FEC: Preventie door invloed op gedrag

24 mei 2017
Kennisbank

Chris Juta
Dit is deel twee van mijn bijdrage in aanloop naar het komende Risk & Compliance Jaarcongres dd 1 juni in Baarn. Zolang we in een forensisch perspectief naar fraude en corruptie (hier even als duiding gebruikt voor alle vormen van economische misdaad) blijven kijken – lees: zolang we blijven uitgaan van wat ís gedaan en dus blijven uitgaan van alleen de feiten – blijf je sturen op gevolgen, blijf je krijgen wat je had en blijf je denken wat je dacht. De stap die nodig is heet preventie. We moeten leren oorzaken van fraude en corruptie weg te nemen en dat is een heel ander proces dan het detecteren en bestrijden van fraude en corruptie als feit, als ding. 

Als je ‘dingen’ bestrijdt heb je een hard beeld van die dingen. Bij preventie gaat dat anders. Preventie gaat het om invloed hebben op houding, gedrag en denken van mensen in sociale systemen. Invloed dus op het bewustwordingsproces van mensen. Alleen met beïnvloeding van het (collectieve) bewustwordingsproces van mensen, beïnvloed je de oorzaken van die gevolgen die je niet wilt hebben. Zo’n gevolg hoeft overigens niet per se om fraude of corruptie te gaan.
(On)gewenst gedrag
Neem als voorbeeld het manipuleren van mensen. Dat is zeker ongewenst gedrag, maar het is géén fraude of corruptie. Preventie grijpt dus in op het gedrag van mensen. Gedrag is niet een ‘ding’, maar een sociaal-cultureel verschijnsel. Primair is preventie een systemische aanpak die zich richt op het voorkomen van ongewenst gedrag, terwijl primair forensisch onderzoek zich primair richt op het voorkomen dat ongewenste feiten zich herhalen. Forensisch onderzoek is per definitie deterministisch. Probleem: Je kunt geen voorspellingen doen over gedrag van mensen op basis van registratie-data (of big data): op basis van wat mensen hebben gedaan. En toch is dat wat we nu proberen te doen… Ofwel: als we preventie als uitgangspunt nemen kijken we nu naar de verkeerde data. Wat we nodig hebben zijn beschrijvende modellen voor het soort gedrag waar we hier over hebben.
Fraudepreventie: driehoeken, vierkanten en diamanten
De fraudedriehoek is wereldwijd het meest geciteerde model en wordt vooral toegeschreven aan Edwin Sutherland en Donald Cressey. Het model bestaat al sinds 1953. Donald Cressey had geen driehoek voor ogen, slechts drie begrippen/randvoorwaarden en hij richtte zich daarmee op verduistering, niet fraude. Inmiddels zijn allerlei extensies op dit model in de literatuur verschenen. Er is inmiddels een fraudediamant (Wolfe and Hermanson 2004) die ontstaat door het inbrengen van het begrip ‘capabilities. In 2016 betogen Sorunke, Olukayode Abayomi dat personal ethics niet kunnen en mogen ontbreken. De complexiteit van wat eens een simpele driehoek was, neemt toe: er staan nu vijf factoren die op de een of andere manier logisch samenhangen, al blijft onduidelijk hoe.
Wat ik graag in dit artikel wil introduceren en hierboven laat zien is een nieuw concept: de YX Fraudevierhoek. Het is een beschrijvend model dat zowel tegemoet komt aan wat wetenschappelijk (empirisch) onderzoek ons leert en wat tegemoet komt aan wat je ‘common sense’ kunt noemen. Dit concept vindt zijn verankering in een gedegen theoretische en wetenschappelijke onderbouwing, waarover ik de komende tijd zal gaan publiceren.
Interessant is dat het model ook een datamodel is. Bij elk van de getoonde begrippen komen data te staan als een sociaal systeem is doorgemeten. Data die onderling volledig samenhangen. Het is een resultaat van wat ik ‘smart-data’ noem. Wat je meet en laat zien met smart-data is context-specifiek gemaakte intentionaliteit. Door bij de individuele meting al ‘hard en zacht’ op de goede manier uit te vragen, kun je op collectief niveau de statistische correlatie maken met feiten of incidenten van fraude en corruptie. Je kijkt dus op patroonniveau naar de (on)waarschijnlijke relatie tussen (bijvoorbeeld) de reële omvang van fraude en corruptie in een sociaal systeem en de wetenschappelijk valide gemeten intentionaliteit van dat sociaal systeem. Het zijn puur data.
Betekenisgeving ontstaat als je samen over die data in gesprek gaat
Ik durf te stellen dat je deze smart-data nodig hebt om tot begripsvorming en vervolgens effectieve beïnvloeding te komen van het ‘verschijnsel’ Financial Economic Crime. Ik nodig geïnteresseerden graag uit voor een nadere kennismaking met dit concept, het onderliggende gedachtegoed, de toegevoegde waarde ervan voor het vakgebied (dé missing-link in RegTech!) en de mogelijke verdienmodellen die ik hiervoor zie. Wij zijn zelf aanwezig op het Risk & Compliance Jaarcongres en spreken u graag over deze nieuwe inzichten.
De auteur, Chris Juta is Managing Partner van YX-Company in Utrecht en tevens blogger op het Risk & Compliance Platform Europe.



Plaats uw reactie

Your email address will not be published. Required fields are marked *