Datawijs met Thijs

Notitie van dinsdag 27 oktober

2026-10-27T16:13:00+01:00

Ik gebruik al een paar maanden de Data Goblins plugins voor Claude Code om samen met m'n AI assistent Power BI rapportages te ontwikkelen.

Als je daarmee begint kom je er al snel achter dat je niet alleen met je menselijke collega's werkafspraken moet maken maar dat dat ook nodig is bij andere soorten collega's.

Wat bij AI wel een voordeel is, is dat je alle dingen die in het verleden mis zijn gegaan makkelijk kan terugvinden, van kan leren en als regel kan opschrijven hoe het in de toekomst beter kan (na ieder project).

Belangrijkste les: aannames zijn de moeder van alle problemen en dus moet alles bewijsbaar zijn!

Twee goede antwoorden

2026-09-10T09:00:00+02:00

We bouwen dashboards alsof er één juist antwoord uit moet rollen. Maar echte bedrijfsbeslissingen hebben vaak méérdere goede antwoorden, met elk hun eigen prijs.

Neem je serviceorganisatie. Ik kan je in een dashboard precies laten zien hoe vaak je een onderdeel direct uit voorraad kunt leveren en hoeveel vaker dat lukt als je meer op de plank legt.

Je financieel directeur kijkt naar dezelfde cijfers en ziet iets anders: hoe vaak die voorraad verkocht wordt en hoeveel geld erin vastzit.

Weinig voorraad en af en toe een klant laten wachten. Of veel voorraad, meer kosten en altijd kunnen leveren. Allebei valide.

Als demand planner bij PACCAR Parts kozen we voor het tweede. Een stilstaande truck kost per uur, dus lag het onderdeel op de plank. Voor een ander bedrijf is dat de verkeerde keuze.

Dus als ik een dashboard bouw voor je serviceorganisatie, dan zegt dat je niet welke kant je op moet. Het laat zien welke kanten er zijn en wat elke kant je kost.

En als je dashboard je nooit een keuze voorlegt, laat het waarschijnlijk maar één kant van de rekening zien.

Notitie van vrijdag 3 juli

2026-07-03T12:00:00+02:00

Ook Fable 5 is nog steeds geen magie. In een uitzonderingssituatie werkte de row-level security, wie welke data mag zien, niet goed in mijn Power BI-model. Dus ik dacht: “Fable 5 is live, die lost dat vast wel even op.”

Fable 5 ging in ieder geval hard aan de slag. Maakte meteen wijzigingen in mijn model, zonder eerst iets te vragen (lang leve --dangerously-skip-permissions) en introduceerde vrolijk een paar nieuwe bugs.

Wat wel werkte: gestructureerd aan het model vragen waarom het niet werkte, met die uitleg zélf de oplossing bedenken en Claude daarna alle berekeningen laten aanpassen.

De AI voert uit, maar ik hou de regie. Samen zijn we slimmer dan elk apart.

Een getal zonder knop

2026-06-18T14:13:00+02:00

Het wordt deze week weer warm. Ik liep langs de thermostaat en wilde er iets aan doen, puur uit gewoonte. Maar er zit geen knop voor “aangenamer”.

Wat de kamer wél draaglijk maakt: ramen dicht, gordijnen dicht, ventilator aan. Niet het getal op het display, maar de acties eromheen.

Met een salesdashboard werkt het net zo.

“Aantal nieuwe offerteaanvragen” is ook zo'n getal zonder knop. Je accountmanagers staren ernaar in het rood, maar harder kijken verandert het niet.

Wat dat getal wél in beweging brengt, hoort ernaast te staan:

Hoeveel klanten met een oudere machine zijn deze week proactief gebeld? Daar zit je vervangingsvraag.
Hoeveel procent van de leads is binnen 24 uur opgevolgd? Snelheid bepaalt wie aan tafel komt.
In hoeveel gesprekken kwam een écht technisch probleem boven tafel? Koffiedrinken telt niet.

Stuur op die drie en het getal volgt vanzelf.

Een kloppend cijfer is geen antwoord

2026-06-18T09:19:00+02:00

In 1985 verving Coca-Cola haar recept. New Coke. In blinde smaaktests versloeg het zowel de oude Coke als Pepsi. De cijfers waren glashelder: tweehonderdduizend mensen geproefd en het nieuwe recept won.

Het werd een van de grootste flops uit de merkgeschiedenis. Honderdduizenden klachtbrieven. Binnen een paar maanden stond de oude Coke weer in het schap.

Wat ging er mis? Niks aan de data. De smaaktest klopte gewoon.

Mensen kochten Coca-Cola alleen nooit om de smaak. Ze kochten het om wat het wás. Het merk, de gewoonte, het gevoel. En dat stond in geen enkele smaaktest.

Coke had een perfect kloppend cijfer. En deed er precies het verkeerde mee. Omdat ze de vraag achter het cijfer niet stelden: meten we hier eigenlijk wel waaróm mensen kopen?

Een cijfer dat overtuigend klopt, voelt als een antwoord. En juist daarom is het gevaarlijk.

Tandsteen

2026-05-20T12:04:00+02:00

Je voelt het niet. Je ziet het niet. Je proeft het niet. En toch zit het er. Tandsteen. Geen pijn, geen waarschuwing. Pas als de mondhygiënist erbij komt met het juiste gereedschap, wordt zichtbaar wat er al maandenlang aan het opbouwen was.

Vorige week sprak ik een directeur van een machinebouwer die al meer dan veertig jaar actief is. “Ergens doen we iets goed. Ik weet niet wat. Maar we doen iets goed.”

En dat klopt. Ze hebben het opmerkelijk goed voor elkaar. Voorcalculaties die elke week worden bijgewerkt. Eén stuurdocument waarin elk lopend project staat, met marge, voortgang en risico. Een projectleider die om elf uur 's ochtends een tegenslag boekt en om twaalf uur is de capaciteitsplanning aangepast.

Wat hij niet ziet, zit ertussen.

Welk type klanten is de afgelopen jaren minder rendabel geworden, ook al voelt elk project op zich nog prima? In welke segmenten zakt de marge stilletjes? Welke combinaties van machinetype en branche presteren bovengemiddeld?

Dat zijn geen projectvragen. En geen marktvragen. Het zijn de patronen ertussen. Onzichtbaar voor de projectleider die zijn eigen project ziet. Onzichtbaar voor de directeur die de markt leest.

Citaat van woensdag 6 mei

2026-05-06T15:47:00+02:00

“We proberen constant van spaghetti asperges te maken.”

Ik kon het niet mooier samenvatten.

Elk maakbedrijf begint met een bord spaghetti. Verkoopdata hier, productiecijfers per werkplek daar, financiën in weer een ander systeem. Trek aan één sliert en de halve berg komt mee.

De reflex is dan altijd dezelfde: meer data erbij. Nóg een rapport. Nóg een export. Alsof een groter bord spaghetti opeens overzichtelijk wordt. Het bord wordt voller. De spaghetti blijft spaghetti.

Asperges maak je door te ordenen én te koppelen. Eén plek waar je sales-opportunities tegen je productiecapaciteit afzet, zodat je weet of je die order over zes weken überhaupt kunt waarmaken. Eén plek waar de voorcalculatie tegen de werkelijkheid van al je projecten staat, zodat je ziet welke marges wegsijpelen en waar.

42

2026-05-01T08:02:00+02:00

Vandaag word ik 42. Het antwoord op het leven, het universum en alles. In The Hitchhiker's Guide to the Galaxy rekent de supercomputer Deep Thought 7,5 miljoen jaar op de ultieme vraag. Er rolt één getal uit: 42.

Juichen. Champagne. Tot iemand vraagt: “Wat was de vraag ook alweer?” Niemand die het nog weet.

Met dashboards werkt het net zo.

We tuigen een BI-traject op, knallen er een halfjaar werk in en dan staat er een getal op het scherm. Marge: 18,2%.

Maar wat was de vraag? Was het “verdienen we genoeg op dit segment?” Of “is de mix in balans?” Of “zijn we niet stiekem aan het interen op onderhoud?” Drie verschillende vragen. Eén getal. Meestal zonder gebruiksaanwijzing.

En dan komt de klassieker: “Hm, maar wat zegt dit nu eigenlijk?”

Het dashboard is dan grotendeels onschadelijk. Technisch kloppend, keurig samengevat en toch onbruikbaar als je een beslissing moet nemen.

Een getal zonder vraag is geen antwoord. Het is een cijfer dat om werk vraagt.

Daarom begin ik elk traject andersom: eerst de vraag, dan pas het getal. Anders bouw je een supercomputer die trots “42” zegt, terwijl het MT elkaar aankijkt.

Oh ja, cadeautip voor mijn verjaardag: vis. Een handdoek heb ik al.

Het beste rapport was een vergadering

2026-03-26T14:26:00+01:00

De beste rapportage die ik ooit bouwde was geen rapportage. Het was een vergadering.

Bij een machinebouwer liep de supply chain vast. Bij het reviseren van modules weet je pas welke onderdelen je nodig hebt als je klaar bent met demonteren. Maar inkoop heeft weken nodig om ze te leveren. Gevolg: te veel voorraad van het ene, te weinig van het andere en dure materialen die onnodig heen en weer worden gesleept.

Ja, ik maakte een analyse van het verbruik van onderdelen en een geautomatiseerd voorstel per onderdeel.

Maar het belangrijkste was een kwartaalgesprek van dertig minuten. Productieplanning, materiaalplanning en engineering samen aan tafel. Welke onderdelen bestellen we altijd mee? Welke op afroep? Kloppen de veiligheidsvoorraden nog?

Eén gesprek. Drie afdelingen. Concrete afspraken. Een vast moment waarop de juiste mensen samen kijken en iets doen.

Data wordt pas waardevol op het moment dat iemand er een beslissing mee neemt. En soms is het beste wat je kunt bouwen niet een scherm, maar een stoel aan tafel.

Moneyball voor organisaties: waarom first-base-denken je meer oplevert dan AI-homeruns

2025-07-01T13:37:00+02:00

‘Youkilis was een dikke derdehonkman die niet kon rennen, niet kon gooien en niet kon fielden. Wat was het nut om dat te bekijken?’

Michael Lewis, Moneyball: The Art of Winning an Unfair Game (2003)

Aan het begin van hun samenwerking stond Paul DePodesta, Harvard-econoom, erop dat de scouts van de Oakland A’s college student Kevin Youkilis moesten bekijken. Daar zag Grady Fuson, hoofd scouting van de Oakland A’s, niks in. Wat moest hij met een jongen die niet kon rennen, niet kon gooien en niet kon fielden?

Drie maanden later had Youkilis het op één na hoogste on-base-percentage in heel het professionele honkbal, na Barry Bonds. Voor DePodesta werd hij “Euclis: the Greek god of walks”.

De Moneyball Methode

Ondanks beperkte middelen weten de Oakland A’s een record van 20 (!) achtereenvolgende wedstrijden te winnen. Hoe ze dat voor elkaar kregen? General manager Billy Beane en DePodesta brachten honkbal analyse terug naar de basis: om een punt te scoren moet je op het eerste honk komen. Zo scoor je punten en win je wedstrijden.

Daarmee ging de conventionele honkbal scouting op de schop: ziet iemand eruit als een honkballer; kan hij mooie duikvluchten naar het honk maken; heeft hij ‘star appeal’. Allemaal irrelevant.

De homerun-illusie

In organisaties werkt dit precies zo. ‘Datagedreven werken’ en ‘generative AI’ zijn de laatste modewoorden om sexy dashboards te bouwen. Een centraal super dataplatform waar finance, operations, IoT, HR, sales én marketingdata samenkomen. Eén magisch dashboard, realtime AI-voorspellingen bovenop een perfect datamodel, natuurlijk “future-proof”. Wie wil dat niet?

De werkelijkheid? Na een maand vergaderen steggelen Sales en Finance nog steeds over de definitie van iets eenvoudigs als omzet. Het wensenlijstje met features is uitgegroeid tot epische proporties en je zit met een roadmap waar je de komende 2 jaar mee vooruit kan. Geen wonder dat het projectteam het niet meer ziet zitten en al het momentum om iets voor elkaar te krijgen verdwenen is. Gaan voor de homerun is leuk als het lukt maar eindigt meestal in een vastgelopen project dat over budget gaat.

Wat in honkbal geldt, geldt ook in organisaties: kleine stappen zijn veel beter controleerbaar én leveren sneller meetbare resultaten op. Uiteindelijk draait het er ook in organisaties om dat je steeds het eerste honk verovert. Ofwel: zorg voor een reeks kleine, effectieve initiatieven die daadwerkelijk waarde toevoegen.

First-base-strategie: kleine initiatieven

De first-base-strategie is gebaseerd op het principe dat kleine stappen leiden tot grote resultaten. In plaats van te wachten op die ene spectaculaire AI-homerun, bouw je aan concreet en zichtbaar succes door regelmatig het eerste honk te bereiken. Iedere kleine stap levert direct resultaat, houdt het enthousiasme in je team vast en zorgt dat je snel kunt bijsturen als omstandigheden veranderen.

In dit hoofdstuk laat ik je stap-voor-stap zien hoe je deze aanpak in jouw organisatie toepast. Met vier concrete acties maak je direct impact en creëer je een duurzame basis voor succesvolle datagedreven initiatieven.

1. Beperk de scope

Hak je lange-termijndoel in in stukjes en kies een duidelijk onderwerp om op te focussen (bijvoorbeeld, besluitvorming versnellen, marge verhogen of klantervaring verbeteren). Daarna maak je dat grote onderwerp nog concreter en zorg je dat je per project (of epic zoals dat in de Agile methode genoemd wordt) één specifiek probleem oplost.

2. Lever iedere 2 weken waarde

Plan sprints van twee weken. Aan het eind demonstreer je iets tastbaars, hoe klein ook: een eenvoudig rapport dat alle aliassen van een materiaalcode laat zien, een lijst met klanten die wel product A hebben gekocht maar niet product B of een lijst met klanten die wel reserveonderdelen bestellen maar nog geen servicecontract hebben.

Bedenk daarnaast ook hoe succes eruit ziet, zodat je achteraf kan valideren dat de projecten die je oplevert inderdaad de waarde toevoegen die je verwachtte. Succes kan zijn “het rapport wordt dagelijks door engineering gebruikt” of “we hebben 10 eerste gesprekken gevoerd met bestaande klanten over een servicecontract”.

Een prototype dat in 6 weken klaar moet zijn bestaat dus uit 3 sprints die alledrie waarde toevoegen.

Voorbeeld:

Sprint	Uitkomst	Waarde	Definitie van succes
1 - eerste aansluiting	overzicht van klanten zonder servicecontract + overzicht van klanten die onderdelen bestellen	aangetoond dat de ruwe data bestaat en 2 lijsten die al handmatig gebruikt kunnen worden	Servicemanager heeft de lijst gevalideerd plus de data pipeline is klaar voor gebruik en hoeft niet in een latere sprint nog aangepast te worden
2 - eerste inzicht	indeling van klanten in kwadranten (bestelt wel/geen onderdelen en heeft wel/geen servicecontract)	inzicht per regio wat de verschillen zijn in gedrag tussen klanten	2 account managers gebruiken de informatie om gesprekken te plannen met klanten die nog geen servicecontract hebben
3 - eerste prototype	dashboard top 10 klanten met hoogste potentieel (bestelt veel onderdelen maar heeft geen contract)	duidelijke actie-gerichte lijst met klanten om te benaderen	Alle klanten uit de top 10 worden benaderd, met minimaal 5 vervolggesprekken en 2 nieuwe contracten als uitkomst

3. Meet direct je impact

Doordat je al hebt nagedacht hoe succes eruit ziet kun je makkelijk meten wat je impact is. Verzamel actief feedback over een rapportage. Hierbij geldt: geen feedback betekent waarschijnlijk dat er verbetering nodig is.

Levert je rapportage toch geen nieuwe gesprekken en contracten met klanten op? Dan is het tijd om een nieuwe hypothese op te stellen om te testen.

Impact meten betekent ook direct actie ondernemen als resultaten afwijken van je verwachtingen.

Voorbeeld:

Sprint	Definitie van succes	Impact	Actie
1 - eerste aansluiting	Servicemanager heeft de lijst gevalideerd plus de data pipeline is klaar voor gebruik en hoeft niet in een latere sprint nog aangepast te worden	tijdens sprint 3 moest de pipeline toch licht gewijzigd worden	Aanscherpen van checklijst waar een data pipeline aan moet voldoen
2 - eerste inzicht	2 account managers gebruiken de informatie om gesprekken te plannen met klanten die nog geen servicecontract hebben	Account managers hebben de lijst niet gebruikt maar gewacht op het eindproduct	Volgende project worden de account managers actiever betrokken bij vroege sprints om eerder feedback te krijgen
3 - eerste prototype	Alle klanten uit de top 10 worden benaderd, met minimaal 5 vervolggesprekken en 2 nieuwe contracten als uitkomst	8 klanten zijn benaderd met 6 gesprekken en vooralsnog 1 nieuw contract. De 2 klanten die niet benaderd zijn, waren in het afgelopen half jaar al benaderd.	Volgende iteratie moet rekening houden met gesprekken die in de laatste 12 maanden met klanten gevoerd zijn

4. Vier je succes

Maak periodiek een overzicht van alle gelukte initiatieven om de energie voor nog meer kleine verbeteringen erin te houden.

Zorg dat je uit ogenschijnlijk mislukte projecten toch een succes kan halen. De rapportage die geen nieuwe gesprekken met klanten oplevert, heeft wel een beter inzicht in onze klanten opgeleverd. Dit gaat ons in de toekomst helpen wél de juiste initiatieven te ondernemen.

Hoe concreter en kleiner het succes, hoe makkelijker het voor de mensen in je organisatie wordt om zelf een vergelijkbaar idee om te zetten in een experiment. Door succes zichtbaar te maken stimuleer je nieuwe ideeën, omdat mensen zien dat kleine initiatieven écht gewaardeerd worden.

In het kort

Richt je op het behalen van het eerste honk. Beperk de scope, lever iedere 2 weken waarde en meet de impact direct. Vergeet je successen niet te vieren, ook dat mislukte experiment met nieuwe inzichten! Zo bouw je een cultuur van continue verbetering en behalen jullie net als Kevin Youkilis onverwachtse sterrenstatus.

Ook verschenen op LinkedIn.