Eerst analytics, dan AI.

AI staat bij vrijwel elke organisatie op de agenda. De vraag is niet meer óf je ermee aan de slag gaat, maar hoe. En daar gaat het vaak mis: AI wordt op een wankel fundament gezet, en het resultaat stelt teleur.

Wat bedoelen we met Analytics & AI?

Het valt op dat “AI” en “analytics” vaak in één adem worden genoemd, alsof het hetzelfde is. Dat is het niet. Het zijn twee lagen die op elkaar bouwen en elkaar versterken. Analytics is het fundament: het ontsluiten, ordenen en betrouwbaar maken van je data, en het vertalen daarvan naar bruikbare stuurinformatie. In Forfacts termen raakt dit twee pijlers: het Systeem (data toegankelijk en bruikbaar maken) en de Informatie (de brandstof voor besluitvorming). AI is de katalysator die voortbouwt op de basis van analytics. AI herkent patronen die een mens over het hoofd ziet, doorzoekt grote hoeveelheden data in seconden, doet voorspellingen en voert met AI agents zelf acties uit en vertaalt die naar begrijpelijke antwoorden. De conclusie AI is zo goed als de data en de definities waarop het draait. De techniek (AI) is dan niet het probleem, maar het fundament waar het op draait (Analytics).

Daarom kiest Forfacts bewust voor de combinatie Analytics & AI, en niet voor AI alleen. Het is één beweging, in een vaste volgorde.

Waarom de volgorde ertoe doet

Het verleidelijke aan AI is dat het snel indrukwekkende resultaten geeft. Een demo werkt altijd. Maar een demo draait op zorgvuldig geselecteerde data, en de dagelijkse praktijk niet.

Wie AI inzet zonder een goed analytics-fundament, loopt tegen drie problemen aan:

• Onbetrouwbare uitkomsten. Als de onderliggende data rommelig is of definities verschillen, lost AI dat niet op, maar maakt raakt in de war en maakt aannames. Daardoor zijn je uitkomsten niet betrouwbaar.
• Verlies van vertrouwen. Levert AI één keer een aantoonbaar verkeerd antwoord op, dan haken gebruikers af, ook voor de gevallen waarin het wél klopt. En zoals vertrouwen is: je wint het langzaam en verliest het snel.
• Geen eigenaarschap. Zonder de Mens die ermee werkt en zich er eigenaar van voelt, blijft AI een losstaand experiment. Zonder de mens geen werkend proces, dat geldt ook hier.

Draai je de volgorde om, eerst het fundament, dan AI, dan versterken de lagen elkaar. Goede analytics maakt AI betrouwbaar. En AI maakt vervolgens de investering in analytics zichtbaar en waardevol, doordat je er meer en sneller bruikbare resultaten uit haalt. Dat is de kern van make simplicity work: niet meer techniek tegen de muur gooien en kijken wat blijft plakken, maar het geheel eenvoudiger en krachtiger laten werken.

Wat je nodig hebt voordat AI waarde levert

Voordat AI iets toevoegt moeten de vier pijlers op orde zijn, niet perfect, dat is een valkuil op zich, maar wel op orde:

• Systeem: toegankelijke data. Databronnen zijn ontsloten en gekoppeld zodat informatie niet in losse eilandjes blijft hangen.
• Informatie: eenduidige definities en heldere KPI’s. Begrippen als “omzet”, “actieve klant” of “doorlooptijd” betekenen overal hetzelfde.
• Proces: geen verspilling. De data stroomt via efficiënte, waar mogelijk geautomatiseerde processen. AI die bovenop een rommelig proces wordt gezet, lost het niet op maar vergroot de chaos.
• Mens: eigenaarschap en vertrouwen. Er zijn afspraken over wie verantwoordelijk is voor welke data, en de mensen die ermee werken vertrouwen de uitkomsten en snappen ze.

Herken je hierin dat de meeste voorwaarden helemaal niet over AI gaan? Dat is precies het punt. Het zwaarste werk zit in het fundament: Mens, Proces, Systeem en Informatie. En dat werk betaalt zich terug met of zonder AI.

Waar het misgaat als je de volgorde omdraait

In de praktijk zien we dit regelmatig gebeuren. Organisaties investeren in een indrukwekkende AI-tool, maar medewerkers vertrouwen de uitkomsten niet omdat deze afwijken van de rapportages die ze gewend zijn. Al snel ontstaat de vraag waarom de AI iets anders zegt dan het dashboard. Meestal ligt de oorzaak niet bij de AI zelf, maar bij verschillende definities en databronnen. De basis van systemen en informatie is simpelweg niet op orde.

Ook zien we AI-modellen die voorspellingen doen, terwijl niemand kan uitleggen waarop die voorspellingen zijn gebaseerd. Zonder inzicht in de onderliggende feiten ontbreekt het vertrouwen om er beslissingen op te baseren. De tool verdwijnt vervolgens geruisloos naar de achtergrond, omdat de mensen die ermee moeten werken er geen vertrouwen in hebben.

Een ander herkenbaar voorbeeld zijn teams die enthousiast met AI aan de slag gaan. Ieder bouwt zijn eigen experiment, met eigen data en eigen aannames. Het resultaat is niet meer samenhang, maar juist meer versnippering. Daarmee ontstaat extra complexiteit in plaats van de eenvoud die je wilde bereiken.

In al deze situaties is de technologie niet het probleem. De echte uitdaging zit in de onderliggende basis. Pas wanneer informatie betrouwbaar is, systemen op elkaar aansluiten, processen helder zijn en mensen begrijpen én vertrouwen hoe AI tot zijn antwoorden komt, kan AI echt waarde toevoegen.

Hoe begin je praktisch?

Starten hoeft geen groots en meeslepend proces te zijn. Een werkbare aanpak in vijf stappen, mensgericht en data gedreven:

• Begin bij de vraag, niet bij de tool. Welke beslissing wil je beter of sneller kunnen nemen? Dat bepaalt welke data en analytics je nodig hebt en voorkomt een oplossing op zoek naar een probleem.
• Breng data en definities op orde voor dat specifieke vraagstuk. Klein en concreet, niet de hele organisatie in één keer.
• Maak de basis zichtbaar in betrouwbare stuurinformatie, zodat mensen vertrouwen krijgen in de feiten.
• Voeg AI gericht toe op de plek waar het aantoonbaar tijd bespaart of inzicht oplevert en meet of dat ook echt zo is.
• Borg het in proces en eigenaarschap, zodat het geen experiment blijft maar onderdeel wordt van hoe er gewerkt wordt.

Zo groeit het fundament mee met de ambitie, en loop je nooit te ver voor de troepen uit.

Forfacts & Analytics & AI: van feiten naar impact

Bij Forfacts geloven we dat technologie pas waarde levert als Mens, Proces, Systeem en Informatie op elkaar aansluiten. Daarom kiezen we bewust voor de combinatie Analytics & AI, in die volgorde. Het is dezelfde overtuiging die onder al ons werk ligt: mensgericht en data gedreven, met simpele oplossingen die impact maken.

We beginnen bij het ontsluiten en betrouwbaar maken van data, vertalen dat naar heldere stuurinformatie, en zetten AI in waar het echt versnelt. Niet omdat het kan, maar omdat het aantoonbaar helpt. En altijd met oog voor de mensen die ermee moeten werken, want een model dat niemand vertrouwt of gebruikt, verandert niets.

AI is geen wondermiddel dat een zwak fundament repareert. Het is een versneller die een sterk fundament laat renderen. Of, nuchter gezegd: feiten vormen de basis voor succes en pas daarna maakt AI het verschil. Wie de volgorde respecteert, plukt daar langdurig de vruchten van. Zo blijven we simplicity work maken.

Wil je verkennen waar Analytics & AI in jouw organisatie waarde kan leveren en hoe je het fundament daarvoor klaarlegt? We denken graag met je mee.