Master data management: klant- en artikelstamgegevens schoonhouden met een AI-collega

MDM is een chronische klus, geen project

In bijna elke organisatie staat ergens een stamtabel waarvan iedereen weet dat hij vervuild is, en die niemand structureel opruimt. Dezelfde klant met drie schrijfwijzen, een leverancier waarvan het BTW-nummer al twee jaar niet meer klopt, een artikel dat onder twee codes loopt sinds een ERP-migratie. Het komt zelden tot een groot project, want het is altijd net niet urgent genoeg.

Tegelijk leunt vrijwel alles op deze tabellen: facturatie, rapportage, kredietlimieten, voorraad, inkoop. Een fout in de stam verspreidt zich door tientallen processen. Een AI-collega op MDM is niet bedoeld als vervanging van een Master Data Manager, maar als de uitvoerder die het werk doet dat anders blijft liggen.

Duplicaatdetectie die meer doet dan tekstmatchen

Een naïeve duplicaatcheck kijkt naar tekstgelijkenis: "De Vries BV" versus "de vries B.V.". Een AI-collega kijkt naar context: KvK-nummer (als het in de stam staat), vestigingsadres, IBAN, eerdere facturen op dezelfde rechtspersoon. Daarmee komen niet alleen schrijfvarianten boven, maar ook duplicaten die op andere velden uniek leken maar feitelijk dezelfde klant zijn.

Verrijking met KvK, BTW en IBAN

Een klant- of leveranciersrecord zonder geverifieerd KvK-nummer en BTW-id is een risico voor je BTW-aangifte. De AI-collega haalt KvK-data op via de officiële API (vestigingen, branche, status actief), valideert BTW-nummers tegen VIES voor EU-leveranciers en checkt IBAN op formaat en bankcode. Vondsten landen als voorstellen in een goedkeurschermpje, niet als directe wijzigingen, zodat je MDM-eigenaar regie houdt.

Wat de AI continu bewaakt op stamdata:

• Klanten en leveranciers zonder of met verlopen KvK-status.
• BTW-nummers die niet meer geldig zijn volgens VIES.
• IBAN's met format-fouten of die verwijzen naar een land buiten je beleidsruimte.
• Artikelen die in geen enkele transactie van de laatste 18 maanden voorkomen.
• Prijslijsten met einddatum in het verleden of zonder einddatum waar dat verplicht is.

Artikelstam: van naam tot classificatie

Aan de artikelkant zit de winst in eenduidige classificatie. Productgroepen, BTW-codes, douanecodes, EAN, leverancier-artikelnummer: in veel ERP-implementaties staan deze velden onvolledig of inconsistent gevuld. De AI-collega leidt waarden af uit beschrijving, productdocumentatie en eerdere transacties, en stelt aanvullingen voor. Goedkeuring blijft bij de productmanager of supply chain, die de uiteindelijke keuze maakt.

Resultaat: rapportage die weer klopt

De directe winst zit in eenvoudige cijfers: duplicaatpercentage in de klantstam omlaag (typisch van 6 tot 12 procent naar onder de 1), het aandeel records met volledige verrijking omhoog naar boven de 95, en BTW-aangiftes die niet meer worden vertraagd door correcties. De afgeleide winst zit in rapportage waar de directie weer op kan sturen, omdat de cijfers niet meer scheef staan. Plan een Quick Scan als je wilt weten hoe vervuild jouw stamdata werkelijk is.