Een zorgvuldige transitie naar het nieuwe pensioenstelsel begint bij een solide fundament van correcte en actuele data. Alleen met volledige, juiste en actuele gegevens kunnen wij deelnemers en fondsen optimaal bedienen. Op verschillende niveaus, van deelnemers tot werkgevers, is het cruciaal dat data goed in de systemen staan. Zo kunnen we de pensioenregeling correct uitvoeren en zorgen dat deelnemers de juiste aanspraak en uitkering ontvangen. In dit interview delen Paulien Daniëls (Senior Manager Service Delivery), Marloes van Tongeren (Manager Klantteam) en Sanne Kraaijenbrink (Projectmanager Datakwaliteit) hoe de datakwaliteit, in het kader van de transitie naar het nieuwe pensioenstelsel, succesvol wordt ingericht en welke inzichten zij daarbij willen meegeven.

Hoe draagt datakwaliteit bij aan betrouwbaarheid, compliance en efficiëntie?

Sanne legt uit: “Goede datakwaliteit betekent dat alle gegevens die gebruikt worden voor het berekenen, beheren en uitbetalen van pensioenen volledig, actueel en consistent zijn. Op deze manier zorgen we ervoor dat deelnemers krijgen waar ze recht op hebben. De cijfers kloppen, de berekeningen zijn juist en de uitkomsten voorspelbaar. Vanuit compliance is het noodzakelijk om tijdens de Wtp-transitie te kunnen aantonen dat de datakwaliteit op orde is. Voor, tijdens en na het invaren. Een goed fundament zorgt ervoor dat processen efficiënt verlopen en het geeft medewerkers ruimte om zich te richten op dienstverlening met echte toegevoegde waarde”.

Wat maakt datakwaliteit essentieel voor onze dienstverlening aan fondsen?

“Datakwaliteit is altijd belangrijk, maar in de context van de Wet toekomst pensioenen (Wtp) is het cruciaal. Pensioenen worden omgezet naar persoonlijke potjes. Een fout in de data kan leiden tot verkeerde berekeningen en dus tot fouten in individuele pensioenvermogens. Dat tast het vertrouwen van fondsen en deelnemers in de pensioenuitvoering aan. Schone data is het vertrekpunt voor een soepele transitie”, geeft Paulien aan.

“Een pensioenfonds moet de kwaliteit van zijn data kunnen aantonen: vóór, tijdens én na het invaren. Dat gebeurt op twee toetsmomenten. Toetsmoment 1 betreft het vaststellen van de datakwaliteit als voorbereiding op het totale proces van invaren en toetsmoment 2 vindt vlak na het moment van invaren plaats. De Pensioenfederatie heeft hiervoor het Kader Datakwaliteit opgesteld waarin zes fasen worden beschreven die door het pensioenfonds, in gezamenlijkheid met derde partijen, doorlopen worden ter voorbereiding op het invaren. Een van de eerste stappen is het opschonen van de data, de zogenaamde ‘get clean’-fase. In deze fase hebben wij o.a. met behulp van dataprofiling, generieke analyses en specifieke analyses een ‘momentopname’ gemaakt van hoe het met de huidige datakwaliteit gesteld is. Op basis daarvan wordt duidelijk welke acties nodig zijn om de kwaliteit structureel op orde te brengen.

Voor alle fondsen binnen Achmea Pensioenservices is inmiddels een eindrapport opgesteld met concrete bevindingen. Op basis hiervan wordt momenteel actief gewerkt aan de uitvoering van herstelacties. Hiermee is de eerste fase succesvol afgerond. Hoewel de processen op hoofdlijnen goed georganiseerd zijn, vergt het aantoonbaar maken en documenteren van alle details veel tijd en zorgvuldigheid. Het werk gaat dus niet altijd over het maken van correcties, maar juist over het kunnen verklaren en verifiëren van keuzes en gegevens tot op het kleinste detail. Dit maakt dat het proces intensief is, ook wanneer de systemen en procedures op orde zijn”, vertelt Paulien.

Datakwaliteit niet alleen in kaart brengen, maar ook écht verbeteren!

"Voor het succesvol inrichten en borgen van pensioendata maken wij gebruik van onze stay-clean-aanpak. De stay clean-aanpak volgt op de eenmalige get clean-fase en is gericht op het schoonhouden van de data tot aan invaren en direct erna. Via dataprofiling, uitgebreide analyses en deelwaarnemingen nemen we de data van het pensioenfonds onder de loep. Hierbij worden bevindingen binnen de data zichtbaar gemaakt en uiteindelijk verbeterd of opgeschoond. Stay clean betekent dat we structureel, twee keer per jaar, een volledige kwaliteitscontrole uitvoeren op de meest kritische data-elementen. Dit doen we voor een groot deel van onze klanten samen met Deloitte, die met hun platform en tooling de data analyseren. Waar eerder alleen herstelmaatregelen werden getroffen bij incidenten, monitoren wij nu proactief en periodiek om nieuwe vervuiling direct te signaleren, te verbeteren en te herstellen”, aldus Marloes.

Dankzij de pensioenkennis van de klantteams konden we de datakwaliteit niet alleen in kaart brengen, maar ook écht verbeteren. Deze fase liet zien hoe belangrijk het was om data-expertise en pensioenkennis te verbinden. Samen met de klantteams zorgden we voor een blauwdruk die niet alleen technisch klopte, maar óók praktisch houvast bood richting de nieuwe keten”, aldus Paulien, Marloes en Sanne.

Welke lessen of best practices maken écht het verschil?

Sanne vertelt: “Zorg dat je vanaf het begin de juiste mensen betrekt, vooral die in de uitvoering, hun kennis en betrokkenheid maken het verschil. Denk groots in projectorganisatie want datakwaliteit is niet iets wat ‘je er even bij doet’. Stel heldere doelen, reserveer voldoende capaciteit en borg specialistische kennis. Een van de grootste inzichten is hoe belangrijk de pensioenkennis en inzet van onze collega’s in de administratie is geweest. Zij hebben bergen werk verzet om verschillen te verklaren en fouten te herstellen. Zonder hun betrokkenheid was dit project nooit zo succesvol geweest. En dat is een groot compliment waard. Het is echt een teamprestatie geweest.

Daarnaast is duidelijk geworden dat een helder mandaat, een duidelijke projectstructuur en samenwerking tussen verschillende Wtp-werkstromen essentieel zijn. Het gaat hierbij om samenwerking tussen verschillende disciplines zoals proces & inrichting, migratie & implementatie, accountmanagement, administratie, pensioencommunicatie en datakwaliteit. Door die samenwerking is het gelukt om tijdig en volgens planning de datakwaliteit op orde te brengen. Wat we ook geleerd hebben. Vooral dankbaarheid uitspreken aan collega’s die dit enorme werk verzetten, want zonder hun inzet was dit niet gelukt.”

En tot slot: op welke wijze wordt het stay-clean-proces binnen de nieuwe AllVida-keten geborgd?

“Twee keer per jaar leveren we de data aan, worden de bestanden door de tooling geanalyseerd en ontvangt het fonds een overzicht van uitval en incidentmeldingen. Klantteams pakken vervolgens het herstelwerk op. Dit proces is gestandaardiseerd en herhaalbaar gemaakt voor de Maia-keten. Want het is essentieel dat de data schoon blijft voordat het fonds migreert naar de nieuwe AllVida-keten. Naast de halfjaarlijkse controles in Maia zijn we ook een aanpak aan het uitwerken om datakwaliteit in de nieuwe AllVida-keten te borgen. Na de transitie wordt deze aanpak geïntegreerd in de nieuwe keten en ondersteund door continue monitoring, zodat kwaliteit blijvend is verankerd in de operatie”, besluit Sanne.

Van links naar rechts: Paulien Daniëls (Senior Manager Service Delivery), Marloes van Tongeren (Manager Klantteam) en Sanne Kraaijenbrink (Projectmanager Datakwaliteit).