Datakwaliteit is een bepalende factor voor de integere en beheerste bedrijfsvoering van pensioenfondsen. Het stelt pensioenfondsen in staat om de deelnemers te geven waar ze recht op hebben.
De overgang naar de Wet Toekomst Pensioenen (WTP) legt nog meer nadruk op data kwaliteit in pensioenadministratie. Volgens het Besluit Toekomst Pensioenen moeten pensioenfondsen aantonen dat data kwaliteit is gewaarborgd voordat de overgang naar het nieuwe pensioenstelsel kan plaatsvinden. Dit is van belang voor het nemen van een evenwichtige instapbeslissing en voor de juiste omzetting van pensioenrechten naar kapitaal ('claw-in').
De Data Kwaliteit Framework - Wet Toekomst Pensioenen (hierna Framework ) biedt pensioenfondsen instrumenten om de kwaliteit van data transparant maken, onderbouwen, corrigeren ('get clean') en ervoor zorgen ('stay clean'). In dit artikel bespreken we de uitdagingen die de Framework en de hulpmiddelen om deze uitdagingen het hoofd te bieden.
Het Kader, gepubliceerd door de Pensioenfederatie, bestaat uit zes fasen:
Pensioenfondsen hebben de afgelopen jaren al veel geïnvesteerd om hun prestaties te verbeteren. data kwaliteit. Het goede nieuws is dat pensioenfondsen niet vanaf 'nul' hoeven te beginnen. De Framework brengt wel een aantal belangrijke uitdagingen met zich mee.
De uitvoering van de zes fasen vraagt veel capaciteit van het pensioenfonds en de pensioenuitvoeringsorganisaties. Dat zit bijvoorbeeld in het verzamelen van de tot nu toe uitgevoerde activiteiten en die te gebruiken in het Kader. Een diepgaande analyse en documentatie van datakwaliteit is bijvoorbeeld vereist, waarbij gemiddeld meer dan 60 kritieke data-elementen beoordeeld dienen te worden. Ook dient het pensioenfonds data-analyses uit te voeren (van data profiling tot deelwaarnemingen), die veelal worden uitgevoerd door de PUO. Gezien PUO’s dit vaak doen voor meerdere pensioenfondsen, kan dit leiden tot piekbelasting en beperkte beschikbaarheid van data-analisten.
Om deze uitdagingen het hoofd te bieden, is een vroegtijdige voorbereiding essentieel. Beginnen pensioenfondsen vroeg met de voorbereiding op datakwaliteitswerkzaamheden, dan voorkom je piekbelasting en uitloop van projecten. Daarnaast zorgt een nauwe samenwerking tussen uitvoerders, accountants en IT-auditors ervoor dat de complexiteit en risico’s van het proces beheersbaar blijven.
IT en data gaan hand in hand met elkaar. Voor het analyseren van data is het wenselijk gebruik te maken van geavanceerde data-analyse technieken en AI (machine learning, data science). Het risico dat IT-trajecten uitlopen voor pensioenuitvoeringsorganisaties en zelfadministrerende fondsen lijkt significant, blijkt uit recent onderzoek. Meer dan 70% van de respondenten verwacht dat de meerderheid van de koplopers op 1 januari 2025 niet zal overstappen, hoofdzakelijk vanwege uitvoerings- en IT-gerelateerde obstakels. Dit zal ook zijn weerslag hebben op de doorlooptijd en invulling van het Kader.
Pensioenfondsen kunnen uitdagingen in IT-trajecten aanpakken door te investeren in geavanceerde en bewezen technologieën. Daarnaast is een grondige planning, samenwerking met ervaren IT-partners, continue monitoring en flexibiliteit en flexibiliteit nodig. Het doorlopen van het Kader moet niet als een losstaand onderdeel worden gezien, maar integraal worden bestuurd vanuit project – en portfoliomanagement.
Veel pensioenfondsen hebben een lange geschiedenis, sommige fondsen hebben zelfs een datageschiedenis die meer dan 70 jaar teruggaat. De wijze van dataopslag was destijds significant anders, en vaak is niet alle historische informatie bewaard gebleven. Dit roept de vraag op: hoe ver terug dient een pensioenfonds te kijken om een duidelijk beeld te krijgen van de kwaliteit van hun data?
Al met al een flinke uitdaging voor pensioenfondsen, en dat in een periode waarin de huidige pensioenadministratie gevoerd dient te worden en parallel daaraan de nieuwe pensioenregeling wordt ingericht.
Pensioenfondsen starten niet bij nul, wel betekent het doorlopen van het Kader Datakwaliteit een belangrijke uitdaging voor pensioenfondsen.
Pensioenfondsen moeten onderbouwen tot welk jaar de data is traceerbaar. Met andere woorden, tot wanneer is de data vergelijkbaar met de oorspronkelijke bron. Voor data met beperkte traceerbaarheid raden wij aan om plausibiliteitsanalyses uit te voeren om de 'geloofwaardigheid' van de data . Als bepaalde data niet meer opvraagbaar is, moet een pensioenfonds een risk analyse van de impact van het ontbrekende data om aan te tonen dat de risk van de niet-beschikbare data valt binnen de grenzen van het pensioenfonds risk trek.
Daarnaast adviseren wij om de tijdshorizon vast te stellen op grond van de beschikbare data en eerder verrichte analyses van het pensioenfonds. Neem bijvoorbeeld een pensioenfonds dat naar een nieuwe pensioenuitvoeringsorganisatie (PUO) is overgegaan en in die context data-onderzoek heeft gedaan. Indien uit dit onderzoek blijkt dat de data tot een specifiek jaar reeds is geanalyseerd, kan overwogen worden om deze periode niet mee te nemen binnen de reikwijdte van het Kader.
De benoemde uitdagingen zijn uiteraard geen uitputtende lijst. Wel staat centraal dat een tijdige voorbereiding, intensieve samenwerking en regievoering van groot belang zijn voor een succesvolle implementatie van het Kader. Wij drinken graag een kop koffie met u om hierover van gedachten te wisselen.