Dataverzameling voor assetbesluiten: wat wel en niet werkt
Slimme assetbesluiten beginnen met data van hoge kwaliteit. Slechte data leidt tot duur onderhoud, veiligheidsrisico’s en verspild budget. Toch geeft 75% van de executives aan hun eigen data niet te vertrouwen.
Wilt u uitval van installaties en ongeplande kosten voorkomen, focus dan op deze principes:
- Verzamel alleen wat besluitvorming ondersteunt: koppel dataverzameling aan concrete doelen zoals risicogebaseerde CAPEX-planning, levensduurverlenging of compliance.
- Voorkom versnipperde systemen: losgekoppelde data creëert blinde vlekken en vertraagt besluiten. Centraliseer en standaardiseer.
- Gebruik automatisering: sensoren, drones en mobiele tools kunnen dataverzameling versnellen en nauwkeurigheid verbeteren.
- Houd data schoon: werk met de “5C’s”: Complete, Correct, Current, Consistent en Comprehensive.
- Volg duurzaamheidsmetrics: neem energiegebruik, emissies en efficiëntiedata mee in moderne asset-investeringsplanning.
De kern: betrouwbare, doelgerichte data leidt tot betere investeringen, minder verstoringen en sterkere langetermijnresultaten.
Assetdata verzamelen
sbb-itb-5be7949
De kosten van slechte dataverzameling in assetmanagement
De kosten van slechte datakwaliteit in assetmanagement
Incomplete of onnauwkeurige assetdata kan ernstige financiële en operationele gevolgen hebben. Data scientists besteden naar verluidt 80% van hun tijd aan het opschonen en herstellen van slechte data in plaats van aan analyse die tot actie leidt [7]. Dat is niet alleen tijdverlies. Het onttrekt middelen aan besluitvorming en veroorzaakt een keten van operationele problemen.
Een direct gevolg is dat de ROI van voorspellend onderhoud onder druk komt te staan en teams terugvallen op reactief onderhoud en ongeplande stilstand. Wanneer data over conditie en gebruik onbetrouwbaar is, zetten onderhoudsteams hun capaciteit verkeerd in. Kritieke installaties blijven onderbelicht, terwijl tijd wordt besteed aan minder urgente assets. Dat leidt tot onverwachte storingen en dure verstoringen [2][7]. In hoogbouw zijn handmatige inventarisprocessen bijvoorbeeld tijdrovend en foutgevoelig [2].
De financiële schade gaat verder dan operationele inefficiëntie. Slechte datakwaliteit leidt vaak tot budgetoverschrijdingen doordat organisaties ongeplande CAPEX moeten inzetten voor vervanging van falende assets of herstel van gevolgschade [7][8]. Mismanaged data dwingt organisaties tot dure reparaties, voortijdige vervanging en inefficiënte uitgaven [1][4]. De impact is aanzienlijk: tot 30% van de total cost of ownership van een asset kan worden vermeden met betere besluitvorming tijdens ontwerp, inkoop en vernieuwing [7]. Zulke overschrijdingen verstoren risicogebaseerde planning doordat de werkelijke prestatie en kosten van assets onduidelijk blijven.
Ook veiligheids- en compliance-risico’s nemen toe. Onnauwkeurige records vergroten risico’s op de werkvloer en maken het lastiger om aan wettelijke eisen te voldoen [7]. Handmatige of papieren dataverzameling voegt extra complexiteit toe, omdat gegevens later digitaal moeten worden overgetypt. Juist daar ontstaan fouten en inconsistenties [4].
Duurzaamheidsdoelen raken eveneens achterop wanneer data onbetrouwbaar is. Zonder nauwkeurige data wordt het moeilijk om klimaatrisico’s te adresseren, transitieroutes te plannen of scenarioanalyses uit te voeren [5]. Zonder gedetailleerde, lokale gevarendata kunnen assetmanagers locatiegebonden klimaatadaptatie niet goed onderbouwen of met verzekeraars spreken over veerkrachtmaatregelen [5]. Betrouwbare data is dus essentieel voor risicogebaseerde besluiten die assetmanagement en milieudoelen verbinden.
Wel doen: bouw een duidelijke dataverzamelingsstrategie rond uw doelen
Goede dataverzameling begint met één vraag: waarom verzamelen we deze data? Voordat teams starten, moeten ze bepalen welke besluiten ze willen nemen en welke resultaten ze willen bereiken. Zonder die focus verzamelt u al snel te veel ongebruikte data, of mist u juist de informatie die nodig is voor kritieke besluiten. Een helder doel koppelt data direct aan investeringsuitkomsten.
“Het primaire doel moet zijn om alleen data te verzamelen die de voortgang richting de gedefinieerde doelen meet en organisaties helpt besluiten te nemen.” - PIARC (World Road Association) [3]
Gebruik vier vragen om uw aanpak te toetsen:
- Welke besluiten moeten worden genomen?
- Welke data is nodig voor die besluiten?
- Kan de organisatie het verzamelen van deze data betalen?
- Kan de integriteit van deze data over tijd worden behouden?
Kunt u deze vier vragen niet overtuigend beantwoorden, dan hoort het datapunt waarschijnlijk niet in de strategie. Deze discipline zorgt ervoor dat dataverzameling de bedrijfsdoelen ondersteunt.
Koppel dataverzameling aan investeringsresultaten
Zodra het doel helder is, koppelt u dataverzameling aan meetbare uitkomsten. Elk datapunt moet terug te leiden zijn naar een investeringsbesluit: lagere levenscycluskosten, minder risico of voortgang op duurzaamheid. Richt u op attributen die financieel en operationeel effect hebben. Bijvoorbeeld:
- Assetleeftijd en resterende gebruiksduur helpen toekomstige budgetbehoefte en pieken in kapitaaluitgaven voorspellen.
- Conditie- en kritikaliteitsdata maken onderhoudsprioritering scherper [4].
Door data-attributen aan specifieke besluiten te koppelen, kunt u de kosten van dataverzameling onderbouwen en voorkomt u dat inspanningen geen waarde opleveren.
Risicogebaseerde organisaties halen vaak meer rendement uit hun data. Assets met laag risico of beperkte investeringsbehoefte hoeven niet voortdurend te worden bijgewerkt [3]. Prioriteer assets met hoog risico en hoge waarde: objecten die grote invloed hebben op operatie, veiligheid of financiën.
Verzamel alleen data die besluiten ondersteunt
Bij data geldt vaak: minder is meer. Het doel is niet de grootste database, maar accurate en bruikbare informatie. Ongebruikte data verzamelen verspilt middelen [4]. Richt u daarom op kernattributen die assetmanagementbesluiten sturen. Voor veel organisaties vormen zeven attributen de basis:
- Materiaal/type
- Locatie
- Conditie
- Leeftijd
- Kritikaliteit
- Resterende gebruiksduur
- Economische waarde [4]
Bruikbare data voldoet aan de “5C’s”:
- Complete: alle beoogde assets zijn opgenomen.
- Comprehensive: alle noodzakelijke attributen zijn beschikbaar.
- Consistent: naamgevingsconventies zijn gestandaardiseerd.
- Correct: ID’s en beschrijvingen kloppen.
- Current: actieve en inactieve status is duidelijk [2].
Een gemiddeld hoog kantoorgebouw bevat ongeveer 1.000 onderhoudbare assets, van elektrische systemen tot luchtbehandelingskasten [2]. Met handmatige methoden kan een reliability engineer per dag slechts 60 tot 75 assets inspecteren en registreren [2]. Die beperking maakt focus cruciaal: u heeft geen tijd of budget voor data die u niet gebruikt.
Niet doen: werken met versnipperde of losgekoppelde databronnen
Wanneer assetdata verspreid staat over meerdere losgekoppelde systemen, zoals spreadsheets, een CMMS en financiële records elders, ontstaan grote problemen. Versnippering verbergt kritieke risico’s en creëert blinde vlekken in de assetportefeuille. Veiligheids- of compliance-risico’s worden dan pas zichtbaar wanneer ze duur worden [6].
De impact op besluitvorming is direct en kostbaar. Losgekoppelde databronnen vertragen rapportage, veroorzaken inconsistente analyses en leiden tot slechte prioritering. Het gevolg is budgetoverschrijding en gemiste kansen [6]. Deloitte vat het probleem kernachtig samen: organisaties verdrinken in data maar hebben honger naar inzichten [7]. Dat beschrijft precies wat er gebeurt wanneer essentiële informatie opgesloten zit in silo’s.
“Wanneer conditiedata inconsistent, vertraagd of verspreid over tools is, vallen teams terug op intuïtie - en daar beginnen budgetoverschrijdingen, veiligheidsrisico’s en gemiste kansen.” - Asseti [6]
De financiële tol is groot. Versnipperde data leidt vaak tot onverwachte kapitaaluitgaven, vooral wanneer assetfalen teams verrast. Onderhoudskosten stijgen doordat teams reactief blijven in plaats van te plannen [7]. Handmatige processen maken het erger: papieren dataverzameling verdubbelt vaak het werk, omdat iemand alles daarna digitaal moet invoeren. Dat kan maanden duren en is foutgevoelig [4].
Versnipperde data vergroot ook risico’s voor veiligheid en compliance. Field teams missen informatie over conditie of onderhoudshistorie en moeten besluiten nemen met onvolledig beeld [7].
Wel doen: standaardiseer en centraliseer uw data
Versnipperde data oplossen betekent niet dat u meer data moet verzamelen. Het gaat om één betrouwbaar gegevensregister met consistente standaarden. Wanneer assetdata uniform is gestructureerd, kunnen teams prestaties vergelijken, kosten consolideren en betere besluiten nemen over onderhoudsprioriteiten en vervangingen [10].
Maak consistente datamodellen en assethiërarchieën
Gebruik sectorstandaarden voor taxonomieën om verwarring te voorkomen. Frameworks zoals Uniclass, RICS NRM 3 en SFG20 bieden classificatiecodes waarmee veldteams, finance en leveranciers assets op dezelfde manier beschrijven [10]. Het belang hiervan bleek toen de UK Government Property Function meer dan 300.000 publieke vastgoedobjecten analyseerde. Gestandaardiseerde assethiërarchieën waren cruciaal voor onderhoudsbeheer en contractcompliance [10].
Een top-down datamodel is een praktisch startpunt: moederorganisatie > site > gebouw/blok > verdieping > ruimte > asset [10]. Elk assetrecord moet minimaal een uniek asset-ID, classificatiecode, kritikaliteitsscore en operationele status bevatten. Zonder die velden wordt planning chaotisch. Organisaties die Information Modeling Frameworks (IMF) toepasten, rapporteerden 50% minder menselijke fouten bij handmatige updates [11]. In een offshore engineeringproject leverde standaardisatie ongeveer 50 miljoen dollar besparing op [11].
Gebruik een centraal systeem voor masterdatamanagement
Masterdatamanagement (MDM) is wat IBM de “hidden enabler” van slimme besluitvorming noemt [12]. MDM borgt consistente identifiers en referentietabellen voor assets, locaties en leveranciers over afdelingen heen. Het doel is niet altijd één softwaresysteem verplicht stellen, maar consistente businesslogica toepassen zodat systemen betrouwbare, auditbare output leveren [12]. Goede masterdata is de ruggengraat van risicogebaseerde, duurzame besluiten.
In de dagelijkse operatie kunnen centrale systemen met automatische kwaliteitscontroles ontbrekende of afwijkende data direct signaleren. Een maandafsluiting helpt: bevries datamutaties op een vaste datum, valideer automatisch en herstel issues voordat rapportage wordt gemaakt [12]. Zo voorkomt u dat tussentijdse mutaties trendanalyses verstoren.
“Een uniform datamodel is nodig om een volledig beeld te krijgen van gecombineerde systemen waarin informatie door het ecosysteem stroomt.” - Marc Hoppenbrouwers en Biren Gandhi, IBM [9]
Borg data-eigenaarschap contractueel, ook wanneer externe leveranciers assetdata beheren [10]. Zo behoudt u real-time toegang voor besluitvorming en voorkomt u vendor lock-in. Standaardformats zoals COBie maken data overdraagbaar tussen systemen, wat verlies bij contractwissels beperkt en investeringsplanning ondersteunt [10].
Niet doen: datagovernance en eigenaarschap negeren
Zonder duidelijk datagovernance en eigenaarschap verliest assetinformatie snel betrouwbaarheid. Dat leidt tot zwakkere investeringsbesluiten. De 2024-herziening van ISO 55001 benadrukt dat data de basis vormt voor besluitvorming [13]. Toch behandelen veel organisaties data nog steeds als bijproduct van operatie, niet als strategisch asset met eigen levenscyclus en waarde.
Wijs voor elke belangrijke dataset een data-eigenaar aan, bijvoorbeeld voor assetregisters, conditiemetingen, onderhoudshistorie en financiële records. Zo blijft data nauwkeurig, actueel en consistent [3]. Zonder accountability ontstaan ontbrekende velden en tegenstrijdige records. Een Amerikaans nutsbedrijf dat in 2022 advanced analytics combineerde met duidelijke datagovernance realiseerde 20 tot 25% lagere operationele kosten en 40 tot 60% lagere CAPEX door te focussen op hoogrisico-assets en onderhoudsschema’s te optimaliseren [15].
“Effective asset management is reliant on the effective use of data to support decision making.” - ISO 55013:2024 [14]
Data kan sneller degraderen dan fysieke assets. Een pomp kan 15 jaar meegaan, maar conditiedata van vorig jaar kan binnen maanden verouderen door veranderende omstandigheden [14]. Gebruik daarom datums, updateschema’s en beleid voor het verwijderen of archiveren van verouderde data [3]. Behandel data als strategisch asset: ISO 55013:2024 benadrukt dat data operationele en marktwaarde heeft en bescherming verdient vergelijkbaar met fysieke infrastructuur [14].
Strikte toegangsrechten en beveiligingsprotocollen zijn nodig. Ze geven besluitvormers real-time toegang en voorkomen onbevoegde wijzigingen [3]. Richt een governanceboard in met vertegenwoordigers van facility management, datateams en leveranciers om datakwaliteit te bewaken [10]. Gebruik gedocumenteerde change-controlprocessen voor toevoegingen, wijzigingen en verwijderingen van assetrecords.
Wel doen: gebruik automatisering voor dataverzameling en kwaliteitscontrole
Automatisering helpt een betrouwbaar datafundament te bouwen voor assetinvesteringen. Handmatige invoer blijft veelgebruikt, maar vertraagt processen en introduceert fouten die investeringsbesluiten ondermijnen. Bij complexe technische specificaties zijn transcriptiefouten bijvoorbeeld een bekend probleem [2]. Automatisering verhoogt snelheid en nauwkeurigheid.
Automatisering verzamelt niet alleen sneller data, maar valideert ook direct. Sensorprijzen zijn in tien jaar met 75% gedaald, waardoor geautomatiseerde conditiebewaking toegankelijker is geworden [16]. Toch meldt 75% van de executives dat zij hun eigen data niet vertrouwen [1]. Automatisering helpt dit gat te dichten door dataverzameling te standaardiseren en inconsistenties te signaleren.
Automatiseer invoer en validatie
Technologieën zoals Optical Character Recognition (OCR) en Content-Based Image Retrieval (CBIR) hebben datainvoer sterk verbeterd. Mobiele apps kunnen assetplaatjes scannen en apparatuurtypen uit beelden herkennen, waardoor fouten door handmatige invoer afnemen. Deze aanpak ondersteunt “5C-kwaliteit”: data die Complete, Comprehensive, Consistent, Correct en Current is [2].
Voor infrastructuurinspecties gebruiken geavanceerde tools zoals Rapid Ultrasonic Gridding (RUG) robots met ingebouwde encoders. Ze verzamelen hoge-dichtheidsdiktemetingen 10 keer sneller dan traditionele methoden en leveren 1.000 keer meer data [1]. In gevaarlijke of moeilijk bereikbare zones kunnen drones met LIDAR of fotogrammetrie hoge-dichtheidsdata vastleggen zonder personeel bloot te stellen aan risico’s [16].
Nauwkeurige verzameling is slechts één deel. De integriteit op lange termijn vraagt om kwaliteitscontrole.
Bouw kwaliteitscontroles in datapijplijnen
Sterke automatiseringsstrategieën detecteren fouten vroeg. Dit wordt vaak shift-left testing genoemd: problemen vinden voordat ze dashboards of AI-systemen raken [17]. Geautomatiseerde deployment gates kunnen bijvoorbeeld afdwingen dat kritieke velden zoals asset_id voor meer dan 99,9% gevuld zijn of dat rijaantallen binnen statistisch acceptabele grenzen blijven [17].
“Data is van hoge kwaliteit wanneer zij geschikt is voor het beoogde gebruik en betrouwbaar zo blijft terwijl pipelines zich ontwikkelen.” - Coalesce [17]
Geautomatiseerde profilingtools monitoren schemawijzigingen, pieken in lege waarden en afwijkende datavolumes direct in pipelines. Dat vermindert “data downtime”, perioden waarin foutieve data de operatie verstoort [17]. Door deze controles in workflows te verankeren, blijven assetregisters, conditiemetingen en onderhoudshistorie betrouwbaarder over de hele levenscyclus van asset-investeringsplanning.
Wel doen: neem duurzaamheidsmetrics op in dataverzameling
Bij assetmanagement horen energieprestatie en CO₂-impact in de dataverzameling. Deze metrics zijn niet alleen nodig voor regelgeving, maar ook voor investeerdersverwachtingen, stijgende energieprijzen en decarbonisatiedoelen. Zonder deze data wordt het moeilijk om voortgang op duurzaamheidsverplichtingen te tonen of duurzaamheid in langetermijnplanning te verwerken.
Begin met energiegebruik en vraag: elektriciteit in kWh voor verbruik en kW voor piekvraag, aardgas, stookolie en stadswarmte of stoom [18][20]. Voor water- en afvalwaterfaciliteiten, die vaak 30 tot 40% van het jaarlijkse gemeentelijke energiebudget gebruiken, is elektriciteitsverbruik per miljoen gallon (kWh/MG) een bruikbare vergelijkingsmetric [20]. Documenteer daarnaast broeikasgasemissies over alle scopes: Scope 1 (direct), Scope 2 (ingekochte energie) en Scope 3 (waardeketen) [18].
Volg ook operationele factoren zoals graaddagen, bezetting, bedrijfsuren en productieniveaus. Daarmee ziet u of energiegebruik verandert door efficiëntieverbetering of door andere operationele activiteit [18][19]. Een stijging van energiegebruik kan bijvoorbeeld komen door hogere productie, niet door slechtere assetefficiëntie. Monitor ook eigen opwek uit hernieuwbare energie en volumes uit power purchase agreements om voortgang richting schonere energie te volgen [18][20].
“Systemen en data zijn geen IT-bijproject. Ze vormen de infrastructuur die emissies meetbaar, initiatieven verifieerbaar en claims verdedigbaar maakt.” - Umbrex [12]
Voor investeringsplanning verzamelt u per efficiëntieproject data over verwachte CO₂-besparing, benodigde investering en vermeden kosten. Zo kunt u projecten prioriteren op carbon return on investment [18][19]. Energy Information Systems die data per uur of per 15 minuten vastleggen, kunnen een mediane energiebesparing van 4% op gebouwniveau opleveren. Fault Detection and Diagnostic-tools behalen een mediane energiebesparing van 9% door systeemfouten vroeg te vinden [19].
Conclusie: bouw een datafundament dat meegaat
De juiste data verzamelen is de basis van effectieve asset-investeringsplanning. De kernpraktijken in dit artikel - dataverzameling koppelen aan doelen, methoden standaardiseren, automatisering gebruiken en duurzaamheidsmetrics opnemen - vormen het fundament voor betere langetermijnbesluiten.
Wanneer dat goed gebeurt, verandert hoogwaardige data de operatie. Ze maakt voorspellend onderhoud mogelijk, verschuift processen van reactief naar proactief, verlengt assetlevensduur en beperkt risico’s [1]. Door giswerk te verminderen, voorkomt ze dure storingen en stilstand. Ze ondersteunt ook duurzaamheid door grondstoffen beter te benutten en verspilling door voortijdige vervanging te verminderen [1].
“Algoritmen kunnen geen onderscheid maken tussen goede en slechte data. Ze werken op basis van logica en leren van patronen in de aangeleverde data.” - Gecko Robotics [1]
Veel organisaties blijven worstelen. Hoewel 89% van de executives het belang van hoogwaardige data erkent, geeft 75% aan onvoldoende vertrouwen te hebben in hun eigen data [1]. Onduidelijke doelen, versnipperde bronnen of snelheid boven nauwkeurigheid kunnen zelfs goede initiatieven ondermijnen. Door vast te houden aan de 5C’s - Complete, Comprehensive, Consistent, Correct en Current - zorgt u dat elk datapunt bijdraagt aan betere uitkomsten [2].
De keuzes die u nu maakt, bepalen de kwaliteit van uw assetmanagementstrategie morgen. Documenteer standaarden, volg best practices voor implementatie om fouten te beperken, centraliseer data om silo’s te doorbreken en koppel data altijd aan de besluiten die ze moet ondersteunen. Met een sterk datafundament wordt elke investering, van regulier onderhoud tot groot project, beter onderbouwd en beter verdedigbaar.
FAQs
Wat is de kleinste set assetdata waarmee ik moet beginnen?
Begin met de data die besluitvorming ondersteunt zonder de organisatie te overbelasten. Focus op drie groepen: assetidentificatie, conditiebeoordelingen en prestatie-indicatoren. Deze compacte dataset geeft genoeg basis om assetgezondheid te beoordelen, prioriteiten te stellen en onderhouds- en levenscyclusbesluiten te nemen.
Hoe voeg ik spreadsheets, CMMS en financiële data samen tot één betrouwbaar gegevensregister?
Werk stap voor stap:
- Identificeer alle databronnen: verzamel data uit spreadsheets, CMMS en financiële platforms.
- Plan de integratie: standaardiseer formats, attributen en sleutelvelden.
- Valideer en schoon de data op: verwijder dubbelen en corrigeer fouten.
- Gebruik automatisering waar mogelijk: versnel en vereenvoudig integratie.
- Review en actualiseer regelmatig: houd geïntegreerde data betrouwbaar en bruikbaar voor besluiten.
Welke duurzaamheidsmetrics zijn het belangrijkst voor asset-investeringsbesluiten?
Belangrijke metrics zijn CO₂-reductie, milieu-impact en klimaatgerelateerde risicofactoren. Ze vormen een betrouwbaar kader om emissies te volgen en investeringsstrategieën te sturen richting langetermijnduurzaamheid.