Praten met je data: nieuwe klantenservicevragen via MCP
Jop van Hooft, eCommerce AI Club
Uit de sessie: Maandelijkse Update sep 2026
Jop van Hooft laat zien hoe de MeerMetData MCP-connector werkt, waarmee je in Claude vragen stelt aan je eigen data. Hij vertelt over een klant die in de klantenservicetickets nieuwe onderwerpen liet opsporen en over toegang per persoon.
Voor wie: Je wilt weten hoe je een AI-assistent veilig vragen laat beantwoorden op je eigen bedrijfsdata.
Hetzelfde moment
- Hoofdstuk van 9:33 min: Praten met je data: de MeerMetData MCP en wat er nog komt
Waarom dit ertoe doet
Klantenservice is een van de eerste plekken waar je met AI nieuwe signalen vindt. Jop vertelt dat een klant aan Claude vroeg of er in de tickets van de afgelopen 4 weken iets nieuws zat. Claude vond 8 punten, waaronder een dode link in een nieuwsbrief waarover in 3 dagen 7 mensen contact opnamen. Volgens het antwoord zouden dat bij niets doen de komende week zo'n 20 extra contacten worden. Dat is een anekdote van één klant. Het laat zien wat er gebeurt als een AI toegang heeft tot ticketdata zonder dat je zelf een rapport bouwt. Belangrijk is ook dat Jop toegang per persoon regelt, zodat de financeafdeling geen klantenservicedata ziet en omgekeerd.
Belangrijkste inzichten
- MCP is een open standaard om AI-toepassingen zoals Claude of ChatGPT met externe data en tools te verbinden.
- Jops connector heeft drie tools (list_tables, describe_table, query) en leest alleen.
- Een klant liet Claude de tickets van 4 weken doorzoeken en kreeg volgens Jop 8 nieuwe punten.
- Een dode link in een nieuwsbrief leidde in 3 dagen tot 7 contacten, met een schatting van 20 extra in de week erna.
- Toegang is per persoon in te stellen: financiën ziet financiën, klantenservice ziet klantenservice.
Wat MCP is
MCP staat voor Model Context Protocol, een open standaard om AI-toepassingen zoals Claude of ChatGPT te koppelen aan externe systemen: databronnen, tools en workflows. De officiële uitleg vergelijkt het met een USB-C-poort voor AI. Jop heeft op die standaard een connector gebouwd voor zijn datawarehouse. Je logt in met een Google-account en krijgt toegang tot de data van je eigen organisatie, in Claude of in elk ander AI-model dat MCP ondersteunt.
Wat de connector doet
Op zijn slide staat dat je MeerMetData als connector toevoegt zonder installatie, dat zijn presentatielaag de tabellen en kolommen beschrijft zodat de AI die eerst leest, en dat er drie tools zijn: list_tables om te zien wat er is, describe_table om te lezen wat het betekent en query om het antwoord op te halen. Jop zegt dat de eerste klanten er nu ongeveer 3 maanden mee werken. Hij benadrukt de laag eroverheen die definities toevoegt, zodat iedereen hetzelfde antwoord krijgt.
Het klantenservicevoorbeeld
Een klant gaf Claude toegang tot alle klantenservicetickets en vroeg of er de afgelopen 4 weken een ontwikkeling was die nog niet eerder was opgevallen. Volgens Jop kwam Claude met 8 nieuwe punten. Eén daarvan: in de nieuwsbrief zat een dode link en in 3 dagen hadden 7 mensen contact opgenomen. Claude vermoedde dat er, als dit niet werd opgelost, de week erna zo'n 20 contacten bij zouden komen. Jop noemt het een makkelijke manier om 20 gesprekken te voorkomen. Het is zijn verhaal over een klant, zonder naam of bewijs, en de schatting van 20 is van de AI zelf, niet gemeten.
Toegang per persoon
Een tweede functie is toegangsbeheer. De financepersoon ziet alleen financedata en het commerciële team alleen commerciële data. Een admin kent dat toe, ook weer door met Claude te praten: 'collega Pietje moet toegang hebben tot de klantenservicedata', waarna Pietje minuten later inlogt en alleen die data ziet. Op de slide staat dat de connector alleen leest en dus niets kan wijzigen of verwijderen, en dat een collega die niet op de lijst staat er niet in komt.
Wat je ermee doet
Voor een webshop zit de les in de volgorde. Eerst centrale data met duidelijke definities, daarna pas een AI die erover meedenkt. Begin met een bron met weinig risico, zoals tickets zonder klantgegevens, en regel meteen wie wat mag zien.
Probeer dit deze week
- Kies 1 databron met weinig risico, zoals tickets zonder klantgegevens, om een AI-vraag op te proberen.
- Schrijf voor 3 begrippen zoals omzet en actieve klant 1 vaste definitie op.
- Bepaal wie welke data mag zien voordat je een AI-connector aanzet.
Begrippen
- MCP
- Model Context Protocol, een open standaard waarmee AI-toepassingen verbinding maken met databronnen, tools en workflows.
- Connector
- Een koppeling die een AI-programma toegang geeft tot een extern systeem.
- Presentatielaag
- De opgeschoonde tabellen en beschrijvingen die een AI eerst leest om data te begrijpen.
Verdiep je in de gids
Transcriptie
Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.
En dat is eigenlijk puur de soort koppeling die ik op dit moment ook heb gebouwd en beschikbaar heb gemaakt aan mijn klanten. En waar de eerste klanten nu een maand of drie mee werken. Een connector waar je met je cloud, maar ook met andere AI-modellen alles wat MCP ondersteunt mee kan verbinden. Je kan gewoon vrij snel inloggen, mcp.meermedata.nl, je geeft je akkoord op, gewoon een Google-account is er aangekoppeld bijvoorbeeld. bijvoorbeeld, en je hebt toegang tot je eigen data. Dat betekent dat je toegang hebt tot de data, je kan er dus direct vragen aan stellen, maar ook die laag eroverheen die die definitie toevoegt, zodat iedereen hetzelfde antwoord krijgt, en je kan dus alle vragen die je maar kan bedenken, van wat is de omzet, hoe gaan bepaalde producten, maar ook bijvoorbeeld klantenservice gerelateerde vragen, ik heb een klant die de vraag heeft gesteld van, hé, je hebt nu toegang tot alle klantenservice tickets, zie je nu de afgelopen vier weken een ontwikkeling, In de klantenservice tickets die je nog niet eerder hebt waargenomen. Of die nieuw is of meer vertegenwoordigd. En daar kwam Claude toen met een heel mooi antwoord terug. Die zei van, ik zie hier een achttal punten die nieuw zijn. Bijvoorbeeld, ik zie hier in je nieuwsletter zit een dode link in. En de afgelopen drie dagen hebben zeven mensen contact opgenomen. Ik vermoed dat als je dit dan niet nu uithaalt, dat je de komende week nog twintig contacten meer krijgt. Dat was een hele makkelijke manier om even 20 gesprekken op je [onverstaanbaar] te bepalen. En dat is natuurlijk maar één voorbeeld die eruit kan rollen. Nou los zitten er een paar functies in dat je natuurlijk ook met verschillende toegangen kan werken. Zo heeft de finance persoon alleen toegang tot de finance data. En de commerciële teams alleen toegang tot commerciële data. En kan een admin functie, kan dat eigenlijk toekennen. Puur ook weer door te praten met Claude. dat collega Pietje staat nu aan mijn bureau, die moet toegang hebben tot de klantenservice data. En dan zegt de klant, oké, ik ga het regelen. En dan kan enkele minuten later Pietje dus gewoon inloggen en ziet hij alleen de klantenservice data.
Spreker: Jop van Hooft, eCommerce AI Club
Bronnen
Meer over Data & Dashboards
Duur 1:47AI Code Generatie: van SQL tot DAX in seconden
Jop van Hooft, eCommerce AI Club
AI schrijft je SQL, Python en DAX in één keer goed, en waarschuwt als je data verandert
Duur 1:484 conversational analytics tools getest
Kim Baas, Insight First
Vier AI analytics tools getest, dit zijn de requirements die er echt toe doen
Duur 1:50Real-time prijsvergelijking via Google Shopping API
Tachmy Dilmy, eCommerce AI Club
Live Google Shopping prijzen direct in je dashboard, zonder data warehouse ertussen