Data-strategie voor het MKB: beginnen zonder groot budget

Grote bedrijven hebben datateams en dure software. Als MKB-ondernemer heb je dat niet, en dat hoeft ook niet. Een data-strategie draait niet om techniek of budget. Het draait om één vraag: waar laat jouw bedrijf nu geld of tijd liggen omdat je het simpelweg niet ziet? Dit artikel laat zien hoe je dat aanpakt, zonder dat het een IT-project wordt.

Het begint vaak met een onderbuikgevoel. Je vermoedt dat een bepaalde klantgroep weinig oplevert, of dat je te veel tijd kwijt bent aan werk dat niets opbrengt. Je kunt het niet hard maken, want de cijfers zitten verspreid over je boekhouding, je mailbox en het hoofd van een paar medewerkers. Een data-strategie is niets meer dan het stap voor stap zichtbaar maken van wat je nu al vermoedt.

Dit artikel laat zien hoe je als MKB-bedrijf met data begint zonder groot budget, welke vraag je eerst moet stellen, en wat een realistische eerste stap is.

Begin bij het probleem, niet bij de software

De grootste fout die ik zie: bedrijven kopen eerst een tool en zoeken daarna naar een probleem om op te lossen. Dat is de omgekeerde volgorde. Een goede data-strategie begint met een concrete zakelijke vraag waar geld achter zit:

• Welke klanten of producten leveren echt marge op, en welke kosten vooral tijd?
• Waar in mijn proces loopt omzet of marge weg zonder dat ik het merk?
• Welk werk doen we elke week handmatig dat eigenlijk automatisch zou moeten?

Als je een van deze vragen scherp hebt, weet je ook welke data je nodig hebt. Dat is een veel kleinere en goedkopere stap dan een compleet systeem optuigen.

De drie niveaus van datavolwassenheid

Het helpt om te weten waar je nu staat. De meeste MKB-bedrijven bevinden zich op een van deze drie niveaus:

• Achteraf kijken: Je weet aan het einde van de maand of het goed ging, op basis van de boekhouding. Sturen kan dan niet meer, alleen constateren.
• Tijdens kijken: Je ziet gedurende de maand hoe je ervoor staat, via een dashboard dat live met je systemen verbonden is. Je kunt bijsturen voordat het misgaat.
• Vooruit kijken: Je gebruikt je historische data om te voorspellen wat er aankomt, zodat je beslissingen neemt op basis van wat waarschijnlijk gaat gebeuren.

De meeste winst zit in de stap van niveau een naar twee. Je hoeft niet meteen te voorspellen. Je hoeft alleen te stoppen met achteraf kijken.

Een voorbeeld. Stel dat een klant halverwege de maand al boven zijn afgesproken krediet zit. Kijk je achteraf, dan zie je dat pas bij de facturatie, als het te laat is om bij te sturen. Kijk je tijdens de maand, dan zie je het na een week en kun je bellen voordat het probleem groter wordt. Dat is het verschil tussen niveau een en twee, in euro's.

Wat een eerste stap realistisch kost

Een data-strategie hoeft geen project van tienduizenden euro's te zijn. Voor een MKB-bedrijf ziet een verstandige opbouw er zo uit:

• Een Data Quick Scan brengt in een sessie in kaart waar je nu staat en waar de grootste winst zit. Je houdt drie concrete verbeterpunten over. Vaste prijs, geen verplichting daarna.
• Een eerste dashboard op je belangrijkste vraag. Het ene inzicht dat het meeste oplevert.
• Uitbreiden als het werkt. Pas als het eerste dashboard waarde levert, voeg je meer bronnen of vragen toe.

Door klein te beginnen houd je de investering laag en zie je snel of het werkt. Dat is precies het tegenovergestelde van een groot IT-traject dat maanden duurt voordat je iets ziet.

Wat er misgaat zonder strategie

• Te veel tegelijk willen: Alles meten leidt tot dashboards die niemand gebruikt. Begin met één vraag die er financieel toe doet.
• Data verzamelen zonder doel: Cijfers opslaan is geen strategie. Het gaat om de beslissing die je ermee neemt.
• De tool centraal stellen: Power BI, Excel of een CRM zijn middelen. De vraag erachter bepaalt of ze waarde leveren.