Vier oplossingen voor het werk dat nu met de hand of in Excel gaat.
Voor productie, groothandel en logistiek met 20 tot 250 mensen. Elke oplossing draait op de eigen data en hangt aan wat er al staat, zoals Exact, AFAS, SAP Business One of een branchepakket. De eerste stap is een gesprek van dertig minuten, vrijblijvend.
Elk knelpunt heeft een eigen oplossing.
Kies wat het meest knelt. In het eerste gesprek blijkt vaak dat de ene oplossing de andere nodig heeft, en dan zeggen we dat.
Orders en werk automatiseren
Orders uit mail, pdf en Excel staan klaar als conceptorder in het ERP. Het overtikken verdwijnt, het team controleert elke order en houdt de beslissing.
Bij een groothandel: 2 van 3 ordermails zonder typwerkMeer over automatiserenVraagvoorspelling en planning
Inkoop, voorraad en capaciteit op een forecast die getoetst is op de eigen verkoopdata, met inkoopvoorstellen en waarschuwingen bij tekort of overschot.
Bij een internationale fabrikant: forecast van 40% naar 86% nauwkeurigMeer over forecastingDatafundament en koppelingen
Systemen die met elkaar praten en één plek waar de cijfers kloppen. Vaak de verborgen blokkade voor al het andere.
Bij een webshop: de korting per maand in beeldMeer over het datafundamentSystemen op maat
Een planbord, orderportaal of app voor de werkvloer naast het ERP dat er staat, gebouwd op hetzelfde proces. Soms ook een compleet ERP dat zich voegt naar hoe het bedrijf werkt.
Gebouwd naast of bovenop het bestaande ERPMeer over maatwerksystemenVoor wie al weet waar het zit.
- Orderverwerking automatiserenOrders uit mail en pdf als conceptorder in het TMS of ERP.
- DocumentverwerkingFacturen, pakbonnen en formulieren uitgelezen en gecontroleerd.
- CMR en vrachtbrievenPapieren vrachtbrieven digitaal, gekoppeld aan de rit.
- Een bestaand model in gebruik nemenEen prototype of model dat al bestaat, betrouwbaar in het dagelijkse werk.
- Reken het zelf uitRekentools voor forecast, voorraad en handwerk.
Wat een oplossing in het werk verandert.
Welke techniek past, volgt uit het probleem en uit de data die er is, niet andersom.
Weten wat er besteld gaat worden
Een model dat uit de eigen verkoophistorie voorspelt wat er gevraagd wordt: per product, per klant, per periode. De inkoop en de planning rekenen dan op een getal in plaats van op ervaring.
- Vraag per product en per periode
- Waarschuwingen bij tekort of overschot
- Klanten die minder gaan bestellen
- Seizoenspatronen en trends
Mails en documenten die zichzelf inlezen
Ordermails, pdf's en Excel-lijsten worden gelezen en als conceptorder klaargezet. Het team controleert de uitzonderingen en houdt de beslissing.
- Orders uit mail, pdf en Excel
- Facturen en pakbonnen
- Twijfelgevallen apart voor een medewerker
- Afwijkingen in bestellingen herkennen
Zien waar de marge zit
Welke klant levert nog iets op, welk product loopt, welk kanaal werkt. Cijfers en kennis van het vak samen, zodat besluiten op cijfers rusten.
- Marge per klant en per product
- Opbrengst per verkoopkanaal
- Wat een prijs- of actiewijziging deed
- Welke klanten groeien en welke afhaken
Systemen die met elkaar praten
De koppelingen en één plek waar de cijfers uit alle systemen samenkomen, zodat rapporten en modellen op actuele data draaien. Het draait naast het ERP dat er staat.
- Eén overzicht in plaats van vijf systemen en Excel
- Dashboards met actuele cijfers (Power BI, Tableau)
- Koppelingen met ERP, webshop en CRM
- Rapportages die zichzelf maken
Wat het opleverde, gemeten op eigen data.
Elk cijfer komt uit een meting op de eigen data van de klant. Bij de forecast is dat een backtest: de voorspelling getoetst op een periode uit het verleden. Klanten staan anoniem, tenzij ze toestemming gaven.
- 86% nauwkeurigheid van de forecast, tegen 40% met de oude methode. Dat bespaart CHF 778.000 per jaar. Internationale fabrikant
- 2 van 3 ordermails hoeft niemand meer over te typen: ruim 3.300 van de 5.017. Ze staan als correcte conceptorder klaar in het ERP. Groothandel, gemeten september 2026
- 30 dagen aan kortingen in één overzicht, uit systemen die eerst los van elkaar stonden. D2C-webshop, NL en DE
- 6,1x hogere trefkans bovenin de bellijst dan met de oude volgorde van bellen. Opleidingsinstituut, 632 leads getoetst, pilot
Van eerste gesprek tot draaiend in vier stappen.
- 1
Data Impact Scan
Een gesprek van dertig minuten over de systemen en de data die er zijn, vrijblijvend. Daar komt een overzicht van de kansen uit.
- 2
Haalbaarheid en ROI
Voor elke kans rekenen we op de eigen historie uit wat die waard is, met een backtest. Is de uitkomst mager, dan stopt het hier, zonder voorstel. Is de data rommelig, dan zien we dat hier ook.
- 3
Bouwen in sprints
Elke twee weken staat er iets werkends, getest op eigen data. De kennisoverdracht loopt elke sprint mee.
- 4
Oplevering en continuïteit
Documentatie, training en monitoring. De code is van het bedrijf, en daarna draait het team het zelf, met ons als vangnet.
Praktische gidsen over data, AI en subsidies
Verdiepende artikelen over de vragen die bedrijven in productie, groothandel en logistiek het vaakst stellen.
AI & implementatie
Subsidies & financiering
Datafundament & kosten
Documentverwerking & automatisering
Waar we mee bouwen.
We sluiten aan op de pakketten die al draaien. Daarachter bouwen we met gangbaar, open gereedschap dat het eigen team of een volgende partij ook kent. Welke tools we kiezen, hangt af van het probleem.
De gereedschapskist40 tools in 6 groepen
Pakketten waar we op aansluiten
ERP, webshop en CRM. We halen de data eruit en zetten het resultaat er weer in.
- Exact OnlineERP
- AFASERP en HR
- Dynamics 365ERP en CRM
- SAP Business One
- Odoo
- Shopify
- WooCommerce
- HubSpot
Data en opslag
Een plek waar de cijfers uit al die pakketten samenkomen en kloppen.
- PostgreSQL
MongoDB
- Snowflake
- Databricks
Microsoft Fabric- Google BigQuery
- DuckDB
- dbt
Modellen en AI
Voorspellingen, classificatie en het lezen van mails en documenten.
- Python
R
- pandas
- NumPy
- scikit-learn
- PyTorch
TensorFlow
- MLflow
Koppelingen en automatisering
Stromen die elke nacht of elke minuut zelf draaien, met een seintje als er iets misgaat.
- Apache Airflow
- Apache Spark
- Apache Kafka
- n8n
- FastAPI
- Jupyter
Dashboards en rapportage
Waar het team de uitkomst elke dag terugziet.
- Power BI
Tableau
- Grafana
Cloud en beheer
Draait in de cloud die al in huis is, met versiebeheer en opnieuw op te bouwen.
- Microsoft Azure
- Amazon Web Services
- Google Cloud
- Docker
- Kubernetes
- Terraform
- GitHub
Voor het eerste gesprek.
Hoe weten we of data en AI bij ons iets opleveren?
We beginnen altijd met een Data Impact Scan en een haalbaarheidscheck op eigen data. Daarin toetsen we of er echt iets te halen valt, voordat er geïnvesteerd wordt. Valt er niets te halen, dan zeggen we dat eerlijk en stoppen we. Er wordt pas geïnvesteerd als vaststaat wat het oplevert.
Hoe ziet een samenwerking eruit?
Elk project begint met een vrijblijvend gesprek over de situatie. Daarna volgt een voorstel met de ROI-berekening erbij, zodat vooraf op tafel ligt wat het naar verwachting oplevert.
Hoelang duurt een typisch project?
De meeste projecten duren 6‑12 weken van start tot productie. We werken in sprints van twee weken, dus na twee weken staat er al iets werkends. Elke sprint levert iets op waar het team mee kan werken, en de kennisoverdracht loopt mee.
Hoe zit het met de prijs, uren of resultaat?
Een vaste prijs voor verkenning en bouw. Bij de juiste projecten komt daar een resultaatdeel bij dat hangt aan een vooraf afgesproken meting, zoals het aantal ordermails dat niet meer overgetypt hoeft te worden. De nulmeting en de meetmethode spreken we vooraf af, zodat het voor beide kanten eerlijk en controleerbaar is.



