De verborgen kosten van slechte data in Fast moving consumer goods

In de FMCG-markt telt iedere procent. Producten gaan in grote volumes door de keten, terwijl de ruimte voor fouten beperkt is. Volgens het CBS steeg de omzet van Nederlandse supermarkten in Q4 van 2025 met 4,8 procent, terwijl het verkoopvolume met 1,6 procent toenam. Omzetgroei betekent dus niet automatisch dat er veel meer producten worden verkocht. Juist daarom blijft grip op kosten, voorraad en marge cruciaal.

Toch kijken veel organisaties in FMCG bij kostenbesparingen vooral naar inkoop, productie en logistiek. De kosten van hun datalandschap blijven vaak buiten beeld. Terwijl er veel geld verloren gaat aan licentiekosten, het beheer van koppelingen en het handmatig samenstellen van rapportages en betrouwbaar maken van informatie.

In dit artikel laat ik zien hoe die kosten met elkaar samenhangen. Ook leg ik uit hoe een moderne data-architectuur die keten kan doorbreken, zonder dat je direct je volledige IT-landschap hoeft te vervangen.

Veel losse oplossingen worden samen een dure dataketen

Ik heb zelf enkele jaren in de FMCG-markt gewerkt. Wat mij opviel, is dat veel organisaties data wel degelijk belangrijk vinden. Toch blijkt het vaak lastig om waarde te halen uit data, omdat het datalandschap vaak erg complex is. Dat is meestal geleidelijk ontstaan in de afgelopen jaren. Iedere keuze kan op dat moment logisch zijn. Na verloop van tijd ontstaat echter een dataketen met meerdere systemen, integratietools en rapportageoplossingen die elkaar gedeeltelijk overlappen.

Veel FMCG-organisaties werken bijvoorbeeld met afzonderlijke systemen voor ERP, finance, productie, warehousemanagement en verkoop. Om data uit deze systemen te combineren, zijn weer aparte oplossingen nodig voor het ophalen, transformeren en doorgeven van data. Zolang je ieder onderdeel afzonderlijk bekijkt, lijken de kosten vaak verklaarbaar. Het ERP-systeem is nodig voor de operatie, de integratietool ontsluit de data en de BI-oplossing levert de rapportages. Pas wanneer je naar de volledige route van bron tot rapportage kijkt, wordt zichtbaar hoeveel functionaliteit en logica dubbel wordt uitgevoerd.

Daar zitten veel verborgen kosten. Behalve licentiekosten gaat het om beheer, updates, beveiliging, externe ondersteuning en specialistische kennis. Iedere koppeling creëert weer extra afhankelijkheid die bij relevante wijzigingen moet worden getest, gemonitord en mogelijk aangepast

Technische complexiteit zorgt voor handmatig werk

De gevolgen van zo’n complexe dataketen blijven niet beperkt tot de IT-afdeling. Uiteindelijk komen ze terecht bij de medewerkers die de cijfers moeten gebruiken. Stel dat finance, sales en supply chain rapporteren over dezelfde periode. In theorie sluiten deze cijfers op elkaar aan. In de praktijk gebruiken afdelingen vaak verschillende bronnen, peildata en definities. Finance kijkt bijvoorbeeld naar gefactureerde omzet, terwijl sales uitgaat van geplaatste orders. Supply chain hanteert mogelijk een andere definitie van beschikbare voorraad. Geen van die cijfers hoeft per definitie fout te zijn, maar ze kunnen niet zonder toelichting naast elkaar worden gelegd.

Het gevolg is dat medewerkers eerst moeten uitzoeken waar de verschillen vandaan komen. Een rapportage die in theorie automatisch beschikbaar moet zijn, wordt zo een terugkerend handmatig proces. Dat uitzoekwerk wordt vaak als normaal beschouwd. De rapportage komt uiteindelijk af, dus het proces lijkt te functioneren. Maar de uren die controllers, analisten en IT-medewerkers eraan besteden, vormen wel degelijk een kostenpost.

Wanneer medewerkers vooral bezig zijn met het verzamelen en controleren van cijfers, houden ze bovendien minder ruimte over voor analyse. Een controller hoort idealiter te onderzoeken waarom de marge achterblijft, niet welke spreadsheet de juiste marge bevat. Handmatig rapportagewerk is daarom vaak geen los procesprobleem. Het is een symptoom van een datalandschap waarin bronnen, definities en berekeningen onvoldoende samenhangend zijn georganiseerd.

Trage informatie werkt door in voorraad en marge

De grootste kosten kunnen ontstaan wanneer betrouwbare informatie niet beschikbaar is op het moment dat je organisatie nog kan handelen. Dat is juist in FMCG belangrijk. Door de grote volumes kan een relatief kleine afwijking snel financieel doorwerken. Denk aan een product dat landelijk voldoende op voorraad is, maar niet beschikbaar is in de regio waar de vraag ontstaat. Je organisatie heeft dan tegelijkertijd te maken met gemiste verkoop en voorraad die elders blijft liggen.

Hetzelfde geldt voor forecasting. Wanneer historische verkoopdata, actuele voorraad, promoties en regionale verschillen niet goed met elkaar worden gecombineerd, blijft het moeilijk om de vraag nauwkeurig te voorspellen. Dat vergroot de kans op tekorten, overtollige voorraad en verspilling. Ook binnen productie ontstaat pas echte waarde wanneer je operationele gegevens kan verbinden met bedrijfsinformatie. Machines en productielijnen leveren data over onder meer snelheid, stilstand, uitval en kwaliteit. Financiële en commerciële systemen bevatten informatie over kosten, orders en marges.

Wanneer die werelden los van elkaar blijven staan, weet je mogelijk wel dat een productielijn heeft stilgestaan, maar niet direct wat de financiële gevolgen daarvan zijn of welke klantorders risico lopen.

De verborgen kosten van slechte data bouwen zich zo in stappen op. Meer systemen en koppelingen leiden tot meer beheer en handmatig werk. Dat vertraagt de beschikbaarheid van informatie. En daardoor kan je organisatie pas later reageren op ontwikkelingen in productie, voorraad en verkoop.

Een moderne data-architectuur doorbreekt die keten

Een moderne data-architectuur is erop gericht de route van bron tot rapportage eenvoudiger en beter beheersbaar te maken. Bronsystemen zoals ERP-, warehouse- en productieapplicaties blijven doen waarvoor ze zijn ingericht. De datastromen daaruit worden vanuit één samenhangend fundament ontsloten, verwerkt en beschikbaar gesteld. Zo kunnen overlappende routes, koppelingen en oplossingen geleidelijk verdwijnen. Dat gebeurt niet van de ene op de andere dag, maar maakt het datalandschap stap voor stap overzichtelijker.

Daarbij worden definities en bedrijfsregels niet meer op verschillende plaatsen opnieuw gebouwd. Je organisatie legt bijvoorbeeld centraal vast wat je onder omzet, voorraad of marge verstaat. Je beheert definities inclusief context, eigenaar, rekenregels en geldigheidsgebied, zodat verschillen tussen afdelingen expliciet en uitlegbaar zijn. Rapportages en analyses maken vervolgens gebruik van diezelfde basis.

Dat levert op drie niveaus voordeel op.

1. Het applicatielandschap wordt eenvoudiger. Door overlappende tools en koppelingen uit te faseren, verlaag je licentie- en beheerkosten en werk je toe naar lagere totale eigendomskosten. Daarbij kijk je naar de volledige levenscyclus, inclusief de migratie en overgangsperiode.
2. Het handmatige werk neemt af. Medewerkers besteden minder tijd aan exports, controles en correcties. Duidelijk data-eigenaarschap, kwaliteitscontroles, lineage, toegangsbeheer en monitoring zorgen ervoor dat de data ook betrouwbaar blijft.
3. Je business krijgt sneller betrouwbare informatie. Daardoor kun je eerder reageren op veranderende vraag, afwijkende voorraadposities, productieproblemen en margedruk.

Kortom, een moderne data-architectuur verbindt kostenbesparing aan betere operationele besluitvorming.

Begin niet bij technologie, maar bij de huidige datastroom

Dat betekent niet dat je direct de hele architectuur opnieuw moet opbouwen. De eerste stap is inzicht krijgen in de huidige situatie. Breng eerst eens in kaart welke systemen en rapportagetools en welke koppelingen je nu gebruikt. En welke jaarlijkse licentie- en beheerkosten hangen daarmee samen?

Kijk vervolgens naar de processen eromheen. Hoeveel handmatige stappen zijn nodig voordat een rapportage betrouwbaar is? Welke applicaties blijven alleen draaien omdat één proces of koppeling ervan afhankelijk is? En welke informatie komt nu te laat beschikbaar om nog effectief bij te sturen? Daarmee maak je drie soorten kosten zichtbaar:

• Directe kosten van systemen, licenties en beheer
• De tijd die medewerkers besteden aan handmatige dataverwerking
• De operationele gevolgen van vertraagde of onvoldoende betrouwbare informatie

Vanuit dat overzicht kun je bepalen waar een eerste vereenvoudiging de meeste waarde oplevert. Dat kan het uitfaseren van een tool zijn, maar ook het centraliseren van een belangrijke definitie of het automatiseren van één arbeidsintensieve rapportage.

Van verborgen kosten naar een beheersbaar datafundament

De verborgen kosten van slechte data ontstaan niet op één plaats. Ze lopen van systemen en koppelingen via handmatig werk door naar de dagelijkse operatie. Daardoor blijven ze vaak buiten beeld, terwijl ze wel direct invloed hebben op kosten, efficiëntie en marge. Een moderne data-architectuur brengt samenhang in die keten.

De relevante vraag is daarom niet alleen wat een nieuw dataplatform kost. Kijk ook naar wat de huidige situatie ieder jaar kost en welke kansen je organisatie laat liggen doordat informatie te laat of onvoldoende betrouwbaar beschikbaar is.