makkelijker toepasbaar. De gemeente heeft goede ervaringen met deze toepassing van risicosturing. Het huisbezoek bleek in 2000, 2001 en 2002 in respectievelijk 88%, 78% en 59% gevallen gevolgen te hebben voor de uitkering (de aanvraag is ingetrokken, afgewezen of de gemeente heeft de uitkering beeindigd wegens onjuiste gegevens).

3. De statistische aanpak Deze aanpak kan alleen worden toegepast wanneer men beschikt over een bestand met alle clientgegevens waarin per cliënt is vastgelegd of men wel of niet heeft gefraudeerd. Dit bestand wordt met behulp van een statistische techniek geanalyseerd. Vaak wordt in dit verband de term ‘datamining’ gebruikt. Op grond van een dergelijke bestandsanalyse worden kenmerken van clienten opgespoord die samenhangen met fraude.

23

De analyse mondt uit in een vorm van kwantificering: · Hetzij een aanduiding van groepen met een significant bovengemiddelde kans op fraude. · Hetzij een aanduiding van de fraudekans van iedere individuele cliënt (op grond van een combinatie van diens achtergrondkenmerken). Aan ieder achtergrondkenmerk wordt een wegingsfactor meegegeven. De verschillen tussen beide vormen zijn vergelijkbaar met de verschillen tussen de profielen in Leeuwarden en de scorekaart uit Utrecht. Voor een statistische aanpak is informatie nodig over kenmerken van fraudeurs en kenmerken van de totale populatie. Wanneer fraudegegevens in hetzelfde bestand worden bijgehouden als uitkeringsgegevens is deze analyse relatief gemakkelijk te maken. Wanneer het om aparte bestanden gaat, zoals bij sociale diensten in de regel het geval is, moet eerst een bestandskoppeling tot stand worden gebracht. Verder zijn de volgende voorwaarden van belang: · Het bestand van cliënten moet een minimum aantal fraudeurs bevatten, om op basis van een statistisch model een significante samenhang te kunnen vinden tussen cliëntkenmerken en fraude. · In het bestand moeten voldoende kenmerken van cliënten worden geregistreerd, die mogelijkerwijs kunnen samenhangen met fraude. · Het bestand moet resultaten bevatten van aselecte controles. Hiermee wordt bedoeld dat alle cliënten even intensief worden gecontroleerd. Wanneer de sociale recherche in een bepaald jaar bijvoorbeeld extra controles uitvoert bij bepaalde doelgroepen, zoals kamerbewoners, kunnen hieruit geen harde conclusies worden getrokken over de kansen op fraude bij deze groep. Het hoge aantal aangetoonde fraudes in deze groep kan dan vooral het gevolg van een hogere pakkans zijn, niet van het feit dat kamerbewoners meer frauderen. Hierdoor ontstaat een zogeheten ‘self-fulfilling prophecy’.

Voorbeeld Tilburg Tilburg is de enige gemeente in de inventarisatie (waarschijnlijk in Nederland) die risicoprofielen heeft ontwikkeld met behulp van een statistisch model. De statistische analyse heeft plaatsgevonden op basis van een bestand waarin cliëntgegevens, uitkeringsgegevens en fraudegegevens op cliëntniveau zijn gekoppeld. De analyse heeft plaatsgevonden voor witte fraude en samenwoningfraude. · Bij witte fraude bleken vier kenmerken statistisch significant samen te hangen met fraude: leeftijd, type uitkering, geslacht en nationaliteit. Op basis hiervan zijn zes verschillende cliëntgroepen onderscheiden, met een oplopende fraudekans. De klasse met het laagste risico op witte fraude betreft Nederlandse vrouwen ouder dan 65 jaar met bijstandsuitkering (fraudekans in deze groep = 0,6%). De klasse met het hoogste risico op fraude betreft allochtone jonge mannen met een bijstandsuitkering (fraudekans = 28%). · Bij samenwoningfraude bleken de volgende kenmerken relevant: burgerlijke staat,leeftijd, geslacht, nationaliteit, reden aanvraag. Op basis hiervan konden drie verschillende cliëntgroepen worden onderscheiden, met een oplopende fraudekans (laagste groep heeft 13% kans, hoogste groep heeft 22% kans). Het model voor samenwoningfraude is minder krachtig dan voor witte fraude doordat er minder cases waren. Overigens heeft Tilburg ook risicoprofielen ontwikkeld op basis van ervaringen van medewerkers. Er zijn ervaringsprofielen ontwikkeld voor samenwoningfraude, inkomensfraude, en een algemeen profiel dat betrekking heeft op de attitude van cliënten. Zowel het statistisch als het ervaringsprofiel voor samenwoningfraude is getest op het cliëntenbe-

24

stand van Tilburg begin oktober 2002 en aangetoonde samenwoningfraudes uit de eerste maanden van 2002. Het percentage aangetoonde fraudes bleek het hoogst binnen de selectie van clienten op basis van een combinatie van de statistische profielen en de ervaringsprofielen (samen met de indicatie van schulden). Deze combinatie van profielen voorspelde beter fraude dan een selectie van cliënten op basis van het statistisch profiel of een selectie op basis van de ervaringsprofielen.

Voorbeeld UWV Het UWV heeft op dit moment een statistisch model ontwikkeld voor WW-controles en voor de looncontroles bij werkgevers10. Bij beide werkprocessen werkte men voorheen met een model op basis van de ervaringen van werknemers (het UWV noemt dit een expertmodel), omdat men op basis van de destijds beschikbare bestanden nog niet in staat was een statistisch model te genereren. Het grote voordeel van een statistisch model boven een expertmodel is volgens het UWV dat het een objectieve grond heeft. Bovendien zijn bij de statistische modellen de scores meer gedifferentieerd. Het expertmodel voor de WW heeft bijvoorbeeld een zeer beperkte risicoschaal. Deze loopt van 1 t/m 4, waarbij in categorie 4 de hoogste risico's zitten. Deze categorie cliënten beslaat ongeveer 30% van de totale steekproef. Binnen deze groep kunnen de risico’s dus niet meer verder worden gedifferentieerd. Bij het statistisch model WW is het mogelijk om de top 10% van hoogste risico's selecteren of zelfs de top 1%.

4. De theoretische aanpak Deze aanpak leunt op theoretische analyses. Zo maakt het UWV risicoscans (soort van audit) waarin wet- en regelgeving en uitvoeringsprocessen worden doorgelicht op de mogelijkheden voor fraude. Deze risicoscans zijn dus niet bedoeld om te achterhalen welke cliënten vaker frauderen, maar richten zich in algemene zin op mogelijkheden om te frauderen. Het gaat hierbij om vragen als: welk type overtredingen kunnen er plaatsvinden? Welke acties moet iemand ondernemen om te frauderen? Welke uitvoeringsprocessen zijn fraudegevoelig omdat onvoldoende controle plaatsvindt, of controle slechts beperkt mogelijk is? Een ander voorbeeld in dit verband is het ‘barrièremodel’ van de SIOD waarin structuren in kaart zijn gebracht waar illegale werknemers mee te maken hebben. Sec gesproken gaat het hier niet om een model voor risicoanalyse of risicoprofielen maar om het opsporen van gelegenheidsstructuren. We denken dat het interessant genoeg is het toch kort te beschrijven en even stil te staan bij de bruikbaarheid ervan. Barrièremodel illegale arbeid In dit model is een theoretische exercitie uitgevoerd op mogelijke barrières waar illegale vreemdelingen mee te maken kunnen hebben om in Nederland te kunnen verblijven. Van daaruit is op zoek gegaan naar potentiële illegale faciliteerders. Er worden 4 barrières onderscheiden voor

illegale vreemdelingen om in Nederland te kunnen verblijven: de entree, huisvesting, officiële identiteit, arbeid/inkomen. Illegale faciliteerders zijn achtereenvolgens: mensensmokkelaars, huisjesmelkers, vervalsers en illegale werkverschaffers. Illegale arbeid kan vervolgens worden opgespoord door de faciliteerders op te sporen (voordeel daarbij is dat je meteen groepen illegale werknemers kunt opsporen). Op het moment is de SIOD bezig projecten te ontwikkelen waarbij ze het model in de praktijk gebruiken. Ze willen bijvoorbeeld illegale uit______________ 10

Het UWV wil geen informatie openbaar maken over de kenmerken van cliënten met een hoog frauderisico.

25

zendbureaus gaan traceren. Desgevraagd denkt een gesprekspartner van de SIOD dat een vergelijkbaar denkmodel ook best is te ontwikkelen voor verschillende vormen van bijstandsfraude, bijvoorbeeld voor zwarte inkomsten of samenwoonfraude. Het aantal barrières zal echter beperkter zijn. Het lijkt de onderzoekers echter eerder iets voor een multidisciplinaire aanpak, aangezien niet alleen de sociale dienst te maken heeft met bijvoorbeeld fraude door zwart werken of onjuiste opgave van adresgegevens.

3.2

Het toetsen van risicoprofielen

Het belang van toetsen Het toetsen van risicoprofielen kan gebruikt worden om aan te tonen dat de profielen daadwerkelijk betrekking hebben op klanten met een verhoogd frauderisico. Dit is met name van belang bij profielen die zijn opgesteld op basis van lokale ervaringen van experts. Als het verhoogde risico objectief wordt vastgesteld, kan de sociale dienst aantonen dat de indeling in groepen niet gebaseerd is op vooroordelen richting een bepaalde groep. Bovendien kan een dergelijke toets aangeven hoeveel effectiever het uitvoeren van controles op basis van risicoprofielen is, ten opzichte van het uitvoeren van aselecte controles. Een dergelijke toets levert dus informatie op over de meerwaarde van het gebruik van de profielen ten opzichte van de oude werkwijze waarin alle clienten op dezelfde wijze worden gecontroleerd. Bij een statistisch model is een toets niet meer nodig om aan te tonen dat er bij groepen die op basis van het statistisch model naar voren komen, sprake is van een verhoogde fraudekans. De profielen zijn immers gebaseerd op daadwerkelijke verhoogde fraudekansen bij bepaalde groepen cliënten. Wel kan worden beoordeeld hoe krachtig het model fraude voorspelt. Het ene model zal in staat zijn fraude beter te voorspellen dan het andere. Het UWV spreekt in dit verband van het valideren van een statistisch model. Gemeenten verschillen van mening over het belang van het toetsen van risicoprofielen. Een belangrijk argument vóór toetsen is dat het gebruik van risicoprofielen gelegitimeerd moet worden, niet alleen ten opzichte van het gemeentebestuur, maar ook ten opzichte van de eigen cliënten en uitvoerders. Andere gemeenten vinden deze legitimatie minder noodzakelijk. Het argument van deze gemeenten is dat de profielen gebaseerd zijn op ervaringen van professionals, en dat de profielen zichzelf in de praktijk bewijzen, ook zonder een formele toetsing.

Het toetsen van expertprofielen Het toetsen van expertprofielen kan op de volgende manier plaatsvinden: Een aantal uitkeringsgerechtigden dat voldoet aan het profiel wordt geselecteerd. Deze groep wordt vervolgens intensief op fraude gecontroleerd, aan de hand van een controleprotocol. Uit de resultaten van deze controleactie blijkt vervolgens bij hoeveel van de geselecteerde cliënten fraude is geconstateerd. Dit wordt het rendementspercentage genoemd. Om de meerwaarde aan te tonen van het werken met risicoprofielen moet dit rendementspercentage worden vergeleken met een ijkwaarde, die het percentage fraudegevallen weergeeft op basis van een aselecte controlemethodiek.

26

De ijkwaarde kan op twee manieren worden bepaald: 1. Door een willekeurige steekproef van cliënten te controleren op fraude. De mate waarin hier fraude blijkt voor te komen is dan de ijkwaarde. 2. Ten tweede kan worden gekeken naar het percentage fraudegevallen dat naar voren is gekomen bij het verrichten van heronderzoeken over een aantal jaar. Veel gemeenten zullen dit echter niet op eenvoudige wijze kunnen achterhalen. Een potentieel risicoprofiel wordt als doeltreffend beoordeeld wanneer het rendementspercentage significant hoger is dan de ijkwaarde. Blijkt het rendementspercentage even hoog of lager te zijn dan de ijkwaarde dan wordt het risicoprofiel lokaal afgeschreven.

Het valideren van statistische modellen Bij de toepassing van een risicomodel krijgen alle cliënten op basis van het model een kansscore toegekend die aangeeft hoe hoog de kans op regelovertreding is. Deze kansscore is gebaseerd op een combinatie van de risicokenmerken van de cliënt. Aan ieder risicokenmerk is een gewicht toegekend. Het ene risicokenmerk is immers belangrijker bij het bepalen van het frauderisico dan het andere. Vervolgens bepaalt de organisatie bij welk frauderisico men gaat controleren, dus waar men de grens tussen risicovol en niet-risicovol legt. Alle gevallen boven die grens worden geselecteerd voor controle. Vervolgens kan men bepalen in hoeverre het model in staat is de juiste gevallen te selecteren. Iemand met een grote fraudekans, hoeft immers niet altijd daadwerkelijk te frauderen. In de praktijk worden bij de selectie van cliënten twee type fouten gemaakt: 1. Een cliënt wordt geselecteerd, maar de cliënt is geen fraudeur. 2. Een cliënt wordt niet geselecteerd, terwijl er wel sprake is van fraude. De maatstaven die gebruikt worden om de voorspelkwaliteit van een model te bepalen, hebben betrekking op deze fouten: 1. De efficiëntie. Dit is het percentage met het model geselecteerde risicovolle cliënten , waarbij ook feitelijk fraude is geconstateerd. Hoe hoger dit percentage is, hoe minder mensen ten onrechte door het model zijn geselecteerd. 2. De effectiviteit: Dit is het percentage fraudeurs die door het model zijn geselecteerd als risicovolle cliënten. Het is dus een indicator voor de maat waarin het model er in slaagt alle fraudeurs te selecteren.

3.3

De toepassing van risicoprofielen

Risicoprofielen kunnen door sociale diensten op verschillende manieren worden ingezet. In praktijk worden risicoprofielen vooral gebruikt bij het uitvoeren van de controletaak, maar in principe kan ook in een eerder stadium gebruik worden gemaakt van risicoprofielen: namelijk bij het informeren van cliënten. Op basis van een risicoanalyse kan aan cliënten met een verhoogd risico op fraude voorlichting op maat worden gegeven over de verplichtingen waaraan men moet voldoen.

27

Risicosturing en controle In praktijk komen de volgende toepassingsmogelijkheden van risicosturing voor:

1. 2. 3. 4. 5.

Intensieve controle bij de poort Intensieve controle tijdens periodiek heronderzoek Ter (gedeeltelijke) vervanging van periodiek heronderzoeken Themacontroles Als hulpmiddel bij de selectie van fraudesignalen

Hieronder worden de toepassingsmogelijkheden kort beschreven en wordt aangegeven welk type kosten en baten hiermee gemoeid zijn voor de werkprocessen zelf (we hebben het dan niet over opbrengsten in termen van extra opgespoorde fraude). Bij alle toepassingen geldt dat, wanneer de toepassing leidt tot een eerdere opsporing van mogelijke fraude, ingewikkelde en tijdrovende terugvorderingsprocedures worden voorkomen. Bovendien belanden cliënten minder snel in een schuldsituatie. Dit inverdieneffect wordt daarom hieronder niet steeds expliciet benoemd. Ad 1. Intensieve controle bij de poort De claimbeoordeling is een belangrijk moment in verband met het vroegtijdig detecteren van fraude. Wanneer in dit stadium reeds een poging tot fraude wordt ontdekt, wordt voorkomen dat ten onrechte uitkeringen worden verstrekt, en wordt schade (zowel voor de gemeente als de client) voorkomen. Daarom is het zinvol om risicosturing te gebruiken voor het ontwikkelen van een controle op maat-systematiek tijdens de aanvraagprocedure. Dit houdt in dat op basis van vooraf opgestelde profielen een standaard, dan wel een intensieve intake plaatsvindt. Bij klanten die voldoen aan de criteria in het risicoprofiel wordt een intensieve intake afgenomen. Vaak worden in dit verband ook standaardprotocollen ontwikkeld, waarin precies staat aangegeven uit welke stappen een standaard- of intensieve intake bestaat. Bij het invoeren van risicoprofielen bij de claimbeoordeling is het van belang om met het CWI af te stemmen wat hun rol hierbij (in de toekomst) zou kunnen zijn. De kosten bestaan in dit geval uit de extra tijd die nodig is voor de uitvoering van een intensieve controle. Daar kunnen echter besparingen tegenover staan, zoals de tijd die kan worden bespaard door minder intensieve standaardcontroles (bij niet-risicogroepen). Bovendien is het inverdieneffect dat terugvorderingsprocedures kunnen worden voorkomen hierbij het sterkst; de uitkering is dan immers nog niet toegekend. Ad 2. Intensieve controle tijdens periodiek rechtmatigheidsonderzoek Volgens de Regeling administratieve uitvoeringsvoorschriften Abw, Ioaw, Ioaz 1996 (Rau)11, moeten gemeenten periodiek heronderzoeken uitvoeren naar de rechtmatigheid van de uitkering. Daarbij mogen gemeenten op basis van een heronderzoeksplan de periodiciteit waarmee heronderzoeken worden uitgevoerd laten verschillen per groep cliënten, mits de maximale termijn tussen twee heronderzoeken maximaal 18 maanden bedraagt. Risicosturing kan worden ingezet bij de uitvoering van deze rechtmatigheidsonderzoeken. Dit houdt in dat er op basis van vooraf opgestelde profielen een standaard, dan wel een intensief heronderzoek plaatsvindt. Bij klanten die voldoen aan de criteria in het risicoprofiel wordt de klant ______________ 11

In de nieuwe wet Werk en Bijstand, die waarschijnlijk per 1-1-2004 in werking treedt, vervalt de Rau. Gemeenten zullen dan zelf beleid moeten formuleren.

28

bijvoorbeeld altijd voor een gesprek uitgenodigd op kantoor, of vindt altijd een huisbezoek plaats. De andere groepen cliënten ondergaan een minder intensief heronderzoek. Ook in dit geval bestaan de kosten uit de extra tijd die nodig is voor de uitvoering van een intensieve controle. Daar kunnen echter besparingen tegenover staan op de tijd die men uittrekt voor een standaardcontrole (bij niet-risicogroepen). Ad 3. Ter (gedeeltelijke) vervanging van periodieke rechtmatigheidsonderzoeken De LAT-gemeenten (Leeuwarden, Apeldoorn en Tilburg) hebben als onderdeel van Hoogwaardig handhaven een systeem van controle op maat ontwikkeld, waarbij de periodieke rechtmatigheidsonderzoeken zijn afgeschaft. In plaats daarvan voert men controles uit op basis van risicoprofielen. Dit systeem van risicosturing wordt aangevuld door controles naar aanleiding van een fraudesignaal. Dit kan een signaal zijn dat gegenereerd is door het Inlichtingenbureau, door andere bestandskoppelingen of op basis van tips van consulenten, burgers of externe organisaties. In dit geval bestaan de kosten uit de uitvoering van de risicogestuurde controles. Daar staat echter een grote besparing op de uitvoering van tijdafhankelijke rechtmatigheidsonderzoeken tegenover. Ad 4. Themacontroles Themacontroles zijn controles waarbij in een bepaalde periode (een deel van) de uitkeringsgerechtigden die voldoen aan de kenmerken van het risicoprofiel extra worden gecontroleerd, meestal op basis van een fraudeprotocol. Een dergelijke themacontrole vindt plaats naast de tijdafhankelijke heronderzoeken. In dit geval bestaan de kosten uit de uitvoering van de themacontroles. Hier staan geen besparingen in het primaire proces tegenover (exclusief natuurlijk de winst op tijdrovende terugvorderingsprocedures wanneer de fraude op een later moment zou zijn opgespoord).. Ad 5. Als hulpmiddel bij de selectie van fraudesignalen Sociale diensten hebben in praktijk te maken met de volgende fraudesignalen: · Signalen van het Inlichtingenbureau · Signalen vanuit andere bestandskoppelingen · Externe signalen (van burgers of andere organisaties) · Interne signalen (van consulenten/ casemanagers, sociale recherche of handhavingsambtenaren. Veel sociale diensten nemen deze signalen niet in behandeling op volgorde van binnenkomst, maar hanteren bepaalde selectiecriteria, bijvoorbeeld het type fraude waarvan sprake zou zijn, of een inschatting van de ‘hardheid’ van het fraudesignaal. Eén van de criteria die hierin zou kunnen meewegen is of het fraudesignaal betrekking heeft op een cliënt met een verhoogde fraudekans. In dit geval is er geen sprake van kosten voor het uitvoeren van extra of intensievere controles. Het betrekken van risicoprofielen in het besluit om een fraudesignaal in onderzoek te nemen, kost in praktijk waarschijnlijk nauwelijks tijd.

29

Rendement De verschillende toepassingsmogelijkheden kennen verschillende kosten en baten, en daarmee verschilt ook het rendement. De kosten hebben vrijwel altijd betrekking op de uitvoering van extra controles of intensievere controles. Alleen bij het gebruik van risicoprofielen als hulpmiddel bij de selectie van fraudesignalen, is er geen sprake van extra of intensievere controles. Bij sommige toepassingen staan tegenover de extra uitvoeringskosten als gevolg van extra of intensievere controles, besparingen in het primaire proces. · Bij het gebruik van risicoprofielen tijdens aanvraag of heronderzoek, is het de vraag of het gebruik van risicoprofielen extra tijd kost ten opzichte van de situatie waarin men alle cliënten op gelijke wijze controleert. Tegenover de intensievere controles van risicogroepen, staan immers de standaardcontroles bij de niet-risico groepen. Hier kan wellicht tijdwinst worden geboekt. · Bij het (gedeeltelijk) vervangen van de periodieke rechtmatigheidsonderzoeken door controles bij risicogroepen, bespaart men de kosten van de uitvoering van deze rechtmatigheidsonderzoeken. · Bij het uitvoeren van themacontroles bespaart men daarentegen geen tijd op de primaire processen. De themacontroles zijn immers éxtra controles, die aanvullend zijn aan de standaard aanvragen en heronderzoeken. In alle toepassingen bespaart men uitkeringslasten doordat er meer fraude wordt ontdekt (mits de risicoprofielen duidelijk meer aangetoonde fraudes opleveren dan de aselecte controles). Aangenomen mag worden dat het toepassen van risicoprofielen aan de poort, de hoogste besparingen oplevert. Wanneer in dit stadium een poging tot fraude wordt ontdekt, kan de klant immers geheel buiten de uitkering worden gehouden. Dit bespaart zowel uitkeringslasten als uitvoeringskosten.

30

4

Methodieken risicodetectie

Tijdens deze inventarisatie zijn we twee methoden tegengekomen waarmee op klantniveau frauderisico’s worden gedetecteerd. We vatten deze methoden niet onder de noemer van risicosturing omdat deze methoden zich niet richten op groepen klanten met een verhoogd frauderisico. Toch is het wel zinvol om deze methoden te beschrijven omdat ze nuttig kunnen zijn bij het optimaliseren van vroegtijdige detectie van fraude.

4.1

Bestandskoppelingen met andere organisaties

Het structureel vergelijken van bestandsgegevens van cliënten van sociale diensten met gegevens over deze cliënten bij andere organisaties is een beproefd middel in het kader van de fraudeopsporing. Dit is een methodiek die valt onder de noemer van signaalsturing: er wordt onderzoek gedaan naar die bijstandsontvangers waarover signalen bestaan die mogelijk op fraude wijzen. Op dit moment zijn alle gemeenten aangesloten bij het Inlichtingenbureau. Via het Inlichtingbureau worden de gegevens van cliënten van sociale diensten maandelijks op sofi-nummer vergeleken met de andere bestanden in het IB. Dit betreft bestanden van het UWV (gegevens over WW- of WAO uitkeringen of werk in loondienst), de Belastingdienst (gegevens over rente en vermogen) en de Informatie Beheer Groep (IBG), de instantie in Nederland die de studiefinanciering regelt en alle inschrijvingen aan het hoger onderwijs administreert. Hieruit kunnen signalen van witte fraude naar voren komen, omdat bijvoorbeeld blijkt dat een cliënt van de sociale dienst door een werkgever is aangemeld bij het UWV, terwijl de cliënt aan de sociale dienst niet heeft doorgegeven dat hij werk heeft. Een dergelijk signaal kan aanleiding zijn tot nader onderzoek. Naast deze structurele vorm van bestandsvergelijkingen, vinden er allerlei projecten plaats waarbij op lokaal of regionaal niveau bestanden van de sociale dienst worden vergeleken met andere organisaties. Voorbeelden zijn:

· · · · · ·

Energiebedrijven De RDW (het beheer van diverse basisregisters met voertuig- en persoonsgegevens) Ziekenfondsen Het Verificatie Informatie Systeem (de serienummers van gestolen, vermiste of anderszins als ongeldig geregistreerde documenten) Kadaster Woningregister/ woningcorporaties.

Deze projecten bestaan uit de volgende stappen: · Het koppelen van bestanden. Het bestand met cliënten van de sociale dienst wordt gekoppeld aan dat van een externe organisatie. Vaak wordt gekoppeld op de combinatie postcode en huisnummer, of op sofi-nummer. · Deze koppeling kan leiden tot een aantal verdachte zaken, bijvoorbeeld de cliënt staat bij verschillende instanties op een verschillend adres ingeschreven, of de cliënt heeft op het

31

·

woonadres een verdacht lage energierekening. Deze zaken worden nader onderzocht. Vaak vindt er eerst dossieronderzoek plaats. Hieruit kan blijken dat er een logische verklaring bestaat voor de situatie. Het kan bijvoorbeeld zo zijn dat hetzelfde adres door verschillende instanties verschillend wordt geregistreerd, of het energieverbruik blijkt zeer laag omdat de cliënt in een inrichting verblijft.

We beschrijven hieronder kort twee voorbeelden van bestandskoppelingen: de aanpak van het Zoeklichtproject in Amsterdam en de koppeling met gegevens van het energiebedrijf zoals RIFNoord deze heeft uitgevoerd. De cases worden uitgebreider beschreven in § 5.2.

Zoeklichtproject Amsterdam Dit is een wijkgericht project dat zich richt op het opsporen en aanpakken van illegale verhuur en onderhuur en woonfraude. De volgende organisaties zijn hierbij betrokken: De Dienst Wonen, de Sociale Dienst Amsterdam, de afdelingen Burgerzaken van de stadsdelen, het Register Amsterdam, de Amsterdamse federatie van Woningcorporaties en de Makelaarsvereniging Amsterdam. De Dienst Wonen is de trekker van het project. De keuze voor een bepaalde wijk (of een deel van een wijk) vindt plaats in overleg met de betrokken organisaties. Binnen het gekozen gebied worden de bestanden van alle betrokken organisaties gekoppeld. Er zijn 35 indicatoren opgesteld op grond waarvan adressen in principe als onderzoekswaardig worden benoemd: · Bijvoorbeeld omdat de gegevens over de bewoning van het adres verschillen tussen de organisaties. · Er zijn andere bijzondere dingen aan de hand met het adres die de moeite waard zijn om nader te onderzoeken. Bijvoorbeeld: er is sprake van een alleenwonende gehuwde of het aantal inwoners is veel groter dan het aantal kamers. Uiteindelijk legt men per wijk 300 tot 350 huisbezoeken af.12 Hiervan vinden er gemiddeld 60-70 huisbezoeken plaats bij cliënten van de sociale dienst. Dit levert gemiddeld de volgende resultaten op: · Enkele tientallen leiden tot een wijziging in de administratie van de sociale dienst. · Ongeveer 10 leiden tot een wijziging van de bijstandsnorm of een beëindiging van de uitkering · Hooguit 1 geval van fraude (een benadeling van € 6000 of meer = aangifte-grens) wordt aangetoond. Project ‘Waakvlam’ van RIF Noord Dit project richt zich op het opsporen en aanpakken van een specifiek type woonfraude: ‘nietbewoning’ door middel van een bestandskoppeling tussen cliënten van de sociale dienst en de energieverbruikgegevens van Essent. Een laagverbruik aan energie kan een aanwijzing zijn voor niet-bewoning. Essent heeft op CD-rom alle laagverbruikcijfers (<500 Kwu en < 500m3 gas) in de postcoderegio’s Groningen en Emmen aangeleverd aan het RIF. Deze gegevens zijn op postcode en adres aan het cliëntenbestand van de sociale dienst gekoppeld. Van alle cliënten van de sociale dienst, is het energieverbruik gerangschikt. Dus bovenaan de cases met nulverbruik, vervolgens die met weinig verbruik etc. Vervolgens is administratief onderzoek gedaan om te kijken of het lage energieverbruik verklaarbaar was. Veel voorkomende verklaringen betroffen cliënten die in een inrichting wonen of waar gas en elektra in de huur zijn inbegrepen. Bij de resterende gevallen is nader ______________ 12

Het betreft hier mondeling verkregen informatie. Er is geen analyse uitgevoerd op rapportages.

32

onderzoek gedaan. Dit betrof altijd dossieronderzoek en één of meer huisbezoeken Van de meer dan 9.000 cliënten in de gemeente Groningen zijn in het project 128 cliënten nader onderzocht. Dit aantal is gebaseerd op de beschikbare onderzoekscapaciteit. Niet alle situaties van laag energieverbruik zijn dus onderzocht. Van deze 128 gevallen bleek ongeveer de helft verklaarbaar (cliënt woont in inrichting of gas en elektra zijn in de huur inbegrepen). Er is bij 51 cliënten nader onderzoek gedaan. Dit betrof altijd dossieronderzoek en 1 of meer huisbezoeken. Uiteindelijk heeft dit geleid tot 20 beëindigde uitkeringen, een aantal zaken die nog steeds twijfelachtig waren (waarbij men bij een nieuw heronderzoek extra alert is) en een aantal zaken waarbij nog strafrechterlijk onderzoek loopt. Tegenover de 20 beëindigde uitkeringen staat een investering van 1 ½ fte voor ongeveer 6 maanden (4 maanden fulltime huisbezoek, 2 maanden rapportage). Deze kosten wegen ruim op tegen de baten (totaal bedrag aan 20 beëindigde uitkeringen gedurende een jaar). Overigens zijn een half jaar na het project nog slechts 3 van de 20 uitkeringen opnieuw toegekend. Verder zijn veel inschrijvingen in de GBA aangepast en zijn er diverse woningen door de woningcorporaties aan nieuwe woningzoekenden toegewezen.

Wettelijke randvoorwaarden bestandskoppelingen Veel gemeenten zijn afwachtend met het uitvoeren van bestandskoppelingen omdat men niet goed op de hoogte is van de wettelijke randvoorwaarden. Een aantal instanties (genoemd in artikel 121 en 122 van de Algemene bijstandswet) zijn wettelijk verplicht op verzoek van een gemeente kosteloos inlichtingen te verstrekken over cliënten van een sociale dienst die nodig zijn voor het uitvoeren van de Algemene bijstandswet. Deze verstrekkingen hoeven op grond van de Wet bescherming persoonsgegevens (art. 29, vierde lid) niet gemeld te worden aan het College Bescherming Persoonsgegevens (CBP). De meldingsplicht aan het CBP geldt wél voor projecten waarin een sociale dienst haar gehele bestand koppelt met gegevens van andere instanties (bijv. ziekenfonds, energiebedrijf). Het CBP beoordeelt of de verwerking van persoonsgegevens plaatsvindt conform de Wet Bescherming Persoonsgegevens (WBP). Hierbij moeten met name de volgende twee uitgangspunten in acht worden genomen: 1. Proportionaliteit. De inbreuk op de privacy moet in redelijke verhouding staan tot het beoogde doel. Dat houdt in dat niet méér mag worden gevraagd dan nodig voor een bepaald doel. 2. Subsidiariteit. Als het doel via een andere weg kan worden bereikt die minder inbreuk maakt op de privacy, dan moet die andere weg worden behandeld. Zo kunnen bijv. nieuwe technieken of systemen verouderde procedures voor informatievergaring cq verificatie van gegevens overbodig maken. Wat betekenen de bovenstaande uitgangspunten nu voor bestandskoppelingen in het kader van fraudebestrijding? Fraudebestrijding is in principe een grond voor inmenging van de overheid in de persoonlijke levenssfeer, mits er een substantiële bijdrage geleverd wordt aan de opsporing van fraude. Dit houdt in dat men op basis van testgegevens moet kunnen aantonen hoeveel fraudesignalen een koppeling oplevert. Men mag pas daadwerkelijk onderzoek doen naar deze fraudesignalen na toestemming van het CBP. Verder moet de koppeling zodanig worden uitgevoerd dat alleen ge-

33

bruik wordt gemaakt van die gegevens die noodzakelijk zijn in het kader van de fraudebestrijding. Op basis van de bovenstaande criteria heeft RIF Noord toestemming gekregen voor de bestandskoppeling met Essent.

4.2

Geautomatiseerde selectie van risicovolle formulieren

Een andere methode van risicodetectie is om het eigen systeem dusdanig in te richten dat risicovolle gevallen langs automatische weg ‘naar boven komen’. Zorgverzekeraars werken hier sinds kort mee, de Belastingdienst al langer. Om zo ver te komen is wel voorwerk noodzakelijk: de kenmerken van risicovolle gevallen moeten vooraf bekend zijn (m.a.w. de risicoprofielen) en uit het administratieve systeem zijn af te leiden. Zo ontwikkelt de Belastingdienst regels waarmee geautomatiseerd aangiftebiljetten worden geselecteerd met een verhoogde kans dat ze gecorrigeerd moeten worden (op basis van inconsistenties met aangiftes in het verleden, overschrijding van wettelijke normen en een vergelijking met bijvoorbeeld loonbestanden). Een ander voorbeeld zijn de zorgverzekeraars. Zorgverzekeraars Volgens Zorgverzekeraars Nederland werken zorgverzekeraars met een geautomatiseerde selectie van declaraties die risicovol zijn, en dus intensief moeten worden gecontroleerd. Het gaat over het algemeen om declaraties van zorgaanbieders, omdat zich daar de meeste kans op fraude voordoet. Het systeem van ziektekostenverzekeringen werkt vaak met het verstrekken van zorg in natura, waardoor verzekerden nauwelijks aanleiding hebben te frauderen.

In de branche van zorgverzekeraars is het toepassen van risicoanalyse een vrij nieuwe ontwikkeling. Eén van de grotere zorgverzekeraars, Achmea Zorg (Zilveren Kruis Achmea, Groene Land Achmea, PWZ Achmea, FBTO en Avero Achmea) heeft in een pilot in de zorgsector farmacie een risicomodel ontwikkeld voor de controle op gedeclareerde nota’s. Hierbij zijn de volgende stappen gevolgd: 1. Experts (fraudespecialisten en materiedeskundigen uit de sector: in dit geval apothekers) hebben indicatoren benoemd die op fraude kunnen duiden. Men noemt deze stap ‘mindmining’. 2. Bekeken is welke van deze indicatoren digitaal in de bestanden zijn opgeslagen. Van deze indicatoren is onderzocht in hoeverre deze ook daadwerkelijk bleken samen te hangen met fraude. Deze indicatoren kunnen betrekking hebben op de nota, maar ook op de persoon of organisatie die de nota indient. 3. Op basis van een geautomatiseerde analyse van de bestanden ( met behulp van statistische modellen) zijn ook andere indicatoren vastgesteld die duiden op een verhoogd frauderisico. In dit verband gebruikt men de term ‘data-mining’. Data-mining is een continu proces, waarbij de data steeds opnieuw worden geanalyseerd op basis vastgelegde kenmerken van een fraude. De analysesoftware stelt daarbij vast of bepaalde nieuwe kenmerken statisch relevant zijn en stelt daarmee de gebruiker van de software in staat om die statische relevantie als mogelijke nieuwe fraude-indicator te onderzoeken. Men wil ook voor andere zorgsoorten dergelijke risicomodellen ontwikkelen en de controlesystematiek hierop aanpassen. Men gaat de controle meer inzetten op de risicovolle nota’s. Deze nota’s kunnen op basis van risicomodellen automatisch worden geselecteerd. Daarnaast blijft men

34

een deel van de controle, net als nu, steekproefsgewijs uitvoeren. De nieuwe controlesystematiek kan worden uitgevoerd binnen de bestaande formatie. Bij de Belastingdienst worden de risicovolle gevallen die op deze manier worden geselecteerd intensiever gecontroleerd. Ook binnen Achmea Zorg wil men steeds meer op deze manier gaan werken.

Toepassingsmogelijkheden sociale dienst De toepassingsmogelijkheden voor sociale diensten zijn beperkt. Deze werken immers niet met declaraties. Bovendien is de automatisering bij sociale diensten over het algemeen minder bruikbaar dan bij bovengenoemde organisaties. De automatisering van sociale diensten is doorgaans sterk gericht op het uitvoeren van financiële transacties, en is in mindere mate gericht op de registratie van risicokenmerken. Toch zijn een paar aspecten uit de bovengenoemde aanpak wellicht wel interessant: · Sociale diensten werken met inkomstenverklaringen. Tijdens de expertmeeting is geïnventariseerd of een vergelijkbare aanpak op die formulieren denkbaar is. Het idee werd weliswaar niet direct verworpen maar kon op weinig enthousiasme rekenen. De inkomstenverklaringen zien gemeenten toch vaak vooral als administratieve last die weinig oplevert voor de handhaving. Dit beeld komt overeen met hetgeen gesteld wordt in de Kennisbank Hoogwaardige Handhaving. Hierin staat dat de inkomstenverklaringen (IV) in praktijk nauwelijks detectiewaarde hebben. De cliënt die fraudeert, geeft dit ook op zijn IV niet op. In de praktijk worden daarom vrijwel nooit fraudesignalen uit een IV geanalyseerd. De conclusie is dat de inkomstenverklaring in de huidige vorm geen toegevoegde waarde heeft in het kader van detectie van fraudesignalen. · Er zit voor sociale diensten wellicht een meerwaarde in het automatiseren van de fraudealertheid. Hierover werd tijdens de expertmeeting opgemerkt dat het nooit zo mag zijn dat automatische signalen de fraudealertheid van consulenten gaat vervangen. Een dergelijk systeem zou het risico met zich meebrengen dat consulenten niet meer zelf opmerkzaam zijn.

35

36

5

Korte beschrijving van cases

5.1

Cases risicosturing

1. Gemeente Leeuwarden De ontwikkeling van risicoprofielen Gebruikte methodiek ‘kwalitatieve’ aanpak Gebruikte bronnen: · RIF-onderzoeken · ‘ervaringsdeskundigheid’ medewerkers Type fraude waarop risicoprofielen van toepassing zijn: · leefvormfraude (kamerbewoners) · het oneigenlijk gebruik door niet- dak- en thuislozen van twee postadressen, bedoeld voor dak- en thuislozen in Leeuwarden. Gebruikte profielen: · kamerbewoners · dak- en thuislozen Het toetsen van risicoprofielen Ja, door middel van een vergelijking van de controleresultaten bij een steekproef onder de risicogroep met controleresultaten van een aselecte steekproef van cliënten ( de ijkwaarde). De toepassing van risicoprofielen in het werkproces

· · ·

Intensieve controle bij de poort Ter (gedeeltelijke) vervanging van heronderzoeken Themacontroles (incidenteel)

Voor elk risicoprofiel wordt een apart protocol opgesteld met werkinstructies. Ervaringen

· · ·

Het werken met risicoprofielen heeft volgens Leeuwarden een positief effect op de medewerkers. Door gerichte controles zijn er meer en beter zichtbare resultaten (vroeger waren er meer toevaltreffers). Dat stimuleert. Het werken met risicoprofielen is erg arbeidsintensief (je gaat de diepte in, huisbezoeken altijd met twee man etc). Dit kost extra capaciteit. Directe kosten zijn, naast de kosten van workshops en begeleiding van medewerkers, beperkt. De baten wegen volgens de gemeente echter tegen de kosten op, zeker aan de poort.

37

Rendement Rechtmatigheidsonderzoek bij de groep kamerbewoners toonde aan dat na 22 afgeronde rechtmatigheidsonderzoeken in 38% van de gevallen fraude is geconstateerd en de uitkering is beëindigd of aangepast. De ijkwaarde is vastgesteld door een aselecte steekproef te controleren op rechtmatigheid. Daarbij is in 5,7% van de gevallen fraude geconstateerd. Op grond van deze testresultaten heeft de gemeente geconcludeerd dat het risicoprofiel "kamerbewoners" in Leeuwarden doeltreffend is. Ook het risicoprofiel dak-en thuislozen is in de test doeltreffend bevonden. Een controle van een steekproef van 30 cliënten heeft 16 aanpassingen of beëindigingen tot gevolg gehad. Toekomst van het project Men is in Leeuwarden tevreden met het model. Kan op punten nog wel wat verbeterd worden, maar werkt in de praktijk goed. Men gaat er dan ook mee door. Interessante resultaten of bijzonderheden van dit project Van het werken met risicoprofielen gaat een preventieve werking uit als de aanpak expliciet wordt gecommuniceerd. Zo heeft men bij het testen van de profiel kamerbewoners bij de helft de controle aangekondigd en bij de andere helft niet. Bij de eerste groep zegden twee personen spontaan hun uitkering op. Ook bij nieuwe aanvragen ziet een aanzienlijk deel van de betreffende groep af van de aanvraag nadat men is gewezen op het werken met het betreffende risicoprofiel.

38

2. Pilot gemeente Tilburg De ontwikkeling van risicoprofielen Gebruikte methodiek Statistische aanpak en kwalitatieve aanpak (nadruk ligt op statistische aanpak) Gebruikte bronnen: · Bestanden (koppeling van fraudebestand-, klantvolgsysteem en betaalsysteem) · RIF-onderzoeken · ‘ervaringsdeskundigheid’ medewerkers Type fraude waarvoor risicoprofielen ontwikkeld zijn · Witte fraude (statistisch) · Samenwoningfraude (statistisch en ervarings) · Inkomsten fraude (ervarings) · Attitude (ervarings) In praktijk toegepaste profielen: · Statistisch profiel samenwoningfraude (zes groepen op basis van leeftijd, geslacht, nationaliteit en uitkeringsvorm) · Ervaringsprofiel samenwoningfraude (financieel afhankelijke kinderen, gescheiden?, relatief veel verhuizingen, kennen wij niet als deel echtpaar of alleenstaande ouder?) · Ervaringsprofiel attitude (komt afspraken slecht na/breek trajecten af, solliciteert te weinig, vertoont agressief gedrag, heeft/werpt veel beperkingen op) Het toetsen van risicoprofielen Nee, er heeft nog geen vergelijking plaatsgevonden tussen het percentage geconstateerde fraude in de selectie van cliënten met een verhoogd risico in vergelijking tot aselecte controles. De toepassing van risicoprofielen in het werkproces

·

Ter (gedeeltelijke) vervanging van heronderzoeken. In plaats van tijdsafhankelijk heronderzoeken doet men onderzoek op basis van signalen en op basis van risicosturing.

Men werkte met aparte protocollen met werkinstructies per risicoprofiel Ervaringen

· ·

De doelstellingen “het verhogen van de fraudealertheid en een grotere aandacht voor de woon- en leefsituatie van de cliënt” zijn gerealiseerd. In praktijk blijken zowel medewerkers fraudebestrijding als consulenten/casemanagers het lastig te vinden om om te gaan met de signalen uit de monitor. Men is gewend om te werken met min of meer harde feiten en omstandigheden. Men moet er aan wennen om extra controles uit te voeren puur omdat iemand tot een risicogroep behoort. Een confronterend gesprek aangaan of een huisbezoek doen zonder concrete fraudemelding vraagt om een aangepaste instelling en werkwijze. Voorafgaand aan deze controles moet men zich eerst een beeld vormen van de klant en een dossieronderzoek verrichten. Sommige medewerkers zijn hier beter in dan andere. Daar is in de pilot gebruik van gemaakt. Iedere rechercheur en fraudepreventiemedewerker kreeg die signalen toebedeeld waar hij op basis van zijn competenties het beste mee kan werken.

39

Rendement

· ·

De doorlooptijd van de evaluatie van de pilot was te kort om vanuit statistisch oogpunt de effecten van de controles op basis van risicoprofielen te onderbouwen. Zowel de statistische profielen als de ervaringsprofielen zijn getest op het cliëntenbestand van Tilburg begin oktober 2002. Hierbij is uitgegaan van de aangetoonde samenwoningfraudes uit de eerste maanden van 2002. Het percentage aangetoonde fraudes bleek het hoogst binnen de selectie van cliënten op basis van een combinatie van de statistische profielen en de ervaringsprofielen (samen met de indicatie van schulden). Deze combinatie van profielen voorspelde beter fraude dan een selectie van cliënten op basis van het statistisch profiel of een selectie op basis van de ervaringsprofielen.

Toekomst van het project Men heeft, zowel in de frontoffice als bij fraudebestrijding in Tilburg goede ervaringen opgedaan met het werken met risicosturing. Men wil hier mee doorgaan. De uitbouw van de pilot ziet Tilburg met name in het uitdiepen van andere risicoprofielen, zoals zwarte fraude en in het toepassen van risicoprofielen aan de poort. Interessante resultaten of bijzonderheden van dit project Controle en opsporing vergen bepaalde competenties van medewerkers. Dit geldt specifiek voor controle van cliënten op basis van een verhoogd frauderisico. De gemeente Tilburg heeft voor haar medewerkers een systeem ontwikkeld van competenties en indicatoren gekoppeld die objectief en meetbaar zijn.

40

3. Pilot gemeente Utrecht De ontwikkeling van risicoprofielen Gebruikte methodiek Kwalitatieve aanpak Gebruikte bronnen: · ‘Ervaringsdeskundigheid’ medewerkers, zoveel mogelijk onderbouwd door: · Het eigen fraudebestand: FRIS · RIF-onderzoeken · Literatuuronderzoek (waaronder landelijke CBS fraudestatistiek) Type fraude waarop risicoprofielen ontwikkeld zijn · Witte fraude · Grijze fraude · Zwarte fraude · Vermogensfraude · Woonfraude Ontwikkelde profielen (nog niet in praktijk toegepast) Er is een scorekaart ontwikkeld, waarbij vijf typen fraude worden onderscheiden (witte, zwarte-, grijze, vermogens- en woonfraude). De scorekaart houdt in dat per cliënt in een Excel-bestand een aantal vragen moet worden ingevuld over de cliënt (met vaste antwoordcategorieën). De vragen die moeten worden beantwoord hebben betrekking op de volgende 14 onderwerpen die van invloed zijn op de fraudekans. Arbeid (aantal werkzame uren) Arbeidsongeschiktheid (percentage) Beroep Reden aanvraag Woonsituatie Gewezen zelfstandige Ja/Nee Geslacht Hoogte van woonlasten in verhouding tot inkomen Leeftijd Leefvorm Opleiding Schuldpositie Bijstandsverleden Ex-gedetineerd Ja/Nee Aan ieder antwoord is een puntenaantal gekoppeld. Het puntenaantal dat per antwoord wordt toegekend is gebaseerd op eigen inzichten van de afdeling Fraudebestrijding en het Bureau Nieuwe Aanvragen van SoZaWe. Bij het toekennen van de punten stond de absolute waarde niet voorop, maar ging het veel meer om de onderlinge verhouding tussen de toegekende punten (dus welke variabelen wegen zwaar en welke minder zwaar mee). De combinatie van antwoorden bepaalt de totale scores per cliënt. Deze scores (per type fraude heeft de cliënt een totaalscore) berekent het Excel-programma automatisch op basis van de ingevulde antwoorden.

41

Per fraudetype is bepaald boven welk puntenaantal een intensieve controle van toepassing is. Er heeft intern discussie plaatsgevonden over deze omslagpunten (bij welke score moet het intensieve controletraject worden toegepast). Hierbij was de vraag of iemand op basis van één enkel risicokenmerk (bijvoorbeeld woonwagenbewoner) in aanmerking zou moeten komen voor een intensieve controle. Uitkomst van deze discussie is dat bij een hoog risico op één kenmerk, de cliënt ook op minimaal één ander kenmerk een hoger dan gemiddelde fraudekans moet hebben om in aanmerking te komen voor intensieve controle. Wanneer de cliënt op een bepaald kenmerk een gemiddeld frauderisico scoort dan moet er op minimaal twee, drie of vier andere kenmerken sprake zijn van een meer dan gemiddeld risico. Deze systematiek is in detail uitgewerkt en op basis hiervan zijn de definitieve omslagpunten bepaald. Het toetsen van risicoprofielen Niet van toepassing: de ontwikkelde profielen zijn nog niet in praktijk toegepast. Er vindt in 2003 een pilot plaats waarbij de scorekaart wordt ingezet in het aanvraagproces. Er zijn nog geen ervaringen opgedaan met de uitvoering van intensieve controles op basis van de scorekaart. De toepassing van risicoprofielen in het werkproces Men start in 2003 met het toepassen van de scorekaart bij de aanvraagprocedure in een pilot. Op termijn wil men dit uitbreiden naar andere toepassingsmogelijkheden Men gaat werken met aparte protocollen met werkinstructies per risicoprofiel Interessante resultaten of bijzonderheden van dit project

· ·

Dit is het enige project waarbij men bij het opstellen van risicoprofielen ook gebruik heeft gemaakt van landelijke literatuur. Iedere cliënt krijgt per type fraude een individuele fraudescore die het risico op dat type fraude aangeeft. Wanneer men boven een bepaalde risicoscore uitkomt, moet een intensieve controle worden uitgevoerd. In protocollen (per type fraude een protocol) is vastgelegd op welke wijze deze controles moeten plaatsvinden.

42

4. Gemeente Winterswijk De ontwikkeling van risicoprofielen Gebruikte methodiek De gezond verstand aanpak Gebruikte bronnen: · ‘ervaringsdeskundigheid’ medewerkers Type fraude waarop risicoprofielen ontwikkeld zijn · Woonfraude Gebruikte profielen 1. Klant geeft aan een kostganger te hebben of te krijgen 2. Klant geeft aan een kostganger te zijn of te worden 3. Klant geeft aan onder te verhuren of onder te huren 4. Klant geeft aan te zijn verlaten door de partner of heeft zelf een partner verlaten 5. Klant heeft eerder gefraudeerd Het toetsen van risicoprofielen Nee, deze zijn niet getoetst (niet vergeleken met een ijkwaarde). Wel zijn de resultaten van de huisbezoeken bekend (zie gegevens rendement hieronder). De toepassing van risicoprofielen in het werkproces

· ·

Intensieve controle bij de poort Intensieve controle tijdens heronderzoek (tot en met 2001)

Men voert bij cliënten die voldoen aan een risicoprofiel standaard een huisbezoek uit Ervaringen De gemeente is positief over de effecten. Het draagvlak binnen de organisatie is goed. Klanten staan natuurlijk niet te springen om een huisbezoek, maar er zijn geen officiële klachten binnengekomen over de werkwijze. Rendement De sociale dienst heeft ongeveer 400 klanten. Op jaarbasis voldoen zo’n 25-30 cliënten aan het risicoprofiel, en bij deze cliënten voert men een huisbezoek uit. Het huisbezoek bleek in respectievelijk 2000, 2001 en 2002 in 88%, 78% en 59% gevallen gevolgen te hebben voor de uitkering (de aanvraag wordt ingetrokken of afgewezen of de gemeente heeft de uitkering beëindigd wegens onjuiste gegevens). Interessante resultaten of bijzonderheden van dit project

· ·

Dit is in de inventarisatie de enige kleinere gemeente die we zijn tegengekomen die risicosturing toepast Door toetsing achterwege te laten, en puur gebruik te maken van de ervaringen van consulenten is dit een weinig arbeidsintensieve aanpak

43

5. Gemeente Apeldoorn De ontwikkeling van risicoprofielen Gebruikte methodiek Kwalitatieve aanpak Gebruikte bronnen: · Met name ‘ervaringsdeskundigheid’ medewerkers Type fraude waarop risicoprofielen ontwikkeld zijn/ gaan worden · Witte fraude · Grijze fraude · Zwarte fraude · Vermogensfraude · Woonfraude Gebruikte profielen · Tijdens LAT-periode is er gewerkt met fraudeprofielen ‘courante beroepen’. Daarbij drie typen onderscheiden: 1) cliënten die in een dergelijk beroep werkzaam zijn geweest; 2) cliënten die een dergelijk beroep als wensberoep hebben; 3) cliënten die parttime werkzaam zijn in een dergelijk beroep. · Verder zijn de volgende themacontroles uitgevoerd: ‘cliënten met maatregelen’, kostgangers/onderhuurders en cliënten met een toeslag van 20%. · Specifieke fraudeprofielen ten behoeve van een nieuwe aanpak (in het kader van de pilot ‘Risicobeheersing in dienstverleningsconcept bedrijfsverzamelgebouw Regio Apeldoorn’) moeten nog worden ontwikkeld Het toetsen van fraudeprofielen Geen systematische toetsing van profielen door vergelijking van controleresultaten van de risicogroep met een ijkpunt. Onderbouwing van profielen zal ‘gaandeweg het proces’ plaatsvinden, bijvoorbeeld op grond van resultaten van themacontroles onder bepaalde groepen cliënten. De toepassing van fraudeprofielen in het werkproces In september 2003 start de pilot ‘Risicobeheersing in dienstverleningsconcept bedrijfsverzamelgebouw Regio Apeldoorn’. Apeldoorn introduceert daarin ‘risicomanagement’ als sturingsconcept. Dit concept gaat er van uit dat de gemeente financiële risico’s als gevolg van de grotere financiële verantwoordelijkheid op grond van de nieuwe wet Werk en Bijstand (WBB) kan beheersen: enerzijds door verbetering van de effectiviteit van reintegratie (verhogen uitstroom) en anderzijds via verbetering van de handhaving (terugdringing van fraude). De in te zetten instrumenten worden afgewogen op grond van kosten (efficiency) en baten (effectiviteit, kwaliteit, tevredenheid). Men gaat uit van een werkwijze op maat. Dit houdt in dat niet alle klanten op een zelfde manier benaderd (geinformeerd, gemotiveerd en/of gecontroleerd) worden, maar dat op grond van klantprofielen dienstverlening en controle op maat ingezet worden. Uitgangspunt is dat naarmate cliënten dichter bij de arbeidsmarkt staan, de nadruk meer zal komen te liggen op werk (o.a. de verplichtingencontrole) en minder op de uitvraag en controle van gegevens. Pilot wordt gebruikt voor het nader vormgeven van werkprocessen, protocollen en dergelijke. Interessante resultaten of bijzonderheden van dit project

·

Vergeleken met de ‘oude’ LAT-aanpak is de differentiatie van handhavingsinspanningen op grond van de afstand van cliënten tot de arbeidsmarkt nieuw.

44

6. Het UWV De ontwikkeling van risicoprofielen Gebruikte methodiek Statistische aanpak Gebruikte bronnen: · Bestanden · Medewerkers Type fraude waarop risicoprofielen ontwikkeld zijn 1. Fraude bij WW: statistisch model (Was eerst expertmodel) 2. Fraude bij arbeidsongeschiktheidsuitkeringen (WAO, WAZ, Wajong): Is nu nog een expertmodel, wordt in de toekomst een statistisch model wanneer het UWV beschikt over meer controle-resultaten (over 1 jaar). 3. Fraude Looncontrole bij werkgevers. Begonnen als expertmodel, is nu een statistisch model Gebruikte profielen UWV wil deze niet openbaar maken Het toetsen van risicoprofielen Ja, er heeft validatie plaatsgevonden. Deze validatie is statistisch van aard. Hiervoor gebruikte men het bestand waarmee het model ook is opgesteld. Van dit bestand is bekend welke mensen de regels hebben overtreden en welke niet. Men berekent het percentage van de met het model geselecteerde uitkeringsontvangers (of werkgevers) waarbij ook feitelijk sprake is van regelovertreding (de efficiëntie). Vervolgens trekt men hiervan af het percentage geconstateerde overtreders bij aselect controleren. Dit verschil noemt men het predictieverschil. De toepassing van risicoprofielen in het werkproces

·

Themacontroles (los van reguliere werkprocessen)

De toekomst van het project

·

·

Op dit moment is het ontwikkelen en toepassen van risicomodellen nog een apart project binnen het UWV. Het is de bedoeling om in de toekomst de controle op basis van risicoanalyse in te bedden in de reguliere werkprocessen. Zo komen er in de toekomst op ieder kantoor aparte units handhaving, voor het behandelen van fraudesignalen (BGB). Deze gaan dan ook controles op basis van risicoanalyse uitvoeren. Men denkt er over om in de toekomt risicoanalyses wellicht breder te gaan toepassen, bijvoorbeeld bij de selectie van fraudesignalen of voor het geven van informatie op maat.

Interessante resultaten of bijzonderheden van dit project

· ·

Het UWV vindt het van belang om een deel van de controles aselect te blijven uitvoeren. Dit is nodig om de modellen te kunnen valideren, nieuwe risico’s te kunnen onderkennen en om te voorkomen dat vrijwel alle controles zich richten op dezelfde groep mensen. Het UWV heeft de voorspelkwaliteit van het expertmodel WW vergeleken met dat van het later ontwikkelde statistisch model WW. In deze vergelijking scoorde het expertmodel behoorlijk. Een belangrijk voordeel van het statistische model was wel dat de frauderisico’s gedifferentieerder kunnen worden ingeschat.

45

5.2

Cases risicodetectie

1. Zoeklichtproject gemeente Amsterdam Doel van het project Het opsporen en aanpakken van illegale verhuur en onderhuur en woonfraude Betrokken organisaties · Dienst Wonen · Sociale Dienst Amsterdam · Afdelingen Burgerzaken van de stadsdelen · Register Amsterdam · Amsterdamse federatie van Woningcorporaties · Makelaarsvereniging Amsterdam Korte beschrijving van de zoeklicht methodiek Het project is wijkgericht. De keuze voor een bepaalde wijk vindt plaats in overleg met de betrokken organisaties. Wanneer een wijk meer dan 5000 adressen heeft, wordt een deel van een wijk geselecteerd. Gemiddeld worden per wijk ongeveer 4000 adressen geselecteerd. Deze omvang is goed werkbaar. Van deze adressen worden de bestanden van alle betrokken organisaties gekoppeld. Er zijn 35 indicatoren opgesteld op grond waarvan adressen in principe als onderzoekswaardig worden benoemd. Bijvoorbeeld omdat de gegevens over de bewoning van het adres verschillen tussen de organisaties, of omdat er andere bijzondere dingen aan de hand zijn met het adres, die de moeite waard zijn om nader te onderzoeken. Bijvoorbeeld: er is sprake van een alleenwonende gehuwde of het aantal inwoners is veel groter dan het aantal kamers. Uiteindelijk legt men per wijk 300 tot 350 huisbezoeken af. Wanneer op basis van de 35 indicatoren meer dan 350 adressen als onderzoekswaardig naar voren komen, wordt gekeken of er op basis van gezond verstand logische verklaringen te bedenken zijn voor bepaalde situaties. Denk hierbij bijvoorbeeld aan verschillen in achternaam omdat iemand na het overlijden van de partner de eigen naam weer gebruikt. Deze adressen hoeven dan niet te worden bezocht. Van de 300- 350 adressen waar men op huisbezoek gaat, heeft zo’n 20% (60-70) betrekking op cliënten van de sociale dienst. Taakverdeling sociale dienst/dienst Wonen De Dienst Wonen is de trekker van het project. Deze heeft een kleine staf in dienst : een projectcoördinator en twee administratief medewerkers. In totaal heeft de Dienst Wonen 7 fte ter beschikking voor de uitvoering van Zoeklicht. De sociale dienst levert de eigen bestanden van de betreffende wijk aan de afdeling automatisering van de Dienst Wonen, die deze bestanden koppelt met de bestanden van de andere betrokken organisaties. In principe werkt de sociale dienst (de medewerkers dienstverlening van de regiokantoren) ook mee aan het uitvoeren van huisbezoeken die voortvloeien uit het project. Er wordt naar gestreefd de medewerkers van de sociale dienst die huisbezoeken te laten uitvoeren waar cliënten van de sociale dienst bij betrokken zijn. Men voert deze huisbezoeken uit in duo’s: samen met een buitendienstmedewerker van de Dienst Wonen of van de woningcorporatie. Omdat elke keer wordt samengewerkt met een ander regiokantoor van de sociale dienst, komt het echter voor dat de betreffende regiomanager andere prioriteiten stelt, en dat de huisbezoeken worden uitgevoerd zonder de sociale dienst. In dat geval geeft men het resultaat wel door aan de sociale dienst, maar met deze informatie kan de sociale dienst minder goed uit de voeten, omdat de andere instanties minder goed op de hoogte zijn van de wettelijke mogelijkheden van de Algemene bijstandswet. Ook is het de vraag of de sociale dienst altijd toekomt aan het verder behandelen van deze informatie.

46

Rendement We gaan hier in op het rendement van het project in verband met uitkeringsfraude. Dit levert een ander beeld op dat het rendement van het project op grond van de bredere doelstelling: ‘Het opsporen en aanpakken van illegale verhuur en onderhuur en woonfraude’. De volgende resultaten van het project zijn mondeling verkregen: Van de 60-70 huisbezoeken per wijk in het kader van het Zoeklichtproject (op een totaal ven ongeveer 4000 onderzochte adressen) bij cliënten van de sociale dienst resulteren: · Enkele tientallen in een wijziging in de administratie van de sociale dienst. · Ongeveer 10 in een wijziging van de bijstandsnorm of een beëindiging van de uitkering · Hooguit 1 geval in fraude (een benadeling van € 6000 of meer = aangifte-grens) Dit is volgens de afdeling Handhaving van de Sociale Dienst, gezien de tijd die gemoeid is met het afleggen van de huisbezoeken, een matig resultaat. Ter vergelijking: het rendement van het onderzoeken van fraudesignalen is duidelijk hoger. Op dit moment worden van de enkele duizenden fraudesignalen (los van signalen van het Inlichtingenbureau) per jaar zo’n 1000 in onderzoek genomen. Hierbij resulteert 50% in boetewaardig gedrag of fraude (een benadeling van € 6000 of meer = aangifte-grens). Dit percentage zou wel zakken wanneer alle fraudesignalen in behandeling zouden worden genomen, maar blijft hoger liggen dan in het Zoeklicht project. Toekomst van het project De verantwoordelijke wethouder (Stedelijke Ontwikkeling) heeft zich gecommitteerd aan het project en het bestuurlijk draagvlak is groot, dus zal deelname van de sociale dienst aan het project gehandhaafd worden. De afdeling Handhaving van de Sociale Dienst is bezig met het in dienst nemen en oplei-

den van handhavingspecialisten. Dit is een nieuwe functie. Deze mensen krijgen speciale taken op het gebied van preventie en controle en hebben geen opsporingsbevoegdheid. In de toekomst zal deze groep waarschijnlijk de huisbezoeken in het kader van zoeklicht gaan uitvoeren. Bijzonderheden van dit project Het Zoeklicht project is met name interessant voor andere grote steden, waar sprake is van woningnood. Het project is immers gestart met als belangrijkste doel het tegengaan van onrechtmatige bewoning. Dit probleem is het grootst in de grote steden. Toch blijken ook kleinere gemeenten interesse te hebben in het project, zo blijkt uit verzoeken om informatie aan de projectcoördinator van Zoeklicht.

47

2. Project RIF Noord energieverbruik “Waakvlam” Doel van het project Het project richt zich op het opsporen en aanpakken van een specifiek type woonfraude: ‘niet-bewoning’ door middel van een bestandskoppeling tussen cliënten van de sociale dienst en de energieverbruikgegevens van Essent. Een laagverbruik aan energie kan een aanwijzing zijn voor niet-bewoning. Betrokken organisaties RIF Noord, Gemeenten Groningen en Emmen, Energiebedrijf Essent Korte beschrijving van de methodiek De bestandskoppeling ging als volgt in het werk: Essent heeft op CD-rom alle laagverbruikcijfers (<500 Kwu en < 500m3 gas) in de postcoderegio’s Groningen en Emmen aangeleverd. RIF -Noord heeft deze gegevens op postcode + adres aan het cliëntenbestand van de sociale dienst gekoppeld. Vervolgens zijn alle gegevens over niet-cliënten van de dienst vernietigd. Van alle cliënten van de sociale dienst, is het energieverbruik gerangschikt. Dus bovenaan de cases met nulverbruik, vervolgens die met weinig verbruik etc. Vervolgens is administratief onderzoek gedaan om te kijken of het lage energieverbruik verklaarbaar was. Veel voorkomende verklaringen betroffen cliënten die in een inrichting wonen of waar gas en elektra in de huur zijn inbegrepen. Bij de resterende gevallen is nader onderzoek gedaan. Dit betrof altijd dossieronderzoek en 1 of meer huisbezoeken. Ervaringen Het project is positief ervaren. De meerwaarde van bestandskoppelingen is volgens RIF- Noord met name groot wanneer eenzelfde organisatie hier ervaring in opbouwt, en wanneer alle benodigde expertise (juridisch, fraude- en automatiseringskennis) bij elkaar in één organisatie is ondergebracht. Bovendien zijn er vrijwel geen vervolgprocedures aangespannen door klanten. Dit was slechts éénmaal het geval, en deze cliënt is niet in het gelijk gesteld. De bewijsvoering voor niet-bewoning op basis van laagverbruik is dus moeilijk te weerleggen door cliënten. Rendement Resultaten gemeente Groningen Van de meer dan 9000 cliënten zijn in het project 128 cliënten nader onderzocht. Dit aantal is gebaseerd op de beschikbare onderzoekscapaciteit. Niet alle situaties van laag energieverbruik zijn dus onderzocht. Van deze 128 gevallen bleek ongeveer de helft verklaarbaar (cliënt woont in inrichting of gas en elektra zijn in de huur inbegrepen). Er is bij 51 cliënten nader onderzoek gedaan. Dit betrof altijd dossieronderzoek en 1 of meer huisbezoeken. Uiteindelijke heeft dit geleid tot 20 beëindigde uitkeringen, een aantal zaken die nog steeds twijfelachtig waren (waarbij men bij een nieuw heronderzoek extra alert is) en bij een aantal zaken loopt het strafrechterlijk onderzoek nog. Tegenover de 20 beëindigde uitkeringen staat een investering van ongeveer 6 maanden 1 ½ fte. (4 maanden fulltime huisbezoek, 2 maanden rapportage). Deze kosten wegen ruim op tegen de baten (totaal bedrag aan 20 beëindigde uitkeringen gedurende een jaar). Overigens zijn een half jaar na het project nog slechts 3 van de 20 uitkeringen opnieuw toegekend. Verder zijn veel inschrijvingen in de GBA aangepast en zijn er diverse woningen door de woningcorporaties aan nieuwe woningzoekenden toegewezen. In Emmen bleek veel minder sprake te zijn van niet-bewoning dan in Groningen. Niet-bewoning lijkt dus in grote steden aanmerkelijk meer voor te komen.

48

Toekomst van bestandskoppelingen Volgens RIF Noord leveren koppelingen met het energiebedrijf en het woningregister het meeste op voor sociale diensten qua aantal fraudegevallen. In het najaar gaat RIF Noord het bestand van de sociale dienst Groningen koppelen met het woningregister, waardoor het aantal kamers per wooneenheid vergeleken kan worden met het aantal bewoners volgens de bestanden van de sociale dienst. Hierdoor kunnen risicoadressen (o.a. schijnbewoning, overbewoning) gedetecteerd worden. Maar er zijn veel meer koppelingen interessant: koppeling met kadaster (onroerend goed, dus vermogen), koppeling met vennootsysteem EZ (geregistreerde ondernemers). RIF Noord is op dit moment bezig met een bestandskoppeling tussen de sociale dienst Groningen en de RDW. De gemeente Den Haag heeft dit al gedaan (bleek ook effectief). Mogelijke bestandskoppelingen zijn: alle instanties die verplicht zijn inlichtingen te verschaffen aan gemeenten op basis van art. 121 en 122 Abw en alle openbare bronnen (voor iedereen raadpleegbaar). Bijzonderheden van dit project Essent wilde zeker weten dat men geen juridische problemen zou krijgen, dus is toestemming gevraagd en gekregen door het College Bescherming Persoonsgegevens. Deze heeft beoordeeld dat de effectiviteit van deze koppeling in het kader van fraudebestrijding opwoog tegen privacybelangen. Men vond dus dat de inbreuk op de privacy in redelijke verhouding stond tot het beoogde doel (proportionaliteitsbeginsel). Lastig is dat de effectiviteit van een dergelijk project pas is aan te tonen door daadwerkelijk te koppelen. Dit is in principe geen echt probleem, zo lang de resultaten van de koppeling maar niet worden gebruikt tot toestemming van het CBP is verkregen.

49

3. Achmea Zorg De ontwikkeling van risicoprofielen Gebruikte methodiek Expertmodel (‘mind-mining’) en statistische analyses (‘datamining’) Gebruikte bronnen · Bestanden · ‘Ervaringsdeskundigheid’: fraudespecialisten en mensen die werkzaam zijn in zorgsector Type fraude waarop risicoprofielen ontwikkeld zijn / gaan worden · fraude met nota’s in de farmacie (nota’s van zorgverleners en verzekerden) De toepassing van fraudeprofielen in het werkproces Er heeft een pilot plaatsgevonden binnen de farmacie. Op basis hiervan is een risicomodel opgesteld waarmee risicovolle nota’s kunnen worden geselecteerd. Men wil ook voor andere zorgsoorten dergelijke risicomodellen ontwikkelen en de controlesystematiek hierop aanpassen. Men gaat de controle meer inzetten op de risicovolle nota’s. Deze nota’s kunnen op basis van risicomodellen automatisch worden geselecteerd. Daarnaast blijft men een deel van de controle, net als nu, steekproefsgewijs uitvoeren. De nieuwe controlesystematiek kan worden uitgevoerd binnen de bestaande formatie. Rendement Uit de pilot in de farmacie is gebleken dat de kosten van de ontwikkeling van risicomodellen opwegen tegen de baten. De pilot vergde enkele tienduizenden euro’s investering. Daar stond echter 1 tot 2 miljoen te voorkomen schade tegenover. Deze bedragen hoefde men niet uit te keren omdat er sprake was van onregelmatigheden.

50

51

6

Beschouwing

In dit hoofdstuk geven de onderzoekers hun visie op de betekenis van de onderzoeksresultaten voor de volgende fasen van het project, waarin de methodieken voor risicosturing verder worden ontwikkeld.

6.1

Het belang van risicosturing

Voorafgaand aan het ontwikkelen van een methodiek voor risicosturing is het zinvol het belang ervan voor sociale diensten goed te overwegen. Uit het onderzoek blijkt namelijk dat de methodiek kan variëren van ‘eenvoudig en weinig onderbouwd’ tot ‘zeer uitgebreid en gedegen’. De noodzakelijke investeringen variëren al naargelang de gekozen aanpak. Een goede analyse van het belang van risicosturing is op dit moment slechts in kwalitatieve termen te maken. Risicosturing biedt een aantal duidelijke voordelen. · Door middel van risicosturing wordt de beschikbare controlecapaciteit met name ingezet op die klantgroepen die een verhoogd risico hebben. Hierdoor kan in principe met dezelfde capaciteit meer fraude worden opgespoord. · De uiteindelijke efficiency die wordt bereikt door risicosturing is in belangrijke mate afhankelijk van de kracht van het fraudeprofiel (hoe goed voorspelt dit de daadwerkelijke kans op fraude en in welke mate wijkt deze af van de gemiddelde fraudekans). Omdat slechts een beperkt aantal gemeenten de eigen risicoprofielen heeft getoetst, is nog niet in kwantitatieve zin aan te geven hoe groot deze efficiencyslag precies is. De eerste resultaten van controles op basis van risicoprofielen zijn echter veelbelovend. · De gebruiksmogelijkheden van risicosturing beperken zich niet tot het opsporen van bestaande fraudegevallen, ook de preventie aan de poort kan worden versterkt door risicosturing. · Bovendien kunnen risicoprofielen worden gebruikt bij de prioriteitstelling bij de behandeling van fraudesignalen. · Tenslotte kunnen duidelijke risicoprofielen (en daaraan gekoppelde vaste fraudeprotocollen) de fraudealertheid onder bijstandsconsulenten verhogen. De onderzoeksbevindingen duiden ook op een aantal beperkingen van risicosturing. Slechts een beperkt deel van de bijstandscliënten valt immers onder de risicoprofielen. Andere cliënten kunnen natuurlijk ook frauderen. Daarom kan de handhaving niet alleen gebaseerd worden op risicosturing. Gemeenten nuanceren daarom ook het belang hiervan. Ze zien evenveel of soms zelfs meer heil in signaalsturing, bestandskoppelingen en andere peilers van hoogwaardig handhaven. Kortom, risicosturing is niet zaligmakend, maar vormt één van de mogelijke instrumenten in het kader van fraudebestrijding. Wij denken daarom dat het verstandig is om voorzichtig om te gaan met grote investeringen in de ontwikkeling van een methodiek, zeker wanneer vooraf niet volledig duidelijk is wat de opbrengst ervan zal zijn.

53

De kwalitatieve aanpak We stellen voor om de kwalitatieve aanpak13 voor de ontwikkeling van risicoprofielen verder uit te werken. Argumenten hiervoor zijn: · De resultaten zijn op voorhand goed in te schatten; het leidt tot inhoudelijk goed te onderbouwen profielen of scores. De onderbouwing is, door het gebruik van verschillende bronnen, degelijker dan ‘de gezond verstand’ aanpak. · De methode is goed hanteerbaar en vergt geen al te grote investeringen van gemeenten. · Een onderdeel waarmee de profielen kunnen worden getoetst is heel goed in te bouwen in de methodiek, en bestaat voor een deel ook al. Een dergelijke toetsing maakt de kwalitatieve methode gedegen omdat de profielen hierdoor objectief onderbouwd zijn. · De kwalitatieve aanpak sluit goed aan bij de huidige praktijk van de meeste gemeenten die werken met risicosturing. · De statistische aanpak vergt aanzienlijk grotere investeringen en heeft daarbij bovendien te veel nadelen (zie § 3.1.2: o.a. te weinig celvulling op lokaal niveau om statistische samenhang te kunnen constateren) · Methoden uit andere sectoren tenslotte blijken uiteindelijk beperkt over te nemen omdat het veelal gaat om grotere aantallen, (gemiddeld) beter geautomatiseerde administratieve processen, en andere werkprocessen (zie hoofdstuk twee). Voor die kwalitatieve aanpak bestaan grofweg twee opties: de LAT-aanpak (voorbeeld Leeuwarden) en de door de gemeente Utrecht ontwikkelde aanpak. In onderstaand schema zijn de verschillen tussen de twee opties en de mogelijke voor- en nadelen kort op een rij gezet. Een uitgebreidere beschrijving hiervan is te vinden in § 3.1.2. Deze voor- en nadelen zijn opgesteld door de onderzoekers op basis van een analyse van de methodieken. Na afloop van de pilot in de gemeente Utrecht kunnen definitieve conclusies getrokken worden ten aanzien van voor- en nadelen van de scorekaart. Het is goed mogelijk dat een aantal nadelen zijn te ondervangen. Tabel 1 Bronnen

Beschrijving van aanpak Lat-gemeenten en gemeente Utrecht Lat-gemeenten

Gemeente Utrecht

·

·

· ·

eigen ervaringen medewerkers via workshops resultaten van RIF-onderzoeken analyse lokaal fraudebestand

Eindresultaat

enkelvoudige profielen

Toetsing

Ja

Voordelen

·

eigen ervaringen medewerkers (niet via workshops) · resultaten van RIF-onderzoeken · analyse lokaal fraudebestand · literatuuronderzoek Scorekaart met meervoudige profielen (score op frauderisico per cliënt wordt bepaald op basis van meerdere cliëntkenmerken) Nee, men heeft de fraudekans binnen de groepen met een hoog risico (nog) niet vergleken niet vergeleken met een ijkpunt.

Eenvoud,

·

Iedere cliënt wordt ‘gescoord’, controle

______________ 13

Onder de kwalitatieve aanpak verstaan we dat op basis van een combinatie van (voornamelijk kwalitatieve) bronnen een zo gedegen mogelijke analyse van risicogroepen wordt gemaakt. De aanpak mondt uit in een aanduiding van groepen met een verhoogd risico op fraude. De omvang van het verhoogde risico kan met deze methode vooraf niet in kwantitatieve termen worden uitgedrukt. Wel kunnen de geformuleerde profielen worden getoetst aan de hand van steekproefonderzoek (zie § 3.2) voordat ze daadwerkelijk worden geïmplementeerd in werkprocessen.

54

· ·

Transparantie, Geen extra handelingen van consulenten

·

· Nadelen

· · · ·

Sterke afhankelijkheid van ervaringen van consulenten Men gebruikt alleen profielen die uit het bestand te herleiden zijn. Enkelvoudige profielen kunnen te grofmazig zijn Aanpak beperkt zich tot cliënten met profiel (kleine groep)

· ·

· ·

blijft dus niet beperkt tot een kleine groep Intensieve controle vindt alleen plaats op basis van een combinatie van kenmerken die risicoverhogend zijn. Hierdoor is de aanpak minder stigmatiserend. Wekte interesse van gemeenten tijdens expertmeeting De score op frauderisico is minder inzichtelijk, zowel voor cliënt als uitvoerende De automatische berekening van scores kan ertoe leiden dat uitvoerende niet zelf meer nadenkt over frauderisico’s Vergt extra handelingen uitvoerende Scores suggereren exactheid die er niet is

Omdat het model van Utrecht nog niet in de praktijk is uitgetest, is het lastig om op dit moment voor één van beide methoden te kiezen. Dat hoeft ook niet; het lijkt zelfs verstandig beide methodieken de komende periode goed te volgen en zo uitgebreid mogelijk te testen.

Toetsing van profielen Gemeenten denken verschillend over het belang van het toetsen van profielen voordat deze daadwerkelijk worden gebruikt bij het uitvoeren van controles. Binnen de gemeenten die werken met een kwalitatieve methode, zijn er gemeenten die de gebruikte profielen toetsen (door ze te vergelijken met een ijkwaarde), en gemeenten die dit niet doen. Deels heeft dit te maken met verschillen tussen gemeentebestuurders. Sommige bestuurders zijn enthousiast over risicosturing, anderen zijn afwachtend omdat men bang is voor stigmatisering van cliënten. In dit laatste geval is het voor het creëren van draagvlak noodzakelijk om de profielen vooraf te toetsen. Of men toetsing van belang vindt, heeft ook te maken met een persoonlijke visie van de uitvoerders zelf. De tijdens de expertmeeting met gemeenten genoemde functies van een dergelijke toetsing zijn: · Het geeft vooraf indicaties over het uiteindelijk te realiseren rendement van risicosturing met het betreffende profiel. · Het maakt het eenvoudiger om politiek draagvlak te creëren voor een systeem van risicosturing. · Het is aan cliënten én aan de consulenten beter te verantwoorden waarom je bepaalde mensen op voorhand (zonder concrete vermoedens van fraude) intensiever controleert dan andere.

55

Het op lokaal niveau toetsen van profielen zou wat ons betreft daarom standaard onderdeel deel moeten uitmaken van de te ontwikkelen kwalitatieve methodiek(en). Door de profielen op lokaal niveau te toetsen, is er sprake van objectiviteit. Dit is van belang om het gebruik van de profielen te rechtvaardigen, niet alleen ten opzichte van het lokaal bestuur, maar ook ten opzichte van cliënten en uitvoerders. Overigens is het in sommige gevallen te rechtvaardigen om profielen die reeds in veel gemeenten zijn getoetst en bruikbaar bleken, ook in andere gemeenten in te voeren zonder opnieuw lokaal te toetsen. Bij het toetsen van profielen moet bekeken worden welke omvang van een steekproef voldoende is. Leeuwarden werkt met kleine steekproeven. Dit is ook eigenlijk niet te voorkomen: wanneer men met grotere steekproeven zou werken, controleert men feitelijk al een groot deel van de risicogroep voordat men het profiel officieel introduceert. Door de beperkte omvang van de steekproef moet er echter wel sprake zijn van een behoorlijk verschil met de ijkwaarde, wil het profiel als doeltreffend worden beoordeeld.

Herijking Profielen zijn gedurende een bepaalde tijdsperiode bruikbaar. Door de uitvoering van extra controles, en doordat bekend wordt dat men extra wordt gecontroleerd, levert een profiel op termijn waarschijnlijk steeds minder aangetoonde fraude op. Daarom moet de doeltreffendheid van de risicoprofielen periodiek herijkt worden. Niet (meer) renderende profielen moeten worden vervangen.

100% risicosturing? We pleiten voor een aanpak waarbij sociale diensten, naast risicosturing en signaalsturing, ook steekproefsgewijs controles uitvoeren. Deze controles dienen meerdere doelen tegelijkertijd: · Voorkomen wordt dat de controle zich te veel concentreert op bepaalde groepen. Ook mensen die niet voldoen aan het profiel kunnen immers frauderen; het profiel geeft slechts aan dat er een verhoogde kans is op fraude; · Van het uitvoeren van steekproefsgewijze controles gaat een preventieve werking uit bij die groepen die niet onder de risicoprofielen vallen. · De resultaten van deze controles kunnen tegelijkertijd gebruikt worden als middel om de detectiewaarde van de gebruikte risicoprofielen te ijken.

Een lijst met profielen Wij denken dat het zinvol is om lokaal reeds ontwikkelde (en liefst ook getoetste) profielen centraal beschikbaar te stellen. Ook al zijn niet alle ontwikkelde risicoprofielen in alle gemeenten toepasbaar, in de praktijk bestaat toch veel overlap tussen gemeenten. Gemeenten kunnen op deze manier gebruik maken van elkaars ervaringen, en kunnen toetsen of een bepaald risicoprofiel inderdaad lokaal van toepassing is. Dit kan met name voor kleine gemeenten een oplossing zijn. Ook gemeenten die zonder al te grote investeringen vooraf een begin willen maken met risicosturing kunnen gebaat zijn bij een overzicht van elders ontwikkelde profielen. Er zou dan een handleiding beschikbaar moeten komen hoe die profielen kunnen worden vertaald naar de lokale situatie (“speelt dit profiel bij ons of niet?”);

Een modulematige aanpak De onderzoeksbevindingen zijn ons inziens aanleiding tot een modulematige aanpak. Gemeenten hebben onderling verschillende voorkeuren en prioriteiten. Ze moeten dus gebruik kunnen maken van die onderdelen of modules die voor hen interessant zijn en zijn niet gebaat met een “alles-ofniets-model”. We denken aan de volgende modules:

56

Het ontwikkelen van risicoprofielen. · Aan de ene kant zijn er gemeenten die volledig zelf profielen willen ontwikkelen, daar moet een methodiek voor ontwikkeld worden. · Aan de andere kant zullen met name de kleine gemeenten gebaat zijn bij een lijst met reeds ontwikkelde profielen. De kleine gemeenten lijken op dit moment weinig behoefte te hebben aan het zelf ontwikkelen van een methodiek voor risicosturing: ze hebben een heel ander contact met cliënten omdat ze kleinschaliger zijn, hebben te weinig consulenten voor een workshopachtige aanpak en hebben ook niet de aantallen om goed te kunnen toetsen. Het toetsen van risicoprofielen Gemeenten hebben waarschijnlijk behoefte aan een concrete handleiding hoe de ontwikkelde risicoprofielen in praktijk getoetst kunnen worden. Denk hierbij bijvoorbeeld aan de wijze van trekken van de steekproef, de benodigde omvang van de steekproef, en de beoordeling van de resultaten van de steekproef (is het profiel krachtig genoeg om toe te passen?). Het gebruik van de profielen in de werkprocessen: Deze modules geven aan op welke wijze profielen in de werkprocessen kunnen worden ingezet. Hierbij onderscheiden we risicosturing bij intake, bij periodieke heronderzoeken, themacontroles, bij prioritering van fraudesignalen en ter vervanging van de huidige periodiek heronderzoeken. Modules voor evaluatie en communicatie De modules voor evaluatie zijn gericht op het vaststellen van het rendement, verbeterpunten en herijking van profielen (is het profiel nog actueel?). De module voor communicatie gaat in op de wijze waarop de communicatie (zowel in- als extern) het beste kan plaatsvinden. Het rendement van de risicoprofielen is immers beter wanneer cliënten hiervan goed op de hoogte zijn. Bovendien voorkomt heldere communicatie over het gebruik van risicoprofielen veel onrust bij bijvoorbeeld de politiek en cliëntenorganisaties.

6.2

De methodiek meer in detail

6.2.1

Modules voor de ontwikkeling en toetsing van risicoprofielen

We onderscheiden bij de ontwikkeling en toetsing van risicoprofielen een basismodule voor gemeenten die gebruik willen maken van reeds opgebouwde expertise en een uitgebreide module voor gemeenten die zelf lokale profielen willen ontwikkelen.

Basismodule De basismodule behelst een aanpak waarbij sterk geleund wordt op reeds ontwikkelde lokale profielen. Hij zou moeten bestaan uit de volgende stappen: · Stap 1: Openbaar maken/beschikbaar stellen van lokaal ontwikkelde risicoprofielen. Van ieder profiel zou moeten worden aangegeven om welk type fraude het gaat, in welke gemeenten ze zijn ontwikkeld, in welke gemeenten het profiel is getoetst, en zo mogelijk de resultaten van deze toetsing. · Stap 2: Een aanpak voor gemeenten om de geldigheid en bruikbaarheid van de profielen in de lokale situatie te kunnen beoordelen. Er zou bijvoorbeeld een checklist kunnen worden opgesteld met aandachtspunten die bij zo’n lokale beoordeling relevant zijn: in ieder geval de omvang van de groep met het profiel in de gemeente, demografische kenmerken van de

57

·

bevolking, de herkenbaarheid van het profiel voor uitvoerenden. De herkenbaarheid van het profiel voor uitvoerenden zou kunnen beoordeeld aan de hand van een lokale workshop met uitvoerenden. Voor de uitvoering van een dergelijke workshop kan een methodiek ontwikkeld worden. Stap 3: Toetsen van die profielen in de lokale praktijk. Ook voor deze toetsing kan een aanpak beschreven worden. Het is denkbaar dat vooral kleine gemeenten amper mogelijkheden hebben om een profiel echt te toetsen, gezien de beperkte omvang van de bijstandspopulatie. Daarom is het goed bij de lijst met profielen aan te geven in hoeverre het betreffende profiel elders al is getoetst en ‘bewezen’. In principe is het overigens denkbaar hierop in te spelen door bepaalde, veel voorkomende profielen landelijk te gaan toetsen (wel te specificeren naar omvang gemeente en regio).

Uitgebreide module De uitgebreide module is bedoeld voor gemeenten die volledig zelf lokale profielen (verder) willen ontwikkelen. Wat ons betreft is die aanpak gestoeld op de kwalitatieve aanpak (zie boven), waarbij het komende jaar eventueel een keuze zou moeten worden gemaakt tussen de LAT-aanpak en het door Utrecht ontwikkelde model. In ieder geval moet de module de volgende onderdelen bevatten: · De te gebruiken bronnen, inclusief de wijze waarop deze zijn te vertalen naar bruikbare profielen (aan welke voorwaarden moet minimaal zijn voldaan, waar moet op worden gelet, etc.) · Een aanpak voor workshops met consulenten (deelnemers, gesprekslijn, minimale argumentatie, creatieve input, verwerking van de workshop, etc.) · Een aanpak voor de toetsing van ontwikkelde profielen (zie ook stap 3 van de basismodule).

6.2.2

Modules voor het gebruik van risicoprofielen

Voor de verschillende toepassingsmogelijkheden die genoemd staan in § 3.3 kunnen aparte modules worden ontwikkeld. Gemeenten kunnen dan zelf bepalen van welke toepassingsmogelijkheden men gebruik wil maken. Dit houdt in dat de volgende modules worden ontwikkeld: 1. Gebruik risicoprofielen bij intensieve controle bij de poort 2. Gebruik risicoprofielen bij intensieve controle tijdens periodieke rechtmatigheidsonderzoeken. 3. Gebruik risicoprofielen ter (gedeeltelijke) vervanging van periodieke rechtmatigheidsonderzoeken 4. Gebruik risicoprofielen bij themacontroles 5. Gebruik risicoprofielen bij de selectie van fraudesignalen Deze modules moeten ieder de volgende onderdelen bevatten: · Randvoorwaarden voor toepassing · Stappenplan voor de invoering · Praktische hulpmiddelen bij de invoering (bijv. protocollen voor de uitvoering van intensieve controles, checklist die gebruikt kan worden bij de prioritering van fraudesignalen) · De beschrijving van de noodzakelijke aanpassingen in de werkprocessen waarin gebruik wordt gemaakt van risicosturing · De consequenties op het gebied van automatisering De bovenstaande modules verschillen in de mate waarin de organisatie de werkprocessen moet aanpassen. Het gebruik van risicoprofielen bij themacontroles vergt bijvoorbeeld minder aanpassing van de werkprocessen dan het gebruik van risicoprofielen ter (gedeeltelijke) vervanging van

58

periodieke rechtmatigheidsonderzoeken. Idealiter zou er daarom ook een afwegingskader beschikbaar moeten komen, op basis waarvan gemeenten meer zicht krijgen op de gevolgen en effecten van de verschillende toepassingsmogelijkheden.

6.3

Hoe nu verder

Experimenten Om de kwalitatieve methode verder te ontwikkelen is het nodig om een aantal gemeentelijke experimenten op te zetten, en deze grondig te evalueren. Deze experimenten dienen als basis om de in de vorige paragraaf beschreven modules verder te ontwikkelen en om een implementatieplan op te stellen. We geven hier geen gedetailleerde omschrijvingen van de experimenten. Deze kunnen het beste worden opgezet in samenspraak met de bureau’s die de experimenten gaan begeleiden. Wel geven we een aantal feiten en overwegingen weer die van belang zijn bij de opzet van de experimenten. Uit deze inventarisatie blijkt dat de meeste gemeenten nog bezig zijn met het ontwikkelen of toetsen van risicoprofielen. Slechts enkele gemeenten hebben daadwerkelijk ervaring opgedaan met de toepassing van risicoprofielen. De gemeenten Winterswijk, Leeuwarden, Tilburg, Venlo en Zaanstad zijn de enige gemeenten uit deze inventarisatie die risicoprofielen daadwerkelijk al toepassen. Deze gemeenten, met uitzondering van Winterswijk, werken met de kwalitatieve aanpak. Venlo en Zaanstad zijn sinds 1 april 2003 gestart. Leeuwarden heeft al langer hiermee ervaring opgedaan. Tilburg richt zich met name op de statistische aanpak. Het ligt daarom voor de hand om in ieder geval Leeuwarden en Utrecht bij de experimenten te betrekken. Leeuwarden, omdat deze gemeente het langste bezig is met de toepassing van risicoprofielen op basis van de kwalitatieve aanpak. Utrecht, omdat deze gemeente een heel ander type risicoprofiel heeft ontwikkeld dat men gaat testen in een pilot. Het loont de moeite om te volgen wat hiervan in praktijk de resultaten zijn. Er blijkt in praktijk niet sprake te zijn van één kwalitatieve aanpak. Gemeenten vullen de kwalitatieve aanpak op onderdelen anders in. Hierbij onderscheiden we de volgende elementen: 1. Gebruik van meerdere bronnen bij het ontwikkelen van profielen: naast ervaringsdeskundigheid van medewerkers, ook gebruik van RIF-onderzoeken of analyse van lokale fraudebestanden. 2. Het type profielen dat wordt ontwikkeld. Met gebruik van dezelfde bronnen kan toch een ander eindresultaat worden bereikt. Zie bijvoorbeeld het verschil tussen Utrecht en Leeuwarden. 3. De toetsing van profielen. Wordt er getoetst of niet, en op welke wijze? 4. Op welke wijze worden de profielen toegepast (zie § 3.3)? Daarom is het verstandig om voor iedere aanpak meerdere experimenten op te starten. In dit opzicht is het een voordeel dat veel gemeenten nog niet ver zijn. Dit maakt het mogelijk op zoek te gaan naar gemeenten die bereid zijn te experimenteren met bepaalde onderdelen van de kwalitatieve aanpak, in ruil voor facilitering en evaluatie van het project. Het is van belang om voorafgaand aan de start van de experimenten reeds goed na te denken over de evaluatie en de vragen die hierin beantwoord moeten worden. Deze evaluatie moet immers de input leveren voor de te ontwikkelen modules. Wanneer vooraf onvoldoende aandacht besteed wordt aan de evaluatie bestaat het risico dat bepaalde vragen niet kunnen worden be-

59

antwoord, omdat de benodigde informatie niet voor handen is. Daarnaast is het handig om een procesevaluatie uit te voeren waarbij op meerdere momenten tijdens het experiment een meting wordt uitgevoerd. Dit is van belang om inzicht te krijgen in eventuele knelpunten, mogelijke oplossingen voor knelpunten en randvoorwaarden. Overige interessante ontwikkelingen Verder is het zinvol een aantal ontwikkelingen te volgen die mogelijk van belang zijn voor de ontwikkeling van risicoprofielen. Ten eerste is het goed om op de hoogte te blijven van de voortgang met betrekking tot een koppeling tussen de landelijke bijstandsfraudestatistiek en andere bestanden die mogelijke relevant zijn voor risicoanalyse, zoals de bijstandstatistiek en het GBA. Op basis van overleg tussen het CBS en het ministerie van SZW vindt in september 2003 een eerste test plaats, waarbij dergelijke koppelingen een rol spelen. Deze actie is vooral bedoeld om een duidelijk beeld te krijgen van de mogelijkheden die de bij de bijstandsfraudestatistiek verzamelde gegevens bieden. Wellicht dat in dit kader ook ervaringen worden opgedaan met het oog op een landelijke risicoanalyse. Hierbij gaat het onder meer om de vraag of voldaan wordt aan de noodzakelijke randvoorwaarden (zie § 3.1.2. de statistische aanpak). Verder is de SIOD bezig om een monitor sociale zekerheidsfraude op te zetten. Ook bij dit initiatief loont het de moeite om op de hoogte te blijven, en te bekijken of een dergelijke monitor mogelijkheden biedt in het kader van risicoprofielen. In het project ‘Ontwikkeling en verbetering integrale handhaving in de keten van werk en inkomen’ werken zeven gemeenten (Almelo, Apeldoorn, Hilversum, Leeuwarden, Nijmegen, Rotterdam en Tilburg) op experimentele basis samen met de landelijke CWI-organisatie, met als doel het versterken van de handhaving in de uitvoering van de keten van werk en inkomen. Omdat het de bedoeling is dat risicoprofielen, als één van de onderdelen van dit project, als experiment worden ingezet bij het CWI, is het interessant om de vorderingen van dit project te blijven volgen. Tot slot is uit deze inventarisatie gebleken dat bestandskoppelingen tussen bestanden van sociale diensten en andere organisaties een bijdrage kunnen leveren aan vroegtijdige detectie van fraude. Met name de huidige RIF’s zijn hier vrij actief mee bezig. Ook gemeenten zien potentie in uitbreiding van deze mogelijkheden. Bekeken moet worden op welke wijze ook op dit vlak kennisvermeerdering kan worden gestimuleerd.

60

7

Nawoord StimulanSZ

61

62

Bijlage 1 Organisaties uit inventarisatie die bezig zijn met risicosturing Tabel 11

Sociale diensten die bezig zijn met (de ontwikkeling van) risicosturing

Gemeente

Stand van Zaken

Karakterisering van de methode

Almelo

· · · · · · · · · · ·

Men is bezig risicoprofielen op te stellen

‘Kwalitatieve’ aanpak

Risicoprofielen moeten nog worden ontwikkeld Men voert themacontroles uit

‘Kwalitatieve’ aanpak

Risicoprofielen moeten nog worden ontwikkeld

‘Kwalitatieve’ aanpak

Men is bezig risicoprofielen op te stellen

‘Kwalitatieve’ aanpak

Risicoprofielen moeten nog worden ontwikkeld

‘Kwalitatieve’ aanpak

Men is bezig risicoprofielen op te stellen

‘Kwalitatieve’ aanpak

Men past risicoprofielen toe

‘Kwalitatieve’ aanpak

Men is bezig risicoprofielen op te stellen

‘Kwalitatieve’ aanpak

Risicoprofielen moeten nog worden ontwikkeld

‘Kwalitatieve’ aanpak

· · · ·

Risicoprofiel (scorekaart) wordt getest in een pilot

‘Kwalitatieve’ aanpak

Men past risicoprofielen toe (sinds 1 april 2003)

‘Kwalitatieve’ aanpak

Men past risicoprofielen toe

‘Gezond verstand’ aanpak

Men past risicoprofielen toe (sinds 1 april 2003)

Zaanstad stelt zelf geen risicoprofielen op, maar maakt gebruik van resultaten van andere gemeenten.

Apeldoorn Arnhem Dordrecht Eindhoven Hilversum Leeuwarden Nijmegen Rotterdam Tilburg Utrecht Venlo Winterswijk Zaanstad

Men heeft in pilot risicoprofielen toegepast. Men is Statistische aanpak en ‘kwalitatieve’ aanpak bezig een vervolg op de pilot te ontwikkelen.

1

Er is gericht gezocht en gevraagd naar gemeenten die bezig zijn met risicoanalyses. Dit overzicht heeft dus niet

betrekking op een representatieve steekproef en pretendeert niet volledig te zijn.

Tabel 2

Andere organisaties die in het kader van dit onderzoek zijn benaderd

Organisatie RIF’s

Karakterisering van de methode van risicosturing

SIOD

De theoretische aanpak: men formuleert hypotheses over mogelijke fraudes die zich in bepaalde situaties kunnen voordoen (met name brancheanalyses) De theoretische aanpak (barrièremodel, zie § 3.1.2)

Sociale Verzekeringsbank Belastingdienst

De theoretische aanpak Statistische aanpak: geautomatiseerde analyse van formulieren

Zorgverzekeraars IB-groep

Statistische aanpak Maken geen gebruik van risicosturing

UWV

De theoretische aanpak en de statistische aanpak

63

64

Bijlage 2 Lijst deelnemers expertmeeting StimulanSZ Gemeente

Afdeling

Naam

Leeuwarden Dienst Sociale Zaken

Dhr. W. van Rijnsoever

Tilburg

Dienst Sociale Zaken, afdeling BFB

Dhr. W. van Hoof

Hilversum

Dienst MO, afd. Sociale Zaken

Mw. E. Vierstra

Dordrecht

Sociale Dienst

Dhr. T. Willemsen

Winterswijk

Sociale Zaken

Mw. E. Looman

Utrecht

Dienst MO, afd. SoZaWe-fraudebestrijding

Dhr. J. Verbossen

Hoorn

Sociale Zaken

Dhr. P. Deykers

Amsterdam Sociale Dienst, afd, Handhaving

Dhr. F. Born

Marum

Dhr. H. de Rue

Sociale Zaken

Deventer

Sector Sociale Voorzieningen

Dhr. F. Dieleman

Enschede

sociale dienst

dhr. G. Kinkhuis

Nijmegen

sociale dienst

dhr. De Ruiter

Expertmeeting risicoprofielen d.d. 15 mei 2003 te Arnhem

65

66

Research voor Beleid Schipholweg 13 - 15 Postbus 985 2300 AZ Leiden telefoon: (071) 5253737 telefax: (071) 5253702 e-mail: [email protected] www.researchvoorbeleid.nl

67