Datafundamenten vóór AI: de verbeteringen die zich binnen twee kwartalen terugverdienen

De meeste AI-plannen gaan ervan uit dat de data van de onderneming klaar is en dat het werk zit in het kiezen van een model. Bij gevestigde ondernemingen staat de data meestal in de juiste systemen, maar in de verkeerde vorm: dezelfde klant op drie manieren vastgelegd, productcodes die in de webwinkel iets anders betekenen dan in het magazijn, omzet die in de analyticsproperty anders is dan in het grootboek.

De snelste manier om te vinden wat moet worden verbeterd, is echte records volgen. Neem een steekproef van orders, facturen en voorraadmutaties en volg elk daarvan door elk systeem dat ermee te maken heeft, van de webwinkel of offertetool via de betaalprovider, het CRM en het magazijn tot het boekhoudpakket en de rapportagelaag. Noteer waar het record met de hand opnieuw wordt ingevoerd, waar een spreadsheet het kopieert, waar de identificatie verandert en waar het verdwijnt. Die punten vormen de backlog.

De verbeteringen hieronder zijn de verbeteringen waarvan wij verwachten dat ze zich binnen twee kwartalen terugverdienen. Elk ervan neemt handwerk of een rapportagefout weg die nu al geld kost, en elk ervan is een voorwaarde voor elke AI-functie die later dezelfde gegevens zal lezen.

Elk gebruik verderop in de keten hangt af van koppelingen. Omzet per klant vereist dat het ordersysteem en het grootboek een gedeelde klantsleutel hebben. Marge per product vereist dat de webwinkel, het magazijn en het inkoopgrootboek het eens zijn over wat een productcode betekent. Een AI-assistent die vragen over orders of producten beantwoordt, erft elke dubbelzinnigheid die in de sleutels zit.

De controle is snel uitgevoerd. Test voor elke identificatie of die is gevuld en of die uniek is over de hele populatie, zodat één code één product betekent. Dat zijn twee afzonderlijke tests. Een veld voor de productcode kan bij elk record gevuld zijn en toch door twee verschillende artikelen worden gedeeld, en dat is genoeg om een assistent met volle overtuiging het verkeerde product te laten beschrijven, of om een catalogus voor een handelspartner het verkeerde artikel onder de juiste code te laten vermelden.

De terugverdienwaarde zit in het werk dat de verbetering wegneemt: creditnota's voor verkeerde zendingen, uren aan het aansluiten van klantoverzichten, en rapporten die elke maand met de hand opnieuw worden opgebouwd omdat twee systemen het niet met elkaar eens zijn.

Standaardproperty's van Google Analytics 4 bewaren gegevens op gebruikers- en eventniveau standaard 2 maanden en maximaal 14 maanden; een langere bewaartermijn voor eventdata is alleen beschikbaar in het betaalde 360-abonnement. Standaardrapporten draaien op geaggregeerde tabellen en blijven oudere totalen tonen, zodat het verlies onzichtbaar blijft tot iemand een vergelijking met vorig jaar of een trechteranalyse bouwt en de eerdere periode leeg blijkt. Een hogere bewaarinstelling beschermt alleen gegevens die nog niet zijn gewist.

De duurzame oplossing is de export naar BigQuery, die ruwe events kopieert naar een datawarehouse dat eigendom is van de onderneming. Standaardproperty's kunnen via de dagelijkse export tot 1 miljoen events per dag versturen. De streamingexport heeft geen volumelimiet en kost $0,05 per gigabyte, wat volgens Google ongeveer 600.000 events zijn. Tegen die tarieven zijn de opslagkosten voor een middelgrote onderneming klein vergeleken met de kosten van het plannen van een piekseizoen zonder de gedragsgegevens van vorig jaar.

Deze verbetering heeft haar deadline ingebouwd. Elke maand uitstel is een maand eventhistorie die niet meer terug te halen is, en de planningscyclus voor 2027 vraagt om het volledige piekseizoen van 2026.

Elektronische facturering maakt van klantstamgegevens een complianceafhankelijkheid. In Duitsland moeten ondernemingen met een omzet van meer dan €800.000 in het voorgaande jaar vanaf 1 januari 2027 binnenlandse B2B-facturen in een gestructureerd elektronisch formaat uitreiken, en alle andere ondernemingen volgen vanaf 1 januari 2028; het ontvangen ervan is sinds 1 januari 2025 verplicht. In het Verenigd Koninkrijk heeft de overheid aangekondigd dat alle btw-facturen vanaf april 2029 elektronisch moeten zijn, heeft ze Peppol bevestigd als uitwisselingsnetwerk en heeft ze laten weten dat een gedetailleerde implementatieroutekaart zou volgen met de begroting van 2026, aangekondigd voor 28 oktober.

Het werk dat zich terugverdient, is in beide landen hetzelfde en begint ruim vóór elke deadline. Vul de btw-identificatienummers, fiscale nummers en elektronische adresgegevens van klanten in de klantstamgegevens aan en valideer ze. Standaardiseer product- en belastingcodes op factuurregels. Haal de handmatige stappen tussen het ordersysteem en de factuur weg. Een geweigerde factuur vertraagt de ontvangst van geld, dus schone stamgegevens verkorten de incassotermijn en zorgen tegelijk voor naleving van de regel, en een datamodel dat dit kwartaal voor een Duitse entiteit wordt gebouwd, kan later voor het Verenigd Koninkrijk worden hergebruikt.

De laatste verbetering is meer een discipline dan een systeem. Managementrapportages halen de omzet uit de webwinkel of het CRM, de kosten uit het grootboek en de marketingresultaten uit de advertentieplatforms, en die drie komen zelden overeen. Als de rapportage aan de raad van bestuur en de jaarrekening verschillen met een bedrag dat niemand kan verklaren, verliest elk cijfer in de rapportage zijn gezag, en vertragen besluiten terwijl men discussieert over welk getal klopt.

Een maandelijkse aansluiting maakt daar een einde aan. Na de afsluiting wordt elk kerncijfer in de managementrapportage aangesloten op het grootboek, met het verschil uitgesplitst in benoemde, terugkerende posten: timing, terugbetalingen, belastingen, intercompany, testorders. De aansluiting wordt uit de systemen gegenereerd en niet met de hand samengesteld, en elk onverklaard restverschil boven een afgesproken drempel wordt onderzocht voordat de rapportage de deur uitgaat. Zodra de terugkerende posten een naam hebben, blijft er meestal een korte lijst processen over die niemand had gedocumenteerd.

Dit is ook het fundament dat elke AI-assistent voor rapportage nodig zal hebben. Een model dat wordt gevraagd waarom de marge in een regio daalde, kan alleen correct antwoorden als de cijfers die het leest al zijn aangesloten. Wij bouwen deze aansluitingen vanuit het grootboek naar buiten, om dezelfde reden waarom wij elke opdracht beginnen bij orders, grootboeken en logbestanden: het dashboard is maar zo goed als de gegevens eronder.

Volg in november 2026 een steekproef van echte orders, facturen en voorraadmutaties door elk systeem en maak een lijst van elk punt waar een record opnieuw wordt ingevoerd, wordt gekopieerd of een nieuwe identificatie krijgt.

Stel vóór eind november op elke property de bewaartermijn voor GA4-events in op 14 maanden en koppel elke property aan BigQuery, zodat het piekseizoen van 2026 volledig wordt bewaard.

Voer uiterlijk eind december controles op uniciteit en volledigheid uit voor identificaties van klanten, producten en orders in alle systemen, en herstel dubbele productcodes voordat een AI-functie of handelscatalogus erop steunt.

Bevestig voor elke Duitse entiteit vóór 1 januari 2027 of die boven de drempel van €800.000 zit en of de facturering en de klantstamgegevens klaar zijn, en plan de Britse verplichting op hetzelfde datamodel zodra de routekaart is gepubliceerd.

Publiceer vanaf de afsluiting van januari 2027 een maandelijkse aansluiting van de managementrapportage op het grootboek, met benoemde aansluitposten en een drempel voor het restverschil.

Kies uiterlijk in juni 2027 de eerste AI-toepassing op basis van de aangesloten data en meet de nulmeting uit dezelfde gegevens.