Leestijd
Stijn, hoe lang ben jij al HoB’er?
Al ruim twee jaar inmiddels. Ik ben in januari 2020 gestart bij House of Bèta. Ik heb destijds gesolliciteerd op het traineeship Data Science, maar toen direct uitgesproken dat ik ook geïnteresseerd was in het actuariële programma van House of Bèta. Daar ben ik me nu verder in aan het ontwikkelen, met onder andere een opdracht als junior actuaris bij pensioenuitvoerder PGGM.
Hoe is jouw sollicitatie gegaan?
Ik ben aangenomen tijdens een van de Selectiedagen die House of Bèta toen organiseerde. Om daarvoor uitgenodigd te worden moest ik een presentatie insturen. Ik heb een flitsende Prezi gemaakt over mijn ideeën over data. Ik werd uitgenodigd voor de Selectiedag. Ik heb die dag nog twee gesprekken gevoerd. Aan het eind van de Selectiedag wist ik dat ik zou komen werken bij House of Bèta.
Elk traineeship begint met de onboarding. Hoe heb jij die ervaren?
De onboarding was heel leuk. Met een groep van meer dan twintig mensen begin je jouw carrière bij House of Bèta. Ik kon het meteen met iedereen goed vinden. De workshop over het DISC-model voor persoonlijkheidsanalyse vond ik heel interessant. Je leert jezelf beter kennen en leert plaatsen hoe anderen juist zijn en hoe zij reageren op situaties, bijvoorbeeld op het werk. Heel handig.
De tweede week was meer IT-inhoudelijk, met trainingen in onder andere Python en Excel. Ik had al wat basiskennis, maar met die trainingen verrijk je je kennis verder. De escape room vond ik een nice touch. Het is fijn om het traineeship met een groep starters af te kunnen trappen die met dezelfde dingen bezig willen zijn.
“Het is fijn om het traineeship met een groep starters af te kunnen trappen die met dezelfde dingen bezig willen zijn.”
Wat heb je aan praktijkervaring opgedaan sinds je start in 2020?
Mijn eerste klus was een typische eerste opdracht. Ik zat bij verzekeraar a.s.r. op de frontoffice, eerst van de afdeling Levensverzekeringen en daarna ook bij Pensioenen. Daar heb ik kennis opgedaan van de beroepsinhoud bij onze opdrachtgevers.
Mijn volgende opdracht was bij PGB Pensioendiensten. Daar hield ik me bezig met de overname van het pensioenfonds AFH Met een groep collega’s hebben we de migratie van de administratie verzorgd. Ik hield me met name bezig met de werkgevers, dus de migratie van de data van zakelijke klanten. Na de migratie heb ik gewerkt aan procesverbeteringen. Daarbij deed ik ook onderzoek naar de verwerking van pensioenaangiftes. Op basis van data in de systemen spoor je fouten op en pas je het proces aan. Bij deze opdracht wordt al meer gevraagd van je analytische vaardigheden.
Nu zit ik bij PGGM, als junior actuaris. Daar voerde ik een zogeheten grondslagen-onderzoek uit. Het model dat jaarlijks de pensioenpremies en -voorzieningen berekent hangt af van verschillende waardes en variabelen, zoals de kans dat iemand ontslag neemt of ziek wordt. Die waardes bepalen uiteindelijk wat deelnemers aan premie betalen en wat pensioengerechtigden aan toekomstig pensioen ontvangen. In zo’n grondslagenonderzoek kijk je in hoeverre die waardes veranderd zijn ten opzichte van voorgaande jaren. Op basis van dat onderzoek worden de kansen en dus de premies en voorzieningen bepaald. De premie die deelnemers in 2023 betalen is dus mede gebaseerd op dat grondslagenonderzoek waar ik aan heb meegewerkt. Dat is ook toch wel heel gaaf.
“De premie die deelnemers in 2023 betalen is dus mede gebaseerd op dat grondslagenonderzoek waar ik aan heb meegewerkt. Dat is ook toch wel heel gaaf.”
Bij PGGM heb ik ook geholpen bij het jaarwerk. Dat is het betere rekenwerk, waarmee pensioenorganisaties aan hun publicatie- en informatieverplichting kunnen voldoen. Ik heb me met name gericht op de cijfers over arbeidsongeschiktheid en het effect daarvan op de balans. Om dat werk te doen heb ik toegang tot een database met alle relevante gegevens. Met behulp van scripts voer ik dan de nodige analyses uit en bereken ik voor PGGM uit wat de post voor arbeidsongeschikten in de toekomst zal zijn. Zo’n model kan bijvoorbeeld ook in C# gebouwd worden, maar bij deze opdracht werkten we dus met python.
Hoe komt je actuariële kennis van pas bij zo’n opdracht?
Een actuaris houdt zich bezig met wiskunde en dan specifiek met verzekeringswiskunde. In alle modellen die daarvoor gebruikt worden bij onze opdrachtgevers zitten actuariële functies. Over die functies leer je alles tijdens de opleiding Actuarieel Rekenaar die je via House of Bèta kunt volgen. Er zijn bijvoorbeeld functies waarmee je bepaalt wat de hoogte is van de uitkering van een deelnemer op basis van de premie die ze hebben ingelegd. Een deel van het rekenwerk wordt zo gestandaardiseerd en geautomatiseerd. Maar je moet wel weten hoe je de functies gebruikt. Zo komt de kennis die je opdoet tijdens zo’n opleiding Actuarieel Rekenen terug in je werkzaamheden.
Welke opleidingen heb je precies kunnen doen bij House of Bèta?
Voordat ik in mijn eerste jaar de opleiding Actuarieel Rekenen deed heb ik een datatrein gedaan, met trainingen in Excel, VBA, PowerBI, SQL en Python. Voor de opleiding Actuarieel Rekenen kwam de Excel-training goed van pas. Maar alle andere tools kun je vaak ook meteen toepassen op opdracht.
Ik ben inmiddels ook gestart met de Actuariële Master AEMAS (Amsterdam Executive Master in Actuarial Science, red.). Deze master kun je ook via House of Bèta volgen, aan de Universiteit van Amsterdam of aan de Universiteit Utrecht. Aan de UvA hoefde ik vanwege mijn vooropleiding geen scriptie te schrijven. Ik heb Econometrie gedaan en voor mijn scriptie een model gebouwd voor het voorspellen van uitslagen van voetbalwedstrijden in de Premier League. Dat gaf me scriptievrijstelling aan de UvA.
Een zware studie, nu nog een zware Master erbij én werken als actuaris. Wat is het moeilijkste wat jij de afgelopen tijd hebt gedaan?
Het combineren van werk en opleidingen. Voor de AEMAS moest ik bijvoorbeeld een periode elke week een opdracht maken. Dat doe je dan in de avonduren en het weekend. Dat is wel pittig. Maar als je de stof eenmaal beheerst dan gaat het allemaal wat soepeler en sneller.
Aan het begin van mijn traineeship vond ik het bellen heel moeilijk. Daar moet je doorheen als professional. Als je op de front office van een verzekeraar zit genees je wel snel van die belangst.
Ook inhoudelijk kom ik op mijn huidige opdracht natuurlijk wel moeilijke vraagstukken tegen. Tijdens het jaarwerk ontdekten we bijvoorbeeld een afwijking ten opzichte van voorgaande jaren die we niet konden verklaren. Na analyse van de data en veel onderzoek binnen de organisatie bleken achterstanden binnen het UWV ten grondslag te liggen aan de afwijking. Het antwoord vinden lukte uiteindelijk, maar de route daarnaartoe vroeg wel om veel geduld. Bovendien zit je met strakke deadlines en een accountant die alles moet controleren. Voor het jaarwerk van een pensioenuitvoerder bestaan strikte regels, controles en consequenties. Je moét kunnen tonen hoeveel geld je in kas hebt, want die informatie vormt ook de basis voor het beleid voor de komende jaren.
Voor het jaarwerk van een pensioenuitvoerder bestaan strikte regels, controles en consequenties. Je moét kunnen tonen hoeveel geld je in kas hebt, want die informatie vormt ook de basis voor het beleid voor de komende jaren.
“Voor het jaarwerk van een pensioenuitvoerder bestaan strikte regels, controles en consequenties. Je moét kunnen tonen hoeveel geld je in kas hebt, want die informatie vormt ook de basis voor het beleid voor de komende jaren.”
Welke kwaliteit / kennis kom jij brengen bij opdrachtgevers?
Wat mij onderscheidt als professional is mijn analytisch vermogen. Dus bijvoorbeeld in een dataset zien waar een abnormaliteit zit en daardoor ook sneller dan anderen tot een oplossing komen. Op mijn huidige opdracht zagen we bijvoorbeeld bij het pensioenfonds voor schilders dat de afkopen te hoog waren. Door een uitdraai van de database te maken en deze te vergelijken met de data van vorig jaar kon ik de afwijking opsporen. Natuurlijk wel met wat hulp van de nodige Excel-formules. Dus dat analytisch vermogen gecombineerd met mijn vaardigheid in tooling maken dat ik voor opdrachtgevers van toegevoegde waarde ben.
Jij helpt als actuarieel specialist opdrachtgevers slimmer en efficiënter te werken. Wat kunnen ze daarin zelf nog doen?
Om bij de pensioenfondsen te blijven, ik denk dat het al enorm scheelt als we binnen de pensioenwereld de data uniformer kunnen maken. Het moment bepaalt nog te vaak hoe groot je workload is. Neem de rekenrente. Daar zijn allerlei regels voor, die het werk onnodig complex maken. En waarvoor berekeningen soms meerdere keren gedaan moeten worden. Werken met een datawarehouse kan helpen bij het stroomlijnen van het proces. Van aanlevering in het systeem voor werkgevers tot het systeem dat gebruikt wordt om de berekeningen te maken. Een van de zaken waar een accountant op let bij de controle van het jaarwerk is de helderheid van dat proces. Dat beter inrichten kan veel winst opleveren.
Genoeg kansen op verbetering dus. Waarin wil jij je verbeteren en specialiseren bij House of Bèta?
Mijn doel is om gecertificeerd actuaris te worden en te helpen bij de invoering van de Wet Toekomst Pensioenen. Ik heb bij House of Bèta ontdekt dat pensioenen heel interessant zijn voor iemand die zich graag bezighoudt met modelleren. Dat geldt bijvoorbeeld ook voor de branche van schadeverzekeringen, waar je veel mogelijkheden hebt om modellen te bouwen. Pensioenen zijn enorm complex, het werk wordt met de invoering van het nieuwe pensioenstelsel alleen maar uitdagender. Die transitie van het huidige naar het nieuwe stelsel gaat om enorm veel berekeningen vragen. Daar wil ik een rol in spelen.
