Kontrol med udbetaling af ydelser

I 2014 oprettede Udbetaling Danmark ”Den Fælles Dataenhed”, som bl.a. fik til opgave at udvikle datadrevne modeller, der kunne styrke kontrollen med, at ydelser udbetales korrekt. Udbetaling Danmark fik lovhjemmel til registersamkøringen i maj 2015, og begyndte derpå udviklingen af de første modeller. I 2019 brugte Udbetaling Danmark ca. 60 forskellige modeller til løbende analyse af registersamkørte data. 

Dataenheden arbejder med at samkøre registre og bruge profileringsmodeller på disse data til at identificere personer, som har en forhøjet risiko for uberettiget udbetalte ydelser. De fleste af Udbetaling Danmarks modeller er manuelt konfigurerede ”udsøgningsmønstre”. Et sådant udsøgningsmønster er en form for meget enkelt beslutningstræ, der udfører en serie af tests på hver person, som fører til at personen klassificeres enten positivt eller negativt. For et manuelt konfigureret udsøgningsmønster er hver test defineret af udvikleren baseret på kvalitativ og kvantitativ analyse af fællestræk ved historiske sager. I de seneste år har man i stigende grad taget mere komplekse modeller baseret på maskinlæring i anvendelse, herunder naiv Bayes-klassifikation og klyngeanalyse.  

Når modellen er udviklet og implementeret, foregår kontrollen ved, at modellen regelmæssigt – typisk en gang om ugen – analyserer registersamkørte data fra de relevante personer (f.eks. modtagere af den konkrete ydelse). Modellen genererer efter hver analyse en ”undringsliste” med de personer, som statistisk set har høj risiko for uberettiget at modtage ydelsen. Sagerne optræder på undringslisten i anonymiseret form, da listen kun indeholder sagsnumre samt en overordnet beskrivelse af hvilke variable, modellen har behandlet.  

Næste skridt tages af sagsbehandlere i kontrolafdelinger ved kommunerne og Udbetaling Danmark. Disse kan ved at logge på Udbetaling Danmarks system få adgang til de dele af listen, som vedrører de borgere de er ansvarlige for, f.eks. beboere i den pågældende kommune. Sagsbehandlerne kan vælge at trække sager fra undringslisten ud til kontrol, hvorved de får adgang til den fulde sag i ikke-anonymiseret form. Sagsbehandleren er i den forbindelse forpligtet til at oplyse borgeren om, at deres sag er blevet udtrukket til kontrol. Sagsbehandleren foretager derpå en manuel og individuel vurdering af, om der er grund til at gå videre med sagen. Hvis det ikke er tilfældet, lukkes sagen igen, og borgeren gøres opmærksom på at sagen er lukket. I modsat fald forfølges sagen, typisk ved at sagsbehandleren som første skridt beder borgeren om at indsende supplerende oplysninger.  

Udbetaling Danmark har lovhjemmel til at samkøre data fra de offentlige myndigheders registre, men adgang til de enkelte registre sker efter forhandling med den ansvarlige myndighed, som vurderer muligheden for at give adgang til de pågældende data til brug for den specifikke model. I den første periode arbejdede Udbetaling Danmark med registersamkøring fra relativt få datakilder. Det drejede sig først og fremmest om data fra de pågældende ydelsers egne systemer, som blev samkørt med data fra CPR-, BBR- og CVR-registrene, hvor Udbetaling Danmark trækker data om blandt andet bopæl og flytninger, civilstand og familieforhold, boligforhold, og virksomhedsejerskab og -oprettelse. I dag trækkes data fortsat først og fremmest fra de pågældende ydelsers egne systemer, men også fra CPR, BBR, CVR, SE (virksomheder), og DAR (adresser). Derudover trækkes mere specifikke data fra E-indkomst (indkomstforhold), R75 (skatteoplysninger), Regionsdata (sundhed), Moms, og STAR-data (kontanthjælp og sygedagpenge). Samtidig arbejder modellerne i stigende grad med data om relevante personer i den pågældende borgers netværk, fordi der i nogle tilfælde kan etableres signifikante sammenhænge mellem data om disse personer og en forøget risiko for uberettiget udbetaling. 

Som led i samarbejdet mellem dataenheden og kontrolenheder modtager Udbetaling Danmark løbende tilbagemeldinger på sagsbehandlingen af de udvalgte sager, og benytter resultaterne til at opdatere deres modeller, især med henblik på at reducere antallet af falsk positive, dvs. sager som af modellen vurderes til at have høj risiko, men hvor der ikke kan konstateres uberettiget udbetaling.  

Derudover er sagsbehandleren, såfremt de vælger at trække sager fra undringslisten ud til kontrol, forpligtet til at oplyse borgeren om, at deres sag er blevet udtrukket til kontrol.  

Ydermere kan afgørelser truffet af Udbetaling Danmark påklages til Ankestyrelsen. Klagen til Ankestyrelsen skal indgives til Udbetaling Danmark inden 4 uger efter, at borgeren har fået meddelelse om afgørelsen. Herefter har Udbetaling Danmark 4 uger til at se på sagen igen. Hvis Udbetaling Danmark ikke giver fuldt ud medhold, bliver klagen automatisk sendt videre til Ankestyrelsen.  

Udbetaling Danmark fremhæver selv, at brugen af modeller på registersamkørte data som automatiseret beslutningsstøtte har flere fordele. For det første fører det til mere ensartet sagsbehandling og effektiviserer sagsbehandlingen ved at lade sagsbehandlere fokusere på de sager som har høj risiko. For det andet gør modellerne det muligt at opdage sager om uberettiget udbetaling, som ellers ville være meget vanskelige at spore eller at opdage tidligere, især når der er tale om fejl. Endelig reducerer det antallet af falsk positive, dvs. sager hvor borgeren forstyrres af en ubegrundet henvendelse.  

Udbetaling Danmark arbejder med ydelser, som udbetales til mange borgere over hele landet. Det betyder at deres datapulje i udgangspunktet er ganske omfattende. Ikke desto mindre kan man opleve udfordringer med at datasættet er så lille, at det er vanskeligt at udvikle en model som har lav fejlrate. Det skyldes at der ofte kun findes et relativt lille antal sager af en given type, hvor der er konstateret uberettiget udbetaling af ydelser. Udviklingen af en model med lav fejlrate er afhængig af en vis mængde af sådanne sager, for at kunne identificere statistisk signifikante forskelle mellem medlemmerne af dette sæt og andre borgere.  

Begrundelsen for systemet er at identificere personer, som har en forhøjet risiko for uberettiget udbetalte ydelser.