18 oktober 2025

Data versus Informatie — van getal tot betekenis

Afgelopen week was ik op een conferentie waar datamanagement, data-gestuurd werken en data governance centraal stonden. Boeiende onderwerpen, vol technieken en methodes om data beter te organiseren en beheren. Wat me opviel tijdens discussies met verschillende sprekers, was dat directie en business in het algemeen niet zaten te wachten op meer of beter datamanagement. De roep van die dataspecialisten om meer aandacht – en dus budget – kwam vaak niet aan.

Data versus Informatie — van getal tot betekenis image

In een discussie die startte, bleek waarom: veel dataspecialisten beseffen onvoldoende dat de business niet op data, maar op informatie zit te wachten. Ze spreken onvoldoende de taal van de business. Ze kunnen wel uitleggen hoe ze data beheren, maar niet waarom dat voor de business waardevol is. Daardoor wordt hun boodschap niet gehoord.

Wat is data waard?

Dat deed me denken aan een ervaring uit mijn eigen verleden. Ik had een back-up oplossing nodig voor de snel groeiende hoeveelheid data die we gebruikten. De Raad van Bestuur vond die €120.000 echter een kostbare investering en vroeg zich hardop af of die bedrijfsdata dat bedrag ter verzekering wel waard was. Hun vraag was eenvoudig: Hans, wat is die data eigenlijk waard?

Een vraag die ik toen niet direct kon beantwoorden — maar ik beloofde erop terug te komen.
Twee weken later had ik het antwoord. De maakkosten van die data bedroegen ruim €600 miljoen als je alleen al de arbeidsuren zou meetellen. Verlies van die data zou betekenen dat al dat werk opnieuw gedaan moest worden — met tijdelijk een productiestilstand als gevolg. Binnen vijf minuten had ik mijn budget en de goedkeuring.

Wat ik leerde, was dit: waarde zit niet in de data zelf, maar in wat je ermee kunt verliezen of winnen. Pas als je data kunt vertalen naar betekenis, risico en waarde, wordt het informatie. In deze blog uit 2020 ‘Gewaardeerde data op de balans‘ stel ik zelfs dat data- en/of informatie-bezit op de balans zou moeten staan. Het is immers inmiddels een onmisbaar bezit voor het bedrijf geworden. Zonder data staat alles stil. Vraag maar aan Jaguar Land Rover . . .

De hamer en de spijkers

Wie met data werkt, ziet al snel overal data. En wie zijn vakmanschap heeft opgebouwd rond datakwaliteit, metadatering en governance, ziet dat als het belangrijkste onderdeel van het werk. Logisch. Maar het risico is dat de hamer het gereedschap wordt waarmee we alles willen oplossen — en dat we vergeten waarvoor we eigenlijk aan het bouwen zijn.

Informatie is méér dan een verzameling juiste gegevens. Het is samengevoegde data waaraan betekenis en context is toegevoegd. Informatie geeft richting, biedt inzicht en vermindert onzekerheid. Het is de brug tussen ruwe data en menselijk begrip — een boodschap die kennisoverdracht mogelijk maakt.

In een eerdere blogData zonder betekenis is waardeloos’ gebruikte ik dit voorbeeld: Als iemand het getal 32 noemt, zegt dat weinig. Gaat het over leeftijd, gewicht of afstand? Voeg je ‘graden’ toe, dan krijg je meer context. Zet er ‘Fahrenheit’ achter, en het wordt betekenisvol: het is een temperatuur, koud, rond het vriespunt. En als we ook weten dat dit de buitentemperatuur is, kunnen we besluiten een jas aan te trekken. Pas dan is het data informatie actie.

De keten van data naar kennis

Wanneer informatie begrepen wordt, ontstaat kennis. Dat is de echte waarde van informatie: niet dat ze juist is, maar dat ze begrepen en toegepast kan worden. Dat er actie mee kan worden ondernomen. Kennis groeit wanneer we informatie kunnen plaatsen binnen een context. Wanneer ze iets toevoegt aan wat we al weten en wanneer ze leidt tot nieuwe inzichten of beslissingen. Met goede data kun je betrouwbare informatie maken en met betrouwbare informatie kun je kennis opbouwen. Zo ontstaat een keten van kwaliteit:

Gekwalificeerde data Gekwalificeerde informatie Toepasbare kennis Betekenisvol inzicht

Elk niveau in die keten heeft zijn eigen eisen:

  • Data moet juist, volledig, betrouwbaar en beheersbaar zijn.
  • Informatie moet relevant, begrijpelijk en betekenisvol zijn.
  • Kennis moet gedeeld, toegepast en geëvalueerd worden.

Dataspecialisten vervullen in die keten een cruciale rol — maar wel als onderdeel van een groter geheel: informatiemanagement. Wie zich alleen op data richt, blijft steken bij het verzamelen van bouwstenen. Wie informatie begrijpt, bouwt kennis op. En pas wie kennis deelt, creëert waarde. Mijn oude werkgever EMC2 vatte dat ooit prachtig samen in zijn slogan: “Where information lives.” Opgeslagen data als grondstof voor levende informatie — dát was de essentie.

Kunstmatige intelligentie als nieuwe schakel

Bij veel discussies over AI wordt datakwaliteit terecht als fundament genoemd. Goede data is noodzakelijk, maar als ‘data alleen’ is het onvoldoende voor kunstmatige intelligentie.

De huidige taalmodellen kunnen woorden prachtig samenvoegen tot betekenisvolle zinnen — de woorden als stenen, met voorzetsels, werkwoorden en lidwoorden als cement. Zo ontstaan begrijpelijke muren van tekst. Dat is zowel de ingang als de uitgang van moderne AI-systemen: ze stellen ons in staat om in mensentaal met een computer te praten.

Maar daarachter draait een complexe machine van algoritmen, datasets, leerprocessen en historische gegevens. Al die elementen bouwen samen context, betekenis en structuur, zodat uiteindelijk een antwoord ontstaat dat — als het goed is — kennis toevoegt. Ook hier doorlopen we dezelfde keten: van inhoudelijke vraag naar gezochte data, van gebouwde informatie naar begrijpelijk antwoord.

Intelligence is information verzamelen

De Engelse term intelligence betekent “informatie verzamelen om kennis te creëren”. In de militaire wereld kennen we dat proces goed: gegevens worden verzameld, geanalyseerd en samengevoegd tot informatie. Dat leidt tot een totaalbeeld waarop besluiten kunnen worden genomen. Kunstmatige intelligentie volgt in wezen hetzelfde principe, maar mist nog steeds menselijkheid. De mens beschikt over emotie, intuïtie, gevoel en wijsheid — dimensies die (voorlopig) nog niet in algoritmen of leermodellen zijn te vangen.

AI-systemen leveren al een enorme meerwaarde: ze kunnen grote hoeveelheden informatie begrijpelijk samenbrengen en ons ondersteunen als digitale assistent. Ze begrijpen onze vragen, zoeken patronen en formuleren antwoorden in herkenbare taal. Maar of dat antwoord juist is en gebaseerd op de goede data — dát blijft aan ons om te beoordelen. Dat vraagt immers kennis en inzicht over de context en de reden van de oorspronkelijke vraag.

Menselijke kennis en intelligentie dus. En precies dat kan kunstmatige intelligentie (nog) niet bieden.

Door: Hans Timmerman (foto)

Axians BN BW september oktober 2025 Vertiv BW
Gartner BN tm 12-11-2025 - 4