Podcast: slimme belastingprocessen in Amsterdam Welke stappen moet je zetten om daadwerkelijk met data science en AI aan de slag te gaan? Tijdens de AI-conferentie EGG Amsterdam (zie: grote foto) bespraken Frank de Nijs – derde van rechts – , Jan Geert Bakker (directeur Belastingen bij de gemeente Amsterdam) – tweede van rechts – en Wouter Kroon (Dataiku) – eerste van rechts – hoe we lokale belastingen efficiënter, voorspelbaarder én eerlijker maken.
Lokale belastingen eerlijker met Data Science
Data science – de wetenschap die zich bezighoudt met processen en systemen om waardevolle kennis en inzichten te verzamelen uit data – kan bijdragen aan eerlijkere en laagdrempeligere dienstverlening aan inwoners en organisaties. Zo kan data science helpen burgers gericht te adviseren over bijvoorbeeld betalingsmogelijkheden of het recht op kwijtschelding. Zo hoeven zij daar niet zelf achteraan. Burgers ervaren de dienstverlening van hun gemeente daardoor als efficiënt, voorspelbaar en betrouwbaar.
Data science-technieken en artificial intelligence dragen daarnaast bij aan betere besluiten, door in een vroeg stadium trefzekerder advies mogelijk te maken. Ambtelijke processen verlopen sneller, er is minder bijsturing nodig en de werkdruk gaat omlaag dankzij betere adviezen tijdens de al geautomatiseerde werkprocessen. Ook wordt het toezicht door instanties transparanter, laagdrempeliger en minder arbeidsintensief, voor zowel de controleur als de dienstverlenende instantie.
Met data science maakt datagericht werken dus een flinke sprong vooruit ten opzichte van het huidige niveau van automatisering. Voldoende reden om de praktische toepassing ervan te verkennen. Maar waar te beginnen?
Lerende adviesmodellen
Het ligt voor de hand te beginnen met een aandachtsgebied waar grotere hoeveelheden gestandaardiseerde data voor handen zijn. Data waarvoor eenduidige interpretaties gelden, zodat willekeurige uitkomsten eenvoudig zijn uit te sluiten. Om die reden zijn Amsterdam en Centric gestart met onderzoek op het vlak van gemeentelijke belastingen. Daar wordt met grote hoeveelheden eenduidig meetbare gegevens gewerkt, op basis waarvan je slimme adviesmodellen kunt ontwerpen die het werk van de belastingmedewerker ondersteunen en versnellen.
Gemeenten en belastingkantoren doen in principe allemaal hetzelfde. Dat betekent dat de strategie voor het succesvol inzetten van data science voor de meeste gemeenten hetzelfde kan zijn. Daarmee krijgt dit data science-initiatief een breed toepassingsgebied. En wanneer meerdere gemeenten de lerende adviesmodellen met hun ideeën en inzichten voeden, draagt dat alleen maar bij aan de betrouwbaarheid.
Publieke transparantie
Het succes van adviesmodellen staat of valt met betrouwbare databronnen. Dat vormt de basis waarop data science verantwoord kan worden ingezet. De ervaring leert dat het op orde krijgen van die data vaak een uitdaging is. Maar pas nadat die horde genomen is, begint de verantwoording van werkwijzen en doelstellingen binnen het data science-proces zelf.
In plaats van achteraf te bekijken of een adviesmodel verantwoord toepasbaar is, is het zaak om vooraf heldere voorwaarden te stellen. Dit betekent dat ook van meet af aan duidelijk moet blijven hoe het model tot stand komt, wat het precies doet, met welke data en onder welke beperkingen. Daarom is het verstandig om vanaf het begin een Compliance Officer bij het team te betrekken, die erop toeziet dat alle relevante regelgeving wordt nageleefd. Zo blijft ook de verantwoording aan het gemeentebestuur gewaarborgd.
Transparantie is key, het gaat tenslotte om gevoelige gegevens. Wanneer de adviesmodellen daadwerkelijk bij meerdere gemeenten in productie worden genomen, verdient het aanbeveling de publieke transparantie te vergroten door een externe toezichthoudende partij in te zetten. Centric volgt de ontwikkelingen voor registratie van algoritmes en toekomstige certificeringen en inkoopvoorwaarden daarom op de voet.
Naar de praktijk
Data Science is een hot item dat op dit moment alle aandacht krijgt van software developers. De programmeertalen en tools buitelen over elkaar heen. Een nadeel daarvan is dat er in zo’n experimenteel beginstadium soms wat snel wordt voorbijgegaan aan de eisen voor duurzame exploitatie. Want na de pilot komt de volgende uitdaging: hoe breng je het betrouwbaar in de praktijk?
Centric gebruikt daarom een platform voor data science dat hechte samenwerking tussen zowel de data scientists, de auditors als de afnemers maximaal ondersteunt tijdens het modelleren, autoriseren en exploiteren. Zo blijft er oog voor de belangen van alle betrokkenen, worden de beslissingen over data en algoritmes keurig vastgelegd en zijn er verantwoorde koppelingen met gemeentelijke standaardapplicaties, ook bij een volgende update van het model.
Nieuwsgierig naar wat data science voor uw gemeente kan betekenen? Neem dan contact op met Frank de Nijs, Business Development Manager bij Centric: (0182) 345 000.
Plaats een reactie
U moet ingelogd zijn om een reactie te kunnen plaatsen.