In het kort
- Datagedreven werken is beslissen op basis van betrouwbare, actuele cijfers. Het is een manier van werken, geen softwarepakket.
- De meeste mkb-bedrijven hebben genoeg data. Die zit alleen verspreid over webshop, boekhouding, voorraad en mail.
- Begin met drie tot vijf vragen die je elke week wilt beantwoorden, en bouw daar de cijfers bij.
- Koppel je systemen, zodat cijfers vanzelf binnenkomen. Handmatig overtypen maakt elk dashboard onbetrouwbaar.
Wat is datagedreven werken?
Datagedreven werken houdt in dat cijfers een vaste plek hebben in hoe je beslist. Elke week, bij de vragen die er toe doen. Dus ook als niemand toevallig een rapport heeft gemaakt.
In de praktijk betekent het drie dingen.
- Je weet welke vragen je wilt beantwoorden. Welke producten leveren geld op? Wanneer raakt de voorraad op? Welke klanten bestellen minder dan vorig jaar?
- De cijfers zijn betrouwbaar en actueel. Ze komen rechtstreeks uit je systemen, niet uit een lijst die iemand eens per maand bijwerkt.
- Je doet er iets mee. Een cijfer leidt tot een besluit: bijbestellen, een prijs aanpassen, een klant bellen.
Het tegenovergestelde is werken op gevoel. Dat hoeft niet slecht te zijn. Een ervaren ondernemer weet veel. Maar gevoel schaalt niet: bij tien producten overzie je alles, bij vierduizend niet meer.
Waarom het mkb er baat bij heeft
Grote bedrijven hebben analisten en datateams. Een mkb-bedrijf heeft vaak één persoon die op vrijdag een Excel bijwerkt. Juist daarom levert datagedreven werken in het mkb snel iets op: de afstand tussen cijfer en besluit is kort. De eigenaar ziet het cijfer en beslist dezelfde dag.
De winst zit meestal op vier plekken.
- Marge. Veel bedrijven kennen hun omzet per product, maar niet hun marge na verzendkosten, kortingen en retouren.
- Voorraad. Te veel voorraad kost geld, te weinig kost omzet. Met verkoopcijfers per week zie je beide eerder aankomen.
- Klanten. Wie bestelt minder dan vorig jaar? Wie heeft al drie maanden niets gekocht? Dat zie je alleen als je ernaar kijkt.
- Tijd. Rapporten die handmatig worden gemaakt, kosten elke week uren. Als ze vanzelf verschijnen, gaat die tijd naar het besluit zelf.
Datagedreven werken in de praktijk: de vijf stappen
- Kies je vragen. Schrijf drie tot vijf vragen op die je elke week beantwoord wilt zien. Hoe concreter, hoe beter. 'Hoe gaat het met de verkoop' is te vaag. 'Welke tien producten hadden deze week de hoogste marge' werkt wel.
- Zoek uit waar de data zit. Meestal verspreid: orders in de webshop, facturen in de boekhouding, voorraad in een apart systeem, klantvragen in de mail.
- Koppel de systemen. Via API koppelingen komen de gegevens automatisch op één plek samen. Dat is het saaie deel en het belangrijkste. Zonder koppeling blijft het handwerk.
- Maak een overzicht dat je bekijkt. Een dashboard in Power BI of Looker Studio, of een wekelijkse mail met de vijf cijfers. De vorm maakt minder uit dan de regelmaat.
- Plan een vast moment. Bijvoorbeeld maandagochtend een kwartier met het team: wat zien we, wat doen we ermee.
Wie deze stappen in één keer wil laten inrichten, kijkt bij rapportages en dashboards. Wie eerst wil weten wat business intelligence precies is, leest wat is business intelligence.
Een datagedreven organisatie: voorbeelden uit onze praktijk
Twee klanten laten goed zien wat er verandert.
Candy Online is een webwinkel met 18 jaar geschiedenis en meer dan 4.000 artikelen. Marge en voorraadwaarde waren moeilijk te volgen. Na de automatisering zien ze die realtime. Waar eerst 12 mensen het werk deden, zijn dat er nu 3. Samen scheelt dat ongeveer 120 uur per week. Lees de case Candy Online.
Rutten Elektroshop bestaat sinds 1955 en heeft meer dan 9.750 artikelen. Daar staan voorraadwaarde, verkoopvoorspelling, inkoopadvies en kostprijzen nu op één plek, samen met WhatsApp en mail. De inkoper ziet direct wat er besteld moet worden. Zoeken en rekenen in losse lijsten is verleden tijd. Lees de case Rutten.
In allebei de gevallen begon het met dezelfde vraag: wat is onze marge per product echt, en wat ligt er op voorraad? Het dashboard kwam pas daarna.
Waar AI helpt
AI maakt datagedreven werken niet overbodig. Het maakt een paar stappen makkelijker.
- Vragen stellen in gewone taal. In plaats van een rapport te bouwen, vraag je welke klanten dit kwartaal minder bestelden. Dat werkt alleen als de data eronder klopt.
- Voorspellen. Verkoop per week voorspellen op basis van historie, seizoen en acties. Zie forecasting met AI.
- Ongestructureerde data bruikbaar maken. Klantmails, reviews en notities omzetten in categorieën en cijfers.
- Afwijkingen signaleren. Een melding als een product ineens veel minder verkoopt of een marge onder een grens zakt.
De volgorde blijft: eerst de data op orde, dan AI. Een taalmodel op rommelige cijfers geeft overtuigende antwoorden die niet kloppen.
Veelgemaakte fouten
Wat vaak misgaat
- Beginnen met een dashboard vol grafieken
- Cijfers handmatig overtypen uit verschillende systemen
- Twintig cijfers bijhouden die niemand gebruikt
- Iedere afdeling rekent de marge anders uit
- Cijfers bekijken zonder dat er een besluit volgt
Wat beter werkt
- Beginnen met drie tot vijf vragen
- Systemen koppelen zodat cijfers vanzelf binnenkomen
- Alleen cijfers waar een actie bij hoort
- Eén vaste definitie per cijfer, vastgelegd
- Een vast weekmoment met een eigenaar per actie
Hoe begin je morgen?
Pak een vel papier en schrijf de drie vragen op waar je nu het vaakst naar gist. Zet erachter uit welk systeem het antwoord zou moeten komen. Kijk dan of je dat antwoord binnen vijf minuten kunt vinden. Lukt dat niet, dan weet je waar je moet beginnen.
Vaak blijkt dat de data er is, maar dat de systemen niet met elkaar praten. Dan is een koppeling de eerste stap, en een eenvoudig overzicht de tweede. Pas als die twee staan, heeft het zin om verder te kijken naar voorspellingen of AI.
Een tip uit de praktijk: laat één persoon eigenaar zijn van de cijfers. Die bewaakt de definities, merkt het als een koppeling stilvalt en zorgt dat het weekmoment doorgaat. Zonder eigenaar raakt een dashboard binnen een paar maanden in onbruik, hoe mooi het ook is.
Uit de praktijk
E-commerce
Candy Online: weer winstgevend met 75% minder personeel
De oudste snoepwebshop van Nederland. Voorraad, backorders, klantenservice en boekhouding geautomatiseerd.
75% minder personeel
Retail
Rutten Elektroshop: realtime grip op de voorraad
70 jaar elektrozaak. Voorraad, kostprijzen en prijsadvies uit één systeem, het winkelgevoel bleef.
9.750+ artikelen liveVeelgestelde vragen
Wat houdt datagedreven werken in?
Datagedreven werken houdt in dat je besluiten neemt op basis van betrouwbare, actuele cijfers. Je weet welke vragen je wilt beantwoorden, de cijfers komen automatisch uit je systemen en er volgt een besluit uit, zoals bijbestellen of een prijs aanpassen.
Wat is een datagedreven organisatie?
Een organisatie waarin cijfers een vaste plek hebben in hoe er besloten wordt. Iedereen gebruikt dezelfde definities, de cijfers zijn actueel en er is een vast moment om ernaar te kijken en actie te ondernemen.
Heb je een datateam nodig om datagedreven te werken?
Nee. In het mkb is het vaak genoeg om systemen te koppelen en een eenvoudig overzicht te maken met een paar vaste cijfers. Het inrichten kun je uitbesteden. Het wekelijks gebruiken doe je zelf.
Welke tools heb je nodig?
Meestal gebruik je wat je al hebt, zoals je webshop, boekhouding en voorraadsysteem, aangevuld met koppelingen en een dashboardtool zoals Power BI of Looker Studio. De keuze van de tool is minder belangrijk dan betrouwbare data eronder.
Hoe lang duurt het voordat het iets oplevert?
Een eerste overzicht met een paar kerncijfers staat vaak binnen enkele weken. De echte winst komt als het team er wekelijks mee werkt en besluiten erop baseert.