• English

Data Maturity Scan

Hoe deze scan meet

Een scan is zo goed als de vragen die hij stelt en de regels waarmee hij ze weegt. Op deze pagina staat allebei: wat we meten, hoe we scoren, en waar de uitkomst ophoudt geldig te zijn.

← Terug naar de scan
Vijf witte latten in oplopende hoogte aan een lichte wand, de hoogste in teal

Wat deze scan meet

De Data Maturity Scan meet langs vier dimensies, met vier vragen per dimensie:

  • Richting en eigenaarschap: waar komen besluiten over data vandaan, en is er iemand aanwijsbaar verantwoordelijk?
  • Betrouwbaarheid van cijfers: dragen de cijfers wat erop gebouwd wordt?
  • Beschikbaarheid en fundament: zijn de gegevens er wanneer ze nodig zijn?
  • Gebruik in besluitvorming: wordt er werkelijk mee beslist?

De vragen gaan bewust over waarneembaar gedrag en niet over zelfbeeld. Niet “hoe volwassen vindt u uzelf”, maar: wat gebeurt er als twee afdelingen een verschillend getal noemen? Hoe oud is de informatie waarop uw meest terugkerende beslissing rust? Wie kan zonder hulp een antwoord uit de data halen?

Hoe er gescoord wordt

Per dimensie wordt het gemiddelde genomen van de beantwoorde vragen. Dat gemiddelde valt in een van vijf niveaus: Ad-hoc, Reactief, Gestructureerd, Proactief, Datagedreven.

U krijgt geen totaalscore. Dat is een bewuste keuze, in lijn met de Britse overheidsmethode voor datavolwassenheid en met Microsoft, die beide voorschrijven dat niveaus per onderdeel worden bepaald en niet worden opgeteld. Een gemiddelde over vier dimensies verbergt precies wat u wilt weten: waar het scheef zit.

Bij twijfel valt een niveau naar beneden uit. U haalt een niveau pas als drie van de vier antwoorden daar staan en het vierde hooguit een stap lager. Dat is streng, en het is de bedoeling: een niveau dat u half haalt, is geen niveau.

Naast het niveauprofiel krijgt u een patroon, de vorm die uw antwoorden samen laten zien, en, als daar aanleiding voor is, één of twee prioriteiten. Ligt alles dicht bij elkaar, of staat u overal hoog, dan wordt er geen prioriteit aangewezen. Een prioriteit verzinnen waar er geen is, maakt het advies slechter.

“Dat weet ik niet” is een geldig antwoord

Bij elke vraag kunt u aangeven dat u het antwoord niet weet. Dat telt niet als een nul en het drukt uw uitkomst niet omlaag; de vraag valt eenvoudigweg buiten de berekening. Weet u binnen één dimensie meer dan één antwoord niet, dan krijgt die dimensie geen niveau en zegt de scan dat ook.

Dat is geen tekortkoming maar een uitkomst op zichzelf: het betekent dat deze informatie niet binnen handbereik ligt van iemand in uw rol. In veel organisaties is dat precies het probleem.

AI is een conclusie, geen dimensie

Een eerdere versie van deze scan rekende AI mee als as waarop u punten kon verdienen. Het gevolg: een organisatie die bewust geen AI doet, werd daarvoor afgestraft. Dat is onjuist.

AI-gereedheid volgt nu uit het fundament en de betrouwbaarheid van de cijfers. Dat sluit aan bij het NIST AI Risk Management Framework, dat verlangt dat het niet-AI-alternatief wordt meegewogen in plaats van weggelaten.

Wat deze scan niet is

Dit is een zelfscan, ingevuld door één persoon. Zelfinschatting en werkelijke prestatie lopen bij complexe onderwerpen aantoonbaar uiteen. De uitkomst is genoeg voor een richting en een gesprek, niet voor een oordeel of een audit.

We tonen geen vergelijking met andere organisaties. Daarvoor hebben we nog te weinig ingevulde scans, en een benchmark op een handvol invullingen is misleidend. Zodra dat verandert, publiceren we de aantallen erbij.

De scan vervangt geen assessment waarin meerdere mensen uit uw organisatie onafhankelijk antwoorden. Juist het verschil tussen die antwoorden levert vaak het beste gesprek op.

Wat we opslaan

Uw antwoorden worden anoniem opgeslagen, met het versienummer van het instrument en van de teksten. Zonder naam, zonder e-mailadres, zonder IP-adres. We gebruiken ze om de scan te verbeteren: welke vraag wordt vaak overgeslagen, welke uitkomsten komen voor.

Vraagt u het rapport aan, dan geeft u zelf uw gegevens op. Die stroom staat los van de opgeslagen antwoorden en wordt er niet aan gekoppeld.

Bronnen

De opzet is geïnspireerd op het volwassenheidsmodel van de Britse overheid (Data Maturity Assessment), het CMMI Data Management Maturity-model, de adoptieroadmap van Microsoft Fabric en het NIST AI Risk Management Framework. De scan is daar niet aan gekoppeld als certificering of formele toetsing.


Versie 2.0.0 · herzien op 26 augustus 2026. Bij elke herziening van de vragen of de scoring wijzigt dit versienummer, zodat uitkomsten uit verschillende periodes uit elkaar te houden zijn.

← Terug naar de scan

Samenwerken

Samen uw project realiseren?

De mensen die het bouwen, beheren het daarna. Sinds 2014 in Eindhoven.

Martijn van Grieken

Martijn van Grieken

Directeur Data & AI

Neem contact op