Waarom datagedreven werken altijd bij de business en informatiebehoefte begint
Maarten Gerritsen
May 6, 2025
Steeds meer organisaties willen aan de slag met datagedreven werken. Vaak wordt dan gedacht aan het inzetten van geavanceerde technologie en tools – het bouwen van dashboards met business intelligence-tools als Power BI of Tableau, het opzetten van datawarehouses, of het inhuren van data-analisten voor data analyse. Maar een succesvolle data strategie start niet met het kiezen van een tool of techniek. Het begint bij de business: bij de doelen van de organisatie en de achterliggende informatiebehoefte. Met andere woorden: eerst bepalen waarom en wat je met data wilt bereiken, en pas daarna hoe (met welke data en technologie).
Voordat er ook maar een byte aan data wordt verzameld of een dashboard wordt gebouwd, moet helder zijn welk bedrijfsprobleem je oplost of welke doelstelling je ondersteunt. Start with why, luidt het credo – wat is de reden dat je datagedreven wilt werken? Idealiter sluit dit direct aan op de bedrijfsstrategie: hoe gaat data helpen om de bedrijfsdoelen te verwezenlijken? Zonder zo'n visie en concrete doelen loop je al snel vast. Te vaak zien we projecten die omdat het kan met data beginnen, maar waarbij niemand zich heeft afgevraagd welke beslissing er uiteindelijk mee verbeterd wordt. Het gevolg: mooie rapporten of modellen die weinig bijdragen. "Zonder een heldere visie en afgebakende doelen kan de investering nooit renderen" – een duur dataproject levert dan niet het gewenste rendement op.
Een praktijkvoorbeeld: een salesmanager vraagt om "een dashboard met alle verkoopdata". Als dataspecialist kun je dat maken, maar eerst wil je weten waarom hij dat wil. Misschien blijkt dat hij moeite heeft om snel te zien welke producten uit het assortiment slecht verkopen. Dat is de échte vraag: inzicht krijgen in slecht presterende producten. Dát is de informatiebehoefte waar het om draait. Nu kun je veel gerichter aan de slag: bijvoorbeeld een analyse of rapportage specifiek bouwen om die producten en hun kenmerken inzichtelijk te maken, in plaats van een generiek verkoopdashboard. Door te beginnen bij het einddoel (de beslissingen die verbeterd moeten worden), zorg je dat data-oplossingen echt nuttig zijn.
De verleiding is groot om meteen in de oplossing te duiken: "We kopen wel een nieuwe BI-tool" of "Laten we al onze data in de cloud zetten, dan vinden we vanzelf patronen." Maar dit is de omgekeerde wereld. Technologie en tooling zoals Power BI, Tableau of geavanceerde AI-modellen zijn ontzettend waardevol – máár alleen als ze worden ingezet om een duidelijke vraag te beantwoorden. Eerst moet glashelder zijn welke informatie je nodig hebt om je business vooruit te helpen. Pas daarna komt de vraag welke tool, database of algoritme daarvoor het beste geschikt is.
Denk aan de uitdrukking "Bezint eer ge begint". In data-projecten betekent dit: voorkom dat je lukraak investeert in populaire technologie zonder een plan. We horen bijvoorbeeld vaak de roep we moeten iets met AI, simpelweg omdat het trendy is. In de meeste gevallen is zo'n high-tech oplossing niet proportioneel of nuttig als er geen concreet probleem aan ten grondslag ligt. Het advies is duidelijk: "Begin dus altijd bij een concrete informatiebehoefte en ga dan pas op zoek naar een passende technische oplossing." Met andere woorden, laat de vraag vanuit de business leidend zijn, niet de capabilities van de techniek.
Door eerst de informatiebehoefte scherp te stellen, voorkom je ook dat er achteraf teleurstelling ontstaat ("We hebben een duur dashboard, maar het vertelt ons niks nieuws"). Je maakt vanaf het begin duidelijk wat de verwachtingen en succescriteria zijn. Vervolgens kun je gericht de juiste data verzamelen en de juiste analysetools kiezen om die behoefte in te vullen. De techniek volgt de inhoud, en niet andersom. Zo benut je technologie efficiënter én levert het eindresultaat daadwerkelijk bruikbare inzichten op.
Het identificeren van de juiste informatiebehoeften is een vak apart. Vaak weten medewerkers wel globaal welke informatie ze missen, maar het moet concreet gemaakt worden. Gelukkig zijn er beproefde methoden om hier dieper op in te gaan:
Dit Lean-principe, bekend uit root cause analysis, is ook heel bruikbaar om de kernvraag te vinden. Vraag bij elke geuite wens of ieder probleem telkens waarom is dat belangrijk?. Door een paar keer dóór te vragen, kom je tot de essentie. Een paar simpele waarom-vragen kunnen al enorm verhelderend zijn: "Waarom wil ik dit eigenlijk zien? Wat ga ik doen als ik deze informatie heb? Wat kan ik dan wél wat ik nu niet kan?". Deze vragen helpen om van een vaag verzoek naar een specifiek doel te gaan. Uiteindelijk ontdek je misschien dat de onderliggende behoefte heel anders is dan de eerstgenoemde wens.
Haal de betrokken mensen (bijvoorbeeld uit verschillende afdelingen) bij elkaar en loop gezamenlijk door processen en knelpunten. In zo'n workshop kunnen deelnemers aangeven waar ze tegenaan lopen in de informatievoorziening. Door samen een processtroom of klantreis te tekenen en te bespreken, wordt duidelijk op welke punten er gebrek aan inzicht is. Bijvoorbeeld: bij een orderafhandelingsproces zie je misschien dat niemand real-time inzicht heeft in waar de bottleneck zit. Zo'n sessie brengt die hiaten aan het licht en levert een lijst van benodigde inzichten op.
Een andere aanpak is om per bedrijfsdoel of KPI te vragen: "Hoe meten we dit? Hebben we die informatie? Zo nee, wat hebben we nodig om het te meten?" Door de strategische doelen van de organisatie als uitgangspunt te nemen en af te pellen naar subdoelen en indicatoren, kom je vanzelf op de informatiebehoeften die cruciaal zijn. Een bekende oefening is het opstellen van een KPI-tree of doelenmatrix, waarin voor elke doelstelling de bijbehorende stuurinformatie wordt gedefinieerd.
Ga in gesprek met de mensen die straks met de informatie gaan werken (bijvoorbeeld managers, analisten, medewerkers op de werkvloer). Vraag waar zij momenteel tegenaan lopen en welke beslissingen ze beter zouden kunnen nemen met extra informatie. Verschillende rollen hebben vaak verschillende informatiebehoeften – een directeur wil strategisch overzicht, terwijl een operations manager meer detailinformatie over processen nodig heeft. Door meerdere perspectieven op te halen via interviews of enquêtes, krijg je een compleet beeld.
Welke methode je ook inzet, het doel is hetzelfde: de vraag achter de vraag boven water krijgen. Pas als je precies weet welke beslissing of actie je wilt verbeteren met data, kun je definiëren welke informatie daarvoor nodig is. Dit voorkomt dat je een schot hagel afvuurt met je data-analyse en zorgt ervoor dat je gericht werkt aan inzichten die ertoe doen.
-Enhanced-NR.jpg)
De aanpak om eerst te denken vanuit de businessvraag en pas daarna vanuit data en IT, bewijst zich in allerlei sectoren. Enkele fictieve voorbeelden:
Een handelsbedrijf had al diverse rapportages, maar de inkoopafdeling miste nog steeds specifieke inzichten om betere beslissingen te nemen. In plaats van nóg een algemeen dashboard te bouwen, werd eerst met de inkopers besproken wat hun grootste informatiebehoefte was. Daaruit kwam naar voren dat ze vooral wilden weten welke voorraad niet goed liep en welke productgroepen de hoogste marge opleverden. Met dat doel voor ogen liet het bedrijf een gericht inkoopdashboard ontwikkelen. Dit dashboard liet bijvoorbeeld zien welke producten langer dan X dagen in het magazijn liggen en welke artikelen de meeste winst bijdragen. Het resultaat: de inkopers konden veel gerichter bijsturen – langzaam verkopende producten werden tijdig afgeprijsd of vervangen, en bestsellers kregen juist extra focus. Dit leidde tot lagere voorraadkosten en hogere omzet, dankzij datagedreven inzichten die precies aansloten op de businessvraag.
In de handelssector zien we vaker dat een goede data-aanpak cruciaal is om concurrerend te blijven.
Bij een fabrikant stond de wens centraal om meer sturing op de bedrijfsvoering te krijgen en productieprocessen te optimaliseren. In plaats van meteen allerlei systemen uit te lezen, is eerst samen met het management bepaald welke inzichten het bedrijf écht nodig had. De vraag "Welke informatie hebben we nodig om nóg meer sturing te kunnen geven en processen te verbeteren?" stond voorop. Dat leidde tot de behoefte aan inzicht in bijvoorbeeld de verkoopprestaties per productlijn, het gedrag van klanten en trends in de markt. Op basis van die gedefinieerde informatiebehoeften werd vervolgens de data-infrastructuur ingericht en een reeks actiegerichte dashboards in Power BI gebouwd. Te beginnen met een salesdashboard, kregen ze direct helderheid in welke producten het best en slechtst verkochten, welke klanten het meest rendabel waren en hoe marktontwikkelingen de omzet beïnvloedden. Dit stelde hen in staat om gerichte acties te ondernemen, zoals het bijsturen van de productieplanning voor populaire producten en het aanpassen van de verkoopstrategie voor klantsegmenten met groeipotentieel. Omdat de hele oplossing was ontworpen rondom hun businessvragen, sloot het perfect aan op de dagelijkse beslissingen en konden ze daadwerkelijk efficiënter en effectiever gaan sturen op basis van data.
Een snelgroeiende e-commerce speler zag door de bomen het bos niet meer in Google Analytics. Ze hadden veel data over websitebezoek en conversiepercentages, maar misten het verband met daadwerkelijke verkoop en klantgedrag. In plaats van willekeurig meer tools te koppelen, werd eerst de vraag scherp gesteld: Wat willen we weten om de online omzet te verhogen en marketingbudgetten slimmer in te zetten? Hieruit bleek dat vooral inzicht in de klantreis en het marketingrendement ontbrak. Concreet: op welk punt haken potentiële klanten af in het bestelproces, en welke marketingkanalen leveren de meest waardevolle klanten op? Pas nadat die vragen duidelijk waren, werd de technische oplossing ingericht. Er is een koppeling gemaakt tussen Google Analytics en het dataplatform, zodat klikgedrag en verkoopcijfers gecombineerd konden worden. Het resultaat was een 360°-klantbeeld in een Power BI-dashboard, waarin bijvoorbeeld te zien was welke stap in de funnel de meeste uitval kende en wat de omzet per verkeersbron was. Hiermee kon het e-commerce team direct actie ondernemen: ze optimaliseerden de checkout voor mobiele gebruikers (omdat daar veel afhakers waren) en verschoven budget naar het marketingkanaal met de hoogste klantwaarde. De inzichten waren nu echt actiegericht, omdat ze exact aansloten op de eerder gedefinieerde informatiebehoefte.
Ook voor WooCommerce en Shopify webshops is deze aanpak zeer effectief gebleken.
Een zorginstelling wilde de patiëntenzorg verbeteren en wachttijden terugdringen. Voorheen werden er maandelijks dikke rapporten geproduceerd, maar die boden weinig handvatten voor de zorgmanagers. Samen met deze managers is eerst in workshops bekeken welke informatie voor hen het belangrijkst was om op te sturen. De kernvragen bleken te zijn: Waar ontstaan de grootste wachttijden? en Hoe presteren we op belangrijke kwaliteitsindicatoren zoals heropnames en patiënttevredenheid? Pas nadat deze informatiebehoeften duidelijk waren, is een data-oplossing ingericht. Er werd bijvoorbeeld een real-time dashboard ontwikkeld dat per afdeling de gemiddelde wachttijd van patiënten liet zien en aangaf wanneer een bepaalde drempelwaarde werd overschreden. Ook werden de kwaliteitsmetrics visueel gemaakt per maand en vergeleken met streefcijfers. Dit gaf de organisatie elke dag inzicht in waar ingegrepen moest worden. Het resultaat: afdelingshoofden konden direct maatregelen nemen als de wachttijd opliep (bijvoorbeeld extra personeel inzetten op drukke momenten) en de algehele kwaliteit van zorg werd beter bewaakt. Doordat de data-oplossing exact antwoord gaf op hun managementvragen, werden de dashboards breed omarmd en leidden ze tot concrete verbeteracties in de zorgverlening.
Een dienstverlener (denk aan een consultancy- of IT-bedrijf) kampte met onduidelijkheid over interne prestaties. Men had het gevoel dat sommige projecten uit de hand liepen en dat de benutting van medewerkers beter kon, maar de bestaande rapportages gaven hier geen scherp beeld van. In plaats van direct een fancy projectmanagement-tool te kopen, werd eerst met de directie en projectleiders bepaald welke inzichten ze écht nodig hadden om de organisatie beter te sturen. De vragen kwamen neer op: Welke projecten zijn wel/niet winstgevend en waarom? Hoeveel uur besteden we per project en is dat in lijn met de planning? Hoe tevreden zijn onze klanten per project? Met die informatiebehoefte als leidraad werd een BI-traject gestart. De data van urenregistratie, projectfinanciën en klanttevredenheid werden bijeengebracht en geanalyseerd. Het eindproduct was een dashboard dat voor elk project de actuele status liet zien: budget versus realisatie, tevredenheidsscore van de klant, en de bezettingsgraad van het team. Dit gaf het management de mogelijkheid om vroegtijdig bij te sturen – bij projecten die dreigden uit te lopen kon men tijdig extra resources inzetten of met de klant in gesprek, en successen werden sneller gesignaleerd en gedeeld. Doordat eerst was nagedacht over wat men echt wilde weten, sloot de oplossing naadloos aan op de sturing van het bedrijf. Het resultaat: verbeterde projectmarges en hogere klanttevredenheid, zonder dat er achteraf brandjes geblust hoefden te worden.
Bij Mount Data geloven we heilig in deze volgorde van werken. Als bedrijfskundige dataspecialisten zetten wij niet de techniek, maar de businessvraag voorop. We beginnen elk traject met een goed gesprek over jullie doelen: wat wil je als organisatie bereiken, welke besluiten wil je verbeteren, en welke informatie heb je daarvoor nodig? Pas als die vragen beantwoord zijn, duiken we de data in en kijken we naar geschikte oplossingen (of dat nu business intelligence, data analytics of een data platform is). Door die focus op de bedrijfscontext spreken we zowel de taal van het management als die van IT. Data is voor ons geen doel op zich, maar een middel om bedrijfsdoelstellingen te realiseren.
Deze aanpak levert keer op keer impactvolle inzichten op waar organisaties écht iets mee kunnen. Het voorkomt dat er tijd en geld wordt verspild aan dashboards of analyses die stof verzamelen. In plaats daarvan ontstaan er waardevolle, actiegerichte informatieproducten die de besluitvorming verbeteren. Dat is precies waarom Mount Data is opgericht: we zagen dat veel organisaties bergen aan data hebben, maar moeite om er échte impact mee te maken. Onze frisse benadering – eerst de informatiebehoefte en de business centraal, daarna pas de techniek – zorgt ervoor dat dataprojecten wél succesvol zijn en blijvende waarde opleveren voor onze klanten.
Benieuwd hoe datagedreven werken eruitziet als je begint bij de business? We komen graag eens langs voor een vrijblijvend gesprek over jullie data-ambities. Als gids naar de top van de berg aan data helpen we jullie stap voor stap naar duurzaam datagedreven succes. Neem vandaag nog contact op met Mount Data en ontdek de kracht van data die écht stuurt!
Gerelateerde artikelen:
