Hoe data rommelig wordt
Data wordt zelden in één keer rommelig. Het gebeurt geleidelijk: een medewerker maakt een nieuwe klant aan omdat hij de bestaande niet vindt, een kostensoort wordt soms op de ene en soms op de andere grootboekrekening geboekt, en bij een overstap naar een nieuw pakket worden oude gegevens half meegenomen. Na een paar jaar ontstaat een administratie waarin niemand meer precies weet wat klopt.
- Dubbele klanten of leveranciers met net andere schrijfwijzen.
- Ontbrekende of verschillende codes voor dezelfde producten of diensten.
- Kosten die inconsistent op verschillende grootboekrekeningen worden geboekt.
- Verouderde gegevens: oude adressen, vertrokken contactpersonen, beëindigde producten.
- Velden die soms wel en soms niet worden ingevuld.
Wat het kost
Rommelige data heeft directe gevolgen. Rapportages geven een verkeerd beeld, bijvoorbeeld een marge per productgroep die niet klopt omdat kosten op de verkeerde plek staan. Facturen gaan naar oude adressen. Koppelingen tussen systemen werken slecht, omdat gegevens niet overeenkomen. En medewerkers verliezen tijd met zoeken en corrigeren. Bovendien ondermijnt het het vertrouwen in de cijfers: als niemand ze gelooft, worden ze ook niet gebruikt om te sturen.
Stap 1: analyseer waar het misgaat
Begin met een analyse. Hoeveel dubbele klanten en leveranciers zijn er? Welke grootboekrekeningen worden door elkaar gebruikt? Welke velden zijn vaak leeg? Een eenvoudige export naar een spreadsheet geeft vaak al veel inzicht. Kijk ook naar de rapportages die je wilt maken: welke gegevens zijn daarvoor nodig, en zijn die er in de juiste vorm?
Stap 2: bepaal de structuur
Leg vast hoe je gegevens wilt structureren. Een rekeningschema dat aansluit op je stuurinformatie, met duidelijke omschrijvingen van welke kosten waar horen. Vaste codes voor producten, diensten en klantgroepen. Kostenplaatsen of afdelingen als je per onderdeel wilt sturen. Deze structuur is de basis voor alles wat volgt, dus neem er de tijd voor en betrek de mensen die met de cijfers werken.
Stap 3: ruim op
Voeg dubbele klanten en leveranciers samen, werk adressen en contactgegevens bij, archiveer wat niet meer wordt gebruikt en corrigeer verkeerde boekingen waar dat zinvol is. Begin bij de gegevens die het meest worden gebruikt en de meeste impact hebben. Je hoeft niet tien jaar historie op te schonen; vaak is het verstandig een duidelijke startdatum te kiezen vanaf wanneer alles volgens de nieuwe structuur gaat.
Stap 4: spreek regels af
Opruimen heeft alleen zin als het daarna schoon blijft. Spreek af wie welke gegevens mag invoeren en wijzigen, en hoe dat gebeurt. Bijvoorbeeld: nieuwe klanten worden alleen in het CRM aangemaakt, na een controle of ze al bestaan. Leg de boekingsregels vast in een korte handleiding. Gebruik waar mogelijk verplichte velden en keuzelijsten in je systemen, zodat fouten worden voorkomen in plaats van achteraf hersteld.
Stap 5: controleer periodiek
Plan een vaste controle, bijvoorbeeld elk kwartaal. Zijn er nieuwe dubbelingen ontstaan? Worden de boekingsregels gevolgd? Zijn er velden die vaak leeg blijven? Een korte controle voorkomt dat de rommel opnieuw groeit. Wijs per soort gegevens een eigenaar aan: iemand die verantwoordelijk is voor de kwaliteit van bijvoorbeeld klantgegevens of het rekeningschema.
De basis voor alles wat volgt
Betrouwbare data is de basis voor dashboards, koppelingen en AI-toepassingen. Een dashboard op rommelige data geeft een verkeerd beeld. Een koppeling verspreidt fouten naar andere systemen. En een AI-toepassing leert van de gegevens die je hem geeft. Wie investeert in datakwaliteit, maakt al die volgende stappen eenvoudiger en waardevoller.
Zie het opschonen daarom niet als een eenmalig project, maar als het begin van een andere manier van werken. Bedrijven die hun gegevens structureel op orde houden, sluiten hun maand sneller af, hebben minder discussie over cijfers en kunnen nieuwe systemen of rapportages veel sneller in gebruik nemen.
Een voorbeeld
Een dienstverlener wilde weten welke klantgroepen de meeste marge opleverden. Uit de analyse bleek dat dezelfde klanten onder verschillende namen in het CRM en de boekhouding stonden, en dat uren soms op de verkeerde projecten waren geschreven. Na het samenvoegen van dubbele klanten, het invoeren van vaste klantgroepen en heldere afspraken over urenregistratie, gaf de rapportage voor het eerst een betrouwbaar beeld. Daaruit bleek dat een klantgroep die als belangrijk werd gezien, nauwelijks marge opleverde. Die kennis leidde tot andere prijsafspraken en een gerichtere focus in de verkoop.
Combineer het opschonen waar mogelijk met andere momenten, zoals een overstap naar een nieuw boekhoudpakket, de start van een nieuw boekjaar of de invoering van een dashboard. Dan heb je toch al een natuurlijk moment om opnieuw naar de structuur te kijken, en is de extra inspanning beperkt. Zo wordt datakwaliteit een vast onderdeel van je bedrijfsvoering, en geen project dat elke paar jaar opnieuw moet worden opgepakt.
Veelgestelde vragen
Hoe weet ik of mijn data rommelig is?
Signalen zijn rapportages die elkaar tegenspreken, dubbele klanten of leveranciers, veel correctieboekingen en medewerkers die veel tijd kwijt zijn aan zoeken en controleren.
Moet ik alle historische gegevens opschonen?
Meestal niet. Kies een startdatum vanaf wanneer alles volgens de nieuwe structuur gaat, en schoon vooral de gegevens op die nog actief worden gebruikt.
Wat is een rekeningschema?
De indeling van je grootboekrekeningen, waarmee je bepaalt hoe kosten en opbrengsten worden geboekt. Een goed rekeningschema sluit aan op de stuurinformatie die je wilt zien.
Wie is verantwoordelijk voor datakwaliteit?
Wijs per soort gegevens een eigenaar aan, bijvoorbeeld voor klantgegevens, producten en het rekeningschema. Die persoon bewaakt de kwaliteit en spreekt anderen aan op afwijkingen.
Hoe lang duurt een opschoning?
Voor de meeste mkb-bedrijven is de kern binnen enkele weken op orde, afhankelijk van de hoeveelheid gegevens en systemen. Het belangrijkste is dat de afspraken daarna worden nageleefd.
