Rabobank Real Estate Finance schakelt over op een datagedreven PDCA

Over Rabo Real Estate Finance

Rabo Real Estate Finance is onderdeel van Rabobank, een internationale financiële dienstverlener op coöperatieve grondslag. Het levert financieringen voor ontwikkeling, bouw, transformatie, renovatie en vastgoedbeleggingen, zoals winkels, woningen, kantoren, bedrijfsruimten en hotels die klanten aanhouden voor huuropbrengsten of waardestijging. Als coöperatie richt Rabobank zich op duurzaamheid, transformatie en innovatie, met aandacht voor lokale gemeenschappen, niet alleen in de grote steden maar ook in levensvatbare stads- en dorpskernen. Mede onder invloed van regelgeving versterkt de bank de balans en verbetert ze de performance, met extra inzet op digitalisering en innovatie: een hightech-, hightouchbenadering.

De portefeuille vanuit verschillende invalshoeken

Portfoliomanagement op sectorniveau geeft richting aan de strategische koers van de commerciële vastgoedportefeuille. De portefeuille wordt vanuit verschillende (data-)invalshoeken en combinaties bekeken:

• Risk: risicoparameters zoals de loan-to-value (LTV)
• Control: bancaire performanceparameters zoals ROIC
• Pricing: de rente of renteopslag
• Credit: het acceptatie- en kredietbeleid
• Compliance: customer due diligence
• Research: ontwikkelingen in samenleving, markt en sector
• Business: individuele klanten, assets of groepen daarvan
• Externe bigdatabronnen: zoals de KvK, het Kadaster en de BAG

De afdeling Portfolio Management wordt ondersteund door een team van specialisten in datamodellering, business intelligence en data science en analytics, die nauw samenwerken in een (Biz)DevOps-structuur met een agile scrumaanpak.

Portfoliomanagement in essentie

• Portfolio analytics: analyse van een sector of portefeuille met gecombineerde inzichten in risico’s, rendementen, klanten, leningen en zekerheden. Het doel is ‘actionable data-driven insights’ op te leveren.
• Management: ondersteuning van strategische, tactische en operationele besluitvorming over sturing en bijsturing van de portefeuille. Het doel is datagedreven besluitvorming, op termijn met meer geautomatiseerde signalering en besluiten.

Zonder limiet, doelstelling of benchmark zijn inzichten ‘nice to know’, maar zetten ze niet aan tot actie en tot de wenselijke en noodzakelijke PDCA-verbetercyclus.

Waarom zou de techniek waarmee de prijs, en daarmee het risico, van een vliegtuigstoel wordt bepaald op termijn niet toepasbaar zijn op de financiering van een beleggingspand, mede door inzet van big data? En binnen de kaders van de wet zijn inzichten met klanten te delen. Als je klanten in staat stelt betere beslissingen te nemen die de kans op faillissement verkleinen, is dat winst voor drie partijen: de bank, de ondernemer en de maatschappij.

Twee ambities

Twee ambities illustreren de doelstellingen. Ten eerste: een volledig duurzame commerciële vastgoedportefeuille, uiterlijk in 2028 te realiseren, waarbij niet alleen naar energie wordt gekeken maar ook naar circulariteit, vitaliteit voor de lokale omgeving en exploitatie. De basisvraag: hoe duurzaam is de portefeuille en wat versta je onder duurzaamheid? Ten tweede: minimaal 60 procent van de zakelijke vastgoedfinancieringen buiten de vier grote steden. De basisvraag: wat is de exposure buiten die steden? Naast deze maatschappelijke doelstellingen wil elke bank het rendement verbeteren en het risico op haar leningen verlagen.

IST-situatie versus SOLL-situatie

De casus is: hoe kan portfoliomanagement de samenstelling van de leningenportefeuille verbeteren? Daarvoor moet je weten wat de samenstelling is (de IST-situatie) en wat ze in termen van risico en rendement zou moeten zijn (de SOLL-situatie). Dat bepaalt expliciet de doelstellingen en de beslissingen op het vlak van:

• Acceptatie: welke klanten wil ik bedienen en welke zekerheden wil ik waar financieren?
• Bedrag: welk bedrag wil ik verstrekken?
• Prijs: welke rente breng ik in rekening voor welke periode?

Een voorbeeld: het winkellandschap verandert door meer online verkopen. Het gevolg is meer winkelleegstand, dalende huren en afnemende leefbaarheid in kleinere gemeenten, en daarmee lagere waarderingen en een oplopende verhouding tussen lening en onderpand (LTV). Het omgekeerde komt ook voor: meer vraag naar distributiecentra. De sturing van de portefeuille is daarom een zeer dynamisch proces op een voortdurend veranderend schaakbord.

De datagedreven PDCA-cyclus

Plan: streven naar een optimale portefeuille

De bank heeft een sectorale doelportefeuille bepaald die ze wil realiseren en het kader waarbinnen ze klanten en assets accepteert. Het operationele plan is periodiek inzicht in en controle op de ontwikkeling van de samenstelling van de leningenportefeuille. Volume en rendement zijn interessant maar slechts een afgeleide van de echte stuurvariabelen. Er is geen knop waar rendement op staat waaraan je kunt draaien.

Do: daadwerkelijk financieren en analyseren

Binnen operationele beleidskaders maken accountmanagers steeds keuzes om klanten wel of niet te (her)financieren. In voorkomende gevallen mogen zij gemotiveerd afwijken van het beleid en de voorgestelde pricing. Het is dus van belang of er van beleid wordt afgeweken, en waarom. Data-analyse speelt hierbij een cruciale rol.

Check: monitoring met dashboards

Monitoring vindt plaats via dashboards op het totaal (strategisch niveau) en op deelportefeuilles en elementen (tactisch en operationeel niveau). Data wordt omgezet in informatie, in kennis en uiteindelijk in ‘actionable data-driven insights’. De zoektocht naar de optimale dashboards is zelf een ontdekkingsreis: het is vaak eenvoudiger om twintig dashboards te ontwikkelen dan zes kernachtige. Zoals Goethe zei: in de beperking toont zich de meester.

Act: bijsturen met een passende actie

Door het inzicht uit actiegerichte dashboards kan een beslissing worden genomen. Doelstellingen, limieten of benchmarks zijn randvoorwaarden om te beoordelen of de organisatie op koers ligt richting de doelportefeuille. Zo niet, dan is bijsturing nodig door een passende actie, bijvoorbeeld aanpassing van beleidsregels, acceptatiecriteria of prijs.

Vier implicaties van de datagedreven PDCA

1. Impliciete in plaats van expliciete sturing. Met een heldere focus, strategische doelstellingen en adequate monitoring van KPI’s kan bijsturing plaatsvinden op basis van de PDCA: nu nog via personen en commissies, op termijn via geautomatiseerde business rules binnen een bandbreedte, met automatische alerts naar de juiste persoon.
2. Veel parameters moeten gelijktijdig worden gewogen. Data op losse lijsten zegt niet meer genoeg. Bij complexe materie heb je een systeem nodig waarin algoritmes alle parameters meewegen en verbinden. Daardoor neemt de behoefte aan datagedreven werken en aan geavanceerdere machine learning toe.
3. Behoefte aan steeds meer data, software en statistiek. De combinatie van (historische) data, statistiek, software en sectorkennis zijn de basisingrediënten om besluitvorming te optimaliseren. Met voorspellende methoden bepaal je of een limiet wordt doorbroken of een doelstelling wordt gehaald.
4. Anticiperen in plaats van verrast worden. In de oude wereld werd je achteraf geconfronteerd met een overschrijding van een limiet. In de nieuwe wereld kun je op basis van voorspellende data anticiperen en die voorkomen.

Het monitoringsproces in zes stappen

1. Willen weten waar je staat. De belangrijkste stap: de intrinsieke motivatie, niet omdat iemand anders erom vraagt, maar omdat inzichten je helpen betere beslissingen te nemen en de klanttevredenheid te vergroten.
2. Bepaal je positie ten opzichte van je doel: zit je erboven of eronder, en binnen welke termijn wil je het realiseren?
3. Bepaal welk pad je hebt bewandeld, per kwartaal, maand, dag of minuut, afhankelijk van je business of sector.
4. Voorspel of je het juiste pad bewandelt. Liggen we op koers? Zo niet, dan is bijsturing noodzakelijk.
5. Observeer met continue monitoring of de bijsturingsacties het gewenste effect hebben gehad.
6. Vergaar meer inzicht in de dynamiek van de data. Heeft de bijsturing in een breder kader echt effect gehad? In een opgaande economie veranderen variabelen niet door een actie maar door de economie. Sector-, product- en marktkennis blijven randvoorwaardelijk.

De oude versus de nieuwe wereld van sturen

Wat de datagedreven PDCA verandert.

Hoe ziet de toekomst eruit?

Doordat de afdeling zoveel mogelijk datagedreven werkt, heeft ze dashboards, een solide data-infrastructuur en goede datakwaliteit nodig. Het gaat niet om een zelfstandig datawarehouse of data lake, maar om een afgeleide, gecombineerde, intelligente en wendbare datamart, met betrouwbaarheid in de opbouw en de business rules zelf. Waar accountants vroeger naar het jaarverslag en de output keken, 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 correct zijn, is het aannemelijk dat de output ook juist is.

De stap-voor-stapaanpak is randvoorwaardelijk: elke dag bouwen aan actiegerichte inzichten die datagedreven besluitvorming op elk niveau ondersteunen. Software en tooling zijn ondersteunend; de wil en motivatie om te verbeteren moeten leidend zijn. Door een slimme, gelaagde data-infrastructuur zijn inzichten op elk niveau te leveren, zodat kleine individuele besluiten bijdragen aan de strategische koers.

Conclusie

Deze case is een mengvorm van ontwikkelend en ontwerpend leren. Het ontwikkelend leren is te zien in de manier waarop kleine beslissingen bijdragen aan bijsturing richting een vooraf bepaald doel, waardoor steeds nauwkeurigere voorspellingen mogelijk zijn. Het ontwerpend leren is te zien in de manier waarop de uitkomsten van het algoritme leidend worden voor alle aangesloten banken.

Verder lezen

• PDCA-cyclus
• Performancemanagement
• Blog: Bouw zo min mogelijk dashboards
• Blog: Case: Veiligheidsregio Noord-Holland Noord (slot)

Over de auteur

Daan van Beek

Daan is medeoprichter van Diamond Decisions en leidt de verdere groei. Hij helpt organisaties strategie te vertalen naar de dagelijkse praktijk met een mensgerichte benadering van datagedreven werken, en leert in elke sector waarin hij werkt iets nieuws.

Over Diamond Decisions

Diamond Decisions helpt organisaties beter te worden door betere beslissingen mogelijk te maken. We starten niet bij data, dashboards of AI, maar bij de beslissing die beter moet, en bouwen van daaruit terug naar KPI’s, data en technologie. Dat doen we in vier stappen: inspiratie en alignment, business modeling, analytics en dataplatform en datagedreven beslissers. Zo zorgen we dat BI en AI geen IT-project blijven, maar elke dag waarde opleveren.