Maar wat bedoelen we eigenlijk met ‘het datafundament’? Want het antwoord bepaalt alles. Voor wie bouwen we dit fundament? Kunnen wij alle use cases bedienen? En verandert dat in 2026? Daar wringt het. De meeste organisaties bouwen één fundament en proberen daar twee verschillende behoeften op te lossen.
Analytics wil stabiliteit, AI heeft context en outliers nodig
Analytics-ready data wordt gebruikt door marketingmanagers en specialisten via dashboards. Het antwoord op: wat is er gebeurd? Data wordt daarvoor samengevat en geaggregeerd tot iets dat mensen kunnen bespreken. Correctheid is belangrijk. Mensen vergeven missende data, maar zelden incorrecte cijfers. En die metric van vorige week moet volgende week hetzelfde verhaal vertellen, anders stort het vertrouwen in.
AI-ready data wordt niet gelezen maar direct verwerkt. Modellen zoeken patronen in miljoenen datapunten tegelijk. Het antwoord op: wat zou er moeten gebeuren? Modellen kunnen niet pauzeren om gaten op te vullen met gezond verstand. Missende data is gewoon afwezig. Context moet expliciet zijn. Alle relaties, historische staat en externe omstandigheden. Anders weet het model niet exact wat er speelt.
Hier gaat het mis. Analytics maakt data eenvoudiger. Outliers worden gladgestreken voor een overzichtelijk verhaal. AI heeft juist die uitschieters nodig: de mislukte test die veel leerde, de onverwachte piek zonder duidelijke oorzaak. Dat is relevante context.
Je kunt niet upgraden van analytics naar AI
Er is wel een raakvlak, maar het is niet zo simpel als gewoon alles bij elkaar brengen. Organisaties die denken dat hun analytics-fundament op een gegeven moment vanzelf AI-ready wordt komen wellicht bedrogen uit
Wat er gebeurt: je analytics is op orde, dashboards kloppen, iedereen vertrouwt de cijfers. Dan start je een AI-project. Het model faalt. De data die perfect is voor uitleg mist de context die AI nodig heeft om te voorspellen. Of je bouwt AI-modellen die indrukwekkend presteren in demo’s, maar niemand vertrouwt de uitkomsten. Je kunt niet valideren of uitleggen hoe het tot conclusies komt. Je analytics-fundament is te zwak om de AI te sturen of te controleren.
Beide scenario’s komen voor. Beide zijn het gevolg van dezelfde denkfout: dat het opeenvolgende fases zijn in plaats van parallelle trajecten.
Het raakvlak zit op het niveau van gedeelde waarheid. Nauwkeurige events. Betrouwbare bronnen. Bewaarde betekenis en semantiek die niet alleen bij de specialist bekend is (als dat al het geval is), maar ook in de data zelf. Focus daarop als organisatie. Wat daarna volgt is verschillend in beide gevallen, maar dan ben je als organisatie in ieder geval in staat om daar mee om te gaan.
Drie checks die je kan doen
Je hoeft zeker niet je hele stack om te gooien. Alsjeblieft niet. Begin eerst met begrijpen waar je staat.
- Bewaar je ruwe events en kun je ze gebruiken? Veel organisaties slaan ruwe events wel op, maar in een laag waar niemand mee werkt. De vraag is niet alleen of de data bestaat, maar ook of je er volgende week mee aan de slag kan. Als het antwoord nee is, heb je hier nog iets in te doen.
- Zijn je definities helder en vastgelegd? Niet alleen in documentatie, maar ook in de data zelf. Weet een systeem wat “conversie” betekent? Wat de relatie is tussen campagne, kanaal en klant? Als die betekenis alleen in hoofden zit kan AI er niks mee. Semantiek moet in je data zitten.
- Kun je je data verrijken met externe context zonder je analytics te breken? Promotie-timing, eerdere interacties van klanten, pricing wijzigingen, welke creatives er zijn ingezet. AI heeft die context nodig. Als het toevoegen daarvan betekent dat je rapportages stuk gaan, dan is dat het bewijs dat je mogelijk twee aparte fundamenten nodig hebt.
Twijfel je bij een van deze drie? Dan weet je dat je aan de slag kan.
Van één fundament naar twee
Het datafundament van marketing verschuift niet van analytics naar AI. Het splitst. Wat tien jaar geleden de focus was blijft relevant, maar daar komt nu een tweede fundament bij.
Maakt dat het leven makkelijker? Nee. Dat zien we ook terug in de DDMO-resultaten van de afgelopen jaren. Uitdagingen binnen het datafundament blijven. Het datafundament blijft de komende jaren gigantisch belangrijk. Maar anders dan we dachten.
DDMA Elite – Data Fundament 23 februari
Op maandag 23 februari 2026 van 15.00 tot 17.00 uur organiseert de DDMA Commissie Data, Decision & Engagement een invite-only Elite-sessie over Data Fundamentals. Kijk hier voor meer informatie.
Liridon Bejta
Guus Rutten
Ook interessant
Eén datafundament is niet genoeg voor AI
Niet iedereen wil jouw aandacht! Dat biedt kansen voor marketing
