Vraag een implementatieconsultant hoeveel tijd het kost om een module in te richten voor, bijvoorbeeld, een voorraadadministratie, en het antwoord komt vaak snel: een paar dagen. Vraag diezelfde consultant hoe lang de hele migratie duurt, inclusief de data uit het oude Excel-bestand, en het antwoord is meestal twee tot vier keer zo lang. Dat verschil verrast bijna iedereen die voor het eerst een migratie meemaakt. Dit artikel legt uit waar dat verschil vandaan komt, en waarom het geen teken is dat er iets misgaat.
De bouw is het voorspelbare deel
Het inrichten van een systeem — velden aanmaken, rapportages instellen, rechten toewijzen — is technisch werk met een bekende omvang. Een ervaren consultant weet ongeveer hoeveel uur een module kost, omdat de stappen zich herhalen: dit hebben we al vaker gedaan, de vragen die opkomen zijn bekend, de oplossingen ook. Dat maakt dit deel van het traject relatief goed te plannen en te begroten.
Bij GrowMate bijvoorbeeld ligt de richtprijs voor het kleinste pakket, "Kiem", vanaf EUR 2.950, gebaseerd op circa 65 uur. Dat cijfer is te geven omdat het vooral over de bouw gaat: bekend werk, bekende tijdsbesteding. Zodra de vraag verschuift naar "en hoe lang duurt het om onze data over te zetten", wordt het antwoord meteen minder stellig — en dat is geen ontwijkend antwoord, maar een eerlijk antwoord.
Data opschonen is per definitie onvoorspelbaar
De reden dat opschonen moeilijk te begroten is vooraf, zit in de aard van het werk zelf: u weet pas hoeveel er moet worden opgeschoond nadat u het bestand daadwerkelijk heeft doorgenomen. Twee bestanden die er op het eerste gezicht identiek uitzien — allebei een klantenbestand met 800 regels — kunnen in de praktijk totaal verschillende hoeveelheden werk vergen. Het ene bestand is al die tijd door één zorgvuldige medewerker bijgehouden. Het andere is opgebouwd uit drie samengevoegde exports van verschillende jaren, met dubbele klanten, wisselende notaties en een paar honderd regels die niemand meer kan verklaren.
Dat tweede type bestand is de regel, niet de uitzondering. Op onze pagina over migreren van Excel staat een tabel met veertien meestgemaakte opschoonfouten — samengevoegde cellen, tekst in getalvelden, twee datumnotaties door elkaar, dubbele klanten met een spatieverschil. Vrijwel elk bestand dat wij tegenkomen, bevat een combinatie van meerdere van deze fouten. Elke fout op zich is met een paar minuten werk op te lossen. Bij duizenden regels tellen die minuten op tot dagen.
Een rekenvoorbeeld
Stel: een klantenbestand van 1.200 regels bevat naar schatting 8% dubbele of verouderde records, 5% regels met een datumfout en 3% regels met een inconsistente notatie in de bedrijfsnaam. Dat lijkt in percentages weinig. In aantallen is het aanzienlijk:
| Type fout | Percentage | Aantal regels |
|---|---|---|
| Dubbele of verouderde records | 8% | 96 |
| Datumfout | 5% | 60 |
| Inconsistente naamnotatie | 3% | 36 |
| Totaal te beoordelen regels | — | 192 |
Elke regel kost, afhankelijk van de complexiteit, tussen de één en drie minuten om te beoordelen en te corrigeren. Bij een gemiddelde van twee minuten per regel is dat 192 × 2 = 384 minuten, ruim zes uur, uitsluitend voor het opschonen van dít ene bestand. Voor een bedrijf met drie samenhangende bestanden — klanten, orders, facturatie — met onderlinge verwijzingen naar elkaar, loopt dit snel op tot enkele dagen, omdat een correctie in het klantenbestand ook gevolgen kan hebben voor de koppeling met de andere twee bestanden.
Waarom dit geen reden is om te versnellen
De verleiding bij een tegenvallende opschoontijd is om het proces te versnellen: minder streng controleren, de steekproef kleiner maken, sneller naar de volledige import gaan. Dat is precies de verkeerde reactie. Fouten die nu niet worden opgemerkt, gaan mee het nieuwe systeem in — en zijn daar vaak moeilijker terug te vinden dan in het oude, vertrouwde Excel-bestand, waar u tenminste wist waar te zoeken.
De vijf fasen die wij op de migratiepagina beschrijven — inventariseren, opschonen, mappen, proefimport, controleren — zijn zo ingericht dat de proefimport juist dient om dit soort problemen vroeg te ontdekken, op een kleine, beheersbare steekproef, in plaats van pas bij de volledige import of, erger, pas maanden later bij een jaarafsluiting.
Wij maken zelf GrowMate. Dat kleurt onze blik, dus hier staat er ook bij wat het niet doet: het schoont uw data niet automatisch voor u op, en het versnelt het beoordelen van 192 twijfelgevallen niet tot nul. Software kan inconsistenties zichtbaar maken — bijvoorbeeld een lijst tonen van mogelijk dubbele klanten — maar de uiteindelijke beoordeling of twee regels dezelfde klant zijn, blijft mensenwerk. Vergelijk dit bij elke partij: vraag expliciet hoeveel van het opschoonwerk in het uurtarief van EUR 90 is inbegrepen, en hoeveel bij u komt te liggen. Vergelijk dat met minstens twee andere partijen voordat u kiest.
Waarom dit ook geldt bij een klein bestand
Een veelgehoorde aanname is dat dit probleem alleen speelt bij grote datasets. Dat klopt niet helemaal. Een bestand van 150 regels kost weliswaar in absolute tijd minder om op te schonen dan een bestand van 12.000 regels, maar de verhouding tussen bouwtijd en opschoontijd blijft vaak vergelijkbaar — omdat een klein bestand relatief vaker met de hand is bijgehouden, met wisselende gewoontes van de persoon die het invulde op een willekeurige dinsdagmiddag. Grote, structureel bijgehouden bestanden zijn soms juist schoner dan kleine, incidenteel bijgewerkte lijstjes, precies omdat er meer druk stond op consistentie.
De les hieruit is dat de omvang van een bestand geen betrouwbare voorspeller is van de opschoontijd. Een korte steekproef, zoals hieronder beschreven, is een betere voorspeller dan het aantal rijen.
Wat u hiermee kunt doen
Drie praktische lessen uit dit verschil tussen bouwtijd en migratietijd:
- Vraag altijd naar een aparte inschatting voor opschonen. Een offerte die alleen de bouwtijd noemt, geeft een onvolledig beeld van de totale doorlooptijd.
- Doe vooraf een kleine steekproef. Neem honderd willekeurige regels uit uw eigen bestand en tel hoeveel daarvan een zichtbare fout bevatten. Dat percentage is een betere voorspeller van de opschoontijd dan het aantal regels in het bestand.
- Plan ruimte in de agenda, niet alleen in het budget. Opschonen vraagt om beoordeling door iemand die de data kent. Die tijd moet naast het gewone werk worden ingepland — het gebeurt niet vanzelf naast de dagelijkse werkzaamheden.
Een migratie die langer duurt dan verwacht, is dus niet per se een teken dat het traject misloopt. Vaak is het juist een teken dat de opschoonfase serieus wordt genomen — en dat is precies de fase die bepaalt of het nieuwe systeem straks betrouwbare cijfers bevat, of dezelfde rommel als het oude bestand, alleen in een nieuw jasje.
Wilt u een realistische inschatting voor uw eigen situatie? De risicoscan geeft al een eerste indicatie van risico en tijdsbesparing per bestand. Voor een concreet migratieplan kunt u contact opnemen.