RIS-matching / Vroegsignalering schulden
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
Algemene informatie
Thema
Begindatum
Contactgegevens
Verantwoord gebruik
Doel en impact
Het RIS-matching algoritme heeft als doel om betalingsachterstanden van inwoners automatisch te detecteren en te koppelen aan risicogroepen voor schuldenproblematiek. Het algoritme maakt het mogelijk om vroegtijdig signalen van problematische schulden te herkennen, zodat de gemeente tijdig preventieve hulp kan aanbieden. Dit draagt bij aan het voorkomen van escalerende schulden en bevordert een proactieve aanpak in schuldhulpverlening.
Afwegingen
Vroegsignalering van schulden op basis van signalen door derden is een wettelijk taak voor gemeenten geworden. Er is een Data Protection Impact Assessment (DPIA) uitgevoerd – een privacytoets die helpt om risico’s bij het verwerken van persoonsgegevens in kaart te brengen en te beperken. Uit de DPIA blijkt dat de belangen van de betrokkene in gelijke verhouding moeten staan met de belangen van degene die verantwoordelijk is voor het verwerken van gegevens. Er mag niet meer informatie worden opgevraagd en verwerkt dan voor de verwerking strikt noodzakelijk is
Menselijke tussenkomst
Op basis van signalen volgt een advies voor een vervolgactie. Een medewerker beoordeelt het advies en controleert de gegevens. Daarna zet de medewerker een vervolgactie uit. Dit kan een huisbezoek zijn, telefonisch contact of een brief.
Risicobeheer
Het registratie- en informatiesysteem genaamd ‘RIS Matching’ wordt geleverd door het bedrijf Inforing, een bedrijf dat dit systeem aan 200 gemeenten levert. Zij voeren regelmatig zogenaamde ‘pen- en hacktesten’ uit, om te controleren of het systeem niet gehackt kan worden door derden. Ook zorgen zij ervoor dat persoonsgegevens veilig beheerd zijn en niet worden verkocht aan derden. Ook de beveiliging ligt bij Inforing. De beveiliging voldoet aan de BIO-standaard.
Wettelijke basis
Door de sinds 1 januari 2021 gewijzigde Wet gemeentelijke schuldhulpverlening mogen aangewezen schuldeisers betalingsachterstanden doorgeven. Door uitwisselen van deze gegevens komen signalen van schuldenproblematiek eerder bij de gemeente terecht. Zo kunnen we actief hulp aanbieden om toename van schulden te voorkomen.
Links naar wettelijke basis
Impacttoetsen
Werking
Gegevens
Schuldeisers doen hun melding van een betalingsachterstand in een speciaal daarvoor ontwikkeld registratie- en informatiesysteem genaamd 'RIS Matching'. De gegevens van deze dataset zijn allemaal gegevens die nodig zijn om de juiste burger aan te spreken, de juiste hulpverlener te vinden en om een advies te geven bij welke hulp de burger het meeste baat zou hebben. Alleen zorgverzekeraars hebben een wettelijke grondslag (Staatscourant 2015) voor het leveren van het BSN, de overige schuldeisers leveren geen BSN.
De schuldeiser kan bij de melding de volgende gegevens aanleveren:
- Klantnummer
- Vroeg of crisis
- Schuldbedrag
- Termijnbedrag
- Geslacht
- Voorbrieven
- Voorvoegsel
- Achternaam
- Straat
- Huisnummer
- Huisbrief
- Huisnummer of toevoegsel
- Postcode
- Plaats
- BSN (in geval van zorgverzekering)
- Geboortedatum
Extra informatie (Bijvoorbeeld bij welk 'label' iemand verzekerd is. De hoofdmelder is Achmea, maar iemand kan bijvoorbeeld verzekerd zijn bij Zilveren Kruis, Avero, FBTO. Ook staan hier contactgegevens zoals telefoonnummer of mailadres als dit bekend is).
Leverancier
Soortgelijke algoritmebeschrijvingen
- De algoritmen Dynamisch Monitoren (DM), Bellen na aanmaning (BNA) en Willen Kunnen Kwadrant-GG (WKK-GG) helpen medewerkers van de Belastingdienst om overzicht te houden bij openstaande belastingschulden. Ook ondersteunen de algoritmen bij het volgen van gemaakte afspraken over die belastingschulden.Laatst gewijzigd op 26 juni 2024 om 7:33 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- Veld niet ingevuld.
- Status
- In gebruik
- Het samenbrengen van signalen van schulden van gemeenten en vastenlastenpartners. Denk daarbij aan energie- en waterbedrijven, zorgverzekeraars en verhuurders. Op basis van voorgeselecteerde criteria bepalen hoe we deze inwoners benaderen. Dit kunnen criteria zijn als grootte van de schuld, meerdere signalen en al bekende gegevens.Laatst gewijzigd op 21 november 2025 om 8:50 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Het algoritme ‘OB Balansschulden’ helpt de medewerker van de Belastingdienst om afdrachtsverschillen te detecteren. Er is sprake van een afdrachtsverschil wanneer blijkt dat er op basis van de meest recente aangifte inkomstenbelasting of vennootschapsbelasting meer omzetbelasting verschuldigd was dan dat er over dat jaar was aangegeven.Laatst gewijzigd op 8 april 2025 om 9:17 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- Veld niet ingevuld.
- Status
- In gebruik
- Het algoritme ondersteunt bij de controle op de verrekening van inkomsten op de bijstandsuitkeringen door inkomensgegevens uit de UWV-loonaangifteketen te controleren en automatisch te verwerken.Laatst gewijzigd op 28 november 2025 om 7:38 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA, IAMA
- Status
- In gebruik
- Dit algoritme helpt medewerkers van de Belastingdienst in het tijdig detecteren van mogelijk onjuiste en/of onvolledige aangiften, om het toezicht op de groep startende ondernemers te verbeteren.Laatst gewijzigd op 19 december 2025 om 12:30 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- Veld niet ingevuld.
- Status
- In ontwikkeling