SafeSpend - controle betaalbestanden

SafeSpend is een online-applicatie die met behulp van algoritmes mogelijke onjuiste, dubbele en/of frauduleuze betalingen preventief (voordat de betaling daadwerkelijk plaatsvindt) kan identificeren.

Laatst gewijzigd op 7 januari 2025 om 14:01 | Publicatiestandaard 1.0
Publicatiecategorie
Impactvolle algoritmes
Impacttoetsen
DPIA, IAMA
Status
In gebruik

Algemene informatie

Thema

Organisatie en bedrijfsvoering

Begindatum

sep-23

Contactgegevens

datashop@denhaag.nl

Verantwoord gebruik

Doel en impact

Het preventief voorkomen van foute, onzakelijke, dubbele en/of frauduleuze betalingen. 

Afwegingen

De inzet van het SafeSpend-algoritme is gerechtvaardigd vanwege de toegevoegde waarde die het de gemente Den Haag biedt met betrekking tot de efficiëntie en met name risicobeheersing binnen de betalingsprocessen. Hier staan weinig tot geen (potentiële) risico's tegenover, mits de 'blacklist'-optie niet wordt gebruikt. De inzet van het algoritme is hiermee redelijk gerechtvaardigd.

Menselijke tussenkomst

Het algoritme neemt geen beslissingen, maar wijst op afwijkingen die de gebruiker moet beoordelen in de SafeSpend-applicatie. De gebruiker bekijkt deze afwijkingen en beslist of de transactie wel of niet wordt uitbetaald. Bij een besluit om (nog) niet uit te betalen, volgt verder onderzoek en/of gerichte actie.

Risicobeheer

Risicobeheer vindt plaats door periodieke monitoring en evaluatie van de risico's en het - op basis hiervan - treffen van benodigde en passende beheersmaatregelen. Door de strenge beveiligingstechnieken vormt dit algoritme geen risico op de betrokkenen. 

Wettelijke basis

Er is sprake van het ‘gerechtvaardigd belang’ in de zin van artikel 6 lid 1 sub f AVG (m.b.t. verwerking van persoonsgegevens). Op basis van Algemene beginselen van behoorlijk bestuur (Abbb): het zorgvuldigheidsbeginsel.

Impacttoetsen

  • Data Protection Impact Assessment (DPIA)
  • Impact Assessment Mensenrechten en Algoritmes (IAMA)

Werking

Gegevens

- Bankgegevens (betaalopdrachten en bankafschriften): bankrekeningnummer, totaalbedrag, naam begunstigde, omschrijving/betalingskenmerk

- Externe gegevens (KvK, big data)

Technische werking

Per transactie wordt op basis van elk algoritme een risico-score berekend die ervoor zorgt dat mogelijke verkeerde, frauduleuze betalingen worden geïdentificeerd aan de gebruiker die deze vervolgens moet beoordelen. Het betreft rule-based algoritmes.

Leverancier

De Wielick B.V.

Soortgelijke algoritmebeschrijvingen

  • Dit algoritme helpt de Douane om op basis van risico's goederen te selecteren voor controle. Het gebruikt aangiftegegevens van bedrijven en kijkt of er wel of juist geen risico's zijn op onjuistheden in de aangiften ten behoeve van vaststelling van juiste financiële maatregelen en heffingen (onder andere antidump- en compenserende rechten).

    Laatst gewijzigd op 9 december 2024 om 15:02 | Publicatiestandaard 1.0
    Publicatiecategorie
    Impactvolle algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Dit algoritme helpt medewerkers van de Belastingdienst bij het beoordelen van verzoeken tot uitstel van betaling.   

    Laatst gewijzigd op 25 juni 2024 om 18:32 | Publicatiestandaard 1.0
    Publicatiecategorie
    Impactvolle algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Het algoritme herkent en anonimiseert o.a. (persoons)gegevens en vertrouwelijke financiële gegevens in documenten voordat deze gepubliceerd worden.

    Laatst gewijzigd op 11 juni 2024 om 10:56 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik