Discussiepaper over klanthechting en informatieverificatie in taxeren. Dit artikel gaat in op de relatie tussen hechting aan de klant enerzijds en de controle van klantgerelateerde informatie anderzijds. Klanthechting (Engels: client attachment), is een relevant thema in sectoren waarin oordeelsvorming en klantbelangen centraal staan. Het is immers niet ondenkbaar dat dienstverleners zich minder kritisch opstellen bij (belangrijke) klanten vanuit het oogpunt van klant- en omzetbehoud. In de volgende paragraaf is literatuur verkend over mogelijke risico’s bij onderzoeksinspanning in professionele dienstverlening. Vervolgens is in een enquête onder registertaxateurs in Nederland het effect van twee potentiële risicofactoren op de kwaliteit van informatiecontrole onderzocht. De bevindingen zijn aan het eind van dit artikel verwoord.
De voetbalsector is nog steeds kwetsbaar voor witwaspraktijken en andere vormen van financieel-economische criminaliteit. In dit artikel wordt nader ingegaan op de resultaten en achtergronden van het antiwitwasbeleid van de afgelopen 15 jaar. Geconcludeerd wordt dat de vrije zelfregulering niet effectief is gebleken om een dam op te werpen tegen de instroom van crimineel geld en dat actieve bemoeienis van de overheid vereist is. Het artikel sluit af met drie opties voor – onderbrenging in de WWFT; vergunningplicht en bestuurlijke integriteitstoetsing en geconditioneerde zelfregulering met wettelijke randvoorwaarden – verscherpte regulering en toezicht van de witwaspreventie in het professionele voetbal.
This chapter explores the legal and moral implications of the use of data science in criminal justice at two levels: police surveillance and the criminal trial of a defendant. At the first level, police surveillance, data science is used to identify places and people at high risk of criminal activity, allowing police officers to target surveillance and take proactive measures to try to prevent crime (predictive policing). At the second level, the criminal trial of a defendant, data science is used to make risk assessments to support decisions about bail, sentencing, probation, and supervision and detention orders for high-risk offenders. The use of data science at these levels has one thing in common: it is about predicting risk. The uncertainty associated with risk prediction raises specific related legal and ethical dilemmas, for example in the areas of reasonable suspicion, presumption of innocence, privacy, and the principle of non-discrimination.
