Van data tot inzicht

Hoe Sprenkels organisaties ondersteunt met data-engineering en data-analyse

Van pensioenfondsen tot ondernemingen en van verzekeraars tot non‑profitorganisaties zien we dezelfde trend: er is steeds meer data beschikbaar. Die data is afkomstig uit uiteenlopende bronnen, wordt steeds vaker en sneller aangeleverd en speelt een centrale rol in verantwoording, sturing en besluitvorming. 

Tegelijkertijd zien we bij al deze organisaties vergelijkbare uitdagingen. Rapportages worden regelmatig opnieuw opgebouwd, data moet handmatig worden gecombineerd en definities zijn niet altijd eenduidig. Hierdoor kost het veel tijd om tot inzicht te komen en voelt informatie soms onvolledig of als onvoldoende betrouwbaar. Data is beschikbaar, maar ondersteunt onvoldoende bij het maken van onderbouwde keuzes en het tijdig bijsturen. 

In deze blog laten we zien hoe wij organisaties helpen om grip te krijgen op complexe datastromen en deze te vertalen naar betrouwbare stuurinformatie. We doen dat aan de hand van een praktijkvoorbeeld uit ons werk voor pensioenfondsen. Juist daar is de combinatie van grote datavolumes, meerdere ketenpartijen en een hoge bestuurlijke verantwoordelijkheid duidelijk zichtbaar, zeker na het invaren. Tegelijkertijd zijn de vraagstukken en oplossingen die we beschrijven ook zeer herkenbaar voor andere sectoren waarin grip op data en betrouwbare stuurinformatie essentieel zijn.  

Wilt u direct een concreet voorbeeld zien van hoe onze data‑dashboards organisaties in uw sector ondersteunen met relevante en betrouwbare stuurinformatie? Via onderstaande link kunt u eenvoudig contact opnemen met Marc Stougie en een voorbeeld opvragen. 

Vraag een voorbeeld op

Van ruwe data naar betrouwbare datasets (data-engineering)

Het verkrijgen van inzicht begint bij een robuuste data‑infrastructuur. Data‑engineering vormt het fundament hiervan: het is de discipline die zorgt voor het gestructureerd ontsluiten, combineren en vastleggen van data, zodat dashboards en analyses kunnen steunen op één betrouwbare basis.

In de praktijk betekent data‑engineering dat data uit verschillende bronnen structureel wordt ontsloten, beheerd en samengebracht. Bij pensioenfondsen gaat het bijvoorbeeld om informatie van de pensioenuitvoerder, de fiduciair en de custodian, aangevuld met marktdata en historische gegevens. Deze datasets worden opgeschoond, gestandaardiseerd en voorzien van eenduidige definities, zodat ze onderling vergelijkbaar en reproduceerbaar zijn.

Goede data‑engineering betekent dat informatie niet langer per rapportage opnieuw hoeft te worden verzameld of bewerkt. Door gegevens uit deze verschillende ketenpartijen eenduidig vast te leggen, ontstaat één consistente informatiebasis die steeds opnieuw op een effectieve manier kan worden gebruikt. Hierdoor kunnen dashboards en analyses structureel worden opgebouwd, neemt het handmatige werk en de foutgevoeligheid af en groeit het vertrouwen in de cijfers. Dit maakt het mogelijk om sneller te schakelen van verantwoording naar gerichte sturing.

Inzicht creëren vanuit betrouwbare datasets (data-analyse)

Een pensioenfonds heeft beschikking over een grote hoeveelheid data. Deze data kenmerkt zich niet alleen door een relatief groot volume, maar ook door een hoge velociteit: maandelijks worden immers honderden dataregels uitgewisseld tussen fiduciair, pensioenuitvoerder en custodian.

Om als pensioenfonds in control te zijn, is gedegen data-analyse daarom essentieel. Dit begint bij het beschikken over de juiste tools om aangeleverde, veelal versleutelde data te kunnen ontsluiten. Door data te structureren, te vergelijken en te analyseren ontstaat inzicht in de ontwikkeling van het fonds en de mate waarin beleidsdoelstellingen worden gerealiseerd.

Binnen het Sprenkels Dashboard worden verschillende databronnen samengebracht, zoals beleggingsresultaten, renteontwikkelingen, risicomaatstaven en de ontwikkeling van (verwachte) uitkeringen en de solidariteitsreserve. Kenmerkend is dat informatie vanuit zowel de pensioenuitvoerder, de custodian als de fiduciair integraal wordt samengebracht en onderling wordt gerelateerd. Deze combinatie van databronnen is bij afzonderlijke partijen doorgaans niet beschikbaar. Door deze gegevens te integreren en te relateren aan vooraf vastgestelde normen, bandbreedtes en ambities, ondersteunt het Sprenkels Dashboard het bestuur met de benodigde stuurinformatie.

Een voorbeeld hiervan is de ontwikkeling van de uitkering binnen het uitkeringscollectief, te zien in figuur 1. De pensioenuitvoerder verstrekt maandelijks informatie over rendementen per leeftijdscohort. Door deze data te combineren met informatie over de omvang en inzet van de (solidariteits)reserve kan inzichtelijk worden gemaakt in hoeverre de beleidsambitie van het fonds wordt gerealiseerd. Deze inzichten kunnen tevens worden benut ter voorbereiding van de communicatie richting deelnemers aan het einde van het jaar wanneer eventuele indexatie dan wel kortingen moeten worden doorgevoerd.

Figuur 1: Uitkering collectieve uitkeringsfase

Van inzicht naar onderbouwde keuzes

De inzichten uit het dashboard vormen de basis voor onderbouwde bestuurlijke besluitvorming, zowel terugkijkend als vooruitkijkend.

Terugkijkend geeft het dashboard inzicht in wat zich in de afgelopen periode heeft voorgedaan. Denk hierbij aan gerealiseerde rendementen, de ontwikkeling van de solidariteitsreserve en of aan de wettelijke maatstaven van de risicohouding is voldaan. Deze terugblik maakt zichtbaar of het uitgevoerde beleid aansluit bij de eerder gemaakte keuzes en vastgestelde kaders.

Vooruitkijkend bieden de analyses inzicht in trends, kansen en risico’s. Door bijvoorbeeld gevoeligheidsanalyses, ALM-monitoring en scenariovergelijkingen wordt duidelijk hoe robuust het beleid is onder verschillende marktomstandigheden en welke ontwikkelingen aandacht vragen. Dit helpt het bestuur om tijdig te anticiperen op mogelijke toekomstige knelpunten of juist ruimte voor beleidsaanpassingen te identificeren.

Een voorbeeld hiervan is de ontwikkeling van de verwachte uitkering van een 25‑jarige deelnemer, afgezet tegen de ambitie van het fonds in een goedweer-, slechtweer- en mediaanscenario, zoals te zien in figuur 2. Dit inzicht stelt het bestuur enerzijds in staat om over een langere horizon te beoordelen of de ambitie van het fonds kan worden gerealiseerd. Anderzijds biedt het inzicht in de factoren die de kortetermijnfluctuaties in de verwachte uitkering beïnvloeden. Dergelijke analyses ondersteunen het bestuur bij de oordeelsvorming over het beleggingsbeleid voor deze deelnemersgroep, bijvoorbeeld bij de afweging of het wenselijk is om risico te reduceren dan wel te handhaven.

Figuur 2: Prognose vervangingsratio 25-jarige

De rol van Sprenkels

Sprenkels helpt organisaties bij het structureren, combineren en analyseren van complexe datastromen, zodat data uitgroeit tot betrouwbare stuurinformatie voor bestuur en toezicht. Daarbij zien wij het dashboard niet als een eindpunt, maar als een startpunt. Het biedt overzicht en vertrouwen in de cijfers en vormt de basis voor strategische besluitvorming.

Benieuwd hoe dit er in de praktijk uitziet voor organisaties in uw sector? Wij laten graag zien hoe onze data‑dashboards bestuurders ondersteunen met relevante en betrouwbare stuurinformatie, bijvoorbeeld aan de hand van een concreet dashboard uit uw sector.

Wilt u hierover doorpraten of een voorbeeld ontvangen, dan kunt u contact opnemen met Marc Stougie via Marc.Stougie@Sprenkels.nl of 06 86 855 580.

Vervolg van reeks – Van data tot strategie

Hoe benut je deze stuurinformatie in beleid, governance en communicatie? En welke rol kunnen data en AI spelen bij het verder versterken van besluitvorming? In de volgende blog uit deze reeks – Van data tot strategie – gaan we hier dieper op in. In een interview met Brenda Bastiaensen delen we hoe datagedreven inzicht bestuurders helpt om niet alleen beter te sturen, maar ook scherper koers te bepalen voor de toekomst.