Hoe bepaal je of een publieke organisatie rechtmatig is?

on juni 29, 2017 Advies, functioneel, Publiek Domein with 0 comments

Rechtmatigheid is één van de pijlers van goed bestuur binnen het publieke domein. Rechtmatigheid geeft aan of een handelswijze in overeenstemming is met de geldende regels. In de praktijk wordt dit vaak vertaald naar de vraag of uitkeringen en subsidies daar terecht komen waar ze terecht moeten komen. Bij publieke organisaties is rechtmatigheid vaak een onderdeel van de formele rapportage. Aan huidige methodes om rechtmatigheid te bepalen, kleven nogal wat nadelen. Verbetering is gelukkig goed mogelijk!

Rechtmatigheid in publiek domein

Waar bestuurders op moeten letten bij het bepalen van rechtmatigheid

Het vaststellen van rechtmatigheid is een moeilijk vraagstuk. Regelgeving en randvoorwaarden die ten grondslag liggen aan betalingen, wijzigen voortdurend. Maar ook andere regelgeving is van invloed, zoals de wetgeving rondom privacy. Veel publieke organisaties worstelen met de vraag wat nu wel of niet is toegestaan en kiezen daarom regelmatig het zekere voor het onzekere.

Aan de andere kant speelt de publieke opinie een rol. Door steeds verdergaande digitalisering en uitingen in Social Media komen fouten en vergissingen steeds sneller aan het licht. Normen als loyaliteit naar medewerkers en de angst om een verklikker of klokkenluider te worden genoemd, botsen met een roep om openheid en transparantie. Een ingewikkeld dilemma voor veel bestuurders.

Zoals hackers helpen met IT-beveiliging, helpen data scientists met het opsporen van onrechtmatigheid

De eerste reactie is vaak isoleren en klein houden van het probleem. Dat is een aanpak in het huidige datatijdperk waar de nodige risico’s aan kleven. Tegenwoordig blijft data lang bestaan en zelfs jaren na een misstand is deze nog goed te reconstrueren. Naarmate de tijd vordert en de technische mogelijkheden toenemen, kunnen dergelijke analyses ook nog eens tegen steeds lagere kosten worden uitgevoerd. Het advies aan bestuurders is dus om zelf actiever op zoek te gaan naar mogelijke misstanden, voordat anderen dat doen. Net als hackers worden ingehuurd om problemen in de beveiliging te detecteren, zouden bestuurders data scientists moeten inhuren om bijvoorbeeld (on)rechtmatigheden op te sporen in data.

Grote steekproef nodig als de foutkans klein is

Het doen van onderzoek naar individuele transacties is tijdrovend. Vaak worden berekeningen met de hand nagelopen door een speciale afdeling. Om de kosten van dergelijke onderzoeken te drukken, wordt dikwijls gewerkt met een steekproef. Bij een steekproef zijn de juiste steekproefgrootte, een representatieve trekking en strikte discipline van groot belang.

  • De steekproefgrootte: let op! Een kleine kans (op onrechtmatigheid) vergt een grote steekproef. Laten we dit verduidelijken met een voorbeeld. In een voetbalstadion zitten 60.000 mensen. Bij 60 toeschouwers stoppen we €10 in hun sok. Er moet een forse steekproef worden genomen (ten minste 5%) om enigszins een betrouwbare uitspraak te kunnen doen. In een volgend blog maken we dit concreet aan de hand van simulatie.

  • Er zijn veel mogelijke oorzaken voor fouten. Bij het opstellen van een steekproef moet een getrouw beeld worden gegeven van deze oorzaken. Klantcontactcentra, klachten, functioneel beheerders van systemen en auditors zijn belangrijke bronnen om risico’s te identificeren.

  • Het is verleidelijk om een gevonden fout buiten te steekproef te willen houden, zeker als deze het gewenste beeld doorkruist. Zinnen als: “het is een echte uitzondering die niet representatief is”, “het is een bijzondere klantsituatie”, “het is het gevolg van een vastgelopen systeem”, zijn een rechtvaardiging om een gevonden issue buiten de steekproef te houden. Rechtvaardiging en redeneren naar een doel toe is een groot risico. In veel organisaties wordt het aan de kaak stellen van fouten gezien als iets dat de goede sfeer bederft en het van het belang van de organisatie ondermijnt. Dit beïnvloedt de grondhouding van medewerkers die controles moeten uitvoeren.


Aan een steekproef kleven dus de nodige nadelen. Hieronder schetsen we een alternatief.

Schaduwberekeningen (100% controles) zijn op lange termijn effectiever en goedkoper

Een alternatieve methode is om op basis van brongegevens geautomatiseerd te zoeken naar fouten. Hieronder staat een aantal voorbeelden van fouten waarnaar kan worden gezocht:

  • Inconsistenties of onvolledigheden in de brondata: deze onjuistheden vormen vaak een bron van onrechtmatige uitkeringen. Het vergt meestal geen grote investering om hiermee te beginnen. Het levert veel op, ook voor procesverbetering.

  • Analyse naar specifieke situaties, zoals doorgevoerde correcties na toekenning van uitkeringen, aangepaste regelingen, wijzigingen in klantgegevens, klachten van klanten of veranderingen in interface bestanden. Op deze manier kan gerichter worden gezocht naar gebieden waarin hoogstwaarschijnlijk meer onrechtmatigheden voorkomen.

  • Het vinden van geautomatiseerde fouten, waardoor berekeningen in sommige gevallen niet de juiste uitkomsten hebben. Aan de hand van geautomatiseerde schaduwberekeningen die de uitkomsten opnieuw (en correct) berekenen, kan de systematische fout worden opgespoord.


Voorwaarden van deze aanpak zijn een open en op feiten gerichte benadering en een vorm van communicatie die daarbij past.

In het volgende blog gaan we dieper in op steekproeven

In het eerdergenoemde voorbeeld van het stadion zal iedereen zeggen: een trekking van 20 uit de 60.000 (0,03%) is te weinig. Toch gebeurt dat bij veel organisaties. Wist je dat met een steekproefgrootte van 20 mensen, er 98% kans is dat je helemaal geen supporter vindt die 10 euro in zijn sok heeft? In een volgend blog gaan we hier dieper op in.


Add comment

CAPTCHA * Time limit is exhausted. Please reload CAPTCHA.

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

Decisive Facts
Right Menu Icon