Waarom uw PIM de datakwaliteit niet oplost
18 juni 2026
Het PIM publiceert wat u erin stopt
Er staat een product op uw webshop met als kleur NIET INGEVULD. Het veld voor materiaalsamenstelling bevat de tekst zie leverancier. De productomschrijving van een winterjas is een kopie van de omschrijving van een regenjas uit vorig seizoen. De EAN-code verwijst naar een artikel dat niet meer bestaat.
Niemand heeft dat handmatig op de webshop gezet. Uw PIM heeft dat gedaan. Automatisch. Correct, volgens de regels van het systeem.
Want uw PIM systeem doet precies wat het moet doen. Het neemt de data die erin staat, structureert die volgens het datamodel, en publiceert die naar de kanalen die u hebt ingericht. Webshop, marktplaats, productfeed. Zonder tussenkomst, zonder vertraging.
Maar ook zonder oordeel. Het PIM controleert of een veld gevuld is. Niet of de waarde klopt. Niet of de tekst bij het juiste product hoort. Niet of NIET INGEVULD een geldige kleur is.
Garbage in, garbage out. Dat principe is zo oud als informatica zelf. Maar in de praktijk vergeten organisaties het op het moment dat het PIM live gaat.
Waarom organisaties dit over het hoofd zien
De verwachting bij een PIM-implementatie is helder. Eén centrale bron van waarheid. Gestructureerde productdata. Consistente publicatie naar alle kanalen. En die verwachting klopt, het PIM levert dat.
Maar ergens in dat traject ontstaat een aanname die niemand hardop uitspreekt: als de data in het PIM staat, is de data goed. Het systeem wordt de waarborg. Als het PIM het accepteert, dan klopt het.
Die aanname is begrijpelijk. U hebt een datamodel gebouwd. U hebt verplichte velden ingesteld. U hebt keuzelijsten gedefinieerd. Het systeem dwingt structuur af.
Maar structuur is niet hetzelfde als kwaliteit.
Een verplicht veld dwingt af dat er iets wordt ingevuld. Niet dat het juiste wordt ingevuld. Een keuzelijst voorkomt typefouten. Niet dat iemand nvt kiest voor een attribuut dat wél relevant is. Een compleetheidspercentage van 98% zegt dat bijna alle velden gevuld zijn. Niet dat de inhoud bruikbaar is.
Het PIM valideert vorm. Niet inhoud. En het verschil tussen die twee is precies waar datakwaliteit zit.
Het probleem zit niet in het systeem
Wat we in de praktijk tegenkomen, is een patroon dat in vrijwel elke organisatie herkenbaar is. De data die het PIM binnenkomt, is al problematisch voordat het PIM er iets mee doet.
De bron is incompleet. Leveranciers leveren productinformatie aan in Excel-bestanden met wisselende kolomindelingen. Sommige velden zijn gevuld, andere niet. Sommige waarden zijn in het Engels, andere in het Nederlands. De importroutine laadt alles in. Het PIM accepteert het.
De verrijking is inconsistent. Verschillende medewerkers vullen dezelfde velden op verschillende manieren. De ene schrijft 100% katoen, de andere katoen 100%, een derde schrijft puur katoen. Technisch zijn alle drie correct. Functioneel zijn ze onvergelijkbaar. Een consument die filtert op materiaal krijgt niet alle resultaten. Een AI-assistent die producten vergelijkt kan er niets mee.
De controle ontbreekt. Wie checkt of de data inhoudelijk klopt voordat het naar de webshop gaat? In de meeste organisaties die wij onderzoeken, is het antwoord: niemand structureel. Er is geen stap in het proces die zegt: dit product is inhoudelijk gecontroleerd en akkoord bevonden. Er is een compleetheidscheck in het PIM. Maar compleet is niet correct.
Het PIM is een container. Het organiseert, categoriseert en distribueert. Maar het oordeelt niet over wat erin zit. Net zoals een magazijn niet controleert of de juiste producten in de juiste dozen zitten. Het magazijn slaat op en verzendt. De kwaliteitscontrole hoort ervóór te gebeuren.
Wat u zou moeten meten
De meeste organisaties meten datakwaliteit op het verkeerde niveau. Ze meten compleetheid in het PIM. Percentage gevulde velden, aantal producten zonder afbeelding, aantal categorieën zonder beschrijving. Dat zijn systeemmetrics. Ze zeggen iets over de vulgraad van het datamodel. Niet over de kwaliteit van de productinformatie.
Wat u zou moeten meten, zit een laag dieper.
Hoeveel producten bevatten waarden die technisch geldig maar inhoudelijk onbruikbaar zijn? Denk aan zie leverancier, ntb, nvt, of een omschrijving die niet bij het product hoort. Uw PIM telt die als gevuld. Uw klant ziet ze als onbruikbaar.
Hoeveel producten zijn inhoudelijk inconsistent binnen dezelfde categorie? Als drie jassen in dezelfde categorie drie verschillende manieren van materiaalvermelding hanteren, is dat een signaal. Niet van slordigheid, maar van ontbrekende regels.
Hoeveel producten gaan live zonder inhoudelijke controle? Niet de PIM-workflow die op gepubliceerd staat. Maar een bewuste stap waarin iemand met kennis van het assortiment zegt: dit klopt, dit kan naar de klant.
Hoeveel retourzendingen zijn herleidbaar tot productdata? Kleur wijkt af. Maat valt anders dan beschreven. Materiaal voelt anders dan verwacht. Dat zijn geen logistieke problemen. Dat zijn datakwaliteitsproblemen die in het PIM zijn ontstaan, of beter gezegd, die het PIM ongehinderd heeft doorgegeven. Wat die fouten u werkelijk kosten, is zelden zichtbaar in een standaardrapportage.
Die metingen vereisen geen nieuw systeem. Ze vereisen dat u de data die al in uw PIM staat anders bekijkt. Niet vanuit het datamodel, maar vanuit de klant.
Wat inzicht oplevert
Organisaties die datakwaliteit gaan meten op inhoudsniveau in plaats van op systeemniveau, ontdekken vrijwel altijd drie dingen.
Het PIM doet zijn werk. Dat is geen verrassing, maar het is belangrijk om vast te stellen. Het PIM is niet het probleem. Het probleem is dat het PIM niet de rol vervult die niemand anders vervult. Er is een gat in het proces, en iedereen verwacht dat het PIM dat gat dicht. Dat doet het niet. Dat kan het niet.
De regels ontbreken. Niet de technische regels. Die staan in het datamodel. Maar de inhoudelijke regels. Wat is een goede productomschrijving voor deze categorie? Welke attributen moeten er zijn, niet vanuit het systeem maar vanuit de klant? Wie beslist wanneer een product inhoudelijk klaar is? Die vragen zijn zelden beantwoord. En zolang ze niet beantwoord zijn, vult iedereen de velden naar eigen inzicht. Met voorspelbaar wisselende kwaliteit als gevolg.
Eigenaarschap is niet belegd. Het PIM heeft een beheerder. De data heeft een eigenaar, op papier. Maar de kwaliteit van de data, de inhoudelijke juistheid, de consistentie, de bruikbaarheid voor de klant, daar is niemand verantwoordelijk voor. Niet de PIM-beheerder, want die beheert het systeem. Niet de productmanager, want die levert de brondata aan. Niet het contentteam, want dat verrijkt alleen wat ze krijgen.
Datakwaliteit is een ketenverantwoordelijkheid. En ketens zonder eigenaarschap leveren voorspelbare resultaten: wisselend, oncontroleerbaar, en onbestuurbaar.
Wanneer u dat ziet, kunt u iets veranderen. Niet door het PIM te vervangen of een extra systeem toe te voegen. Maar door de regels te definiëren die het PIM niet kan afdwingen. Door eigenaarschap te beleggen op de kwaliteit van de inhoud, niet alleen op de vulgraad van het systeem. Door governance te ontwerpen voor de data die uw klant ziet.
Dat begint met meten wat er werkelijk in uw PIM staat. Niet of het er staat, maar of het klopt.
Binnen 1–2 weken inzicht in uw datakwaliteit. Vaste prijs: €2.695. Start Inzichtsprint of stel uw vraag.