JADS, de data science-universiteit in Den Bosch, werkt veel samen met bedrijven en organisaties. Binnen het PDEng-programma, een vorm van post-master onderwijs, werken studenten een jaar lang in een bedrijf of organisatie aan een werkbare oplossing voor een probleem waarbij data een doorslaggevende rol speelt. Voorbeeld van zo’n probleem is het bestrijden van witwassen in de financiële sector. Voor het herkennen van verdachte transacties wordt data science met succes ingezet. JADS werkte op dit gebied al samen met de politie en het Openbaar Ministerie, nu toonde ook Van Lanschot Kempen interesse in deze veelbelovende ontwikkeling.

‘SHERLOCK HOLMES VAN DE TOEKOMST’
“Wij waren getriggerd door een artikel van JADS “De Sherlock Holmes van de toekomst is een digitale tovenaar” in het Brabants Dagblad, zegt Paul Fleuren, bij Van Lanschot Kempen verantwoordelijk voor de afdeling die witwassen bestrijdt. “Wij gebruikten al geavanceerde data-analyses om ons klantenbestand te monitoren op mogelijke witwasactiviteiten. Het zoeken naar verdachte transacties is echter als zoeken naar een speld in een hooiberg. Hoe kan dat zo effectief en efficiënt mogelijk? Contact met JADS leverde ons een trainee op die de data onderzocht en een passend model ontwikkelde.” Het bijzondere van het model is dat het ingewikkelde transactiepatronen kan blootleggen die voor een analist moeilijk waarneembaar zijn: “Wij komen zelf een heel eind met het bedenken van detectieregels, maar data science geeft ons de mogelijkheid om juist patronen te herkennen die niet in regels te vatten zijn”. Fleuren is heel tevreden met het resultaat, dat de strijd tegen witwassen zeker zal helpen. “Maar we blijven realistisch. Er is geen holy grail, perfecte systemen die alles opsporen bestaan niet, het blijft een ontdekkingsreis. De criminaliteit bedenkt natuurlijk ook steeds nieuwe strategieën.” Fleuren heeft de samenwerking met JADS als plezierig ervaren, het model gaat binnenkort live.

MACHINE LEARNING
Pallabi Sengupta, de JADS-trainee die bij Van Lanschot de tool ontwikkelde, heeft het project ook als bevredigend ervaren. “Wat ik feitelijk deed was de verschillende transacties als netwerk modelleren. Ik verbond steeds de twee partijen die bij een transactie betrokken zijn, de betaler en de ontvanger. Dit leverde een dataset op die ik op allerlei manieren analyseerde. Het resulteerde in een machine learning model dat verdachte cliënten of clientgroepen detecteert die verdachte transacties zouden kunnen uitvoeren.” Het uitgangspunt was dus steeds de relaties tussen twee of meer partijen, en die konden door data science op een complex niveau worden geanalyseerd.

BREDE BELANGSTELLING
Het model dat het project heeft opgeleverd is op 28 oktober gepresenteerd aan Van Lanschot Kempen, en daarnaast ook aan het OM en de politie. Voor alle partijen die zich met het bestrijden van witwassen en georganiseerde misdaad bezighouden is data science van vitaal belang.