Organisaties beschikken over veel data, maar nemen op basis hiervan weinig actie

Dit blijkt uit onderzoek van Conclusion MBS onder bijna 500 beslissers en eindverantwoordelijken in de groot- en detailhandel, industrie, vervoer en opslag. 48 procent geeft aan voorspellende analyses te gebruiken voor vraagprognoses en risico’s in de toeleveringsketen. Daarnaast zet 42 procent data in om verstoringen in de keten vroegtijdig op te sporen. Toch geeft 26 procent van de beslissers aan dat organisaties deze inzichten niet effectief vertalen naar strategische beslissingen. Conclusion MBS waarschuwt dat de kloof tussen data-analyse en daadwerkelijk handelen steeds groter wordt nu AI-agents opkomen. Deze systemen kunnen niet alleen adviseren, maar ook zelfstandig actie ondernemen.

Data beschikbaar, maar vertaling ontbreekt

Hoewel 68 procent aangeeft over voldoende data te beschikken voor besluitvorming en 59 procent stelt data effectief te gebruiken voor strategische doelen, blijft de operationele doorvertaling achter. Zo maakt een derde van de organisaties (33 procent) geen gebruik van voorspellende analyses voor vraagprognoses. Ook organisaties die externe markt- en concurrentiedata integreren (48 procent) worstelen met de stap van inzicht naar concrete besluitvorming. Dit zorgt voor dashboards vol met inzichten, maar te weinig actie.

René Altena, CTO bij Conclusion MBS, licht toe: “Veel organisaties zijn goed in voorspellen: ze draaien analyses, integreren externe data en voorspellen vraag en risico’s. Maar inzichten blijven nog te vaak hangen in dashboards in plaats van dat ze leiden tot actie. Agentic AI sluit aan op die kloof: systemen die van inzicht naar besluit naar uitvoering gaan. Dat vraagt wel om schone, betrouwbare data als fundament én de organisatorische volwassenheid om controle deels los te laten. Organisaties die nu investeren in datakwaliteit en in het overbruggen van die kloof, leggen het fundament voor échte AI-transformatie.”