NÅR SYSTEMER, DATA OG LOVGIVNING SKAL SPILLE SAMMEN
Som de fleste nok har bemærket, er der i de seneste år blevet skrevet en del om fejl i inddrivelsessystemer, og både det offentlige og flere banker har været genstand for mediernes søgelys med artikler om uberettiget inddrivelse og store oprydningsforløb. Typerne af fejl har været mange, men fælles for en stor del af fejlene er, at de kan spores helt tilbage til dengang, da systemerne blev udviklet.
Udvikling, tilpasning og idriftsættelse af et IT-system der skal varetage inddrivelse af gæld, er uden tvivl et kompliceret projekt. En væsentlig forudsætning for projektets succes er, at der både i opstartsfasen og gennem hele udviklingsprocessen er fokus på de forretningsmæssige behov, der søges indfriet ved systemet. Men lige så afgørende er fokus på det landskab, som systemet skal indgå i, de data som systemet skal behandle og ikke mindst den lovgivningsmæssige ramme for de processer, som systemet skal udføre.
I den første planlægningsfase er det ofte de forretningsmæssige behov og de mulige tekniske løsninger, som er i fokus. Men både lovgivning og datakvalitet bør tænkes ind tidligt og indgå i overvejelserne løbende igennem hele processen.
Inddrivelse af gæld er et retssikkerhedsmæssigt følsomt område. Skyldnerens manglende betaling kan være udtryk for uvilje, spekulation eller ligefrem svindel. Ofte er årsagen dog, at skyldneren ikke har evnen til at betale og/eller befinder sig i en vanskelig og sårbar situation. Lovgivningen stiller en række krav, som skal iagttages, uanset om gælden inddrives manuelt eller via et IT-system. Disse krav følger blandt andet af inkassoloven, renteloven, gældsbrevsloven, forældelsesloven, persondatareglerne, hvidvasklovgivningen og god-skik-reglerne. Derudover skal inddrivelsen ske i overensstemmelse med de almindelige obligationsretlige principper og med respekt af aftaler, som kreditor måtte have indgået med skyldneren.
Et ofte overset tema i udviklingsfasen er ”datakvalitet”. Jo bedre data er, jo større er muligheden for automatisering af digitale processer og omvendt. Hvis oplysninger i systemet er forkerte eller mangelfulde, kan automatiserede processer i systemet blive tilsvarende forkerte. Det kan i værste fald føre til ulovlig inddrivelse og hæmme inddrivelsens effektivitet.
For at undgå uholdbare løsninger, bør spørgsmålet om datakvalitet derfor rejses allerede i udviklingsfasen. Skal systemet f.eks. kunne opdatere forældelsesdatoer automatisk på baggrund af de oplysninger, der registreres om gælden? Udover de forretningsmæssige ønsker hertil, kan svaret afhænge af de oplysninger (data), som er til rådighed i systemet. Hvis ikke der i systemet er de nødvendige oplysninger til at vurdere forældelsesdatoen for gælden, må dette i stedet håndteres manuelt.