Het datafundament
onder je AI-initiatieven

Moet het datafundament eerst op orde zijn voordat een organisatie met AI begint?

Een perfect datafundament is niet nodig om met AI te beginnen: genoeg fundament voor één use case volstaat. De aanpak die in de praktijk werkt, kiest eerst één use case met duidelijke waarde en een eigenaar in de lijn, en lost alleen voor de bronnen van die use case de definities, de herkomst en de kwaliteit op. Na drie of vier use cases is er zo een fundament ontstaan uit gebruik, kleiner dan het ideaalplaatje en aanzienlijk betrouwbaarder.

Is een centraal datawarehouse nodig voor het datafundament onder een eerste AI-use case?

Vaak niet: voor het datafundament onder een eerste use case is een dagelijkse export vaak genoeg. Toegankelijkheid en infrastructuur zijn meestal het minst urgente dataprobleem en in de praktijk vaak het makkelijkst op te lossen, zeker voor één use case.

Zijn er situaties waarin eerst het datafundament aanpakken wel het juiste antwoord is?

Ja. Uitstellen is verstandig bij drie signalen rond het datafundament: de kernentiteit is niet eenduidig, de benodigde data wordt niet vastgelegd of de bron heeft geen eigenaar. Die signalen gaan over betekenis en eigenaarschap, niet over technologie.

Hoeveel begrippen worden gedefinieerd om het definitieprobleem in het datafundament aan te pakken?

Vijf tot tien: de aanpak voor het definitieprobleem in het datafundament is alleen de begrippen te definiëren die de use case raakt, niet het hele bedrijfsdatamodel. Volgens het artikel is dat twee weken werk in plaats van twee jaar.

Bron: artikel van Dave Willemstein. Bijgewerkt: oktober 2026.

Twee waarheden die elkaar tegenspreken

De eerste: zonder betrouwbare data levert AI onbetrouwbare uitkomsten. Dat is onomstreden.

De tweede: organisaties die eerst hun volledige datalandschap op orde willen brengen voordat ze aan AI beginnen, komen zelden aan AI toe. Het datafundament is namelijk nooit af, en er is altijd een volgende laag die eerst zou moeten.

Beide zijn waar. De uitweg zit in de vraagstelling. "Is onze data op orde?" is een onbeantwoordbare vraag. "Is deze data goed genoeg om dit specifieke besluit op te baseren?" is wél te beantwoorden, in een week.

Wat er werkelijk toe doet

Bij datascans in aanloop naar AI-trajecten kom ik vier problemen tegen. Ze zijn niet even erg en ze vragen niet dezelfde oplossing.

Probleem 1: Definities (ernstig, vaak onderschat)

Vier systemen, drie definities van "klant". Twee afdelingen die "omzet" verschillend berekenen. Een productcode die in het ene systeem een variant is en in het andere een apart product. Dit is verreweg het meest voorkomende en het meest onderschatte probleem.

Het is ernstig omdat geen enkele hoeveelheid technologie het oplost. Een model dat traint op tegenstrijdig gedefinieerde data leert die tegenstrijdigheid mee. En het wordt onderschat omdat iedereen binnen zijn eigen afdeling consistent werkt. Het probleem is alleen zichtbaar als je erdoorheen kijkt.

Aanpak: definieer alleen de vijf tot tien begrippen die je use case raakt. Niet het hele bedrijfsdatamodel. Dat is twee weken werk in plaats van twee jaar.

Probleem 2: Herkomst en traceerbaarheid (ernstig bij gereguleerd werk)

Kun je van een getal in een rapportage terugvinden waar het vandaan komt en welke bewerkingen het heeft ondergaan? Bij AI-toepassingen die beslissingen beïnvloeden, is dit geen luxe. Toezichthouders, accountants en uiteindelijk ook je eigen bestuurders gaan die vraag stellen.

Aanpak: breng de herkomst in kaart voor de datastromen die je use case gebruikt. Documenteer de transformaties. Dat hoeft niet in een dure tool: een leesbaar document dat klopt, is meer waard dan een lineage-tool die niemand onderhoudt.

Probleem 3: Kwaliteit en volledigheid (hanteerbaar)

Missende velden, inconsistente invoer, historische data die halverwege van formaat veranderde. Vervelend, maar dit is het type probleem waar technologie wél mee helpt en dat je kunt kwantificeren.

Aanpak: meet het. Hoeveel procent van de records heeft het veld dat je nodig hebt? Als dat 94% is, kun je aan de slag en is de vraag wat je met de overige 6% doet. Als het 40% is, heb je een ander gesprek.

Probleem 4: Toegankelijkheid en infrastructuur (meestal het minst urgent)

Geen centraal datawarehouse, data verspreid over systemen, geen API’s. Dit voelt als het grootste probleem omdat het het zichtbaarst is en omdat leveranciers er graag een platform voor verkopen. In de praktijk is het vaak het makkelijkst op te lossen, zeker voor één use case.

Aanpak: voor een eerste use case is een dagelijkse export vaak genoeg. Bouw geen platform om een hypothese te testen.

De use-case-gedreven volgorde

De aanpak die in de praktijk werkt, draait de volgorde om. Je bouwt het fundament niet vooraf, je trekt het mee met de eerste toepassingen.

• Stap 1: Kies één use case met duidelijke waarde en een eigenaar in de lijn.
• Stap 2: Breng in kaart welke data die use case nodig heeft: meestal drie tot zeven bronnen, niet dertig.
• Stap 3: Los voor díe bronnen de definities, de herkomst en de kwaliteit op. Doe dit goed, want dit wordt je referentie.
• Stap 4: Bouw de use case en meet of hij werkt.
• Stap 5: Kies de volgende use case die zoveel mogelijk dezelfde bronnen gebruikt.

Na drie of vier use cases heb je een fundament dat is ontstaan uit gebruik. Dat fundament is kleiner dan het ideaalplaatje en aanzienlijk betrouwbaarder, omdat elke component in productie wordt getoetst.

Wanneer "eerst de data" wél het juiste antwoord is

Er zijn situaties waarin uitstellen echt verstandig is. Drie signalen:

• De kernentiteit is niet eenduidig. Als je niet kunt vaststellen wie een klant is of wat één order is, dan raakt dat elke use case. Dit eerst oplossen bespaart je herwerk bij alles wat volgt.
• De data die je nodig hebt, wordt niet vastgelegd. Geen hoeveelheid slimme techniek maakt data die er niet is. Dan is de eerste stap een registratiewijziging, en die duurt.
• Er is geen eigenaar van de bron. Als niemand verantwoordelijk is voor een dataset, wordt hij ook niet onderhouden, en zakt je toepassing na een half jaar stilletjes in.

Merk op dat geen van deze drie gaat over technologie of over het ontbreken van een platform. Ze gaan alle drie over betekenis en eigenaarschap. Dat is waar het datafundament werkelijk over gaat. De rest is infrastructuur, en infrastructuur koop je.

Een test van een halve dag

Wil je weten waar je staat? Neem één concreet besluit dat je met AI wilt ondersteunen en probeer het handmatig te reconstrueren voor tien gevallen uit het verleden. Kost dat een middag, dan is je fundament in orde genoeg. Kost dat twee weken en moet je drie afdelingen bellen, dan weet je precies welk deel je eerst moet aanpakken. En het is bijna nooit het deel waar het platformvoorstel over ging.