Een groeiend bedrijf werkt al snel met meerdere systemen. Business Central bevat financiële en operationele gegevens, in het CRM staat waardevolle informatie over klanten en sales en daarnaast zijn er vaak nog andere applicaties en Excel-bestanden in gebruik. Op zichzelf hoeft dat geen probleem te zijn. Totdat je informatie uit verschillende bronnen nodig hebt om een beslissing te nemen. Want welk cijfer is dan leidend? En hoeveel tijd kost het om alle gegevens bij elkaar te brengen en te controleren?
Juist daar ligt een belangrijke stap naar een meer datagedreven bedrijfsvoering: niet nóg meer rapportages bouwen binnen afzonderlijke systemen, maar zorgen dat relevante data centraal beschikbaar komt.
In de SucceedIT Podcast spreken Adriaan Hoogduijn, Founder & Director bij HIPER Consultancy, en Mark-Jan Hennink, directeur en mede-eigenaar van SucceedIT, over hoe je zo’n datafundament opbouwt. Waarom een data lake daarbij interessant kan zijn, wat goede data betekent voor de inzet van AI en vooral: hoe je voorkomt dat technologie ingewikkelder wordt dan het probleem dat je ermee wilt oplossen.
Discussieert jouw MT over cijfers of over besluiten?
In veel MKB-bedrijven is het een wekelijks terugkerend ritueel: het managementteam zit rond de tafel met elk hun eigen rapportages. De verkoopdirecteur heeft een ander omzetcijfer uit het CRM-systeem getrokken dan de financieel manager uit de boekhouding. Mark-Jan vraagt naar de kern van een centrale databron:
Mark-Jan: “Kan ik dan spreken over een ‘single source of truth’? Hoe zien jullie dat voor je? Werk je dan met het aggregeren van de data? Breng je de data dan bij elkaar in een systeem? Wat doe je daar precies mee?”
Adriaan: “In het vakjargon noemen we dat een ‘data lake’. In de data lake brengen we eigenlijk de data vanuit al die verschillende silo’s samen. Het idee daarvan is dat je een geaggregeerde laag aan data hebt waar je realtime alle cijfers kunt zien die je nodig hebt. Zodat je je besluitvorming datagedreven en feitelijk kan vormgeven. En niet dat je in veel managementteams de discussie hebt over de juistheid van gegevens of dat ze wel up-to-date zijn.”
De valkuil van maatwerk in je kernapplicatie
Veel bedrijven proberen dit probleem op te lossen door hun ERP- of CRM-systeem vol te bouwen met klantspecifiek maatwerk en complexe rapportagemodules.
Adriaan schetst dat hier juist een grote valkuil zit:
Prestatieverlies: Hoe meer maatwerk in je kernapplicatie, hoe trager het systeem wordt.
Hoge onderhoudskosten: Updates worden complexer en duurder.
Inflexibiliteit: Je bouwt het IT-landschap dicht in plaats van flexibel.
De oplossing ligt in het slim scheiden van je kernapplicatie en de manier waarop je data analyseert en gebruikt. Door data uit verschillende systemen centraal beschikbaar te maken, bijvoorbeeld via een data lake, kun je deze vervolgens benutten in Power BI, AI-toepassingen en andere rapportages. Zo houd je je ERP-omgeving zo veel mogelijk standaard, terwijl je toch flexibel blijft in wat je met je data kunt doen.
Waarom een data lake juist voor het MKB onmisbaar is
Een data lake wordt al snel geassocieerd met grote bedrijven en complexe IT-landschappen. Toch kan het juist voor het MKB veel waarde opleveren. Adriaan legt in het gesprek uit waarom:
Adriaan: “Corporates hebben veel meer capaciteit die zij tegen zo’n probleem aan kunnen gooien. Die kunnen extra afdelingen of controleprocessen inrichten. Veel MKB-bedrijven kunnen dat niet. Als daar iemand een dag bezig is met het creëren van overzichten of het analyseren van cijfers, merk je die afwezigheid direct in je operatie of je billability.”
Vertrouwen in je cijfers
Zodra alle data op één centrale plek samenkomt, ontstaat de vraag hoe je de kwaliteit van die gegevens bewaakt. Mark-Jan brengt in het gesprek een belangrijk punt in:
Mark-Jan: “Hoe gaan jullie daarmee om? Een stukje data governance.”
Adriaan: “Data governance moet vooral niet te zwaar worden gemaakt, alsof je een heel bureaucratisch model à la een ISO-certificering moet optuigen. Wat ik er vooral onder schaar, is dat je zeker bent van de juistheid en durft te vertrouwen op de data. Dat data via geijkte processen in de centrale plek terechtkomt en er kwaliteitscontrole op zit.”
Begin klein en houd het resultaat meetbaar
De hoeveelheid data binnen een bedrijf is zelden het probleem; het ontbreken van structuur is dat wel. De beste aanpak is daarom om klein te beginnen:
Breng de huidige tijdsbesteding in kaart: Hoeveel uur is je team nu kwijt aan het handmatig ophalen, combineren en controleren van data uit verschillende systemen?
Kies één helder proces: Begin met het centraliseren van bijvoorbeeld verkoop- of voorraaddata.
Meet de besparing: Houd bij hoeveel sneller de rapportage klaarstaat en hoeveel tijd dit oplevert voor je medewerkers.
Itereer verder: Breid het data lake stapsgewijs uit naar andere afdelingen.
Eerst datahygiëne, dan pas automatiseren
De markt staat bol van de AI-beloftes. Op platforms zoals LinkedIn vliegt de ‘Fear Of Missing Out’ (FOMO) je om de oren. Veel directies voelen de druk van aandeelhouders, klanten of medewerkers om ‘iets met AI te doen’.
Adriaan benadrukt in de podcast dat AI geen wondermiddel is als de onderliggende data niet klopt:
Adriaan: “Het belangrijkste van AI succesvol inzetten is gewoon je datahuishouding. De hygiëne en de kwaliteit van je data bepalen hoe goed de technologie zelf kan functioneren. Als je datahuishouding niet op orde is, kun je er zoveel AI op loslaten als je wilt, maar blijven de resultaten achter.”
Schaduw-AI en cybersecurity binnen een veilige omgeving
Een ander groeiend risico in het MKB is ‘schaduw-AI’: medewerkers die op eigen houtje bedrijfs- of klantgegevens in openbare gratis browser-tools plakken.
Mark-Jan haalt dit veiligheidsaspect aan in de podcast:
Mark-Jan: “Hoe zit het daar met een stukje security? Als we het intern over een data lake hebben en je gaat daar AI op aansluiten, hoe zit dat dan precies?”
Adriaan: “Dat brengt je precies terug naar de schaduw-AI die je bij veel bedrijven ziet: het ongeautoriseerde gebruik van AI via de browser. Het wordt voor ieder bedrijf belangrijk om AI-gebruik te embedden binnen je bredere security-framework. Zeker met wetgeving zoals NIS2 moeten AI-toepassingen binnen een veilige, gereguleerde omgeving draaien waar dezelfde maatregelen gelden tegen antiphishing en ransomware als op de rest van je werkplek.”
Los procesfouten op aan de bron
Wanneer de datahuishouding eenmaal op orde is, worden AI-agents extreem krachtig. Denk aan een servicedesk die maandelijks honderden repetitieve vragen binnenkrijgt over statusupdates van leveringen. Een agent kan deze vragen geautomatiseerd analyseren en afhandelen.
Toch maant Adriaan tot scherpte: als vragen ontstaan door een weeffout in je bedrijfsproces (bijvoorbeeld onduidelijke communicatie vooraf), moet je eerst het proces herstellen voordat je er een AI-agent op zet.
Bouw aan een toekomstbestendig IT-landschap met SucceedIT
Het succesvol inzetten van data en AI begint niet bij een ingewikkelde prompt, maar bij een solide fundament. Door datasilo’s af te breken en te kiezen voor een betrouwbaar data lake, leg je de basis voor snellere besluitvorming, efficiëntere processen en echte innovatie.
Wil je stoppen met discussiëren over cijfers en de stap maken naar een datagedreven bedrijf? Neem gerust contact op met de experts van SucceedIT. Samen zorgen we voor rust, grip en een toekomstbestendig IT-landschap.