Waarom je dashboard pas werkt als je definities kloppen

Je zit in een overleg en het gaat mis bij het eerste cijfer. Commercie zegt 2 miljoen omzet, finance komt op 1,8 miljoen. Niemand heeft ongelijk, en toch klopt het niet.

In dit artikel lees je waarom die verschillen ontstaan, waarom je ze pas laat merkt en hoe je er met heldere definities weer grip op krijgt. Je krijgt concrete stappen, of je nu net begint of al ver bent. De kern is simpel. Een dashboard werkt pas als iedereen dezelfde definitie deelt achter de cijfers. Zonder die afspraak gaat het gesprek over het cijfer, niet over de actie.

Dit was het onderwerp in aflevering 5 van De Dataleiders. Bas Haarhuis sprak met Jordy Wegman, BI Manager bij Climber, over datadefinities en waarom ze meer bepalen dan het dashboard zelf.

Beluister of bekijk de hele aflevering van De Dataleiders.

Waarom laten twee dashboards andere cijfers zien?

Omdat afdelingen los van elkaar starten, elk met een eigen definitie. Die verschillen komen pas boven water als de cijfers samenkomen in één overleg.

Bij veel organisaties begint data klein. Iemand op sales bouwt een rapportage, iemand in het magazijn ook. Daar wordt positief op gereageerd, want mensen krijgen eindelijk iets om op te sturen. Die initiatieven groeien en raken elkaar. En op dat moment gaan de definities tellen.

Sales telt de omzet net anders dan finance. Allebei vanuit goede bedoelingen, allebei met een eigen formule in Excel. Zolang ze in hun eigen silo blijven, valt het niet op. Zodra ze naar hetzelfde cijfer kijken, zien ze een mismatch.

Waarom merk je het probleem pas later?

Omdat een nieuwe definitie eerst gewoon werkt. De pijn komt na verloop van tijd, bij meer gebruik, meer mensen of een wisseling van de wacht.

In het begin is iedereen blij. Het dashboard staat, de korte vraag is opgelost, mensen kunnen verder. Maar definities worden constant aangescherpt. Komt er iemand nieuw binnen, dan neemt die vaak een eigen definitie mee van een vorige werkgever. Ligt de jouwe niet vast, dan kan die persoon niet weten wat jij bedoelt. En dan maakt hij zijn eigen versie.

Zo zet je stappen terug. Van stuurloos was je naar datagedreven gegroeid, en nu moet je opnieuw definiëren. Jordy vat de rekensom scherp samen. Een definitie die in het begin een uur kost, kost na een half jaar 10 uur en na twee jaar misschien 100 uur, omdat het probleem is meegegroeid.

Wat is een goede datadefinitie?

Kort, in gewone taal en ook technisch vastgelegd. Gebruik de SMART-methode zodat de definitie krachtig blijft en geen half A4 wordt.

Een definitie mag geen ingewikkelde formule zijn die alleen IT snapt. De directie moet in normale taal kunnen uitleggen wat omzet of vrije voorraad betekent. Leg dus twee dingen vast. De businessdefinitie in gewone taal, en de technische vertaling naar de juiste velden in je systemen.

Neem omzet. Reken je met of zonder btw, en haal je retouren eruit? Dat soort keuzes hoort in de definitie, niet in iemands hoofd. Zet ze in een catalogus, kort en beknopt, met de SMART-methode als kapstok.

Wie is eigenaar van een definitie?

Eén persoon of rol. Die bepaalt de definitie, en wijzigingen lopen via een verzoek bij die eigenaar.

Bij een grote retailer liep de omzetforecast per land uit elkaar. Elk land had een kleine uitzondering, waardoor het ene land te ruim en het andere te conservatief voorspelde. Op totaalniveau had je geen eerlijk vergelijk meer, en werd de forecast onbetrouwbaar richting directie en aandeelhouders.

De oplossing was simpel van opzet. De kopstukken van elk land samen aan tafel, één afgesproken definitie, en de data naar één plek getrokken. Zo wordt de verwerking maar één keer uitgevoerd en ziet iedereen dezelfde informatie. Eén definitie, één eigenaar. Wil iemand iets wijzigen, dan gaat dat via de eigenaar en wordt het in één keer voor iedereen aangepast.

Waar begin je als je net start met data?

Schrijf de businessdefinitie meteen bij de code. Houd de business- en technische definitie bij elkaar, en schaf geen apart programma aan.

Zit je op het laagste niveau van datavolwassenheid en heb je iemand die codeert? Laat die persoon de businessdefinitie naast de code zetten. Geen nieuwe tool met extra overhead en onderhoud. Het moet onderdeel zijn van het normale werk, anders nemen mensen shortcuts en vergeten ze het.

Denk ook aan de eindgebruiker. Een directeur ziet een omzetcijfer en vergelijkt het met zijn ERP. Wijkt het af, dan verlies je meteen draagvlak. Voeg daarom context toe in het dashboard, met een knop of tooltip die uitlegt wat je wel en niet meetelt. Je haalt geen 100 procent, maar een geïnformeerde gebruiker trekt betere conclusies.

Hoe houd je definities op orde als je verder met data bent?

Beheer ze in aparte tooling met eigenaarschap, niet in een los Excel- of Word-bestand dat morgen alweer verouderd is.

Bij een grotere organisatie werkt de definitie naast de code niet meer. Dan beheer je definities apart. Veel mensen starten in Word of Excel, maar daar koppel je geen acties en geen eigenaren aan, en iedereen past het zomaar aan.

Kies tooling waarin je eigenaarschap vastlegt, of een aparte tool los van je BI- en datawarehouse-omgeving. Zo blijft de catalogus actueel en deelbaar.

Wat betekent dit voor AI?

Zonder kloppende definities geeft AI antwoorden die niet kloppen. Dan val je terug in het handmatige Excel-werk.

AI-modellen worden gebouwd op definities, net als elk dashboard. Zijn die definities niet op orde, dan komen er antwoorden uit die je niet vertrouwt. En dan val je terug in het handwerk. Dat gaat ten koste van je ambitie om datagedreven te werken. Het is misschien niet het leukste werk, maar het is de basis onder alles wat daarna komt.

De kern in het kort

Definitieverschillen ontstaan vanzelf en de pijn komt later. Leg je definities vast in gewone taal én techniek, geef ze een eigenaar en houd ze op één plek. Doe je dat, dan gaat het overleg weer over de actie, niet over het cijfer. En dan is je organisatie klaar voor AI.

Wil je weten waar jouw organisatie staat? Doe de datavolwassenheidsscan op scan.climber.nl.