Een dashboardfabriek is geen stuurinstrument

Het patroon is herkenbaar. De directie vraagt om beter inzicht in klantgedrag. Er wordt een dashboard gebouwd, opgeleverd, gepresenteerd. Drie maanden later kijkt niemand er meer naar. De vraag uit het MT gaat weer rechtstreeks naar finance. Of: een rapportage die jarenlang werkte, valt om zodra een bronsysteem wordt vervangen. Sindsdien klopt de helft van de cijfers niet meer, en niemand voelt zich eigenaar. Of: drie afdelingen sturen op drie verschillende versies van omzet, en finance schaaft elke maand bij.

Voor het MT is dat geen technisch probleem. Het is verspild budget, traag besluiten en vertrouwen dat wegsijpelt. McKinsey rapporteert in zijn werk over de data driven enterprise (2022 en 2023) dat organisaties die analytics als product behandelen tot 60% sneller nieuwe use cases ontsluiten en aanzienlijk lagere total cost of ownership realiseren op hun BI omgeving. Gartner noemt data products sinds 2024 een van de structurele trends in data en analytics, juist omdat klassieke projectmatige BI niet schaalt.

Het verschil tussen een rapportagefabriek en een stuurinstrument zit zelden in de tool. Het zit in hoe je een dashboard behandelt nadat het er staat.

‍

Dashboards als product, niet als project

Een project heeft een begin en een einde. Je levert op, je sluit af, je gaat naar het volgende. Een dashboard dat zo wordt behandeld, gaat onvermijdelijk verstoffen. De business verandert, de bronnen veranderen, de vragen veranderen, en het dashboard staat stil.

Een product werkt anders. Het heeft een eigenaar die er morgen ook nog van is. Het heeft gebruikers die er dagelijks of wekelijks iets mee doen. Het heeft versies die meebewegen als de business beweegt. En het heeft een levenscyclus, inclusief het moment waarop je besluit dat dit dashboard zijn werk heeft gedaan en wordt uitgezet.

Wij bouwen dashboards op die manier. Niet omdat het zo hoort, maar omdat het werkt. Een dashboard met een vraageigenaar uit de business, een vaste plek in een werkritme en een feedback loop die op gang blijft, wordt gebruikt. Een dashboard zonder die discipline, hoe mooi ook gevisualiseerd, niet. De bredere denkwijze achter dit principe werken we uit op onze pagina over het data impact framework.

Van onderbuik naar onderbouwd, dat is uiteindelijk waar dit over gaat.

‍

Wat we bouwen

Onze aanpak voor dashboards en rapportages bestaat uit vier onderdelen die in elkaar grijpen. Soms doen we ze allemaal, soms één. We werken vanaf dag één met jouw mensen mee en dragen het eigenaarschap over, zodat jullie het straks zelf kunnen.

Dashboards die antwoord geven op een echte vraag

Een dashboard valt of staat bij de vraag eronder. Wat wil het MT echt weten? Welk besluit hangt eraan? Welke data heb je daar nodig, en welke niet? Hier ontstaat de adoptie van een dashboard, of valt die om voordat er een query is geschreven.

Wij starten daarom altijd met die vertaalslag. Hoe wij dat doen, lees je op onze pagina over business analyse. Pas als de vraag staat, beginnen we aan de visualisatie. Niet andersom.

Rapportages die meebewegen met de business

Een rapportage die vandaag klopt, klopt morgen niet meer. Bronsystemen worden vervangen, definities worden aangescherpt, segmentaties verschuiven. Wij bouwen rapportages zo dat ze die beweging aankunnen, met een semantische laag eronder die mee kan groeien.

De cijfers in een rapportage komen ergens vandaan. Hoe wij die laag bouwen, lees je op onze pagina over data modelleren. Klopt het datamodel, dan klopt de rapportage. Zo simpel is het, en zo precies.

Eigenaarschap en een feedback loop met gebruikers

Een dashboard zonder eigenaar zweeft. Niemand pakt aan als cijfers afwijken, niemand voelt zich verantwoordelijk als een definitie verandert. Wij beleggen eigenaarschap per domein bij een vraageigenaar uit de business, niet bij een analist die toevallig de bouwer was.

Daar bouwen we een feedback ritueel omheen. Een vast moment waarop het dashboard wordt besproken in het werkoverleg, een korte cyclus voor verbeteringen, een duidelijke route voor nieuwe wensen. Adoptie volgt dan vanzelf.

Releases en versies, niet eenmalige opleveringen

Een dashboard heeft versies, net als software. Versie 1 is een eerste bruikbare versie, niet de eindversie. We leveren in korte cycli en bouwen verbeteringen in op basis van wat we de gebruikers zien doen, niet op basis van wat we vooraf hadden bedacht.

Dat scheelt twee dingen. Het scheelt een groot dashboardproject dat een halfjaar later nog niets oplevert. En het scheelt de discussie of versie 1 al goed genoeg is, want dat is hij sowieso niet en dat is ook niet de bedoeling.

Power BI, Tableau of open source, een pragmatische keuze

De Power BI versus Tableau discussie kost in veel organisaties maanden. Alsof de toolkeuze het verschil maakt tussen een dashboard dat gebruikt wordt en een dat verstoft. Dat doet hij niet. Forrester en Gartner laten al jaren zien dat de functionele verschillen tussen de grote BI platformen klein zijn geworden. Het verschil zit in de vraag eronder, het datamodel erboven en het eigenaarschap eromheen.

Toch moet er een keuze worden gemaakt. Onze afweging in de praktijk:

- Power BI past doorgaans bij organisaties die al in het Microsoft ecosysteem zitten, met Microsoft 365, Azure of Fabric eronder. De licentiestructuur is gunstig en de integratie met de rest van de stack is sterk.

- Tableau past bij organisaties die veel waarde hechten aan visualisatie diepte, die platform onafhankelijk willen blijven, of die een sterke analytische cultuur hebben waarin analisten zelf veel willen kunnen.

- Open source alternatieven zoals Apache Superset of Metabase passen bij organisaties die zelf controle willen houden over de stack, die licentiekosten willen drukken bij grote gebruikersaantallen, of die specifieke integraties nodig hebben die in commerciële tools lastig zijn.

Wij kiezen op basis van waar jullie al staan, welke skills er in huis zijn en wat de business gebruikers prettig vinden werken. Wie de tool zelf wil verdiepen, leest verder op onze pagina over Power BI of Tableau. De keuze volgt de business, niet andersom.

‍

Sectorvoorbeelden, welk dashboard maakt het verschil

Elke sector heeft zijn eigen kritieke dashboards. Niet omdat de techniek anders is, maar omdat de vraag onder de vraag anders is. Een paar voorbeelden uit ons werk in de vier sectoren waar we ons op richten.

- E commerce: een marge dashboard per kanaal, gecombineerd met lifetime value per cohort. Niet om te zien wat de omzet doet, maar om te zien welke kanalen klanten opleveren die ook na drie aankopen nog marge dragen.

- Retail: omzet per vierkante meter per winkel en sell through per categorie, met een vergelijking tussen winkel en webshop. Stuurinformatie voor winkelmanagers en inkopers, niet alleen voor finance.

- Zakelijke dienstverlening: declarabiliteit per team en marge per opdrachttype, met een doorkijk naar bezetting voor de komende maanden. Niet de standaard urenrapportage, maar de cijfers waar partners en MT op sturen.

- Financiële dienstverlening: klantsegment winstgevendheid en risico exposure per portefeuille. Dashboards die niet alleen de winst tonen, maar ook waar de risico's zitten die je nu nog niet ziet.

‍

In elke sector geldt hetzelfde: het dashboard is pas waardevol als er een eigenaar bij hoort die er morgen ook nog van is. Daar zit ons werk.

‍

Wat onderscheidt ons

Business, organisatie en techniek samen op nr. 1

Een dashboard dat technisch klopt maar geen business vraag beantwoordt, mislukt. Een dashboard dat een business vraag beantwoordt maar geen eigenaar heeft, ook. Wij denken in alle drie tegelijk. Onze mensen schakelen tussen MT kamer en analytics team zonder dat er een vertaler tussen hoeft.

BI experts met een Data en AI hart

Een dashboard staat niet op zichzelf. Eronder zit een datamodel, daaronder een dataplatform, en daarboven straks een AI laag die zelf vragen aan dat datamodel gaat stellen. Wij bouwen dashboards in dat besef. De semantische laag die vandaag jouw rapportage voedt, voedt morgen jouw AI agent. Wie nu zijn BI goed neerzet, heeft straks geen achterstand.

Kennisoverdracht in ons DNA

Een dashboard dat alleen wij begrijpen, is een risico voor jouw bedrijf. Daarom documenteren we, leiden we jouw analisten en business mensen op en dragen we het eigenaarschap over aan de vraageigenaar in de business. Hoe sneller jouw organisatie het zelf kan, hoe beter wij ons werk hebben gedaan.

Wanneer is dit zinvol

Niet altijd. Als jullie dashboards staan, eigenaarschap is geregeld en de adoptie loopt, dan voegt een traject met ons weinig toe. Maar in deze situaties zien we dat het wel het verschil maakt:

- Het MT vraagt om stuurinformatie, maar belt na drie maanden toch weer finance

- Drie afdelingen werken met drie verschillende versies van omzet, marge of klant

- Er zijn meer dashboards dan gebruikers, en niemand weet welke nog actueel zijn

- Een ERP migratie of fusie staat voor de deur en de huidige rapportages overleven dat niet

- De business stelt vragen waar de BI omgeving geen antwoord op geeft, en niemand pakt aan

- Jullie willen agentic analytics inzetten, maar weten dat de huidige BI laag daar nog niet klaar voor is

‍

Klinkt herkenbaar? Dan loont een gesprek waarschijnlijk de moeite.

‍

Plan een Data Impact Sessie

In 90 minuten brengen we drie aanknopingspunten in beeld waar dashboards en rapportages bij jullie het verschil kunnen maken. Geen verkooppraatje, geen powerpoint van tachtig sliders. We schuiven aan, luisteren naar wat er speelt en laten zien hoe je BI als product behandelt in plaats van als project.

We geven minimaal drie aanknopingspunten:

1. Welke dashboards bij jullie het meeste worden gebruikt, en welke niet

2. Welk eigenaarschap ontbreekt waardoor adoptie onder de maat blijft

3. Wat een realistische volgorde is om jullie BI omgeving op productniveau te krijgen

‍

Wat we daarna doen, bepalen we samen. Of we nu verder bouwen of niet.

Plan een: Data Impact Sessie