De rol van data, modellen en menselijk inzicht

Van data tot impact

Pensioenfondsen en verzekeraars nemen dagelijks beslissingen met grote financiële impact. Data, modellen en scenarioanalyses helpen om complexe vraagstukken inzichtelijk te maken en keuzes te onderbouwen. Maar wat is de werkelijke waarde van die modellen? En welke rol spelen data, automatisering en menselijk inzicht daarbij? 

We leggen een aantal veelvoorkomende aannames over modellering, data en automatisering voor aan Ewout Schotanus, partner en medeverantwoordelijk voor ons Investmentteam. Hoe kijkt hij hier vanuit de praktijk naar? 

Modellen ondersteunen besluitvorming, maar nemen geen beslissingen

Aanname 1: “Als een model een duidelijke uitkomst geeft, is de juiste beslissing snel genomen.”  

Veel pensioenfondsen en verzekeraars gebruiken modellen voor strategische keuzes, zoals beleggingsbeleid, renterisico en premieontwikkeling. Betekent een duidelijke modeluitkomst automatisch dat ook de juiste beslissing eenvoudig is?  

Ewout: “Nee zeker niet. Een model is niet de oplossing, maar een hulpmiddel om een doel te bereiken. Zonder begrip van (de input van) het model, is de output onbruikbaar.  

Bovendien kun je met modellen heel ver gaan in het modelleren van de werkelijkheid, maar een exacte afspiegeling wordt het nooit. Het is dus ook zeer belangrijk om niet alleen naar de uitkomst te kijken, maar ook naar de beperkingen van het model en de impact van bepaalde aannames. 

Uiteindelijk heb je mensen nodig die het model door en door kennen, de impact van aannames en uitkomsten begrijpen en deze kunnen vertalen naar een advies om bestuurders te ondersteunen bij het maken van strategische keuzes.” 

Datakwaliteit is belangrijker dan de hoeveelheid data

Aanname 2: “Hoe meer data we hebben, hoe beter onze inzichten worden.”  

Organisaties investeren steeds meer in dataverzameling. Geldt: hoe meer data, hoe beter de inzichten? 

Ewout: “Er wordt vaak gedacht dat meer data automatisch leidt tot meer waarde. Dit is echter sterk afhankelijk van de kwaliteit van de data. Als de kwaliteit van de data onvoldoende is, krijg je alleen maar nauwkeuriger verkeerde output. 

De echte vraag is niet hoeveel data je hebt, maar hoe betrouwbaar die data is en hoe je deze gebruikt. Uiteindelijk zijn de kwaliteit van het model en de kennis van de gebruiker belangrijker dan de hoeveelheid data. Inzichten ontstaan pas wanneer je begrijpt wat de data betekent en hoe deze moet worden geïnterpreteerd.” 

De rol van automatisering binnen pensioenfondsen en verzekeraars

Aanname 3: “Met voldoende automatisering kunnen we analyses grotendeels overlaten aan systemen.”  

Automatisering neemt binnen pensioenfondsen en verzekeraars een steeds belangrijkere plaats in. Kunnen systemen straks een groot deel van het analysewerk overnemen? 

Ewout: “Automatisering kan ontzettend veel waarde toevoegen, maar het mag nooit leiden tot minder kritisch denken. Het risico bestaat dat men simpelweg een proces volgt en dat blind wordt vertrouwd op het systeem, zonder echt te begrijpen wat er gebeurt.  

Juist dan ontstaan fouten die niemand meer opmerkt. De computer geeft een output, dus het zal wel kloppen. Daarom moeten gebruikers inzicht houden in de onderliggende berekeningen, de data en de aannames. Automatisering moet mensen ondersteunen, niet vervangen. 

Doordat wij de modellen in house ontwikkelen, weten wij wat de modellen in gaat en wat ze doen. Dit helpt ons als organisatie om te blijven nadenken over wat we doen, waar de klant behoefte aan heeft, en hoe we daar het beste invulling aan kunnen geven.” 

Zijn complexe modellen beter?

Aanname 4: “Hoe complexer het model, hoe beter het resultaat” 

Technologie maakt steeds geavanceerdere modellen mogelijk. Zijn complexe modellen automatisch beter? 

Ewout: “In onze optiek zijn de beste modellen begrijpelijk, uitlegbaar en direct toepasbaar in de praktijk. Complexiteit kan schijnnauwkeurigheid creëren: omdat een model ingewikkeld en precies oogt, wordt al snel gedacht dat het wel goed zal zijn. Maar ingewikkeld is niet per definitie beter. 

Daarnaast ontstaat het risico dat niemand meer precies begrijpt hoe een uitkomst tot stand komt. Dan wordt het ook lastig om die uitkomst uit te leggen aan een bestuur of directie. Een model moet besluitvorming ondersteunen. Als het model zó ingewikkeld is dat niemand het nog kan volgen, schiet het zijn doel voorbij.” 

AI, modellering en datakwaliteit: waar begin je?

Aanname 5: “We kunnen pas aan de slag met AI en modellering als onze data volledig op orde is.”  

Veel organisaties willen eerst hun volledige datakwaliteit verbeteren voordat ze investeren in data- en AI-toepassingen. Is dat verstandig? 

Ewout: “Niet altijd. Natuurlijk is datakwaliteit belangrijk, maar perfecte data bestaat eigenlijk niet. Als je blijft wachten tot alles volledig op orde is, kom je mogelijk niet of te laat in beweging. 

In de praktijk helpt het juist om klein te beginnen met data- en AI-toepassingen. Tijdens het ontwikkelen van analyses en modellen wordt vaak vanzelf zichtbaar waar verbeteringen nodig zijn.” 

Van data en modellen naar impactvolle besluitvorming

Om van data tot impact te komen, zijn modellen onmisbaar. De hoeveelheid en complexiteit van data maken het onmogelijk om zonder modellering tot relevante inzichten te komen. 

Maar modellen alleen zijn niet genoeg. Een model blijft een vereenvoudiging van de werkelijkheid. De kwaliteit van de uitkomsten hangt af van de beschikbare data én van de interpretatie ervan. 

Impact ontstaat daarom pas wanneer data, modellen en menselijk inzicht samenkomen. De combinatie van technische expertise en praktijkkennis zorgt ervoor dat uitkomsten niet alleen kloppen, maar ook bruikbaar zijn. 

Bij Sprenkels geloven we niet in black-boxmodellen. Onze consultants bouwen en gebruiken de modellen zelf. Daardoor kunnen zij uitkomsten samen met de klant toetsen, verklaren en vertalen naar inzichten die bijdragen aan betere beslissingen. 

Zoals Ewout het verwoordt: “Data vertelt wat er gebeurt, modellen helpen begrijpen wat er kan gebeuren, maar mensen bepalen uiteindelijk wat er moet gebeuren.” 

Wilt u hierover van gedachten wisselen of meer weten over onze Data & AI-dienstverlening? 

Neem contact op met Ewout Schotanus via Ewout.Schotanus@Sprenkels.nl of +31 (0)6 33 058 903.