Data foundations
Masterdata: het onopvallende fundament onder elke AI-toepassing
Voordat je vraagt wat AI met je data kan, moet je vragen of je data weet wie je klanten zijn.
Vraag een directie naar haar AI-ambities en je hoort over forecasting, churn-voorspelling en AI-agents die klantvragen afhandelen. Vraag hoeveel klanten het bedrijf heeft en je krijgt mogelijk drie verschillende antwoorden. Die tweede vraag is belangrijker dan hij lijkt.
Waarom AI het probleem groter maakt
Een rapport op rommelige data is zichtbaar fout. Een salesmanager ziet een dubbele klant en werkt eromheen. AI doet dat niet. Een model dat leert van dubbele of inconsistente records leert de verkeerde patronen en presenteert ze daarna met overtuiging. Een AI-agent die de historie van een klant uit drie tegenstrijdige records haalt, geeft een antwoord dat klopt lijkt maar het niet is.
Anders gezegd: AI repareert slechte masterdata niet. Het vergroot het probleem.
Hoe goede masterdata eruitziet
Masterdata is de gedeelde referentie-informatie waarop het bedrijf draait: klanten, producten, leveranciers, het grootboekschema. Het op orde krijgen komt neer op een paar basisprincipes:
- Eén definitie. Spreek af wat een "klant" is: een juridische entiteit, een vestiging, een factuuraccount? Hier begint de meeste verwarring.
- Eén golden record. Elke klant, elk product en elke leverancier bestaat één keer, met een unieke ID die elk systeem gebruikt of ernaar verwijst.
- Helder eigenaarschap. Elk datadomein heeft een business-eigenaar die over definities en kwaliteitsregels beslist, en data stewards die het dagelijks op orde houden.
- Zichtbare kwaliteit. Volg een handvol maatstaven, zoals dubbelingen, ontbrekende kernvelden en records zonder eigenaar, en maak ze openbaar.
Beginnen zonder meerjarenprogramma
Masterdataprojecten staan bekend als traag en duur. Dat hoeft niet.
- Begin bij een use case. Kies één AI- of analytics-toepassing die ertoe doet, zoals een omzetforecast of een single customer view voor sales, en breng eerst de data op orde die daarvoor nodig is.
- Repareer aan de bron. Opschonen in het datawarehouse helpt even. Blijvende kwaliteit ontstaat door te corrigeren waar data ontstaat, met validatie in het CRM of ERP.
- Consolideer stap voor stap. Bedrijven met meerdere ERP- of CRM-systemen hebben zelden een big-bang-migratie nodig. Een gedeelde klant-ID en een mappinglaag leveren al een single source of truth voor rapportage en AI. Bij Solmax brachten we zo de rapportage uit vijf ERP-systemen samen in één governed datawarehouse.
- Maak kwaliteit routine. Een maandelijkse datakwaliteitsreview met de business-eigenaren voorkomt dat het terugzakt.
Tot slot
Masterdata wordt nooit het spannende deel van een AI-strategie. Maar het bepaalt wel of die strategie iets oplevert. De organisaties die er nu rustig in investeren, zijn straks de organisaties waarvan de AI te vertrouwen is.
Lees ook
Laten we kennismaken.
Over een rol, een adviesvraag of een workshop voor je team op het gebied van data, analytics, AI en FP&A.