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.
Door de overgang naar de Wet Toekomst Pensioenen (WTP) ligt er nog meer nadruk op de kwaliteit van data in de pensioenadministratie. Volgens het Besluit Toekomst Pensioenen dienen pensioenfondsen aan te tonen dat de datakwaliteit geborgd is voordat de overgang naar het nieuwe pensioenstelsel kan plaatsvinden. Dit is belangrijk voor het nemen van een evenwichtig invaarbesluit en voor de juiste omzetting van pensioenaanspraken naar kapitaal (‘invaren’).
Het Kader Datakwaliteit – Wet Toekomst Pensioenen (hierna Kader) biedt pensioenfondsen handvatten om de kwaliteit van de data inzichtelijk te maken, te onderbouwen, (eventueel) correcties door te voeren (‘get clean’) en te waarborgen (‘stay clean’). In dit artikel gaan we in op de uitdagingen die het Kader met zich meebrengt en de handvatten om deze uitdagingen het hoofd te bieden.
Het Kader, gepubliceerd door de Pensioenfederatie, bestaat uit zes fasen:
Pensioenfondsen hebben al veel geïnvesteerd de afgelopen jaren om de kwaliteit van de data te verbeteren. Het goede nieuws is dat pensioenfondsen niet vanaf ‘nul’ moeten beginnen. Wel brengt het Kader een aantal belangrijke uitdagingen 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 dienen te onderbouwen tot welk jaar de gegevens herleidbaar zijn. Met andere woorden: tot wanneer zijn de gegevens vergelijkbaar met de initiële bron. Voor de data die beperkt herleidbaar is, raden wij aan om plausbiliteitsanalyses uit te voeren, om inzicht te krijgen in de ‘geloofwaardigheid’ van de data. Als bepaalde data niet meer te ontsluiten is, dient een pensioenfonds een risicoanalyse uit te voeren op de impact van de ontbrekende data om aan te tonen dat het risico van de niet-beschikbare data binnen de risicobereidheid van het pensioenfonds ligt.
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.