Ny mall identifierar fel och risker i regelverk inom välfärdssystemet

Nu finns en mall för hur du gör crime proofing-analyser för att förebygga välfärdsbrott. Johanna Skinnari, utredare på Brå, berättar om arbetet med att ta fram mallen och ger tips på hur du lyckas med din analys.

Crime proofing är ett sätt att förebygga fel och brott genom att analysera regelverk för att hitta risker och svagheter. Analysmallen togs ursprungligen fram för att säkra EU-lagstiftning, och metoden kan anpassas för att passa olika områden. Nu finns en crime proofing-mall som är anpassad till svenska förhållanden, för att förebygga felaktiga utbetalningar inom välfärdssystemet. Mallen är framtagen av en arbetsgrupp inom MUR-nätverket, som består av 25 myndigheter som samverkar för att förhindra felaktiga utbetalningar och bidragsbrott. Johanna Skinnari, utredare och biträdande enhetschef på Brå, har lett arbetsgruppen.

– I arbetsgruppen har vi haft väldigt duktiga praktiker som bidragit utifrån sina perspektiv som exempelvis verksamhetsutvecklare, jurister och ekonomer på utbetalande myndigheter eller inom rättsväsendet. Vi har fokuserat på vad som är viktigt att veta när man bedömer risker och vad man tittar på, för att gå från forskning och teori till konkreta, analytiska frågor och skapa ett praktiknära stöd, berättar Johanna Skinnari.

Crime proofing-mallen är testad på regelverk om utbetalningar från välfärdssystemen, både regelverk som är i bruk och kommande regelverk som ska införas. I en crime proofing-analys kan risker i regelverket identifieras och relevanta förslag på åtgärder tas fram.

– Analysen benar ut vad i regelverket som skapar vilken risk, vad det får för konsekvenser, och vad kan vi göra åt det. Det är ett spetsigt verktyg för att hitta var felet faktiskt är någonstans, säger Johanna Skinnari.

Ibland visade testerna att riskerna och problemen som upptäcktes inte var de man på förhand trott.

– I någon av testgrupperna visade det sig att det kanske inte var regelverket det var fel på, utan det kunde vara interna rutiner och att man tänkte ”såhär har vi alltid gjort”. Analysen visade att man hade en större verktygslåda än man visste, berättar Johanna.

Webbinarium om crime proofing i höst

Den 24 september anordnar Brå ett webbinarium om crime proofing.

– I webbinariet får tittaren konkreta råd och tips på hur hen gör en lyckad crime proofing-analys. Vi kommer att gå igenom teori, men framför allt ta del av praktiska erfarenheter från paneldeltagare som arbetat med mallen, avslutar Johanna Skinnari.

Johanna Skinnari, utredare på Brå

Johanna Skinnari, utredare och biträdande enhetschef på Brå.

Kommande webbinarium

Förebygg välfärdsbrott med crime proofing

Hur fungerar crime proofing? Hur kan analysmodellen användas och av vem? Och vilka brott kan förebyggas? Under detta webbinarium får du lära dig mer om crime proofing och hur analysmodellen kan användas för att förebygga välfärdsbrott.

Webbinariet riktar sig till dig som planerar att göra en crime proofing-analys, som utförare eller beställare.

Johannas tre råd för hur du lyckas med din crime proofing-analys

  • Börja i liten skala
    Ta dig inte an det allra största regelverket när du provar crime proofing för första gången, utan börja gärna med ett mindre regelverk eller en del av ett regelverk eller stöd. Då lär du dig att göra en analys och sedan kan du titta på något större.
  • Bred kompetens i arbetsgruppen
    Se till att det finns personer med olika kompetens i arbetsgruppen. Du kan inkludera personer från den egna verksamheten, men också från grannverksamheten eller hos en samverkande myndighet. Genom att bjuda in andra kan det bli en bättre analys och bättre resultat.
  • Gå vidare om du fastnar vid en fråga
    Fastna inte på frågor du inte förstår vid första anblick. Börja med att gå igenom hela mallen och svara på de frågor som går enkelt, och börja sedan om. Våra tester har visat att när man har kommit in i tänket så kan det vara lättare att förstå frågor som kändes svåra från början. Glöm inte att du ska bortse från frågor som du inte bedömer är relevanta för din analys.