Naar de inhoud
Alle video’s

Conversational analytics: chatten met je data

Data & DashboardsDuur: 3:45 minVanaf 26:09 in de opname

Kim Baas, Insight First

Uit de sessie: Specialists: Dashboards

In de Specialists-sessie over dashboards van december 2025 legt gastspreker Kim Baas van Insight First uit wat conversational analytics is. Ze noemt de voordelen, de plek waar het werkt, namelijk Slack en Teams, en waarom dashboards volgens haar blijven bestaan.

Voor wie: Je wilt weten wat chatten met je data inhoudt en waar het een dashboard niet vervangt.

Waarom dit ertoe doet

Een manager heeft in een meeting een vraag over een KPI en wil direct antwoord, niet een dag later van het datateam. Kim Baas noemt conversational analytics, chatten met je data, een manier om dat te doen. Ze vergelijkt de agent met een extra data-medewerker die nooit ziek is, altijd bereikbaar is en niet gefrustreerd raakt als je dezelfde vraag weer stelt. Tegelijk waarschuwt ze dat kant-en-klare aanbevelingen nog kritisch bekeken moeten worden en dat niet iedereen bij alle data hoort. Voor een webshop geldt: een dashboard blijft goed voor vaste vragen, een agent voor nieuwe vragen en terugkerende analyses waarbij je wilt weten of er iets veranderd is.

Belangrijkste inzichten

  • Kim Baas noemt conversational analytics chatten met je data, met 3 voordelen: snel antwoord, diepe analyse en geplande, proactieve analyses.
  • De agent werkt volgens haar het best in Slack of Teams, op de plek waar je al werkt.
  • Een centraal data warehouse is goud waard: het voedt ook alerts, self-service en reverse ETL.
  • Ze vindt kant-en-klare aanbevelingen nog te mooi om waar te zijn en vraagt of iedereen bij alle data moet kunnen.
  • Dashboards blijven volgens Kim bestaan voor vragen die elke week terugkomen.

Wat het is en waarom

Conversational analytics is chatten met je data. Kim noemt drie redenen: snel en direct antwoord, bijvoorbeeld in een meeting, de mogelijkheid om diep in je data te duiken en het inplannen van terugkerende analyses met proactieve conclusies. Daarmee verschuif je van reactief data gebruiken, je gaat naar een dashboard met een vraag, naar proactief: de agent meldt iets op de plek waar je al werkt. In haar voorbeeld is dat een Slack- of Teams-kanaal.

Je data activeren

Kim legt uit dat een centraal data warehouse veel waard is, omdat een dashboard niet het enige eindstation hoeft te zijn. Je kunt de data ook gebruiken voor chat, voor alerts als er iets verandert, voor self-service tools en voor reverse ETL, het terugsturen van data naar bronsystemen. Ze noemt dat het activeren van je data. De voordelen die ze opsomt: tijdwinst, minder afhankelijkheid van het datateam, meer tijd voor diepe analyses en nieuwe inzichten uit exploratief onderzoek.

Kritisch blijven

Kim zegt dat het allemaal mooi klinkt maar soms nog te mooi om waar te zijn. Aanbevelingen van de agent bekijkt ze kritisch. Ze vraagt ook of iedereen wel bij alle data moet kunnen. Dat is een vraag over toegangsrechten, niet alleen over techniek. In de sessie komt ze later terug op hoe goed de tools werkten in haar hackathon; dat staat in de volgende clips.

Dashboards blijven

Ze verwacht niet dat dashboards verdwijnen. Vragen die elke week terugkomen en inzichten die je altijd nodig hebt, wil je niet steeds opnieuw met een taalmodel uitzoeken. Een dashboard past daar goed bij. Een agent is sterk bij een interactief gesprek, bij nieuwe vragen en bij herhalende analyses waarbij je wilt weten of er iets is veranderd. Zo sluit ze aan bij Jops standpunt later in de sessie dat dashboards en taalmodellen elkaar aanvullen. Ze noemt in haar slide Dot als de tool die haar team test. Wat dat betekent in de praktijk: je hoeft niet te kiezen tussen 1 dashboard of 1 chatagent. Houd je vaste KPI's in je dashboard, laat een agent de nieuwe vragen opvangen en kijk na 3 maanden welke vragen steeds terugkomen. Die vragen zet je dan alsnog in je dashboard, zodat je team ze niet elke keer opnieuw hoeft te stellen.

Probeer dit deze week

  1. Schrijf op welke 5 vragen over je cijfers elke week terugkomen en laat die in je dashboard staan.
  2. Noteer 3 vragen die je in meetings het vaakst moet laten uitzoeken en test die in een chatagent.
  3. Bepaal wie bij welke data mag voordat je een chatagent op je data warehouse aansluit.

Begrippen

Conversational analytics
Vragen stellen aan je data in gewone taal en antwoord krijgen als tekst of grafiek.
Reverse ETL
Data uit je data warehouse terugsturen naar de systemen waar je werkt, zoals je CRM of webshop.
Data warehouse
Centrale opslag waarin je data uit verschillende bronnen schoon en gestructureerd bewaart.
Transcriptie

Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.

Conversational analytics, wat is het? Nou, heel simpel gezegd, chatten met je data. En waarom zou je het willen? Snel en direct antwoord, ook als je bijvoorbeeld in een meeting zit. De mogelijkheid om makkelijk diep in je data te duiken. Dus het is enerzijds chatten, maar anderzijds ook wel echt analyseren. Daar kom ik zo nog even op terug. En het derde punt is eigenlijk het schedulen van terugkerende analyses en proactieve conclusies krijgen. Dat is ook een functionaliteit die veel van deze tools bieden en wat natuurlijk ontzettend handig is. Dus je gaat van wat meer reactief data consumeren. Dus je gaat naar een dashboard, je hebt een vraag, je gaat daar opzoeken naar wat meer proactief data consumeren. En op andere plekken waarmee je veel meer interactie opzoekt. Links zie je ook een screenshot van de Slack integratie van Dot. Dat is de tool die wij op dit moment aan het testen zijn. Dus het is eigenlijk echt een Slack of Teams channel. Op de plek waar je al aan het werk bent. Namelijk in Slack of Teams. Waar je de agent aan kan koppelen. En waar je dus direct eigenlijk je vragen kunt stellen. Nou goed, zie je het dus als een extra data werknemer als het ware. Zou je deze persoon aannemen? Hij heeft voor heel veel bedrijven gewerkt. Nooit ziek, altijd bereikbaar. Wanneer je iets niet snapt, vraagt hij op opheldering. Wordt niet gefrustreerd als die mensen dezelfde export of dezelfde vraag stellen. Heeft bijna altijd het goede antwoord. En leert van zijn fouten, wat natuurlijk belangrijk is. Houdt alleen niet van borrels en uitjes. En even één stapje terug. En ik weet niet, Jop, in hoeverre jullie hier ook al eerder over hebben gehad. Maar hoe ik het zie eigenlijk is dat als je je data centraal opslaat in een data warehouse, is dat goud waard en is een dashboard lang niet altijd meer het enige eindstation waar je die data kunt gebruiken. We hebben het nu natuurlijk over chat, maar alert, een seintje krijgen als er iets met je data gebeurt, maar ook veel meer self-service tools of data door terugsturen met reverse ETL weer in je bronsystemen. Dat zijn denk ik allemaal toepassingen van het activeren van je data. Nou, waarom zou je het willen, zei ik net al eventjes, dus het bespaart gewoon tijd. Je hebt sneller antwoord als je bijvoorbeeld in een meeting zit en je hebt discussie over een bepaalde KPI, Wie kent het niet? Je kan het meteen vragen en je krijgt gewoon instant antwoord binnen een paar seconden. Minder afhankelijkheid van datateam. Dus je hebt eigenlijk gewoon altijd resources tot je beschikking. Meer tijd voor deep dive analyses om dat met die chat agent te doen. Nieuwe inzichten waar je misschien nu niet zo heel makkelijk toegang tot hebt. Dus meer makkelijker exploratief onderzoek doen. Trend analyses. Hij kan ook echt kant en klare aanbevelingen geven. Ik moet wel erbij zeggen dat ik zelf vind dat je daar nog echt wel heel erg kritisch naar moet kijken. We komen zo nog even op, van hoe goed is het nu eigenlijk? Want het klinkt natuurlijk allemaal heel mooi, maar is misschien soms ook op dit moment nog een beetje too good to be true. Vraagteken. Nou ja, en natuurlijk besluitvorming, dus sneller gebruiken meetings. Toegankelijk voor iedereen, wat natuurlijk ook wel tegelijkertijd ook een vraag is. Wil je dat iedereen ook bij alle data kan? Ik denk wel dat dashboards echt nog wel blijven bestaan. Je hebt gewoon bepaalde vragen die zich herhalen, bepaalde inzichten die je altijd nodig hebt, die wil je echt niet elke week opnieuw uitdokteren met je LLM. Dus daar blijven dashboards denk ik gewoon heel geschikt voor. Maar interactief gesprek, nieuwe inzichten vragen, maar ook een stukje herhalende analyses, waarbij je gewoon wil weten, is er wat veranderd? Dat zijn wel dingen die je kunt gaan oplossen met een conversational analytics agent.

Spreker: Kim Baas, Insight First

Bronnen

Meer over Data & Dashboards