Opleiding: Slimmer Fraude Opsporen: Een Praktische Gids voor gebruik van Data-Analyse & AI

Accreditatie / PE punten

• NIVRE (op aanvraag)

Leer hoe data en AI fraude en financieel-economische criminaliteit (FEC) kunnen signaleren, voorkomen en opsporen, zonder technische voorkennis.

NIEUWE BASISCURSUS: Introductie voor niet specialisten

Over het gebruik van data en AI bij het voorkomen, signaleren en opsporen van fraude en FEC.

U leert:

• Wat de mogelijkheden zijn van verschillende technieken en tools

• Welke vormen van data-analyse en AI er zijn

• Hoe het (niet) werkt

• Waar AI wel/niet goed in is

• Hoe u modellen ontwikkelt en test

• Hoe u resultaten en effecten test

• Wat de voorwaarden voor succes zijn

• Welke vragen u moet stellen en beantwoord moet krijgen

• Wat de aandachtspunten en valkuilen zijn

• Wat u leert van succesvolle cases

• Waarom het soms mis gaat

• Wat juridisch en ethisch is toegestaan

• Waar u modellen voor kunt inzetten

• Wat van essentieel belang is bij de ontwikkeling van modellen

• Wat de positie van het model in uw organisatie is en welke noodzakelijke verbindingnodig is tussen deskundigen, modelbouwers en de uitvoering

• Hoe u (voorspellende) factoren kunt (laten) ontwikkelen in uw model

• Hoe u meet of het model goed genoeg is (geen zwakke plekken kent)

• Hoe u kunt voorkomen dat het gebruik van het model tot fouten leidt

• Welke vormen van data-analyse en AI er zijn, en waar ze wel en niet geschikt voor zijn

• Waar u modellen voor kunt inzetten bij fraude en FEC

• Hoe u een model ontwikkelt, test en meet of het goed genoeg is

• Hoe u voorkomt dat het gebruik van een model tot fouten leidt

• Wat de voorwaarden voor succes zijn en welke vragen u moet stellen en beantwoord moet krijgen

• Welke plek een model in uw organisatie inneemt, en hoe u de verbinding legt tussen deskundigen, modelbouwers en de uitvoering

• Wat juridisch en ethisch is toegestaan

• Wat u kunt leren van cases van andere organisaties, en waarom het soms misgaat

Met veel toepassingen, cases en ervaringen van andere organisaties.

Mogelijkheden en fraudecases
Data-analyse en AI worden bij de aanpak van fraude en FEC steeds vaker ingezet door organisaties en overheden. Modellen vormen hierbij een belangrijk en onmisbaar element in de fraudebestrijding en –preventie. Om de potentiële mogelijkheden van modellen te benutten en de kans op fouten hierbij te minimaliseren is het van belang om te begrijpen hoe modellen werken en waar de zwakke plekken zitten, zowel bij de preventie en het voorspellen van risico’s als bij de opsporing. Welke methoden en technieken zijn er? Wat zijn de mogelijkheden? We behandelen vooral veel praktische toepassingen bij fraudecases.

Hoe werkt het (niet)? Wat kunt u met de resultaten?
Wat heeft u nodig om een bepaalde techniek te kunnen hanteren en wat kunt u met de resultaten? En hoe maakt uw organisatie hierbij de juiste keuzes? Wat is hierbij (nog) verantwoord en juridisch en ethisch toegestaan? U hoort welke vragen beantwoord moeten worden.

Kortom: wat zijn de voorwaarden voor succes? En waar moet u op letten als niet specialisten.

Programma

donderdag 12 november 2026

We behandelen verschillende voorbeelden en een aantal succesvolle methoden, technieken en tools. Met cases en vooral veel praktische toepassingen bij de aanpak van verschillende soorten fraude en FEC. Met tips.

• Verschillende vormen van AI en data-analyse
• Keuze in methode, tools en technieken. Voordelen en beperkingen

Wat heeft u nodig om een bepaalde techniek te kunnen hanteren? Welke stappen leiden tot succes? Wat zijn de risico’s?

• Hoe zorg je dat je de doelen bereikt?
• De verdeling van taken en rollen om de kansen van data-analyse en AI te benutten
• Welke vragen moet je stellen?
• Wat moet je voorkomen?
• Juridisch kader

In dit blok ontwikkelen we samen een model, gericht op een concreet doel in de fraudedetectie of -preventie. Hoe komt u tot een bruikbaar model en wat levert het op? En hoe meet u de nauwkeurigheid en betrouwbaarheid?
Controleren is in de kern het zoeken van afwijkingen van een norm. Elke vorm van data-analyse begint daarom met de vraag waar die norm ligt. En als er geen bruikbare norm is: hoe u die zelf vaststelt.

• Modelbouw
• Plausibiliteitscontrole
• Uitschieters en uitbijters
• Normen
• Fouten van de eerste en fouten van de tweede soort
• Verbandscontrole en bepalen verbanden
• Cijferanalyse

We behandelen voorbeelden uit de private en publieke sector. Wat ging goed? Wat ging fout? Wat valt te leren van cases en ervaringen van andere organisaties?

Sprekers

• dr. Bernd Veldman RA
  Forensisch vastgoed accountant
  Belastingdienst
• Jan-Jaap Gobius du Sart
  Associate Partner Tax Technology & Transformation
  EY (Ernst & Young Nederland LLP)

Bestemd voor

Private sector:

• Fraudespecialisten, Wwft-medewerkers, adviseurs veiligheidszaken, risicomanagers

Publieke sector:

• Onderzoekers, toezichthouders, inspecteurs en opsporingsambtenaren, belast met FEC/fraudeonderzoek

En hun adviseurs