"De ontmoetingen tussen mensen uit het bedrijfsleven en mensen uit de publieke sector zijn heel interessant"
John Mooring is voorzitter van de Data Science Kamer van het IFFC. Hij vertelt over de werkzaamheden van deze jonge, ambitieuze Kamer, die onder meer een scorecard voor bedrijventerreinen ontwikkelt: “Vergelijk het maar met de jaarlijkse Oliebollenmonitor van het AD: De Ondermijningsmonitor moet een beeld gaan geven aan ondernemers, van terreinen waar ze zich goed kunnen vestigen en terreinen die ze beter kunnen mijden.”
De Data Science Kamer is nog vrij jong. Wat zijn jullie bevindingen tot nu toe?
“We zijn inderdaad nog niet zo lang actief, ongeveer anderhalf jaar. Bovendien hebben we door corona afgelopen jaar weinig kunnen doen; we zijn dus net de opstartfase ontgroeid. Net als op andere plekken binnen het IFFC zijn ook wij bezig met de vraag hoe we financieel economische criminaliteit kunnen terugdringen. Waar andere kamers meer thematisch zijn georganiseerd, rondom sport of verzekeringen bijvoorbeeld, is onze focus meer methodisch: Waar haal je informatie vandaan, welke tools gebruik je, et cetera.
Qua samenstelling zijn we heel multidisciplinair. Soms is dat best lastig, want mensen uit de private sector en mensen uit de publieke sector spreken toch een iets andere taal en zijn ook met andere dingen bezig. Iemand kan vanuit de verzekeringshoek iets heel belangrijk vinden waarvan de politie vervolgens zegt ‘Daar is geen zaak van te maken’. Tegelijkertijd zijn die ontmoetingen tussen mensen uit het bedrijfsleven en mensen van het OM, de FIOD et cetera, heel interessant. De afgelopen bijeenkomst zaten we met 20 man bij elkaar om te kijken hoe je bepaalde problemen aanpakt. Een van de deelnemers had data nodig om iets te bereiken en een ander gaf aan ‘die data hebben wij’. Zo kun je elkaar direct praktisch ondersteunen. Data-analyse is natuurlijk deels hele droge feitelijke materie, maar voordat je de analyse het werk kunt laten doen moet je ook heel creatief zijn en daar kunnen we elkaar bij versterken. Iemand gooit een probleem in de groep, een ander stelt voor om het eens andersom te bekijken en zo werk je samen aan een oplossing.”
Jullie zijn dus eigenlijk net gestart. Hebben jullie al concrete projecten in de planning?
“Zeker. Het eerste product dat we aan het ontwikkelen zijn is de Ondermijningsmonitor. Met die monitor willen we in kaart brengen hoe het op bedrijventerreinen gesteld is met zaken als witwassen en andere verkeerde handelingen. We proberen een soort scorecard te maken op basis van openbare data en zo tot een rating van bedrijventerreinen te komen. Vergelijk het maar met de jaarlijkse Oliebollenmonitor van het AD: De Ondermijningsmonitor moet een beeld gaan geven aan ondernemers, van terreinen waar ze zich goed kunnen vestigen en terreinen die ze beter kunnen mijden. We zien het ook als een middel om gemeentes wakker te schudden, want als je met een bedrijventerrein op plaats 100 staat, dan wil je als wethouder van die gemeente misschien wel eens gaan praten met een wethouder die op plaats 5 staat.
We hebben natuurlijk altijd te maken met de privacy-wetgeving. Je kunt niet zomaar alles delen; maar als je de dingen op de goede manier aanpakt kun je wel degelijk resultaat boeken. Ook hier ligt de kracht juist in het samenwerken van mensen uit verschillende disciplines. Mensen geven elkaar tips waar relevante openbare data te vinden zijn en dat is heel waardevol, want in je eentje kun je dat niet overzien.”
Wat zijn in algemene zin de voornaamste ontwikkelingen rondom Data Science en financial crime?
“Er wordt al lang gezegd dat Big Data en AI de toekomst zijn. Ik denk dat we nu op een punt belanden waarop je kunt zien dat dat in de praktijk ook daadwerkelijk het geval is. Bedrijven gaan data actief inzetten voor fraudedetectie en ze gaan daarbij de krachten bundelen. Het mooiste voorbeeld in Nederland is TMNL (Transactie Monitoring Nederland), een samenwerkingsverband tussen ABN AMRO, ING, Rabobank, Triodos Bank en de Volksbank die al hun transactiedata naar één centraal punt sturen. Daardoor krijg je een enorme pool aan gegevens waarop je AI kunt loslaten. Criminele netwerken richten zich vandaag op ING, morgen op ABN AMRO en overmorgen op de Rabobank. Als je de data bundelt valt dat sneller op en kun je handelen. Banken leveren hun betaaltransacties aan een centrale databank aan en als er een hit komt gaan die gegevens weer terug naar de aanleverende bank voor verdere verwerking. Zo laat je de reactie weer bij de individuele instelling en kun je het ongeoorloofd delen van gegevens vermijden.
In de nasleep van de enorme schikking die ING moest betalen versnelde de wil om samen te werken enorm. Tien jaar geleden was daar nog onvoldoende draagvlak voor, nu wil men daar ook aan de top echt prioriteit aan geven en zijn er binnen de banken enorm veel mensen mee bezig.”