Je dashboard laat nu zien waar elk getal vandaan komt

Een getal dat niemand kan natrekken

Je kent de situatie waarschijnlijk. Er ligt een rapport op tafel, er staat dat de omzet in een bepaalde categorie is gedaald, en dan komt de vraag: waar komt dat getal vandaan? Meestal weet niemand het precies. De collega die het bestand maakte is op vakantie, de formule verwijst naar een tabblad dat iemand heeft aangepast, en het laatste wat zeker is, is dat het cijfer er stond.

Dan gebeurt er iets dat erger is dan een verkeerd getal: er gebeurt niets. Niemand durft een besluit te nemen op een cijfer dat hij niet kan controleren, dus blijft het rapport liggen en beslis je weer op gevoel. De rapportage was bedoeld om duidelijkheid te geven en levert twijfel op.

Wat Anthropic deze week heeft aangezet

Anthropic heeft op 8 oktober Claude Dashboards in beta gezet, beschikbaar op de betaalde abonnementen. Je koppelt Claude aan een databron en stelt je vraag in gewone taal, bijvoorbeeld "laat per maand zien hoeveel nieuwe klanten er bij kwamen en wat ze gemiddeld besteedden". Claude bouwt daar een dashboard van en werkt het bij. Als koppeling worden Amazon Redshift, BigQuery, ClickHouse, Databricks en Snowflake genoemd, en het werkt ook via andere connectoren, zoals Salesforce.

Tot zover is het een nette versie van iets dat meer leveranciers aanbieden. Het onderdeel dat er werkelijk uit springt, staat in een bijregel: bij elke grafiek zie je de vraag die eronder ligt en het moment waarop die voor het laatst is uitgevoerd.

Waarom juist die regel het verschil maakt

Een dashboard is normaal gesproken een eindpunt. Je ziet een lijn en je moet maar aannemen dat hij goed staat. Zet je de onderliggende vraag erbij, dan verandert de aard van het ding: het is niet langer een plaatje maar een bewering met een bron eronder.

Dat heeft drie praktische gevolgen. Je kunt een afwijkend getal narekenen in plaats van erover vergaderen. Je ziet of je naar verse cijfers kijkt of naar iets van vorige week, wat bij een voorraadoverzicht het hele verschil is. En je kunt een definitie ter discussie stellen, want nu is zichtbaar dat "nieuwe klant" betekende: eerste factuur in die maand, en niet eerste gesprek.

Die derde is de belangrijkste en wordt bijna altijd overgeslagen. De meeste ruzies over cijfers zijn geen rekenfouten maar meningsverschillen over een definitie die nooit is opgeschreven.

Wat je hiervoor nodig hebt, en wie dat nog niet heeft

Hier moeten we eerlijk zijn, want de lijst koppelingen vertelt het hele verhaal. Redshift, BigQuery, Databricks en Snowflake zijn datawarehouses. Dat zijn platformen waar je je cijfers eerst naartoe brengt, en daar hangt werk en een rekening aan.

De meeste MKB-bedrijven die we spreken hebben dat niet. Hun cijfers staan in de boekhouding, in het beheer van de webshop, in een CRM en voor de rest in een handvol spreadsheets. Voor hen is dit geen aankondiging waar je morgen iets mee doet. Dat is geen reden om weg te kijken: de richting is duidelijk, en wie nu zijn huis op orde brengt, kan er later op aansluiten zonder alles opnieuw te doen.

Wat je nu al kunt doen, zonder datawarehouse

Drie dingen die niets kosten en die het verschil maken zodra je wel koppelt.

1. Kies per cijfer één bron die leidend is. Staat je omzet in de boekhouding en ook in de webshop, bepaal dan welke van de twee geldt en schrijf op waarom. Twee bronnen voor hetzelfde getal is de oorzaak van bijna elke discussie.
2. Schrijf de definitie van je vijf belangrijkste cijfers op. Een half A4 is genoeg. Wat is een nieuwe klant, wanneer is een order een order, telt een creditfactuur mee. Dit is precies het werk dat geen enkel hulpmiddel voor je doet, en zonder dit is elk dashboard een gok.
3. Zet de vraag erbij, ook in Excel. Als je nu een overzicht maakt, schrijf in een cel boven de tabel welke selectie je hebt gebruikt en op welke datum. Je bouwt daarmee dezelfde gewoonte die dit soort gereedschap straks voor je afdwingt.

Die eerste twee stappen klinken als huiswerk en dat zijn ze ook. Ze zijn wel de reden dat een AI-rapportage bij het ene bedrijf klopt en bij het andere onzin oplevert, met hetzelfde model. We schreven eerder over AI die je bedrijfscijfers uitlegt en wat bepaalt of dat antwoord klopt; dit is dezelfde les, nu met een dashboard eromheen.

De vraag die je vanaf nu aan elk rapport stelt

Of je dit nu gaat gebruiken of niet, er is één gewoonte die je er gratis uit kunt halen. Stel bij elk cijfer dat je voorgeschoteld krijgt twee vragen: welke selectie heeft dit getal opgeleverd, en wanneer is het bijgewerkt?

Kan degene die het rapport maakte die twee vragen niet beantwoorden, dan heb je geen rapportageprobleem maar een bronprobleem, en dat los je niet op met een mooier dashboard. Wil je cijfers automatisch uit meerdere systemen bij elkaar brengen zonder meteen een datawarehouse op te tuigen, dan is een workflow-tool vaak de tussenstap. Hoe dat werkt, leggen we uit in onze uitleg over n8n.

Wat er verder in dezelfde aankondiging zat

Twee dingen die je kunt meenemen. Claude Motion kan van je eigen tekst, grafieken en afbeeldingen een korte animatie maken die je als videobestand opslaat. Het genereert geen beeld maar schrijft code die jouw materiaal laat bewegen, dus er komen geen verzonnen mensen in voor. Dat laatste is prettig als je het voor een klant gebruikt. Het zit op de Team- en Enterprise-abonnementen.

Daarnaast zijn Claude Docs, Slides en Design uit beta en zitten ze nu in elk abonnement, ook het gratis. Voor organisaties gaan ze op 15 oktober automatisch aan, tenzij een beheerder dat eerder regelt. Als je ooit hebt gekeken naar een document of presentatie die AI oplevert en dacht: leuk, maar ik kan er niet in werken, dan is dat bezwaar nu weg.

Benieuwd of jouw cijfers klaar zijn voor dit soort rapportage, of welke bron bij jou leidend zou moeten zijn? We kijken het graag samen met je door.