Het datakwaliteitsbeleid geeft een oordeel over risicohouding, toegestane kwalitatieve afwijkingen en de inrichting van beheersprocessen om te zorgen dat fonds en PUO dit beleid ook effectief toepassen. Daarnaast moet het fonds door middel van data-analyses en deelwaarnemingen aantonen dat de datakwaliteit feitelijk op orde is. Deze stappen zijn door de Pensioenfederatie beschreven in het Kader Datakwaliteit.
Maar hoe pak je dat het beste aan? Wat zijn in dit proces naar een solide datakwaliteitsbeleid de belangrijkste stappen? Dat beschreven zeven pensioen- en dataspecialisten van Deloitte onlangs in een uitgebreid artikel in het Tijdschrift voor Pensioenvraagstukken. Vanuit verschillende invalshoeken en perspectieven. De rode draad van hun betoog in vijf kernboodschappen: omarm datakwaliteit, geef het aandacht in de bestuurlijke dialoog, luister daarbij naar je geweten en zoek de samenwerking in de pensioenketen; begin op tijd want de uitkomst is onvoorspelbaar. We lichten ze kort toe.
1. Omarm datakwaliteit en de richtlijnen van de Pensioenfederatie
Bij de overgang naar persoonlijke pensioenvermogens is een solide datakwaliteitsbeleid meer dan ooit in het belang van de deelnemers. Bij het huidige pensioenstelsel is de pensioendatum vaak het moment van de waarheid: dán wordt de uitkering/aanspraak toegekend. Bij de overgang naar het nieuwe pensioenstelsel wordt dit moment voor alle deelnemers naar voren gehaald; tijdens het invaren wordt op één dag het collectieve pensioenvermogen toebedeeld aan de persoonlijke pensioenvermogens van de deelnemers. Om het juiste bedrag te kunnen bepalen, moeten alle data dan wel kloppen en gecontroleerd zijn. Achteraf wijzigen en fouten herstellen is immers tijdrovend en duur; en kan last but not least zorgen voor flinke imagoschade.
Tot nu zagen de meeste fondsen hun datakwaliteit niet als een groot probleem. Dat is niet altijd terecht, incidenten en fouten komen regelmatig voor. Maar die fouten kunnen op het moment dat deelnemers met pensioen gaan handmatig worden hersteld. Bij de overgang naar de Wtp is deze situatie niet langer houdbaar, daarvoor is de invaar-operatie te omvangrijk. Pensioenbestuurders moeten het onderwerp datakwaliteit nu echt omarmen.
Het Kader Datakwaliteit van de Pensioenfederatie biedt pensioenbestuurders een goed fundament om hun datakwaliteit structureel te analyseren en waar nodig fouten in de fondsadministratie te herstellen of te verbeteren.
2. Geef datakwaliteit de bestuurlijke aandacht die het verdient
In de analyse van de datakwaliteit is het essentieel om met volle aandacht de mogelijke risico’s te inventariseren. Pensioenbestuurders deinzen daar soms voor terug; ten onrechte, want zo’n analyse en risico-inventarisatie hoeft echt niet zo tijdrovend, duur en complex te zijn als men vaak denkt. Samen met de PUO loopt men de hele historie van het fonds na, maar kan daarbij focussen op historische events (zoals een reglements- of systeemwijziging), incidenten en klachten, en het profiel van de deelnemers. De informatie die deze exercitie oplevert, is zeer waardevol: het geeft richting aan verdere data-analyse en het formuleren van extra beheersmaatregelen en mogelijk zelfs een vernieuwd datakwaliteitsbeleid.
3. Fonds en PUO-bestuur: luister naar je geweten
Het Kader Datakwaliteit van de Pensioenfederatie signaleert mogelijke processtappen maar geeft géén normatieve kaders. Dus wordt veel overgelaten aan de fondsbestuurders (sleutelfunctiehouders) en hun PUO’s. Dat betekent dat ze gewetensvolle keuzes zullen moeten maken om de deelnemers te geven waar ze recht op hebben. Wat hierbij meespeelt: het vinden van de juiste balans tussen nauwkeurigheid en efficiency; tussen het zoeken naar mogelijke fouten en oplopende kosten. Afwijkingen dien je sowieso te herstellen maar hoge onderzoekskosten gaan uiteindelijk wel ten koste van het saldo van alle deelnemers. Een belangrijk hulpmiddel bij deze afweging is de Maximaal Toelaatbare Afwijking (MTA). Deze geeft aan wanneer je als fonds gaat zoeken naar fouten c.q. welke (kleine) fouten je nog toestaat. Om deze MTA te bepalen, moet je een aantal elementen meewegen. Denk aan de kwalitatieve norm van het fonds zoals vastgelegd in het datakwaliteitsbeleid hiernaast kan ook de mogelijkheid om fouten eventueel na invaren te herstellen in beschouwing worden genomen.
4. Begin op tijd; eventueel dataherstel is weerbarstig
Om voldoende tijd over te houden voor de eventuele herstelfase, moeten pensioenbestuurders tijdig beginnen. Zo komt het proces van invaren niet in gevaar. Dit lijkt evident. Helaas onderschatten sommige pensioenbestuurders de vereiste tijd om een uitgebalanceerd kwaliteitsbeleid te formuleren, gevolgd door de stappen van data-analyse, risico-inventarisatie en eventueel herstel. Wie bijvoorbeeld in 2026 wil invaren, zal medio 2025 een door een accountant goedgekeurd plan moeten indienen bij DNB. Risico-inventarisatie, herstel en het opstellen van documentatie kost al snel een jaar, dus dan moet medio 2024 het datakwaliteitsbeleid al geformuleerd en goedgekeurd zijn. Voor-je-uit-schuiven is dus geen optie. Een reden eens te meer om op tijd te beginnen, is dat de uitkomst van het hele proces onvoorspelbaar is. Het palet aan mogelijke fouten en complexe dossiers is in principe erg breed. Hoeveel tijd kost het om die fouten te beoordelen, waar nodig te herstellen en deelnemers al dan niet te compenseren? En hoe communiceer je een negatieve correctie aan een deelnemer? Sowieso geldt dat in dit proces een goede en open samenwerking tussen fonds en PUO cruciaal is: die zal leiden tot één geïntegreerde blik op de risico’s die het fonds en zijn deelnemers feitelijk lopen en de afwegingen die het fonds maakt.
5. Zoek vroegtijdig samenwerking in de keten
Wij beschouwen een open en geïntegreerde uitvoering (dat wil zeggen met een gecombineerde fonds-PUO werkgroep) van het programma datakwaliteit als een best practice voor de sector. Open samenwerking en informatie delen tussen fonds en PUO moeten leiden tot één geïntegreerde blik op de risico’s die het fonds en haar deelnemers feitelijk lopen en de afwegingen die het fonds maakt.
Fondsen moeten zich daarnaast rekenschap geven van de enorme werklast die de uitvoering van de data-analyse en deelwaarnemingen voor invaren met zich meebrengt voor de uitvoerder. Multi-client PUO’s, zeker die met een omvangrijke klantportefeuille, kunnen profiteren van een gemeenschappelijke aanpak. Dat kan in vergelijking met een gefragmenteerde, fondsspecifieke aanpak leiden tot een flinke versnelling en kostenbesparing.
Maar denk ook aan vroegtijdig opstarten van de samenwerking met de extern accountant (of IT-auditor) die de AUP-verklaring moet afgeven. Opbouwen van audit-ready documentatie vanaf de start van de data-analyse voorkomt gedoe en re-work aan het eind van het proces.
Kortom, geef datakwaliteit de aandacht die het verdient, zet het onderwerp op de beleidsagenda en ga ermee aan de slag.