Waarom "onze data is een zooitje" geen antwoord is
Vraag een willekeurige organisatie of de data op orde is en het antwoord is nee. Dat is bijna altijd waar en bijna nooit bruikbaar, want het leidt tot de verkeerde conclusie: eerst een dataproject van twee jaar, dan pas AI.
De werkelijkheid is dat data-geschiktheid per proces verschilt. Dezelfde organisatie kan een uitstekend gevulde productcatalogus hebben en een volstrekt onbruikbaar archief van projectdocumentatie. Het eerste proces kun je morgen automatiseren, het tweede niet.
De bruikbare vraag is dus niet "is onze data klaar", maar "is de data die dit ene proces nodig heeft goed genoeg". Dat is in twee uur te beantwoorden.
Deze gids geeft vijf vragen waarmee je dat zelf doet.
Vraag 1. Is de data vindbaar?
Kun je in vijf minuten aanwijzen waar de informatie staat die het proces nodig heeft? Één plek, of hooguit twee?
De meest voorkomende blokkade is niet dat data ontbreekt maar dat hij verspreid is: een deel in het ERP, een deel op een netwerkschijf, een deel in de mailbox van een collega, en een deel in iemands hoofd.
Dat laatste is geen grap en het is het lastigste onderdeel. Kennis die alleen bij een ervaren medewerker zit, is voor een AI-systeem onbereikbaar tot iemand hem opschrijft.
Test dit met een concrete vraag uit het proces. Kan iemand het antwoord aanwijzen in een systeem, dan is de data vindbaar. Moet iemand het uit het hoofd doen, dan heb je eerst een documentatievraagstuk.
Vraag 2. Is de data actueel?
Een AI-systeem kan niet zien dat een document verouderd is. Het behandelt de werkinstructie uit 2019 met precies hetzelfde gezag als die van vorige maand.
Twee dingen bepalen of dit een probleem wordt. Staat er een datum of versienummer bij, zodat je erop kunt filteren. En is er een proces dat verouderde versies verwijdert of markeert.
Zonder die twee gebeurt het patroon dat we het vaakst zien: het systeem geeft een antwoord dat ooit klopte, niemand kan verklaren waar het vandaan komt, en het vertrouwen is weg.
De praktische toets: pak vijf willekeurige documenten uit de bron die je wilt gebruiken en stel vast of ze nog geldig zijn. Zijn er twee of meer verouderd, dan is opschonen onderdeel van het project en geen voorwerk.
Vraag 3. Is de data leesbaar voor een machine?
Dit onderschat vrijwel iedereen, en in sommige sectoren is het de grootste blokkade.
Een tekstueel PDF-bestand is prima leesbaar. Een gescand document is een afbeelding, en zonder tekstherkenning krijgt een systeem daar niets uit. Een tabel in Word is leesbaar; diezelfde tabel als schermafbeelding niet.
Loop een steekproef door en stel per bestandstype vast: is dit tekst of is dit beeld. In archieven van vóór ongeveer 2015, in de bouw en in de zorg is het aandeel scans vaak hoog.
Tekstherkenning is oplosbaar en kost geld en tijd. Het punt is dat je het van tevoren wilt weten in plaats van halverwege.
Hetzelfde geldt voor systemen: heeft het bronsysteem een API of een exportfunctie, of moet je eromheen werken. Dat verschil is een factor in de bouwkosten.
Vraag 4. Reizen de rechten mee?
De vraag die het vaakst pas bij de oplevering wordt gesteld, en dan duur is.
Als je documenten in een index zet zonder vast te leggen wie ze mag zien, beantwoordt je systeem vragen met materiaal waar de vrager geen toegang toe had. Dat is geen theoretisch risico maar de standaarduitkomst wanneer niemand erover heeft nagedacht.
Toets drie dingen. Staan de rechten geregistreerd bij de bron, of zitten ze impliciet in wie toegang heeft tot een map. Kun je die rechten meenemen als metadata. En blijven ze synchroon als iemand van functie verandert.
Bij organisaties waar de rechtenstructuur in de loop der jaren is uitgedijd, legt een AI-systeem dat pijnlijk bloot. Dat is op zichzelf waardevol, maar het is een project.
Vraag 5. Kun je erbij, en kun je eruit?
De laatste vraag gaat over eigenaarschap en toegang.
Heb je technisch toegang tot de data, of zit hij in een systeem waar de leverancier de sleutel van heeft. Kun je exporteren wat je nodig hebt, in een formaat dat bruikbaar is. En mag je het gebruiken voor dit doel, gegeven je grondslag en je verwerkersovereenkomsten.
Dat laatste wordt vaak overgeslagen. Data die je rechtmatig verzamelde voor doel A, mag je niet zonder meer inzetten voor doel B. Toets dit voordat je bouwt, niet erna.
Er is ook een organisatorische kant: is er iemand die eigenaar is van deze data en die kan besluiten dat hij gebruikt wordt. Zonder die persoon strandt het project op afstemming.
Wat "goed genoeg" betekent
Perfecte data bestaat niet en is geen voorwaarde. Wat je nodig hebt is dat de data voor dit ene proces vindbaar, actueel, leesbaar, van rechten voorzien en toegankelijk is.
Een bruikbare drempel: als een nieuwe medewerker met deze data het proces zou kunnen uitvoeren, kan een AI-systeem het ook. Kan die nieuwe medewerker het niet zonder een ervaren collega erbij, dan mist er informatie die nergens staat.
Die test is scherper dan hij klinkt, omdat hij precies de impliciete kennis blootlegt die het verschil maakt.
Bij Auke Media was de data er wel maar onvolledig: een grote database met ontbrekende bedrijfsinformatie, waar handmatige verrijking door het volume onhaalbaar was. Dat is een dataprobleem dat je met AI oplost in plaats van vóór AI.
De vijf meest voorkomende blokkades
| Blokkade | Herkenbaar aan | Wat het kost |
|---|---|---|
| Data verspreid over te veel plekken | Niemand kan in vijf minuten aanwijzen waar iets staat | Ontsluiting per bron |
| Verouderde versies naast actuele | Meerdere documenten met dezelfde titel | Opschonen en versiebeheer |
| Gescande documenten | Zoeken in het bestand levert niets op | Tekstherkenning over het archief |
| Rechten niet vastgelegd bij de data | Toegang loopt via mappenstructuur | Rechtenmodel opzetten |
| Kennis alleen bij mensen | Het antwoord komt altijd van dezelfde collega | Documenteren, en dat kost tijd van die collega |
De laatste is de duurste, omdat hij tijd vraagt van precies de persoon die al de drukste is. Bij organisaties waar een ervaren medewerker met pensioen gaat, wordt dit acuut.
Hoe je dit in twee uur doet
Neem één proces, bij voorkeur het proces dat je uit de procesanalyse als eerste kandidaat hebt.
Loop de vijf vragen hierboven langs met de mensen die het werk doen. Noteer per vraag een score van goed, matig of blokkerend, met een korte toelichting.
Twee of meer keer blokkerend: dit proces is nog niet aan de beurt. Kies een ander proces of pak de blokkade eerst aan.
Overwegend goed met een enkele matige score: je kunt beginnen, met het opruimwerk als expliciete post in de planning en de begroting.
Doe dit voor drie processen en je hebt een volgorde die op feiten rust in plaats van op enthousiasme.