Waarom deze vraag zo vaak eerst gesteld wordt

“Onze data is een rommeltje” is de meest gehoorde reden om aan een AI-traject te twijfelen — en meestal een terechte zorg, maar geen reden om niet te beginnen. Bijna elke kmo waar ik binnenkom, heeft data die deels netjes en deels rommelig is. De vraag is niet of alles perfect is, maar of u weet wát er staat en waar.

Vier vragen om zelf te doorlopen

Waar staat uw data? Somt u op een blad papier alle plekken op waar belangrijke informatie leeft — een boekhoudpakket, een CRM, een reeks Excel-bestanden op een gedeelde schijf, een planningstool, misschien een oud systeem dat “eigenlijk vervangen moest worden” — dan hebt u al de helft van het werk van een AI-scan zelf gedaan. Weet u dat overzicht niet uit het hoofd, dan is dat zelf al een signaal.

Is ze exporteerbaar? Data die u alleen kan bekijken in een scherm, maar niet kan exporteren als bestand of via een koppeling, is voor een hulpmiddel onbereikbaar zonder extra werk. Test dit letterlijk: kan iemand bij u vandaag een Excel- of CSV-bestand downloaden uit elk van de systemen op uw lijst? Systemen zonder exportmogelijkheid zijn niet per se een dealbreaker, maar vragen wel een aparte oplossing.

Heeft iemand ze in beheer? Data zonder eigenaar veroudert stil. Is er iemand die zou merken als een lijst niet meer klopt, of als een export al maanden hetzelfde bestand teruggeeft? Zo niet, dan is dat een van de dingen die een traject sneller of trager maakt — zie ook wat kost een AI-traject voor een kmo?

Is ze consistent? Worden gelijkaardige gevallen op een gelijkaardige manier ingevoerd? Staat een klantnaam altijd op dezelfde manier geschreven, een datum altijd in hetzelfde formaat, een status altijd uit dezelfde lijst gekozen? Kleine inconsistenties zijn met wat werk op te lossen; grote inconsistenties — elke medewerker met een eigen systeem — kosten meer tijd om recht te trekken dan om het uiteindelijke hulpmiddel te bouwen.

Een korte checklist

  • Ik kan opsommen in welke systemen onze belangrijkste data zit.
  • Uit elk van die systemen kan iemand een export trekken, zonder dat ik daarvoor bij een externe leverancier moet aankloppen.
  • Er is een duidelijke eigenaar per systeem — iemand die zou merken als er iets fout loopt.
  • Gelijkaardige gegevens worden op een gelijkaardige manier ingevoerd, ook als er meerdere mensen aan meewerken.
  • Er bestaat geen “schaduwversie” van dezelfde data in een los Excel-bestand naast het officiële systeem.

Scoort u op drie van de vijf punten “ja”, dan bent u verder dan de meeste bedrijven waar ik binnenkom. Scoort u op één of geen, dan is dat geen reden om te wachten — het is precies waar een eerste traject nuttig begint.

Hoeveel tijd kost het om dit zelf na te gaan?

Deze vier vragen eerlijk beantwoorden, kost meestal geen dag werk — een uur rond de tafel met wie de systemen dagelijks gebruikt, volstaat vaak al. Dat uur is de moeite waard, ook los van een eventueel AI-traject: het levert vaak zelf al een lijst op van dingen die het opruimen waard zijn.

Wat als het antwoord “nee” is?

Rommelige data is het uitgangspunt van bijna elk traject, niet een obstakel dat eerst apart opgelost moet worden. Tijdens de eerste dag van een AI-scan kijk ik net naar wat er ligt, en bouw ik met wat er is — met een eerlijke inschatting van wat dat aan tijd vraagt. Een half jaar besteden aan “eerst onze data op orde krijgen” voor er iets gebouwd wordt, is voor de meeste kmo’s geen realistisch of nodig traject; zie ook hoe begint u met AI zonder eerst uw hele IT te vernieuwen?

Wanneer is data wél een showstopper?

Er is één situatie waarin data eerst echt aandacht nodig heeft: als de gegevens die een proces zou moeten gebruiken, gewoon niet bestaan — nooit werden bijgehouden, of enkel in iemands hoofd zitten. Dan is de eerste stap niet een AI-hulpmiddel, maar het gewoon beginnen registreren van die gegevens. Dat is minder spannend, maar wel de eerlijke conclusie als dat de situatie is — en dat zeg ik dan ook zo tijdens een scan.