Data-insights zonder technische voorkennis? AI kan je daarmee helpen

Je moet toch data-expert zijn om bedrijfsgegevens te analyseren en slim te combineren? Fout. Je kan AI voor je laten werken zonder technische kennis te hebben. Het draait om het weten wat je organisatie écht nodig heeft, en het stellen van rake vragen.

Ik zet hier zeven te nemen stappen voor je op een rij.

De meeste managers kennen de toepassing van AI bij dagelijkse taken zoals tekstschrijven; denk maar aan ChatGPT van het bedrijf OpenAI. Maar het kan veel verder gaan. Bijvoorbeeld strategische inzichten krijgen uit combinaties van databronnen.

• Stap 1: Denk eens na over de informatie waartoe je toegang hebt binnen je bedrijf: klantgedrag, productgebruik, procescijfers, kilometers gereden – en wat mogelijk is wanneer die informatie ingezet wordt voor belangrijke bedrijfsdoelen. Misschien wil je een nieuw product of dienst optimaliseren, maar weet je niet welke eigenschappen je doelgroep het meest aanspreken. Het scherp stellen van dit soort vragen vormt de start van het effectief inzetten van AI.
  
• Stap 2: De keuze voor AI. Zelfs dit vereist geen technische kennis: Zie jezelf als een restauranteur. Jij wilt een top-ervaring creëren voor je klanten met een voortreffelijk menu in een sfeervolle omgeving. Maar om dat te bereiken, hoef je niet te weten hoe een professionele oven werkt of hoe je topwijn maakt. Die tools en ingrediënten koop je in, net zoals je AI kant-en-klaar inkoopt om je bedrijf vooruit te helpen.
  
  Het verschil tussen een matig en een uitmuntend restaurant? De eigenaren van het laatste zetten de juiste apparatuur en ingrediënten perfect in om een uitzonderlijke ervaring te bieden. Zo werkt AI ook: een zeer slim hulpmiddel dat kan bijdragen aan je doelen, mits je het voorziet van de juiste data en instellingen. En dat begint met weten wat je wilt bereiken.
  
• Stap 3: Het stellen van de juiste vragen en deze verfijnen. Stel dat je duurzaam wilt opereren maar niet weet waar de grootste verbeterpunten liggen. Een basisvraag kan zijn: “Welke processen binnen onze supply chain veroorzaken de meeste CO₂-uitstoot?” Vervolgens verfijn je de vraag: welke processen neem je in overweging? Gaat het om alleen CO₂-uitstoot of ook andere broeikasgassen? Tot hoever in de supply chain reikt jouw verantwoordelijkheid? Zo bereid je een vraag voor die AI helder kan beantwoorden. In tijden van duurzaamheidsuitdagingen is dit een waardevolle vaardigheid voor executives die hun sociale verantwoordelijkheid serieus nemen.
  
• Stap 4: De juiste bronnen vinden en mensen bijelkaar brengen. Met een heldere vraag wordt het eenvoudiger om binnen je organisatie op zoek te gaan naar relevante data: dat kunnen cijfers zijn maar ook rapporten en zelfs plaatjes. Je weet nu precies welke informatie nuttig is en kunt gericht overleggen met collega’s die toegang hebben tot de juiste bronnen. Dat maakt samenwerking niet alleen makkelijker, maar geeft je collega’s ook inzicht in hoe jij strategische vragen aanpakt die anders buiten bereik blijven.
  
• Stap 5: Nu je weet wat je wilt vragen en relevante data hebt gevonden, kun je verkennen welke AI-tools geschikt zijn. AI taalmodellen, zoals ChatGPT of Claude van Anthropic, kunnen bijvoorbeeld helpen bij het verkennen van verschillende AI data-analyse tools en alternatieven. Vervolgens kies je de AI-tool die je vraag het beste kan beantwoorden. Afhankelijk van je vragen kan uit uitkomen op generieke tools zoals AutoML of Jupyter Pandas. Of specifieke platformen voor, in dit geval, het berekenen van CO2 uitstoot, zoals Persefoni or Brightway. Klinkt ingewikkeld? ChatGPT of Claude kunnen je er stap voor stap mee helpen. Soms kun je deze tools zelf testen, of je kunt de taak aan een data-vaardige collega geven of een externe specialist inschakelen. Soms merk je omdat je vraag zo helder is geworden, de AI zelf niet heel ingewikkeld hoeft te zijn, en je misschien al met een eenvoudige spreadsheet analyse een heel eind komt.
  
  Managers die AI slim inzetten, hoeven niet alles te weten – ze weten juist wie ze in de organisatie moeten betrekken om data te verzamelen en te analyseren. Net zoals een restauranteur zijn topgerecht serveert zonder zelf de ingewikkelde oven aan te sturen, stel jij de vragen en geef je de juiste opdracht aan degene die de technische details kan uitvoeren.
  
• Stap 6: Na de analyse ligt de volgende uitdaging in het interpreteren van de uitkomst en het beantwoorden van je onderzoeksvraag. Hier ontstaan inzichten waarmee je strategische acties kunt ondernemen. Als AI je bijvoorbeeld laat zien welke stappen in je supply chain veel uitstoot veroorzaken, kun je gerichte aanpassingen doorvoeren in je inkoopeisen en -beleid.
  
• Stap 7: sluit af door de cirkel rond te maken: het succes van AI ligt in een constante cyclus van vragen stellen, inzichten opdoen en acties ondernemen. Elke vraag leidt tot nieuwe data en inzichten, waardoor AI zich blijft aanpassen aan jouw strategie.

Wat ga jij als eerste vragen?

---

Over de auteur

David Langley is hoogleraar Digitale Transformatie & Strategie en programmadirecteur en docent van de deeltijd MBA Sustainable Business Models, een toekomstbestendige MBA voor professionals die purpose-gedreven verandering willen aanjagen en een grote carrièrestap willen maken.