Data en AI strategie die jouw MT in één richting krijgt

Een plan van tachtig pagina's helpt je niet verder, een verhaal waar directie, IT en business achter staan wel.

Lees verder
Lees verder

In veel directiekamers leeft hetzelfde patroon. IT heeft een visie op het data fundament, de business heeft een lijstje AI use cases dat morgen al moet, en het MT als geheel heeft drie verschillende beelden van waar het over twee jaar staat. Elk plan op zich klopt, maar samen vormen ze geen richting. Investeringen lopen langs elkaar en prioriteiten verschuiven per kwartaal.

Wij bouwen samen met jou een data en AI strategie die wel landt. Geen document van tachtig pagina's, maar een gedragen plan dat directie, IT en business samen onderschrijven. Met een data roadmap waarin de AI roadmap als belangrijk onderdeel is verweven, fasering, kostenindicatie en heldere keuzes, inclusief de keuzes die je niet maakt.

Een data en AI strategie staat of valt bij MT alignment

McKinsey rapporteerde in zijn "State of AI" onderzoek (2024) dat slechts ongeveer 27% van bedrijven hun AI strategie volledig op MT niveau heeft verankerd. Juist die groep realiseert significant meer EBIT impact uit AI investeringen. MIT Sloan Management Review en BCG voegden daar in 2024 aan toe dat circa 60% van organisaties zegt nog geen materiële waarde uit AI investeringen te halen, met als kern oorzaak het ontbreken van strategische samenhang.

Het opvallende is wat dat over de inhoud van die strategieën zegt: weinig. De plannen zijn op papier vaak prima. De breuklijn zit in de mate waarin het MT als geheel achter hetzelfde verhaal staat. Een CFO die op kostenbeheersing stuurt, een CTO die op platform vernieuwing stuurt en een commercieel directeur die op AI experimenten stuurt, kunnen alle drie gelijk hebben. Zolang ze niet in dezelfde volgorde sturen, levert het bedrijf als geheel weinig op. Bedrijven die hun strategie wel gedragen krijgen, bouwen op één eigen data fundament en zien hun AI initiatieven cumulatief renderen. De rest blijft AI inzetten als losse experimenten. Een goed strategietraject doet daarom maar één ding echt: het MT in één richting krijgen.

Wat een data en AI strategie traject oplevert

Een strategietraject levert vier deliverables op die op directieniveau het verschil maken.

Een gedragen plan dat directie, IT en business samen onderschrijven

Een plan dat één partij oplegt en twee partijen mokkend meegaan, is geen strategie. Wij werken vanaf dag één met directie, IT en business samen aan tafel en formuleren de keuzes waar het MT zich gezamenlijk aan kan committeren. Het resultaat is een plan dat elk MT lid in eigen woorden kan vertellen, inclusief de keuzes die je expliciet niet maakt. Strategie is net zo goed nee zeggen tegen wat niet aan de beurt is.

Een data roadmap met de AI roadmap als belangrijk onderdeel

De data roadmap is de overkoepelende meerjarenplanning waarin alle data initiatieven samenkomen: bronontsluiting, datamodellen, governance, analyses en AI use cases. De AI roadmap zit daarin als belangrijk onderdeel, niet als afzonderlijk spoor. Per AI use case is helder welke data laag eronder moet liggen en op welk moment die voorwaarden vervuld zijn.

Wij werken met fases die elk op zichzelf waarde leveren. Geen big bang plan, wel opeenvolgende stappen met meetbare uitkomsten. Mocht prioriteit verschuiven, dan beweegt de roadmap mee zonder dat de hele strategie op losse schroeven komt te staan.

Onderbouwde keuzes over platform, team en investeringen

Een strategie wordt concreet zodra de strategische keuzes vallen. Welk dataplatform past bij jullie schaal? Welke rollen bouwen we intern op en welke besteden we uit? Welke AI initiatieven krijgen prioriteit, welke schuiven we naar een latere fase? Hoe verdelen we de investeringen over de komende jaren?

Wij brengen elke keuze terug tot de business vraag eronder en leggen de afweging expliciet op tafel. De technische verdieping ligt bij data engineering en AI consultancy, de strategische keuze maken we hier eerst, samen.

Heldere keuzes, inclusief wat je niet doet

Strategie is prioriteren, en prioriteren betekent dat dingen afvallen. Een AI use case die elders gouden bergen oplevert, kan in jullie situatie technisch of organisatorisch nog niet rond zijn. Een platform dat in de markt veel aandacht krijgt, hoeft niet de juiste keuze te zijn voor jullie volume of jullie regelgeving. Wij benoemen die keuzes expliciet, met motivering erbij.

Data en AI strategie in de praktijk waarbij een team werkt aan analyse en roadmap op kantoor

Waarom een data roadmap en een AI roadmap niet meer los kunnen bestaan

Tot een paar jaar geleden was een data roadmap een document op zich. Een AI roadmap was iets voor de innovatie afdeling. Die scheiding is niet meer houdbaar.

Een AI roadmap zonder data fundament eronder is een wensenlijst. Elke AI use case erop is afhankelijk van data die op een bepaalde manier ontsloten, gemodelleerd en gegovernde moet zijn. Wie die voorwaarden niet in de roadmap zet, levert pilots op die technisch werken en in productie sneuvelen. Klopt je data, dan klopt je AI. Andersom geldt het ook: een data roadmap zonder AI ambitie als kompas optimaliseert voor de wereld van vijf jaar geleden, toen rapportages het hoofddoel van data waren.

Daarom bouwen wij één geïntegreerde roadmap, met de data roadmap als overkoepelende structuur en de AI roadmap als prioriteit binnen die structuur. Een AI use case wordt pas ingepland op het moment dat de data laag eronder die use case ook kan dragen. Dat klinkt als vertraging en is precies het tegenovergestelde: het scheelt jullie de pilots die anders nooit in productie waren gekomen.

Voorbeelden van sectoren waar wij veel voor werken

Onze gesprekspartners zijn ondernemers, CEO's, CFO's, CTO's en MT leden bij bedrijven met 100 tot 2.500 medewerkers in Nederland. In ons werk komen vier sectoren regelmatig terug, elk met eigen strategische dilemma's:

- E commerce bedrijven die data en AI investeringen strategisch willen bundelen, met use cases zoals personalisatie, attributie en demand forecasting in één meerjarig plan

- Retail bedrijven die een meerjarige roadmap willen om winkel, webshop en supply chain op één datafundament te krijgen, met AI prioriteiten zoals voorraadoptimalisatie en customer lifetime value scoring

- Zakelijke dienstverleners die strategische keuzes maken over kennisontsluiting, declarabiliteit en de inzet van AI agents, in samenhang met het data fundament eronder

- Financiële dienstverleners die strategische keuzes maken in een veld waar AI Act, DORA en GDPR de speelruimte bepalen, en waar elke AI use case ook op uitlegbaarheid en lineage moet worden onderbouwd

Onze rol verschuift met jullie behoefte. Soms zitten we aan tafel als sparringpartner van de CEO, soms schrijven we mee aan een MT presentatie, soms schakelen we tussen techniek en directiekamer zonder vertaler.

Wat onderscheidt ons

Business, organisatie en techniek in één strategie

Een strategie die alleen op techniek leunt, mislukt. Een die alleen op organisatie of business leunt, ook. Wij brengen alle drie samen in één plan dat de hele MT tafel kan dragen. Onze mensen schakelen tussen engineers en directieleden zonder vertaler, en houden het gesprek aan tafel tot het MT achter dezelfde keuzes staat.

Strategie experts met een data en AI hart

Wij weten dat een AI strategie zonder data fundament een gok is, en dat een data strategie zonder AI ambitie achter de markt aanloopt. Daarom bouwen wij altijd vanuit de combinatie: eerst de data laag in beeld, dan de AI ambitie eroverheen. De volgorde volgt de waarde, niet de hype.

Kennisoverdracht in ons DNA

Een strategie die alleen wij begrijpen, is geen strategie. Het is een afhankelijkheid. Daarom werken we vanaf dag één met jullie mensen aan tafel, documenteren we de keuzes en zorgen we dat elk MT lid het verhaal zelf kan vertellen. Onze denkwijze leunt op het data impact framework, dat we overdragen zodat jullie nieuwe strategische vragen op den duur zelf kunnen beantwoorden.

Wanneer is een data en AI strategie traject waardevol

Eerlijk antwoord: niet altijd. Soms is een gerichte uitvoering of een data scan sneller geholpen dan een strategietraject. Maar in deze situaties zien we dat een volledig traject wel het verschil maakt:

- Er liggen meerdere AI plannen op tafel, maar geen meerjarige roadmap die ze in een logische volgorde zet

- Platformkeuzes worden los per afdeling gemaakt, met versnipperde tooling en oplopende licentiekosten als gevolg

- AI investeringen worden goedgekeurd zonder dat het MT de bijbehorende data investeringen heeft ingepland

- Een eerdere data scan ligt op tafel, maar de stap naar een gedragen meerjarig plan is nog niet gemaakt

- Een AI Act of DORA traject vraagt om strategische keuzes die verder gaan dan compliance alleen

- Een nieuwe CDO, CTO of CFO wil een gedragen meerjarig plan voordat hij of zij eigen investeringen aanvraagt

Klinkt iets bekend? Dan loont een gesprek waarschijnlijk de moeite.

Plan een Data Impact Sessie

Een Data Impact Sessie duurt 90 minuten en is kosteloos. We schuiven aan, luisteren naar wat er bij jullie speelt en laten zien waar een data en AI strategie het meeste verschil kan maken. Geen verkooppraatje, wel een gesprek waar het MT direct iets aan heeft.

We geven antwoord op de vraag of een strategietraject op dit moment het juiste startpunt is, en geven je minimaal drie aanknopingspunten:

1. Waar in jullie huidige plannen data en AI nog langs elkaar heen lopen

2. Welke AI use cases als eerste in de roadmap passen, op basis van wat het data fundament aankan

3. Wat een realistische fasering is voor jullie data en AI strategie traject

Hoe het gesprek ook eindigt, je gaat met deze aanknopingspunten naar huis.

Plan een: Data Impact Sessie

Zij vertrouwen op onze expertise

We werken met gevestigde namen en groeiende bedrijven in alle sectoren. Want data is overal.

Salta Group
Rewilding Europe
BuZa
ING
Ikea
Hunkemoller
Grandvision
Gemeente Amsterdam
Eindhoven
Countus
Bol.com
Schiphol
Rein van Strien
Online
Rein van Strien
Hoi! 👋

Wat kan ik voor je doen?
Start Whatsapp chat
1

Vraag & Antwoord

Hoe we organisaties helpen betere keuzes maken met hun data.

Hoe houd je een data en AI strategie levend nadat hij is opgeleverd?
Hoe ziet een data roadmap met een AI roadmap eruit?
Hoe lang duurt een data en AI strategie traject?
Wat is het verschil tussen een data strategie en een AI strategie?
Wat is een data en AI strategie en wat staat erin?