Data en AI Volwassenheidsscan

1. Datastrategie - Als je collega's vraagt waarom jullie investeren in data en AI, wat hoor je dan?

A. Vrijwel niemand kan die vraag beantwoorden.

B. Alleen IT heeft een echt verhaal, de business niet.

C. De meesten kunnen er iets zinnigs over zeggen.

D. Iedereen kent het verhaal en koppelt het aan onze bedrijfsdoelen.

E. Weet ik niet.

This field is required

2. Bronsystemen - Hoe goed sluiten jullie systemen (ERP, CRM e.d.) aan op hoe jullie echt willen werken?

A. Slecht: we passen ons werk aan op wat het systeem kan.

B. Wisselend: voor sommige processen werkt het, voor andere niet.

C. Goed: de systemen zijn bewust gekozen voor onze huidige manier van werken.

D. Heel goed: de systemen zijn flexibel genoeg om mee te bewegen met nieuwe processen.

E. Weet ik niet.

This field is required

3. Brondatakwaliteit - Hoe schoon en betrouwbaar is de data in jullie bronsystemen (zoals CRM en ERP)?

A. Er zijn veel onvolledige of verouderde records, dubbele klanten of producten, en ongeldige waarden in velden.

B. Er zijn bekende kwaliteitsproblemen: we lossen ze ad hoc op als ze opvallen.

C. Velden zijn zo ingericht dat foute invoer beperkt wordt en er is een verantwoordelijke voor de datakwaliteit.

D. De datakwaliteit wordt automatisch bewaakt en aan de bron gecorrigeerd of gesignaleerd.

E. Weet ik niet.

This field is required

4. Een waarheid tussen bronsystemen - Als een klant, leverancier of product in meerdere systemen voorkomt, kloppen die gegevens dan met elkaar?

A. Nee: elk systeem heeft zijn eigen versie en die wijken vaak af.

B. Niet automatisch: medewerkers moeten handmatig bijhouden of het overal klopt.

C. De belangrijkste gegevens worden via koppelingen gesynchroniseerd tussen de systemen.

D. Een centraal beheerd masterrecord is leidend: alle systemen werken vanuit dezelfde stamdata.

E. Weet ik niet.

This field is required

5. Centrale dataset voor rapportages - Waar halen jullie de data vandaan voor rapportages en analyses?

A. Direct uit losse bronsystemen of via Excel-bestanden per afdeling: iedereen werkt vanuit een eigen dataset.

B. Data wordt voor rapportages verzameld, maar elk team doet dat op zijn eigen manier.

C. Er is een centrale dataset (bijv. dataplatform of datawarehouse) waarop de belangrijkste rapportages draaien.

D. Een centrale dataset is leidend en in self-service beschikbaar voor de teams: iedereen werkt op dezelfde basis.

E. Weet ik niet.

This field is required

6. Stuurinformatie en gedeelde definities - In hoeverre stuurt iedereen op dezelfde KPI's en bedoelen jullie er hetzelfde mee?

A. Beslissingen gaan vooral op gevoel, KPI's spelen nauwelijks een rol.

B. Teams gebruiken eigen KPI's en vullen begrippen als 'klant' of 'omzet' verschillend in.

C. De belangrijkste KPI's zijn afgesproken: voor de meeste begrippen liggen gedeelde definities vast.

D. KPI's en de onderliggende definities zijn organisatiebreed eenduidig en sturen actief beslissingen.

E. Weet ik niet.

This field is required

7. Werkprocessen en documentatie - Hoe consistent en gedocumenteerd zijn jullie kernprocessen?

A. Iedereen werkt op zijn eigen manier, er is nergens iets vastgelegd.

B. Dit verschilt per team of medewerker: de documentatie ontbreekt grotendeels of is verouderd.

C. De belangrijkste processen zijn vastgelegd en worden ook zo uitgevoerd.

D. Zowel de processen als de definities zijn gedocumenteerd en worden actueel gehouden.

E. Weet ik niet.

This field is required

8. Voorspellende inzichten - Gebruiken jullie data om vooruit te kijken en niet alleen om terug te blikken?

A. Nee, en eerlijk gezegd hebben we ook niet de data om dat goed te doen.

B. Onze rapportages zijn vooral historisch gericht.

C. We doen trendanalyses en maken de eerste voorspellingen op basis van wat we hebben.

D. Voorspellingen zijn een vast onderdeel van onze besluitvorming.

E. Weet ik niet.

This field is required

9. Automatisering en AI in processen - Hoeveel routinewerk doen jullie medewerkers dat een systeem zou kunnen overnemen?

A. Veel: vrijwel alles gaat handmatig.

B. Behoorlijk wat: we zien het wel, maar er gebeurt nog weinig mee.

C. De grootste pijnpunten zijn geautomatiseerd: AI wordt op onderdelen ingezet.

D. Weinig: AI en automatisering handelen het routinewerk grotendeels zelfstandig af.

E. Weet ik niet.

This field is required

10. In-house kennis en datacommunity - Welke data- en AI-kennis hebben jullie zelf in huis?

A. Geen: we leunen op externe partijen of doen het er zelf een beetje bij.

B. Er is een persoon met basiskennis op een van de gebieden.

C. We hebben specialisten op de belangrijkste gebieden in huis.

D. Een team, inclusief interne ambassadeurs, verspreidt de kennis en volgt de ontwikkelingen.

E. Weet ik niet.

This field is required

11. Verdienmodel - In welke mate dragen data en AI bij aan jullie verdienmodel?

A. Niet: we draaien op het bestaande model.

B. We zien kansen, maar er gebeurt nog weinig concreets.

C. De eerste initiatieven lopen om het verdienmodel te versterken met data of AI.

D. Data en AI zijn een structureel onderdeel van ons verdienmodel: er zijn al nieuwe inkomstenstromen.

E. Weet ik niet.

This field is required

12. Grip en sturing - Heeft de directie continu inzicht in waar jullie staan met data en AI?

A. Nee, daar is geen overzicht van.

B. Incidenteel, vaak via toevallige signalen.

C. Periodiek, via overleg of rapportages.

D. Continu: dit beeld stuurt actief onze strategie.

E. Weet ik niet.

This field is required

13. Wat is jouw functie binnen de organisatie?

This field is required

14. In welke sector of branche is de organisatie werkzaam?

This field is required

Voornaam

This field is required

Achternaam

This field is required

Telefoonnummer

This field is required

E-mailadres

This field is required

Bedrijfsnaam

This field is required

16. AVG-toestemming - Geef je toestemming voor het verwerken van jouw gegevens conform het privacybeleid?

Ja, ik ga akkoord.

This field is required

Data en AI Volwassenheidsscan

Form Submitted