Datastrategie en data governance

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.

· · 2 minuten lezen

Vraag een directie naar haar AI-ambities en je hoort over forecasting, churnvoorspelling en AI-agents die klantvragen afhandelen. Vraag hoeveel klanten het bedrijf heeft, en je krijgt soms 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. Een model dat leert van dubbele of inconsistente records kan dat niet: het leert de verkeerde patronen en presenteert ze daarna vol overtuiging. Een AI-agent die de historie van een klant uit drie tegenstrijdige records haalt, geeft een antwoord dat er goed uitziet en toch niet klopt. Met AI wordt slechte masterdata dus een groter probleem.

Hoe goede masterdata eruitziet

Masterdata is de gedeelde referentie-informatie waarop een bedrijf draait: klanten, producten, leveranciers, het grootboekschema. Het begint met één definitie. Wat is een "klant": een juridische entiteit, een vestiging, een factuuraccount? Hier ontstaat de meeste verwarring. Daarna bestaat elke klant, elk product en elke leverancier één keer, als golden record met een unieke ID die elk systeem gebruikt of ernaar verwijst.

Elk datadomein heeft bovendien een business-eigenaar die over definities en kwaliteitsregels beslist, en data stewards die het dagelijks bijhouden. En de kwaliteit is zichtbaar: een handvol maatstaven, zoals dubbelingen, ontbrekende kernvelden en records zonder eigenaar, die voor iedereen in te zien zijn.

Beginnen zonder meerjarenprogramma

Masterdataprojecten staan bekend als traag en duur. Dat hoeft niet.

  1. 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.
  2. Repareer aan de bron. Opschonen in het datawarehouse helpt even. Blijvende kwaliteit krijg je door te corrigeren waar de data ontstaat, met validatie in het CRM of ERP.
  3. 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.
  4. Maak kwaliteit routine. Een maandelijkse datakwaliteitsreview met de business-eigenaren voorkomt dat het terugzakt.

Masterdata wordt nooit het spannende deel van een AI-strategie, maar het bepaalt wel of die strategie iets oplevert. Wie er nu rustig in investeert, heeft straks AI die te vertrouwen is.

Lees ook

Laten we kennismaken

Wil je van gedachten wisselen over data, analytics, AI of FP&A? Ik maak graag kennis.