Recap: Data cleansing: folksonomie en datawoordenboeken

Bedrijven die zich voorbereiden op AI investeren in de juiste fundamenten. Ze selecteren PIM- en MDM-platforms, richten governance in, stellen data stewards aan en zetten data councils op. Toch komt één laag steeds als laatste aan de beurt: de kwaliteit van de productdata zelf. Organisaties werken al jaren met hun huidige datakwaliteit, dus weinigen zien het als een probleem. Met AI in het proces wordt die blinde vlek duur. Garbage in, garbage out geldt meer dan ooit, en AI-output die "redelijk goed" is, laat processen op enterprise-schaal nog steeds vastlopen.

In deze sessie praat Stephan Spijkers met Isak Marais, oprichter van AICA Data International, over wat er nodig is om product- en MRO-data te bouwen die je echt kunt vertrouwen, en hoe je daar komt met een businesscase in de hand.

Sprekers

• Stephan Spijkers, mede-oprichter, PIMvendors.com
• Isak Marais, oprichter, AICA Data International

Belangrijkste inzichten

Vertrouwen begint bij deterministische regels

Generieke taalmodellen kunnen een kleine dataset overtuigend opschonen, maar op enterprise-volume gaan ze afwijken. Isak beschrijft meerdere projecten waarin klanten eerst standaard-LLM's probeerden en vastliepen op tijd, inspanning en consistentie. Het antwoord van AICA is een golden record op basis van deterministische regels. Een centraal brein, per klant afgeschermd, werkt samen met een globaal brein dat is getraind op jaren aan MRO-data, en een productdatawoordenboek valideert elke AI-beslissing. Elk record bevat de bron, een confidence score en het bewijs achter elke wijziging. Voor datateams maakt juist die herleidbaarheid van AI-output data waar een bedrijf op kan handelen.

AI is een set tools, één per stap

Stephan benoemt een punt dat veel kopers missen: AI bestaat uit veel verschillende capabilities, elk geschikt voor een andere stap in de datareis. Classificatie en verrijking vragen om de ene aanpak, data cleansing om een andere en dataverzameling in het veld om een derde. Het portfolio van AICA weerspiegelt dat. Atlas verzorgt classificatie en verrijking. Smart Capture is een mobiele app die een onderdeel herkent op basis van een foto en het record bijwerkt, zodat niemand naar een magazijn aan de andere kant van de wereld hoeft te reizen. De praktische les: koppel AI aan specifieke processtappen voordat je tools selecteert.

Een verrijkingslaag voor de systemen die je al gebruikt

AICA vervangt niets in de bestaande stack. Het werkt naast ERP-, enterprise asset management-, PIM- en MDM-systemen en zorgt ervoor dat de data die erin gaat klopt. Dat telt het zwaarst bij migraties. Projecten van SAP ECC naar HANA lopen vast op datavolume en slechte datakwaliteit, en een overstap van het ene PIM naar het andere brengt hetzelfde risico. Isak ziet dat klanten steeds vaker eisen dat hun EAM- en PIM-leveranciers gespecialiseerde datakwaliteitstools integreren. Hij noemt een grote mijnbouwgroep en een Europese PIM-migratie als recente voorbeelden.

Mensen en processen dragen nog steeds het gewicht

Sommige dataproblemen beginnen voordat software kan helpen. Isak beschrijft een project op meer dan 70 locaties, waar magazijnen ongestructureerde voorraad in zakken bewaarden en bruikbare data nauwelijks bestond. In zulke gevallen levert het geverifieerde partnernetwerk van AICA mensen ter plaatse om processen en dataverzameling in te voeren. Stephan voegt toe dat AI de rol van implementatiepartners verandert, terwijl verandermanagement en procesleiderschap net zo belangrijk blijven als altijd.

Bewijs de ROI voordat het project start

Anderhalf jaar geleden wist AICA dat vervuilde en niet-verrijkte data geld kost, maar kon het dat niet kwantificeren. Nu zetten ROI- en economic value added-calculators, onderbouwd met gepubliceerde casestudy's, cijfers op terug te winnen jaaromzet, waarde-exposure en geprioriteerde acties, nog voordat een pilot begint. Isak ziet dat als een duidelijk voordeel ten opzichte van traditionele ERP-, EAM- en PIM-projecten, waar het bewijs van waarde later komt en op aannames rust.

Zijn advies voor wie begint: breng eerst je kostenstructuur en de kosten van je dataprobleem in kaart. Vanaf daar duren trajecten weken in plaats van maanden en starten ze met prototyping op de eigen data van de klant. AICA biedt vijf samenwerkingsmodellen: full service, self-service, API-toegang, white label en inkoop via AWS Marketplace.

De markt beweegt langzamer dan AI

Beide sprekers zijn het erover eens dat adoptie achterloopt op de technologie. Grote softwarehuizen en enterprises bewegen in het tempo van een olietanker, terwijl er om de paar maanden nieuwe AI-releases verschijnen. Stephan trekt een parallel met PIM zelf: 25 jaar na de e-commerceboom is de spreadsheet nog altijd de grootste concurrent van PIM. Educatie dicht dat gat, en daarom lanceerde AICA de AICA Academy en een driemaandelijks benchmarkcentrum. Ook regelgeving versnelt de vraag. De eisen van het Digital Product Passport leggen zwakke classificatie bloot, wat leidt tot vragen van zowel PIM-teams als DPP-dienstverleners.

Belangrijkste lessen voor productdataleiders

Behandel datakwaliteit als een eigen laag, met een eigen budget, naast systemen, processen, governance en mensen. Eis herleidbaarheid van elke AI-datatool: een bron, een confidence score en bewijs bij elk record. Kwantificeer de kosten van slechte data voordat je een oplossing kiest, want dat getal bepaalt zowel de businesscase als de scope.

👉 Vind de juiste PIM- of productdatapartner voor jouw organisatie op pimvendors.com