Nederland is groot in pensioenen. Nederland is nummer 1 wereldwijd met pensioenkapitaal afgezet tegen het bbp. En niet alleen in kapitaal loopt Nederland voorop, maar ook in innovaties van de pensioenvoorziening zelf en in de manier waarop pensioenen geadministreerd worden. En juist in de pensioenadministratie worden grote stappen gezet. Waar traditioneel administraties gebaseerd zijn op het administreren van standen, , zijn nieuwe pensioenadministraties gebaseerd op andere uitgangspunten: op een feitenadministratie of op een eventadministratie. Wat zijn de overeenkomsten en verschillen tussen deze drie soorten administraties? En wat betekent dat voor de ontwikkeling en het onderhoud?
Ben je architect of systeemontwerper? Je krijgt inzicht in de onderliggende uitgangspunten en werking van pensioenadministraties. Je zult de specifieke voordelen en aandachtspunten van standen-, feiten en eventadministraties begrijpen.
Ben je migratieconsultant? Je krijgt inzicht in het conceptuele model van standen-, feiten- en eventadministraties en hoe deze gemigreerd kunnen worden.
Dit artikel is het eerste in een reeks van vier. In dit eerste deel leggen we een aantal belangrijke concepten uit die van specifiek van belang zijn bij pensioenadministraties: afgeleide gegevens en terugwerkende kracht mutaties. Het tweede artikel gaat in op de conceptuele datamodellen van deze drie administraties. Het derde deel in deze artikelenserie vergelijkt de drie administraties onderling. Het laatste en vierde deel geeft aan welke specifieke uitdagingen er zijn om van een standenadministratie te migreren naar een eventadministratie.
In dit eerste artikel introduceren we twee belangrijke begrippen die nodig zijn om de drie soorten pensioenadministraties te kunnen vergelijken: afgeleide gegevens en mutaties die met terugwerkende kracht verwerkt worden.
Afgeleide gegevens
Een afgeleid gegeven is een gegeven dat is afgeleid van andere gegevens met behulp van een wiskundige, logische of andere soort transformatie. Voorbeelden van afgeleide gegevens zijn: leeftijd, opgebouwd pensioenrecht, verwacht pensioen op pensioendatum. Voorbeelden van niet-afgeleide gegevens (de feiten) zijn de geboortedatum van de deelnemer, het pensioengevend salaris, de franchise, het opbouwpercentage. De niet-afgeleide gegevens worden de feiten genoemd. In de Good Practice: Robuuste pensioenadministratie maakt de DNB een vergelijkbaar onderscheid tussen primaire data en afgeleide data.
De keuze hoe omgegaan wordt met deze afgeleide gegevens heeft impact op de rest van het systeemlandschap, en ook de bedrijfsprocessen. Worden de afgeleide gegevens na elke mutatie berekend en vervolgens opgeslagen? Of worden deze afgeleide gegevens pas berekend als ze gebruikt worden en helemaal niet opgeslagen? Als een afgeleid gegeven gebruikt wordt in communicatie - bijvoorbeeld de pensioenbrief -, hoe kan dan gegarandeerd worden dat het reproduceerbaar is?
Quote: “Waarom slaan we niet de berekende gegevens op om aan de performance-eisen te voldoen?”.
In een standenadministratie worden de afgeleide gegevens opgeslagen (de standen) om daarmee te voldoen aan de reproduceerbaarheidseisen van controlerende instanties (accountants en DNB). Een ander argument is dat het opslaan van afgeleide gegevens ook performance winst oplevert.
Feiten- en eventadministraties slaan deze afgeleide gegevens niet op. Afgeleide gegevens kunnen altijd gereproduceerd worden op basis van de feiten. Door de toenemende computerkracht is performance al lang geen belemmering meer voor het (continu) reproduceren van afgeleide gegevens.
Standen-, feiten-, of eventadministraties hebben hun eigen argumenten (reproduceerbaarheid en performance) voor het wel of niet opslaan van afgeleide gegevens. Er is nog een andere reden om afgeleide gegevens wel of niet op te slaan. Hiervoor introduceren we allereerst het tweede basisbegrip van pensioenadministraties: TerugWerkende Kracht (TWK) mutaties.
Terugwerkende kracht mutaties
Op gebeurtenissen in de werkelijke wereld van de deelnemer volgen administratieve mutaties bij de pensioenuitvoerder. Denk hierbij aan verhuizen, trouwen, een nieuwe werkgever krijgen, een promotie, overlijden, echtscheiden, etc. In de regel worden deze gebeurtenissen bij de pensioenuitvoerder gemeld nadat het heeft plaatsgevonden. Vandaar de naam TerugWerkende Kracht mutaties (TWK-mutaties, of nog korter: TWK’s).
Wat maakt een terugwerkende kracht mutatie nu zo lastig? Pensioenberekeningen (zowel Defined Benefit als Defined Contribution) zijn historische berekeningen, waarbij de pensioenopbouw gedurende een bepaalde periode (de historie) plaatsvindt. Een TWK-mutatie in het verleden leidt tot andere pensioenrechten of een ander pensioenkapitaal. Door het verwerken van TWK-mutaties kunnen diverse afgeleide gegevens (de standen) veranderen, waardoor zij ook bijgewerkt moeten worden.
In een standenadministratie moeten alle afgeleide gegevens die veranderen door een TWK-mutatie bijgewerkt worden. Het opslaan van afgeleide gegevens leidt tot extra complexiteit in de mutatieverwerkende processen. Berekeningen van deze afgeleide gegevens zijn daardoor vaak verspreid geïmplementeerd op verschillende plekken in deze mutatieverwerkende processen en zijn daardoor lastiger te onderhouden. Ook worden vaak vier-ogen controles toegepast om te zorgen dat alles correct verwerkt is.
Feiten- en eventadministraties slaan geen afgeleide gegevens op. De mutatieverwerkende processen zijn sterk vereenvoudigd. In veel gevallen kunnen de mutaties zelfs zonder tussenkomst van menselijke controles of handelingen direct verwerkt worden (Straight Through Processing). Ook de berekeningen zijn gecentraliseerd in een centrale rekenkern en daardoor beter onderhoudbaar. Simpele (STP) mutatieverwerkende processen en een onderhoudbare, centrale rekenkern zijn de twee grote voordelen van feiten- en eventadministraties.
Tot slot
In dit eerste artikel hebben we twee basisprincipes geïntroduceerd: afgeleide gegevens en terugwerkende kracht mutaties en hoe standen-, feiten- en eventadministraties daarmee omgaan. In het volgende artikel gaan we dieper in op de gegevens die opgeslagen worden.
Meer weten over datakwaliteit en datamigraties van pensioenadministraties? Neem contact op!