“We gaan niet automatiseren om te automatiseren. We gaan automatiseren en data toevoegen in het proces om waarde te creëren.” – Wouter van Peteghem, Managing Partner bij Alluvion.
Iedereen zegt het. Datakwaliteit is belangrijk. Toch blijft het in veel organisaties hangen op intentie. De echte vraag is daarom niet of je betere data wilt, maar of je organisatie er klaar voor is om master data excellence echt te organiseren, te borgen en vol te houden.
In een recente podcast spraken we met Terumo als eindklant en Alluvion als integratiepartner over hun reis naar First Time Right in SAP. Het meest waardevolle inzicht zat niet in de techniek, maar in de aanpak. Klein beginnen. Meetbaar maken. Eigenaarschap organiseren. En dan pas versnellen.
Waarom master data excellence nu prioriteit moet krijgen
In veel organisaties zien we dezelfde patronen terug. Duplicaten en inconsistenties. Handmatige correcties. Processen die vertragen. Teams die ieder hun eigen versie van de waarheid bijhouden. Dat is vervelend. Het wordt risicovol zodra je gaat automatiseren. Dan verspreid je fouten sneller dan ooit.
Bij Terumo werd dit heel concreet zichtbaar in supplier onboarding. Formulieren, e-mailketens en handmatige invoer maakten het proces traag en foutgevoelig. Het doel was niet een mooier datamodel. Het doel was een sneller, betrouwbaarder en beter bestuurbaar proces.
Bekijk ook de webinar: First Time Right in SAP.
Stap 1. Begin niet met tooling, maar met volwassenheid
Een tool op een dataprobleem zetten lost weinig op als de organisatie eromheen niet mee verandert. Daarom startte de aanpak met een datamaturiteitsblik. Niet om een score te geven, maar om te bepalen wat de eerste realistische stap was.
Wie is eigenaar van master data. Hoe werken business en IT samen. Zijn definities van juist en volledig gedeeld. Kun je bottlenecks meten of voelt alles als onderbuik. Zonder deze basis wordt een systeem snel een extra laag complexiteit.
Kritische kanttekening. Veel organisaties denken dat ze al ver zijn omdat er een MDM-tool staat. In de praktijk blijkt eigenaarschap vaak diffuser dan gedacht.
Lees ook: Waar stuur je eigenlijk op?
Stap 2. Kies één proces met echte pijn
De meest pragmatische les. Start waar iemand wakker van ligt. Niet “we willen betere data”, maar een concreet proces dat vandaag tijd of kwaliteit kost.
Bij Terumo was dat supplier onboarding. Eén KPI werd leidend. Doorlooptijd van aanvraag tot creatie en goedkeuring in SAP. Door digitalisatie en verdere automatisering werd die doorlooptijd aantoonbaar verkort. Dat wordt pas echt relevant als je het volume meeneemt.
Belangrijk is dat dit niet in één keer gebeurde. De verbetering kwam in iteraties over meerdere jaren. Dat vraagt discipline in communicatie en verwachtingmanagement.
Stap 3. Ontwerp First Time Right in plaats van achteraf repareren
Datakwaliteit werd bij Terumo het startpunt, niet de nazorg. Dat betekent verificatie en verrijking tijdens creatie en wijziging, in plaats van correcties achteraf.
Een belangrijk mechanisme hierin is eenduidige identificatie. Door gebruik te maken van een unieke identifier konden entiteiten betrouwbaarder herkend worden en werden duplicaten teruggedrongen. Dat legt de basis voor stabielere processen in de hele keten.
Stap 4. Integreer betrouwbare externe data, maar onderschat de complexiteit niet
Externe dataverrijking lijkt eenvoudig. In de praktijk krijg je te maken met land specifieke adresstructuren, postcodeformaten en schrijfwijzen. Datamapping werd in de case expliciet genoemd als aandachtspunt.
De oplossing zat in het toevoegen van logica per land zodat brondata en SAP-context goed op elkaar aansluiten. Dit laat zien dat master data excellence niet alleen een data vraagstuk is, maar ook een integratie en procesvraagstuk.
Tegengeluid dat belangrijk blijft. Externe data is geen absolute waarheid. Het is vaak de beste beschikbare bron, maar jouw proces bepaalt hoe uitzonderingen worden afgehandeld en wie beslist bij twijfel.
Stap 5. Organiseer buy-in via aantoonbare waarde
Adoptie ontstaat niet door te vertellen dat data belangrijk is. Adoptie ontstaat als teams merken dat hun werk eenvoudiger, sneller of betrouwbaarder wordt.
Daarom werd waarde steeds gekoppeld aan concrete effecten. Minder handwerk. Kortere doorlooptijd. Meer inzicht in bottlenecks. Betere auditability en traceability. Tegelijk blijft eigenaarschap op managementniveau cruciaal. Dat is geen eenmalige actie, maar een traject op zich.
Stap 6. Bouw duurzaam en schaalbaar
Een bekende valkuil is snel iets bouwen dat werkt voor één proces. Na een paar jaar zit je met maatwerk dat moeilijk te onderhouden is. Daarom werd vastgehouden aan een helder principe. Houd de kern zo standaard mogelijk en creëer waarde met integraties eromheen.
Dat voorkomt dat je oplossing afhankelijk wordt van specifieke personen of uitzonderlijke configuraties.
Stap 7. Denk in fases, niet in een eindpunt
Master data excellence is nooit af. Je kunt het wel structureren in logische fases. Eerst processen en master data automatisatie op orde. Daarna integratie van betrouwbare bronnen om handwerk te minimaliseren. Vervolgens slimmer opschalen met technieken zoals AI voor bijvoorbeeld duplicate detectie en inconsistenties.
AI zonder goede basis versnelt vooral fouten. Met een sterke basis versterkt het je processen.
