Zoeken

Search
Generic filters
Exact matches only
Filter by Custom Post Type

Voorspellen fraude bijstandsuitkeringen

Geschreven door: Totta data lab N.V.

Gemeentes zijn veel geld kwijt aan burgers die (on)bedoeld misbruik maken van de bijstand. Daarom heeft Totta data lab een algoritme ontwikkeld dat bijstandsfraude kan voorspellen.

Onderzoeksvraag

De inspecteurs van gemeentes handhaven eventueel misbruik van de bijstand. Deze inspecteurs kunnen echter niet alle verdachte burgers, oftewel cases, onderzoeken die mogelijk misbruik maken van bijstandsuitkeringen. Dit zorgt ervoor dat fraude voorspellen lastig wordt. De onderzoeksvraag is daarom als volgt: valt te voorspellen welke cases we het beste kunnen onderzoeken om meer fraude te ontdekken, zodanig dat alleen burgers met een verhoogd risico op bijstandsfraude worden onderzocht?

Oplossing

Totta data lab combineert haar kennis over data science met de kennis van de inspecteurs, zodat de beschikbare data binnen gemeentes optimaal gebruikt wordt. Totta data lab gebruikt hier niet alleen classificatietechnieken, maar ook ensembletechnieken. Bij ensembletechnieken worden verschillende modellen gecombineerd, en dit kan voordelig zijn. Een voorbeeld van zo’n model is anomalie detectie. Hierbij krijgt een case een score die aangeeft in hoeverre de patronen afwijken van andere cases.

Doorlooptijd

Het traject bestaat uit 1) de Data Deep Dive, 2) de modelontwikkeling en 3) de opleveringen. 1 en 2 hebben een doorlooptijd van 6 weken; 3 heeft een doorlooptijd van maximaal 1 week.

Resultaat

Met het algoritme van Totta data lab zijn gemeentes beter in staat om met minder capaciteit, meer bijstandsfraude op te sporen. Vervolgens kunnen gemeentes meer onterecht ontvangen uitkeringen stopzetten en terugvorderen. Hierdoor besparen gemeentes behoorlijk veel geld. Dit geld kunnen zij vervolgens weer inzetten door bijvoorbeeld bijstandsontvangers vaker te ondersteunen en door de uitstroom van de bijstand te bevorderen.