Veel MT's sturen op een gevoel over hun data, niet op feiten

Gartner berekende in 2024 dat slechte datakwaliteit grote organisaties gemiddeld 12,9 miljoen dollar per jaar kost. Niet als eenmalige afschrijving, maar als structureel verlies in productiviteit, gemiste beslissingen en herstelwerk. MIT Sloan Management Review en Harvard Business Review schrijven al jaren dat datakwaliteit in het AI tijdperk een directe winstfactor wordt: voorspelmodellen, agents en LLM antwoorden zijn nooit beter dan de data eronder.

Het opvallende is dat veel MT's deze kosten dragen zonder ze te kennen. Het rapport van finance wijkt af van het dashboard van sales. Een dure AI pilot loopt vast op data die toch niet zo bruikbaar bleek. Een ERP migratie blijkt halverwege complexer dan ingeschat omdat niemand wist hoeveel bronnen er feitelijk aan hingen. Stuk voor stuk symptomen van hetzelfde patroon: er wordt op gevoel gestuurd in een domein waar feiten beschikbaar zijn.

Een data scan zet daar een feitelijke kaart, een onderbouwde score en een concrete prioriteitenlijst tegenover. Geen vermoedens, maar metingen. Pas met dat vertrekpunt kan een MT investeringsbeslissingen onderbouwen, AI ambities toetsen en strategische keuzes maken waar de hele directie achter staat.

‍

Wat een data scan oplevert

Het deliverable van een scan is concreet en beperkt van omvang. Geen lijvig rapport waarin alles is meegenomen, wel een document waar het MT in één zitting doorheen komt en mee verder kan. Vier dingen krijg je in handen.

Een feitelijke kaart van jullie datalandschap

Welke bronsystemen zijn er, hoe zijn ze gekoppeld, waar zitten dubbelingen, waar zitten gaten? Welke data leeft in officiële systemen en welke in Excels op laptops? Wie is feitelijk eigenaar, en wie staat dat alleen op papier? Voor veel MT's is dit het eerste moment dat het complete plaatje op één A4 staat. Dat alleen al is een vertrekpunt.

Een onderbouwde score op datakwaliteit en governance

Per kritisch datadomein een score op volledigheid, juistheid, consistentie en actualiteit. Geen abstract cijfer, maar onderbouwd met steekproeven en concrete voorbeelden. Daarnaast een feitelijke vaststelling van governance: welke afspraken zijn er, welke worden gevolgd, en waar zit het verschil tussen beleid en praktijk.

Een prioriteitenlijst waar het MT mee verder kan

De drie tot vijf grootste hefbomen, gerangschikt op impact en uitvoerbaarheid. Wat levert het meeste op als je het morgen aanpakt? Wat kan beter wachten? En wat zou je beter helemaal niet meer doen? Geen wensenlijst van twintig initiatieven, een keuzelijst waar het MT zich aan kan committeren.

Een onafhankelijk oordeel over AI gereedheid

Als er AI plannen op tafel liggen, krijg je een onafhankelijk oordeel of het data fundament daar klaar voor is. Soms is het antwoord ja, soms gedeeltelijk, soms nog niet. We zeggen het zoals het is. Liever nu een eerlijke conclusie dan over zes maanden een vastgelopen pilot.

Wat we scannen in twee tot vier weken

De doorlooptijd hangt af van de omvang van jullie organisatie en het aantal bronsystemen. Een focused scan bij een bedrijf met enkele kernsystemen is in twee weken klaar. Een bredere scan over meerdere domeinen kost drie tot vier weken. We werken in zes domeinen.

Bronnen en data integratie

Welke systemen leveren data aan, hoe stabiel zijn de koppelingen, welke pipelines werken en welke breken regelmatig? We tekenen het landschap uit, inclusief de schaduwbronnen waar niemand het meer over heeft.

Datakwaliteit

Volledigheid, juistheid, consistentie en actualiteit, gemeten op de datasets die er voor de business het meest toe doen. We doen steekproeven en confronteren de uitkomst met de definities die de business hanteert.

Processen en eigenaarschap

Wie heeft eigenaarschap over welk datadomein? Wie pakt aan als er iets misgaat? Wat is in de praktijk geregeld en wat staat alleen in een document dat niemand opent? Eigenaarschap is in onze ervaring vaker het probleem dan de techniek.

Governance en compliance

AVG, security, autorisaties en de eerste voorbereidingen op de AI Act. We stellen feitelijk vast wat er is en wat er ontbreekt. Diepgaande governance inrichting hoort bij data engineering, hier blijft het bij de meting.

Tooling en architectuur

Welke platformen draaien er, welke pipelines, welke technische schuld? Past de huidige stack bij de groei van de organisatie of loopt hij over twaalf maanden vast? Een korte technische scan, geen complete architectuur review

AI gereedheid

Als er concrete AI use cases op tafel liggen, beoordelen we per case of de data laag eronder robuust genoeg is. Modellen kunnen we altijd bouwen, het gaat erom of ze in productie waarde gaan opleveren.

‍

Wat komt er typisch boven water

Wat een scan oplevert verschilt per organisatie, maar de patronen zijn herkenbaar. Een paar voorbeelden uit ons werk.

- Een AI ambitie rond aanbevelingen die struikelt op klantdata die niet over kanalen heen is gekoppeld

- Voorraad data die in het ERP klopt en in de filialen structureel afwijkt

- Urendata die in drie systemen leeft, met als gevolg dat declarabiliteit per afdeling met verschillende definities wordt gerapporteerd

- Een kennisbank die rijk is gevuld maar niet als bron voor AI bruikbaar is, omdat structuur en metadata ontbreken

- Margerapportages die elke maand handmatig worden bijgeschaafd door één persoon op finance

- Klantdata verspreid over kernsystemen met verschillende klantdefinities, waardoor een eenduidige risicobeoordeling per klant feitelijk niet bestaat

- Compliance rapportages die kloppen op het oog, maar waarvan de onderliggende lineage niet sluitend te maken is

‍

Bij elk bedrijf geldt hetzelfde: wat boven water komt, was meestal al wel bekend bij een paar specialisten. Pas als het feitelijk op tafel ligt, kan het MT er ook iets mee.

‍

Wanneer een data scan het juiste startpunt is

Niet altijd, is onze mening. Soms is een gerichte uitvoering door data engineering of een directe businessvraag sneller geholpen dan een scan. Maar in deze situaties zien we dat een scan wel het juiste startpunt is.

- Het MT vermoedt dat het data fundament niet klopt, maar heeft geen feitelijk beeld om gerichte beslissingen op te nemen

- Er liggen AI plannen op tafel en je wilt onafhankelijk getoetst hebben of de data daar klaar voor is

- Investeringen in data en BI lopen al een tijd, maar de waarde blijft uit en niemand kan precies aanwijzen waarom

- Een ERP migratie, fusie of overname staat op de agenda en je wilt vooraf weten wat er aan datacontinuïteit op het spel staat

- Een nieuwe CFO, CTO of CDO is aangetreden en wil een onafhankelijk vertrekpunt voordat hij of zij eigen plannen formuleert

- Compliance vragen rond AVG, AI Act of DORA worden steeds dringender en niemand intern kan met zekerheid zeggen hoe jullie ervoor staan

‍

Komt iets je bekend voor? Dan is een gesprek waarschijnlijk de moeite waard.

‍

Wat onderscheidt ons

Business, organisatie en techniek samen op nr. 1

Een scan die alleen techniek meet, mist de helft. Een dataplatform kan technisch volwassen zijn terwijl de business er niet op stuurt en eigenaarschap nergens is belegd. Onze scan beoordeelt alle drie de lagen tegelijk, en de bevindingen op de ene laag worden expliciet gekoppeld aan de andere. Daar zit de waarde, niet in een lange technische bijlage.

Data scan experts met een AI hart

Wij weten dat de AI plannen die nu op directie tafels liggen, staan of vallen bij de data eronder. Daarom is AI gereedheid bij ons een vast scan domein, niet een toevoeging achteraf. Geen modellen op een wankel fundament. Eerst meten, dan bouwen.

Kennisoverdracht in ons DNA

Het scan rapport draag jij het MT in, niet wij. We bouwen het zo dat jullie het verhaal zelf kunnen vertellen, met onderbouwing die de directie begrijpt en met technische bijlages die je data team kan gebruiken. Geen black box, geen vendor lock in op een methodiek die alleen wij doorgronden.

Plan een Data Impact Sessie

Een Data Impact Sessie duurt 90 minuten en is kosteloos. We schuiven aan, luisteren naar wat er speelt en bepalen samen of een data scan op dit moment het juiste startpunt is, of dat een andere route logischer is. Geen verkooppraatje, geen powerpoint van tachtig sliders. We geven je minimaal drie aanknopingspunten voor jullie volgende stap.

Soms is de conclusie dat een scan precies past. Soms is een gerichte engineering klus of een directe businessvraag sneller geholpen. Dat zeggen we dan ook. Hoe het gesprek ook eindigt, je gaat met concrete aanknopingspunten naar huis.

Plan een: Data Impact Sessie

‍