1. i
klantprofilering
overheid
Een referentiemodel
voor klantprofilering
binnen de overheid
Professionalisering De overheid kan haar dienstverlening significant verbeteren door
van klantprofilering kennis over burgers en bedrijven systematisch te registreren,
analyseren en toe te passen. De huidige praktijk kenmerkt
zich echter door geïsoleerde en pragmatische oplossingen. Dit
belemmert de ontwikkeling van één overheidsgedachte in de
context van de Vernieuwing Rijksdienst. Daarom introduceren de
auteurs een referentiemodel voor het registreren en analyseren
van klantprofielen.
Wijnand Derks, Rutger Goedendorp en Tony Nolde
Commerciële marktpartijen gebruiken kennis structurele manier aan te pakken, zodat herge-
over de klant al jaren om hun dienstverlening bruik en samenwerking van zowel gegevens als
te optimaliseren. De eerste successen zijn in de systemen mogelijk wordt. De Vernieuwing Rijks-
jaren negentig behaald met datawarehousing om dienst heeft daarom aan het ministerie van Eco-
marketing en interne bedrijfsvoering te optima- nomische Zaken, Landbouw en Innovatie (EL&I)
liseren. De laatste jaren wordt kennis over de opdracht gegeven om klantprofilering binnen de
klanten steeds meer toegepast op de individuele gehele overheid te professionaliseren. Binnen
klant, waaronder one-to-one marketing, geper- het programma Digitale Dienstverlening (DDV)
sonaliseerde advertenties en dienstverlening op definiëren we klantprofilering als:
maat (Derks & Binsbergen, 2010).
Deze ontwikkelingen in de commerciële markt ‘het ontwikkelen en onderhouden van kennis
en de ambitie van de overheid om de burger en over de dienstafnemer met als doel om dienst-
het bedrijf centraal te stellen zijn op dit moment verlening aan de dienstafnemer te verbeteren’
belangrijke drivers om kennis over burger en (Vennekens & Kuis, 2010).
bedrijf op systematische manier te verzamelen, te
analyseren en toe te passen om dienstverlening te Dit artikel introduceert een referentiemodel dat
optimaliseren. De huidige praktijk kenmerkt zich als basis kan dienen voor gestandaardiseerde
informatie / mei 2011
echter door geïsoleerde en pragmatische (ICT-) werkwijzen, instrumenten en innovatie voor
oplossingen. Deze oplossingen zullen weinig toe- klantprofilering binnen de gehele overheid. Bij
komstvast blijken wanneer de Rijksoverheid haar de ontwikkeling van het referentiemodel zijn de
kanteling doormaakt in het kader van de Vernieu- volgende kwaliteitscriteria gehanteerd:
wing Rijksdienst. Het is essentieel de registratie, • Bruikbaar voor alle dienstverlenende overheden:
analyse en toepassing van klantgegevens op een het model omvat alle gegevens over burgers en
38

2. Samenvatting
De registratie, analyse en toepassing van klantgegevens door de overheid moeten
op een structurele manier worden aangepakt, zodat hergebruik en samenwerking
van gegevens en systemen mogelijk wordt. Om dit te realiseren wordt een
referentiemodel voorgesteld dat als basis kan dienen voor gestandaardiseerde
werkwijzen, instrumenten en innovatie voor klantprofilering binnen de gehele
overheid.
ondernemers die nuttig zijn voor dienstverlenende delijk gebied, commerciële tussenpersonen en
overheden, zoals gemeentelijke en ministeriële individuele ondernemers geïnterviewd. De resul-
diensten, agentschappen en zelfstandige bestuur- taten zijn gerapporteerd als praktijkverkenning
sorganen. (Goedendorp e.a., 2010). Daarnaast hebben we
• Toekomstvast: het model is voorbereid op toe- de meest recente theorieën en praktijken uit de
komstige dienstverlening door overheden. publieke en private markt geïnventariseerd (Derks
• Incrementeel gebruik: het model is geschikt voor & Binsbergen, 2010). De belangrijkste resultaten
realisatie in delen. komen in de volgende paragraaf aan de orde.
• Autonoom gebruik: individuele overheden kun-
nen onafhankelijk onderdelen implementeren. Gerelateerde modellen en
• Technologieonafhankelijk: het model is niet marktpraktijken
afhankelijk van technologie of standaarden. De verkenning is gestart met een scan van de
Nederlandse Overheid Referentie Architectuur
Aanpak (NORA) en de Model Architectuur Rijksdienst
Om tot een model te komen dat voldoet aan de (MARIJ) (Vennekens & Kuis, 2010). Vervolgens
bovenstaande criteria, is de volgende aanpak is buiten de overheid gezocht naar modellen en
gevolgd. Om de bruikbaarheid voor alle dienst- marktpraktijken rondom klantprofilering. We heb-
verlenende overheden te borgen gebruiken we ben deze verkenning uitgevoerd aan de hand van
de huidige organisatie en werkpraktijk van de mogelijke toepassingsgebieden, zoals onderkend
gehele EL&I-dienstverleningsketen als referen- binnen het DDV-programma, te weten: ontwik-
tie. Gezien de breedte van de dienstverlening kelen van diensten, aanbieden van diensten,
van EL&I nemen we aan dat dit representatief dienstverlening, identificatie/authenticatie, en
is voor andere overheden. De toekomstvastheid autorisatie/machtigingen.
borgen we door het model te baseren op de meest
recente theorieën en praktijken uit de commerci- Algemene referentiearchitecturen
ele markt. Om incrementeel gebruik te faciliteren Zowel NORA (e-Kenniscentrum, 2007) als
onderkennen we in onze studie zowel geautoma- MARIJ (e-Kenniscentrum, 2008) bevat een aantal
tiseerde als handmatige oplossingen. Het auto- businessprincipes die relevant zijn voor klant-
nome gebruik borgen we door de partijen in de profilering. Relevante principes vanuit NORA
dienstverleningsketen als autonome organisaties omvatten het aangeven van een voorkeurskanaal,
te beschouwen. Ten slotte beschrijven we het aanbod van diensten op basis van persoonlijke
model technologie- en standaardonafhankelijk. situatie en gebeurtenis, toegang via een enkele
Deze aanpak hebben we geoperationaliseerd door administratieve identiteit, eenmalige uitvraag en
de huidige klantprofilering in de EL&I-dienst- meervoudig gebruik, inzage in geregistreerde en
verleningsketen in beeld te brengen. We hebben gebruikte gegevens, proactieve dienstverlening
informatie / mei 2011
hiervoor het huidige informatiebeleid en de visie- (op basis van klantgegevens), informatie over
stukken bestudeerd en 25 interviews gehouden rechten/plichten en mogelijkheden op maat, en
met sleutelfiguren in de dienstverleningsketen. gebruik van actuele en accurate gegevens.
We hebben medewerkers van de beleidskernen, MARIJ is minder omvattend ten aanzien van
de uitvoerende agentschappen Dienst Regelin- klantprofilering. Principes omvatten hier dat
gen, Voedsel- en warenautoriteit en Dienst Lan- dienstverlening plaatsvindt over grenzen van
39

3. i
klantprofilering
overheid
van de betreffende persoon. Het uitwisselen van
voorkeuren voor producten en diensten wordt ook
binnen de nieuwe generatie customer relationship
management (CRM) onderkend, ook wel aange-
duid met CRM 2.0. CRM 2.0 richt zich echter
meer op informele en ongestructureerde commu-
nicatie. Voor analysedoeleinden worden hiervoor
kerndepartementen heen (inclusief hergebruik van instrumenten en technieken ontwikkeld om de
klantgegevens), en de inrichting van dienstverle- populariteit van diensten en producten te meten en
ningskanalen vanuit klantperspectief. te beïnvloeden (Forrester, 2010).
Behalve hun voorkeuren expliciet benoemen kun-
Ontwikkelen van diensten nen dienstafnemers ze ook impliciet benoemen
Ten aanzien van het ontwikkelen van diensten zien door middel van gedrag, zoals het doorzoeken van
we dat (potentiële) dienstafnemers er steeds vaker een (zeer) uitgebreid product- of dienstenassorti-
bij betrokken worden. In de commerciële sector ment. Men kan hierbij gebruikmaken van voorge-
spreekt met van co-design1 indien dienstafnemers definieerde filter- en zoekcriteria voor lastminute- 1. Co-design dient
meewerken aan de ontwikkeling van een nieuwe vakanties zoals bij Kras.nl of bij vergelijkingssites niet te worden
verward met co-
dienst (Wikipedia, 2010). In de publieke sector voor elektronica zoals Tweakers.net. Ook binnen creatie. Bij dit laat-
zou men co-design kunnen vergelijken met e-par- de overheid wordt deze techniek steeds meer ste wordt de waarde
van een dienst
ticipatie. Er zijn veel vormen van e-participatie; de toegepast om burgers te helpen bij het vinden van tijdens levering
Participatiewijzer biedt een overzicht van metho- de juiste regelingen en diensten. Vaak worden samen met de klant
gegenereerd, bij
den (Instituut voor Publiek en Politiek, 2010). voorwaarden van regelingen en diensten hierbij co-design tijdens de
Binnen de overheid worden daarnaast persona’s als uitgangspunt gebruikt. Voorbeelden van deze ontwikkeling.
gebruikt die dienen als referentie bij het ontwikke- regelgebaseerde aanpak zijn Den Haag op Maat
len van diensten (Metrixlab, 2009). In de marke- (Gemeente Den Haag, 2010) en de Klantdienst-
ting is het Mentality Model van Motivaction popu- wijzer van de Immigratie en Naturalisatiedienst
lair (Motivaction, 2010). In de commerciële sector (2010). Relevante modellen voor dergelijke sys-
worden ook wel dienstafnemers zelf gebruikt als temen zijn het SCQAT-model (Derks, 2009) en de
ambassadeur om diensten te promoten of tips aan initiatieven om gebeurtenissen en vraag-antwoord-
klanten te geven, zoals bij Alex.nl. combinaties te standaardiseren (ICTU, 2010).
De voorkeuren van klanten worden in de commer-
Aanbieden van diensten ciële markt veelal gebruikt voor behavioral targe-
Klanten kunnen ook bij het aanbieden van diensten ting: gerichte aanbiedingen op basis van het gedrag
hun voorkeuren aangeven. De gebruiker kan de van de klant. Amazon.com wordt wereldwijd
vorm en inhoud van sommige websites veranderen erkend als pionier op dit gebied. Google heeft deze
door widgets toe te voegen of te verschuiven, zoals aanpak zeer succesvol toegepast in zijn adverten-
bij iGoogle. Ook kan de gebruiker inhoudelijke tiediensten AdSense en AdWords.
voorkeuren aangeven. Vormen hiervan zijn het geven
van beoordelingen en tips bij diensten en producten. Dienstverlening
Vergelijkingssites zoals Kieskeurig.nl gebruiken Klantvoorkeuren spelen ook steeds meer een rol
deze informatie om klanten te ondersteunen in bij de dienstverlening zelf. Zo kunnen burgers de
hun keuzes. Sociale netwerksites spelen hier dienstverlening van de politie sturen door elektro-
steeds meer op in. Iemand kan hierbij een profiel nische aangiftes, of meer concreet aanwijzingen
beheren met daarin zijn interesses en voorkeuren. geven aan gemeentelijke diensten om stoeptegels
Dit profiel kan hij achtereenvolgens met anderen weer vast te leggen, zoals bij Verbeter de Buurt
delen. Facebook biedt de meeste mogelijkheden (2010). Daarnaast is het zeer gebruikelijk dat
tot profilering (Van Rijsewijk, 2010). Via een klanten hun mening en ervaring met producten en
‘like’-knop kunnen diensten, producten en infor- diensten kunnen uitdrukken.
informatie / mei 2011
matie van derden aan het Facebook-profiel worden
toegevoegd. Cruciaal is de functionaliteit dat de Identificatie en authenticatie
gebruiker naast zijn vrienden ook commerciële Voor klantprofilering is het verder relevant te
dienstverleners toegang kan verschaffen tot zijn onderkennen dat bezoekers van (elektronische)
profiel. Hierdoor kunnen deze partijen hun dienst- loketten zich bij voorkeur minimaal identificeren.
verlening verder afstemmen op de voorkeuren Doorgaans arriveren zij anoniem op een website en
40

4. zullen (bij voorkeur) gaandeweg meer informatie Beheren van klantgegevens
over zichzelf prijsgeven, voor zover dat nood- De basis van de kennis over de klant ligt in de
zakelijk is. Hiervoor zijn in de theorie een aantal soorten klantgegevens die we onderscheiden. Daar-
identificatieniveaus onderscheiden, te weten: ano- naast onderkennen we dat er meerdere bronnen
niem, typeerbaar, herinnerbaar, herleidbaar en her- voor klantgegevens zijn, waardoor een juiste inter-
kenbaar (Derks, 2007). Dienstverleners proberen pretatie van belang wordt. Het combineren van
klanten doorgaans te verleiden om zich nader te klantgegevens uit verschillende bronnen maakt het
identificeren. Zo vragen kassamedewerkers soms vervolgens noodzakelijk dat de identiteiten van een
naar postcodes of worden klantkaarten geïntro- klant bekend zijn alvorens gegevens aan eenzelfde
duceerd in de context van loyaliteitsprogramma’s, klant kunnen worden gekoppeld. We introduceren
zoals de Bonuskaart van Albert Heijn. Loyaliteits- hier de onderdelen ‘soorten’, ‘interpretatie’, ‘bron-
programma’s zoals Airmiles introduceren klant- nen’, ‘identificatie’ en ‘koppelingen’ van het refe-
identiteiten over meerdere dienstverleners heen. rentiemodel.
FourSquare.com heeft recentelijk een elektronisch
loyaliteitsprogramma ontwikkeld waarbij klanten Soorten
punten en privileges kunnen verdienen door hun In ons model maken we een onderscheid tussen
bezoek aan een winkel middels gps en mobiel twee soorten klantgegevens:
internet te laten registreren. • wat: gegevens over de dienstafnemer zelf en zijn
Ten aanzien van authenticatie wordt het steeds situatie;
gebruikelijker dat klanten de identiteitsprovider en • hoe: gegevens over hoe de dienstverlening
het authenticatiemiddel van hun voorkeur kunnen plaatsvindt.
kiezen. OpenID (2010) speelt hier een belangrijke
rol als standaard. Daarnaast maken we een onderscheid tussen
feiten en voorkeuren. Op basis van deze uitgangs-
Autorisatie en machtigingen punten komen we tot de categorisering van vier
Op het gebied van privacy is momenteel de soorten gegevens over de dienstafnemer volgens
standaard P3P in ontwikkeling. Daarbij kunnen figuur 1:
gebruikers hun privacyvoorkeuren op een gestan- • Registraties. Dit zijn gegevens met formele status
daardiseerde manier kenbaar maken en op basis die zijn geleverd ten behoeve van en tijdens de uit-
hiervan op een eenvoudige manier gepersonali- voering van een dienst, door een dienstafnemer of
seerde privacyinstellingen bij de dienstverlener EL&I-medewerker. Registraties zijn noodzakelijk
vragen (W3C, 2010). De kaders voor privacy voor de operationele uitvoering en verantwoording
worden in de Wet bescherming persoonsgegevens binnen dienstverlening. Voorbeelden van registra-
nader bepaald. ties zijn formele aanvragen, meldingen, beslissin-
gen, vergunningen, herinspecties en erkenningen
Op basis van de bovenstaande verkenning con- en gegevens uit (authentieke) registers zoals
cluderen we dat er nog geen integrale modellen handelsregister en GBA.
bestaan voor klantprofilering. Binnen de overheid • Gedrag. Het gedrag omvat alle gegevens over
worden enkele initiatieven ontplooid om klanten de feitelijke interactie tussen dienstafnemer en
nader te profileren, maar de mogelijkheden wor- EL&I. Dit omvat onder andere (website)bezoek
den nog niet structureel benut. (presence), klik- en belgedrag (waaronder naviga-
tiegedrag), ingevoerde trefwoorden en de uitgewis-
Het referentiemodel selde elektronische en papieren berichten.
Volgens de definitie bestaat klantprofilering uit • Context. Dit zijn gegevens die de context van de
twee delen, te weten het onderhouden en ontwik- dienstafnemer beschrijven die als uitgangspunt
kelen van kennis over de klant en de toepassing dient voor de dienstverlening aan hem. Die con-
van deze kennis ter verbetering van de dienstver- text kan worden beschreven in termen van onder
lening in brede zin. Op basis van deze definitie andere (bedrijfs)situatie, gebeurtenissen, vragen,
informatie / mei 2011
maken we een dergelijk onderscheid in ons refe- voorspellingen, interesses en meningen.
rentiemodel, te weten het beheren en het analyse- • Instellingen. Deze gegevens omvatten de manier
ren van klantgegevens. Beide onderdelen worden waarop de dienstafnemer en EL&I met elkaar
hier besproken. Achtereenvolgens worden ook een wensen te communiceren. Voorbeelden van voor-
aantal randvoorwaarden benoemd waaraan het keuren van de dienstafnemer zijn opt-in/opt-out
beheren en het analyseren moeten voldoen. voor proactief dienstaanbod en proactieve dienst-
41

5. i
klantprofilering
overheid
klantgegevens feitelijk voorkeur
wat registraties context
hoe gedrag instellingen
Figuur 1. Soorten klantgegevens als basis voor
verlening, voorkeuren voor kanalen, favorieten klantprofilering
en indelingen van schermen, zoals widgets. Ook
EL&I kan voorkeuren hebben ten aanzien van zal een dienstafnemer zich echter niet altijd uniek
deze instellingen, zoals het elektronische EL&I- identificeerbaar maken. Zo zal een dienstafnemer
loket. in eerste instantie anoniem een website openen,
vervolgens enige (context)informatie geven over
Interpretatie zichzelf en eventueel later pas inloggen met een
Om de juiste interpretatie te kunnen geven aan account. Klantprofilering dient derhalve de ver-
klantgegevens uit (overige) bronnen, zullen vorm schillende niveaus van identificatie te ondersteu-
(syntaxis), betekenis (semantiek) en doel (pragma- nen, te weten (Derks, 2007):
tiek) van de klantgegevens eenduidig moeten wor- • anoniem: er zijn geen kenmerken van de dienst-
den vastgelegd. Met name betekenis en doel zijn afnemer bekend;
zeer contextafhankelijk (zowel plaats als tijd) en • typeerbaar: er zijn niet-identificerende kenmer-
worden om die reden dan ook bij voorkeur binnen ken van de dienstafnemer bekend;
de specifieke context beheerd. Mogelijke inrich- • herinnerbaar: de dienstafnemer is uniek identifi-
tingsvormen van dit beheer zijn gegevensbanken ceerbaar, maar het is onbekend wie hij is;
met betekenissen van gegevens en verwijzingen • herleidbaar: het is mogelijk via een derde partij
naar andere betekenissen van derden. te achterhalen wie de dienstafnemer is;
• herkenbaar: het is bekend wie de dienstafnemer
Bronnen is.
De klant levert de verschillende klantgegevens als
volgt aan: Dienstverleners kunnen hun diensten aanbieden
• Registraties. Deze gegevens worden geleverd op verschillende identificatieniveaus. Typisch
tijdens het proces van dienstverlening. De gege- zullen algemene informatiediensten op anoniem
vens worden veelal verzameld via formulieren, die of typeerbaar niveau geleverd kunnen worden. Bij
achtereenvolgens worden ondertekend ter beves- het verstrekken van vergunningen zal het niveau
tiging. ‘herleidbaar’ of ‘herkenbaar’ in veel gevallen vereist
• Gedrag. Gegevens over gedrag ontstaan op zijn.
natuurlijke wijze bij ieder contact tussen de
dienstverlener en zijn dienstafnemer. Typisch Koppelingen
wordt het gedrag geobserveerd, geregistreerd en Dienstafnemers kunnen in verschillende bronnen
gebruikt bij callcenters, waar gesprekken worden en onder verschillende identiteiten zijn geregi-
samengevat en bewaard in het dossier van de streerd. Voor de integratie van deze klantgegevens
klant. Op websites wordt het klik- en zoekgedrag is het noodzakelijk dat de klantidentiteiten met
van bezoekers bijgehouden. elkaar in verband kunnen worden gebracht. Het
• Context. De gegevens over de context van de koppelen van klantgegevens maakt het mogelijk
klant worden verzameld, met name tijdens advies- om (nieuwe) verbanden te leggen en daarmee
gesprekken, via callcenters of via dialoogvensters (nieuwe) mogelijkheden voor dienstverlening (en
op websites. toezicht) te creëren. Koppelingen dienen derhalve
• Instellingen. Deze gegevens worden veelal via met zorg te worden beheerd (zie de paragraaf
opt-in/opt-out-mogelijkheden op websites verza- ‘Randvoorwaarden’).
informatie / mei 2011
meld, zoals het abonneren op nieuwsbrieven. 2. We maken uitdruk-
kelijk onderscheid
Analyseren van klantgegevens tussen identificatie
Identificatie2 Volgens de definitie van klantprofilering wordt (mate van identi-
Voor het verzamelen van kennis over een indi- kennis over de klant verzameld en onderhouden ficeerbaarheid)
en authenticatie
viduele dienstafnemer is het noodzakelijk de met als doel de dienstverlening te verbeteren. (zekerheid over de
dienstafnemer te kunnen identificeren. Doorgaans De uitkomst van de analyse is dan de relevante identiteit).
42

6. informatie hiervoor. Om die reden nemen we in • Inzage- en correctierecht. De bron heeft het
het model zowel de doelen als uitkomsten van de recht om de geregistreerde gegevens in te zien en
analyse op. eventueel te (laten) corrigeren.
Doelen Juistheid
We onderkennen twee doelen om klantgegevens te Voor de meeste toepassingen is het van belang om
analyseren: ook de juistheid van klantgegevens vast te kun-
• Verbeteren van hulpmiddelen. Onder hulpmidde- nen stellen. Juistheid definiëren we in termen
len verstaan we ICT-instrumenten ter ondersteu- van geldigheid, compleetheid en betrouwbaarheid.
ning van de dienstverlening. Door het analyseren De geldigheid geeft aan voor welke context en
van klantgegevens kan worden vastgesteld aan periode de gegevens als actueel kunnen worden
welke hulpmiddelen behoefte is of hoe bestaande aangemerkt. De compleetheid geeft de vulling van
hulpmiddelen kunnen worden verbeterd. het betreffende domein aan. De betrouwbaarheid
• Verbeteren van hulpinformatie. Tijdens de dienst- van gegevens kan worden vastgelegd door middel
verlening kan aan dienstafnemers ter ondersteu- van bronvermelding. Bronnen kunnen echter een
ning (extra) informatie worden geboden, zoals tips wisselende verantwoordelijkheid voor betrouw-
en suggesties. De relevante hulpinformatie kan baarheid dragen.
worden bepaald aan de hand van de analyse van de
klantgegevens. Beschikbaarheid
Klantgegevens zullen niet altijd beschikbaar zijn,
Uitkomsten omdat zij niet op hetzelfde moment worden inge-
De analyse kan vervolgens twee soorten informatie wonnen of omdat de betreffende registraties niet
opleveren: altijd toegankelijk zijn. De eisen aan de beschik-
• Statistieken: over de klantgegevens, al dan niet baarheid van klantgegevens zullen daarom moeten
geclusterd. worden vastgelegd en beheerst. De beschikbaar-
• Patronen: verbanden tussen klantgegevens die heid kan worden verhoogd door kopieën van gege-
een voorspellende waarde hebben voor individuele vensbanken te maken. Dit kan echter ten koste
klanten. Patronen kunnen gebruikt worden voor gaan van de juistheid van de klantgegevens.
behavioral targeting.
Randvoorwaarden
Het ontwikkelen van kennis over
»De huidige praktijk kenmerkt zich
dienstafnemers met als doel de door geïsoleerde en pragmatische
«
dienstverlening te verbeteren zal
alleen mogelijk en succesvol zijn als (ICT-)oplossingen
aan een aantal voorwaarden wordt
voldaan. We onderkennen rand-
voorwaarden ten aanzien van privacy, juistheid en
beschikbaarheid. Casestudy
Met een casestudy tonen we aan dat het raamwerk
Privacy bruikbaar is om klantprofilering binnen de over-
De Wet bescherming persoonsgegevens (Wbp) heidsdienstverlening te innoveren. Als voorbeeld
stelt eisen aan de verwerking van klantgegevens. werken we een casus uit met Dienst Regelingen,
Belangrijke uitgangspunten zijn hierbij: de grootste dienstverlener van EL&I, verantwoor-
• Minimale registratie. Klantgegevens mogen niet delijk voor meer dan tweehonderd regelingen.
informatie / mei 2011
meer en langer worden geregistreerd dan nodig is Figuur 2 geeft een overzicht van de huidige situ-
voor het doel waarvoor ze verzameld zijn. atie bij Dienst Regelingen ten aanzien van de
• Doelbinding. Klantgegevens mogen alleen voor onderdelen van klantprofilering. Voor ieder onder-
het doel worden gebruikt waarvoor ze verzameld deel is in de rechterkolom een mogelijke innovatie
zijn. Het doel moet worden gecommuniceerd met benoemd.
de gegevensbron.
43

7. i
klantprofilering
overheid
kelen door Dienst Regelingen, waarmee we het
incrementele en autonome gebruik van het model
aantonen. Ten slotte worden geen technologieën
en standaarden genoemd. Hiermee is technologie-
onafhankelijkheid aangetoond. We concluderen
dat het model hiermee voldoet aan de eerder
gestelde criteria.
Conclusies en doorontwikkeling Het model wordt momenteel binnen het DDV-
De casestudy toont aan dat het raamwerk bruik- programma van het ministerie van EL&I door-
baar is om de huidige situatie te beschrijven en ontwikkeld tot informatiemodellen. Deze vormen
innovaties te benoemen voor de grootste uitvoer- de basis voor een proof-of-concept van nader te
der van het ministerie van EL&I. Verder biedt identificeren innovaties voor klantprofilering bij
de ontwikkeling van het model op basis van de de EL&I-agentschappen. Hoewel dit niet direct
huidige praktijk van commerciële dienstaanbieders tot onze plannen behoort, zou het model verder
enige toekomstvastheid. De mogelijke innovaties uitgewerkt kunnen worden tot een referentie-
in de casestudy zijn onafhankelijk te ontwik- model voor maturiteit van klantprofilering binnen
hoofdproces huidige situatie innovatie
onderdeel
klantgegevens
soorten •context: wordt omschreven in termen van •context: regelgebaseerde omschrijving van
doelgroepen situaties, gebeurtenissen en vragen
•gedrag: callcenter registreert gesprekken in •gedrag: registratie van klikgedrag en
steekwoorden zoekwoorden
•instellingen: men kan zich abonneren op •instellingen: opt-in/opt-out van proactieve
nieuwsbrief aanbiedingen, nieuws en dienstverlening
interpretatie •alleen doelen worden omschreven volgens Wbp •gebruik van standaarden voor beschrijvingen
van vorm, betekenissen en doelen voor
toekomstvaste uitwisseling, eventueel met
private partijen
bronnen •ondernemer, Handelsregister en GBA leveren •ondernemer wijst zelf bronnen aan (binnen
gegevens van rechtswege wettelijke kaders)*
identificatie •e-loket ondersteunt de twee niveaus ‘anoniem’ •alle identificatieniveaus worden ondersteund
en ‘herkenbaar’ (mogelijk verschillend per dienst)
koppelingen •relatienummers worden van rechtswege intern •ondernemer beheert koppelingen (binnen
gekoppeld met BSN wettelijke kaders)
analyse
doelen •hulpinstrumenten: navigatiestructuren van •hulpinstrumenten: EL&I-loket wordt aangepast
e-loket worden aangepast o.b.v. feedback van o.b.v. klik- en zoekgedrag
focusgroepen
•hulpinformatie: callcenter onderhoudt interne •hulpinformatie: veelgestelde vragen worden
kennisbank samen met dienstafnemers onderhouden
uitkomsten •statistieken: bezoek(ers)aantallen van e-loket •statistieken: vragen worden geordend o.b.v.
worden geregistreerd populariteit
•patronen: bestaan niet •patronen: gebruiksstatistieken als basis voor
tips aan ondernemers over diensten en
regelingen (behavioral targeting)
randvoorwaarden
privacy •klantgegevens kunnen worden ingezien via •ondernemer wordt expliciet geïnformeerd over
eigen EL&I-loket doelbinding bij gegevens
•correctie van gegevens verloopt via KvK en GBA
juistheid •geldigheid: o.b.v. inwinningsdatum •standaard voor registreren van juistheid van
•compleetheid: niet bekend gegevens
informatie / mei 2011
•betrouwbaarheid: indirect, o.b.v.
verantwoordelijkheid van (authentieke) bron
beschikbaarheid •er worden lokale kopieën gemaakt van •online toegang tot externe bronnen
Handelsregister en GBA-gegevens
*) Deze innovatie krijgt prioriteit binnen het DDV-programma
Figuur 2. Referentiemodel voor innovatie van klantprofilering bij Dienst Regelingen
44

8. organisaties. Parallel aan dit traject is op vergelijk-
bare wijze een referentiemodel ontwikkeld voor
dienstaanbodmanagement (Derks, 2010a).
Reviewer Kees Verhoeven
Dankwoord
De auteurs willen de medewerkers van het DDV-programma
bedanken, met name Henk Vroemen en Pieter van
Binsbergen. Speciale dank gaat uit naar de architecten
van DOB, DLG en nVWA, en in het bijzonder Marian
Overgaauw, Arjen de Ruiter en collega’s van Dienst
Regelingen voor de vele constructieve discussies.
Literatuur
Derks, W. (2007). Toegang: Identificatie, Authenticatie en
Autorisatie voor een Burger- en Bedrijvendossier. Telematica
Instituut.
Derks, W. (2009). Gastcollege Universiteit Twente, presentatie,
25 februari 2009.
Derks, W. (2010a). Raamwerk Dienstaanbodmanagement.
Ministerie van EL&I, Programma Digitale Dienstverlening,
30 augustus 2010.
Derks, W. (2010b). Raamwerk Klantprofilering. Ministerie van
EL&I, Programma Digitale Dienstverlening, 30 augustus
2010.
Derks, W.L.A. & P. Binsbergen (2010). Verkenning van theorie
en praktijk van Klantprofilering. Ministerie van EL&I, DDV-
programma, 15 juli 2010.
e-Kenniscentrum (2007). Nederlandse Overheid Referentie
Architectuur v 2.0, 25 april 2007.
e-Kenniscentrum (2008). Model Architectuur Rijksdienst
(MARIJ) v 1.0, juli 2008.
Forrester (2010). Topic Overview: Social CRM Goes
Mainstream.
Gemeente Den Haag (2010). Den Haag op Maat.
www.denhaagopmaat.nl.
Goedendorp, R. e.a. (2010). Praktijkverkenning Klantprofilering
bij EL&I. Ministerie van EL&I, DDV-programma, 10 augus-
tus 2010.
ICTU (2010). Levensgebeurtenissen als verbindende factor
(LEAF). www.e-overheidvoorburgers.nl/producten > levens-
gebeurtenissen.
Immigratie en Naturalisatiedienst (IND) (2010). Klantdienst-
wijzer. www.indklantdienstwijzer.nl.
Instituut voor Publiek en Politiek (2010).
www.ipp-participatiewijzer.nl.
Metrixlab (2009). Persona’s: Overheidscommunicatie Nieuwe
Stijl. Ministerie van Algemene Zaken.
Motivaction (2010). Mentality Model. www.motivaction.nl.
OpenID (2010). http://openid.net.
Rijsewijk, S. van (2010). Social media verovert e-commerce.
Frankwatching, 8 juni 2010.
Vennekens, I. & G. Kuis (2010). Project Startarchitectuur
Klantprofilering. Ministerie van EL&I, DDV-programma,
7 juni 2010.
Verbeter de Buurt (2010). www.verbeterdebuurt.nl.
W3C (2010). P3P. www.w3.org/P3P.
Wikipedia (2010). Co-design. http://nl.wikipedia.org/wiki/
Co-design.
Dr. ir. Wijnand Derks
is algemeen directeur van Exinn Consulting.
E-mail: wijnand.derks@exinn.nl.
Rutger Goedendorp
informatie / mei 2011
is adviseur bij Ordina Consulting.
E-mail: rutger.goedendorp@ordina.nl.
Tony Nolde
is programmamanager bij het ministerie van Economische
Zaken, Landbouw en Innovatie.
E-mail: a.m.g.nolde@minlnv.nl.
45