BDE2016

1. 1
Tom Zweers
PGGM
22 september 2016
Data de stuwende kracht achter nieuwe
business modellen

2. Wie is PFZW?
 PFZW is het pensioenfonds van, voor en door de sector zorg en
welzijn
 Met ongeveer 22.400 aangesloten werkgevers, meer dan 2,5
miljoen deelnemers
 Het op één na grootste pensioenfonds van Nederland
2

3. Waarom zoekt een pensioenfonds nieuwe
business modellen?
3
Technologische
ontwikkelingen
Branche
ontwikkelingen
 Spelregels in de branches veranderen onder impuls van
technologische innovatie. Retail, energie, reis- en hotelbranche,
maar ook financiële dienstverlening.
 Mogelijk verplichtstelling eraf
• Concurrentie met banken/verzekeraars en nieuwe toetreders op een low-interest
en commodity product

4. Waarom zoekt een pensioenfonds nieuwe
business modellen?
4
 Nieuwe businessmodellen die toegevoegde waarde bieden aan
klanten van het pensioenfonds (deelnemers en werkgevers)
 Defensief: concurrentie en nieuwe spelers voorblijven

5. Groeipad Data driven strategy
5
 Samen met BlinkLane
Consulting groeipad verkend
 In kaart brengen
mogelijkheden datagedreven
waardeproposities
 Niet in de core enhancements
blijven hangen!
3 levels of datafication
Technologyandexecution
uncertainty
Market and organizational
uncertainty
Do what
you
always did,
using more
data
New
products
and
processes
New
business
models

6. Groeipad Data driven strategy
6
 Resultaat verkenning: Een groeipad met 6 pilots voor PFZW

7. Groeipad Data driven strategy
7
 Onderzoeksfase: in 2016 aan de slag met de eerste twee pilots
 Nieuwe servicemomenten & Persoonlijk pensioenvoorstel
 Inzichten arbeidsmarktvraagstukken teruggeven aan werkgevers

8. Lean Startup methodiek
8
 Van elke pilot een
Business Model Canvas
(BMC)
 Van BMC naar
hypotheses

9. Lean Startup methodiek
9
 Een Lean Startup ontwikkelstraat waarbij we in staat zijn een idee
voor een propositie in 6 weken te valideren
Hypothese
workshop
Testing
workshop
Test ontwikkelen
Go to market
Field trips
Validatie
Workshop
Presentatie
PFZW
Lessons
learned
workshop

10. Team Big Data
6 personen:
 1 Product owner
 3 Propositie-ontwikkelaars (mix intern, extern)
 2 Data scientist – QNH + intern
 Lean Startup begeleiding - BlinkLane
10

11. Toepassingen Machine Learning
11
Werkgevers
 Faillissement werkgevers
voorspellen
 Voorspellen uitstroom
medewerkers
Deelnemers
 Persoonlijk pensioenvoorstel
 Voorspellen waar een klant
over belt
 Relevantie vergroten door:
• content in nieuwsbrieven
voorspellen (clickgedrag,
events, gezinssituatie)
• Machine learning op
verhuizingen en nieuwe baan

12. Persoonlijk pensioenvoorstel
12
Data
 PFZW pensioenopbouw
 Mijnpensioenoverzicht opbouw andere
fondsen
 Pensioenwensen
 Persoonsdata (o.a. sociodemografisch)
 Oriëntatiegedrag
Methode
Supervised: reinforced learning
 Deelnemers indelen in klassen
 Leren of deelnemers ook in die klasse horen op basis van gemaakte keuze
 Model (kans op behoren tot een klasse) finetunen met werkelijk gemaakt
keuzes

13. Faillissement werkgever
13
Data
 PFZW betaalgedrag
 Uitstroom werknemers
 Snelheid administratieve
verwerkingen
Methode
Supervised: regressie en decision
trees, voorspellen kans op
faillissement
Actie:
Werkgevers in hoogste risicogroep
actief benaderen

14. Vragen?
14