Rabobank Real Estate Finance schakelt over op een datagedreven PDCA

Over Rabo Real Estate

Rabo Real Estate Finance maakt onderdeel uit van de Rabobank. De Rabobank is een internationale financiële dienstverlener op coöperatieve grondslag. De bank levert diensten aan in totaal 7,3 miljoen particuliere en zakelijke klanten op het gebied van retailbanking, wholesalebanking, private banking, leasing en vastgoed.

Als coöperatieve bank stelt zij volgens eigen zeggen het belang van de klant voorop in haar dienstverlening. De Rabobank wil daarbij een substantiële bijdrage leveren aan het welzijn en de welvaart in Nederland en aan het duurzaam voeden van de wereld. Met Bankieren voor Nederland (nationaal) en Banking for food (wereldwijd) wil de Rabobank het verschil maken als coöperatieve bank in Nederland en in de wereld hetgeen kernachtig is verwoord in de missie statement: ‘Growing a better world together’.

Keuze voor een hightech, hightouch benadering

Naast de sterke focus op de klant gaat de Rabobank mede onder invloed van regelgeving de balans versterken en de performance verbeteren, zodat zij als een solide bank de toekomst tegemoet kan treden. De omgeving voor banken verandert zeer snel. Rabobank zit net als andere banken in een transitiefase waarbij extra zal worden ingezet op digitalisering en innovatie om de klanten zo goed mogelijk te blijven bedienen op basis van een zogenoemde hightech, hightouch benadering.

Focus op duurzaamheid, transformatie en innovatie

Bij commercieel vastgoed valt te denken aan financieringen die Rabo Real Estate Finance verstrekt aan klanten die beleggen in bijvoorbeeld winkels, woningen, kantoren, bedrijfsruimten en hotels. Deze vastgoedbeleggingen worden door de klanten van de bank aangehouden voor de huuropbrengsten en/of waardestijging. Als coöperatie heeft Rabobank een focus op duurzaamheid, transformatie en innovatie, met aandacht voor lokale gemeenschappen. Niet alleen in de grote steden, maar ook in levensvatbare stads- en dorpskernen. Zo koppelen zij financieel rendement aan maatschappelijke winst.

Portfoliomanagement in essentie

Portfoliomanagement gaat in de basis over:

• Portfolio Analytics: analyse van een sector of portefeuille met gecombineerde inzichten in risico’s, rendementen, klanten, leningen en zekerheden. In dit geval gaat het om ‘stenen’.
• Management: ondersteuning van strategische, tactische, en operationele besluitvorming over sturing en bijsturing van de portefeuille.

Het doel van onderdeel één is het opleveren van ‘Actionable Data Driven InSights’ (zie figuur 1). Het doel van onderdeel twee is het ondersteunen bij ‘Data Driven Decisionmaking’ met op termijn door inzet van technologie meer geautomatiseerde signalering en besluitvorming.

Figuur 1: Actionable Data Driven Insights en dan?

Enkele overwegingen

• Waarom zou de techniek die bijvoorbeeld gebruikt wordt voor het vaststellen van de prijs (en daarmee ook het risico) van de reservering van een vliegtuigstoel op termijn, mede door inzet van big data, niet toegepast kunnen worden op de financiering van een beleggingspand?
• Daarnaast kunnen de inzichten, binnen de kaders van de wet, met klanten worden gedeeld. Als je je klanten in staat stelt om betere beslissingen te nemen die de kans op faillissement verkleinen, dan is dit een win-win voor drie partijen: de bank, de ondernemer en de maatschappij. Door het inzicht terug te leggen bij de ondernemers helpt en faciliteert de Rabobank hen beter te ondernemen.
• De business value die het team beoogt is stap-voor-stap opleveren van datagedreven inzicht in de portefeuille die leidt tot actie. We noemen dit “actionable insights”. Zonder limiet, doelstelling of benchmark zijn de inzichten nice-to-know, maar zetten deze niet aan tot actie en de wenselijke en noodzakelijke PDCA-verbetercyclus.
• Opvolgend moeten deze inzichten leiden tot stap-voor-stap meer datagedreven besluitvorming op alle strategische, tactische en afgeleide operationele niveaus. In combinatie met de inzet van inzicht-, visualisatie- en analysetechnologie tracht Rabobank de portefeuille te sturen binnen de strategische en maatschappelijke doelstellingen van de bank.

We lichten twee ambities van Rabo Real Estate Finance in het kader van ‘Growing a better world together’ nader toe.

100 procent groene portefeuille binnen tien jaar

Rabobank gaat voor een volledig duurzame portefeuille in commercieel vastgoed binnen de komende jaren. Uiterlijk 2028 wil zij dat realiseren. Er wordt niet alleen gekeken naar energie, maar ook naar circulariteit, vitaliteit voor de lokale omgeving en exploitatie. Gestart wordt met een verduurzaming van de commerciële vastgoedportefeuille. De basisvraag is: hoe duurzaam is de portefeuille en wat moet je verstaan onder duurzaamheid? De termijn waarbinnen deze gerealiseerd dient te worden, is bepaald.

60 procent van de financieringen buiten de vier grote steden

Rabobank streeft er naar minimaal 60 procent van haar zakelijke vastgoedfinancieringen te doen buiten de vier grote steden. Zij sluiten op voorhand geen regio’s in Nederland uit. De basisvraag is: wat is de commercieel vastgoed exposure van Rabobank buiten de vier grootste steden? De doelstelling staat vast.

Naast de maatschappelijke doelstellingen heeft elke bank de doelstelling om het rendement te verbeteren (mede door invloed van de regelgeving) en het risico op het uitzetten van de leningen te verlagen. Een gezonde bank moet immers net als een normale onderneming winstmaken om te kunnen overleven in het huidige disruptieve innovatieklimaat.

IST-situatie versus SOLL-situatie

De casus is hier: hoe kan portfolio management met datacratisch werken de samenstelling van de leningenportefeuille in commercieel vastgoed verbeteren? Om de samenstelling te verbeteren, is het van belang om goed te weten wat de samenstelling is (IST-situatie) en wat de samenstelling mede, in termen van risico en rendement zou moeten zijn (SOLL-situatie). Hiermee worden expliciet de doelstellingen bepaald waar naartoe gewerkt moet worden en welke beslissingen genomen moeten worden op het vlak van:

• Welke klanten wil ik bedienen (kredietwaardigheid, professionaliteit) en welke zekerheden (kantoren, winkels et cetera) wil ik waar financieren? (= Acceptatie)
• Welke bedrag wil ik verstrekken, wat is de hoogte van de financiering? (= Bedrag)
• Welke prijs (rente) breng ik in rekening voor welke periode? (= Prijs).

En uiteraard combinaties van bovenstaande op Acceptatie-Bedrag-Prijs in combinatie met nieuwe leningen, bestaande leningen (herfinancieringen) en een continu veranderend speelveld in termen van markt, innovatie en regelgeving.

4 implicaties van de datacratische PDCA

In bovenstaande werkwijze kun je een aantal implicaties onderkennen.

• Er is sprake van impliciete sturing in plaats van expliciete sturing van banken. Door een heldere focus, strategische doelstellingen en adequate monitoring op KPI’s kan bijsturing plaatsvinden op basis van de PDCA. In voorkomende gevallen nog via natuurlijke personen en commissies (expliciet), maar op termijn door technologische mogelijkheden op basis van geautomatiseerde business rules binnen een gestelde bandbreedte (impliciet). Overschrijdingen komen dan via automatische alerts ‘spot on’ binnen bij de juiste persoon.
• De noodzaak bestaat om vele parameters gelijktijdig tegen elkaar af te kunnen zetten. Data op losse lijsten zegt niet meer genoeg en laat zeker het verband met de rest van de data niet zien. Wie bij complexe materie inzicht wil houden in het totaal aan bewegingen en dynamieken, moet een systeem hebben waarin de algoritmes automatisch alle parameters mee laten wegen en onderling ook weten te verbinden met elkaar. Daar waar je twee lijsten met criteria nog kunt kruisen en een matrix oplevert, daar neemt de complexiteit enorm toe bij een veelvoud aan gelijktijdige criteria. Er zijn echter zoveel criteria waar zoveel van afhangt dat je op zoek bent naar manieren om parallel vele lijsten gelijktijdig en betekenisvol te kruisen met elkaar. Door deze wens neemt de behoefte om datagedreven te werken toe. Ook de behoefte aan geavanceerdere machine learning stijgt.
• Er is een behoefte aan steeds meer data, software en statistiek. De combinatie van (historische)data, statistiek, software en sectorkennis zijn de basisingrediënten om je besluitvorming te optimaliseren. Door het toepassen van voorspellende methoden kan je bepalen of een limiet wordt doorbroken of dat een doelstelling wordt gehaald.
• Anticiperen in plaats van verrast worden. In de ‘oude wereld’ werd je achteraf geconfronteerd met een breach op een limiet. In de ‘nieuwe wereld’ kan je op basis van voorspellende data juist anticiperen om dit te voorkomen.

Het PDCA-handboek 'Datacratisch werken' In dit complete PDCA-boek komt het hele spectrum van datacratisch werken aan bod. Dit is een splinternieuwe, veelbelovende manier van werken. De auteur gaat uitgebreid in op de basisprincipes van PDCA, continu verbeteren en leerprocessen in organisaties. De aanleiding van dit boek is om te laten zien hoe je via datagedreven verbetercirkels de dienstverlening, innovatie en de strategie van jouw organisatie op een steeds hoger plan kunt tillen. Of je nu werkt bij een gemeente, in een ziekenhuis, in het onderwijs, bij een winkelketen, een bank of een verzekeraar, overal ligt nog een enorm verbeterpotentieel braak.bekijk het PDCA-handboek 'Datacratisch werken'

Het monitoringsproces in 6 stappen

Zoals bij elke reis is het bepalen van het reisdoel de eerste stap. Vaak blijkt dat de reis eigenlijk belangrijker is dan het doel. Gaandeweg leert de reis je ook veel meer over je doel dan vooraf gedacht. We geven hieronder een aanzet voor monitoring in zes stappen.

• Stap 1 is hierbij het allerbelangrijkste. Deze begint met de intrinsieke motivatie om te willen weten waar je staat. Niet omdat iemand anders het vraagt, maar omdat inzichten je gaan helpen bij het maken van beteren beslissingen en daarmee de klanttevredenheid te vergroten.
• Stap 2 is het bepalen van je positie ten opzichte van je doel: zit je erboven of er onder en binnen welke termijn wil je je doel realiseren
• Stap 3 is het bepalen van welk pad je hebt bewandeld, per kwartaal, per maand, per dag en per minuut. Een en ander is afhankelijk van je business of sector. Handel op de beurs versus financieren van commercieel vastgoed. Waar kom je vandaan en waar ga je naar toe
• Stap 4 is het voorspellen of je het juiste pad aan het bewandelen bent. Liggen we op koers? Zo niet, dan is bijsturing noodzakelijk.
• Stap 5 is het op basis van continue monitoring observeren of de bijsturingsacties het gewenste effect hebben gehad.
• Stap 6 houdt in dat je nog meer inzicht vergaart in de dynamiek van de data. Heeft de bijsturingsactie in een breder kader ook echt effect gehad? In een opgaande economie zullen de variabelen veranderen. Dit komt niet door een actie, maar de positieve economische ontwikkeling waardoor de prijzen stijgen. Sector-, product- en marktkennis blijft randvoorwaardelijk om ontwikkelingen en patronen te herkennen.

Figuur 2: Monitoring in zes stappen.

Het inzicht (Check) in relatie tot de doelstelling (Plan) zal, als het goed is, leiden tot een actie of bijsturing. Op basis van voorspellende inzichten kan je dus eerder bijsturen naar het uiteindelijke doel of het vermijden van een limiet.

Hoe ziet de toekomst eruit?

• Er ontstaat een dringende behoefte aan dashboards, het koppelen van gegevens en het bouwen van een infrastructuur. Doordat de afdeling zoveel mogelijk datagedreven werkt, heeft ze dashboards en een solide data-infrastructuur nodig en is goede datakwaliteit vereist. Hierin heeft de afdeling al veel tijd geïnvesteerd, omdat ze afhankelijk is van het aansluiten van allerlei afdelingen met ieder hun datastroom. Het betreft hier geen zelfstandig datawarehouse of datalake, maar een afgeleide gecombineerde intelligente wendbare datamart. Om het geheel schaalbaar te houden, heeft het team ervoor gekozen om te investeren in zowel een goede technische als personele infrastructuur waarbij de betrouwbaarheid te vinden is in de opbouw en de business rules zelf.
• Waar in het verleden de accountants keken naar het jaarverslag en de output, zal de controle in de toekomst meer gericht zijn op input en transformatie. Als de data goed en compleet is en de geautomatiseerde business rules en afgeleide rekenregels correct, dan is het aannemelijk dat de output ook juist zal zijn.
• Het datacratisch maken van het bepalen en monitoren van de doelportefeuille zorgt ervoor dat de snelheid van sturing en bijsturing enorm zal toenemen. Het portfoliomanagement geschiedt vanuit de intrinsieke motivatie om digitaal inzicht te verkrijgen in en sturing te geven aan de commerciële vastgoedleningenportefeuille. Dat is de clou. Daarbij ondersteund door een dedicated team met verschillende dataspecialismen en de ruimte en gelegenheid voor ontwikkeling en innovatie.
• De stap-voor-stap aanpak is hierbij randvoorwaardelijk. Elke dag stap voor stap bouwen aan actiegerichte inzichten die resulteren in ondersteuning bij datagedreven besluitvorming op elk niveau in de organisatie is het streven. Software en tooling zijn hierbij ondersteunend – de wil en motivatie om te verbeteren niet. Deze moet leidend zijn. Door een slimme en gelaagde data-infrastructuur kunnen inzichten op elk niveau worden geleverd. Kleine individuele besluiten dragen dan bij aan de strategische koers en doelstellingen.

Conclusie

Deze klantcase kun je beschouwen als een mengvorm van ontwikkelend leren en ontwerpend leren. Het ontwikkelend leren is terug te zien in de mate waarin kleine beslissingen bijdragen aan bijsturing richting een vooraf bepaald doel. Hierdoor kunnen er steeds nauwkeurigere voorspellingen (ontwikkelende uitkomsten) gedaan worden die de gewenste impact hebben op de doelportefeuille. Het ontwerpend leren is terug te zien in de wijze waarop de uitkomsten uit het algoritme (de ontworpen uitkomsten) leidend zijn voor alle aangesloten banken.