De AI-Act, uitstel maar geen afstel
Sinds eind juli 2026 is de Digital Omnibus van kracht, en die verschuift de deadline voor hoog-risico AI-systemen van augustus 2026 naar december 2027. Daaronder vallen net de systemen die HR gebruikt bij werving, selectie, prestatiebeoordeling en andere arbeidsrechtelijke beslissingen. Dus, wie dat dossier deze zomer opzij legde, heeft er zestien maanden bij gekregen.
Met structuur moet je zelf niet zoeken.
In veel modellen die ik tegenkom, staan measures verspreid over de tabellen waar ze gebouwd zijn. Total Revenue in de Sales-tabel, Customer Count bij Customer, Avg Order Value bij Orders. Op het moment van bouwen is dat volkomen logisch, en twee maanden later weet niemand nog waar iets staat.
“Jaja, dat klopt zeker, vraag mij alleen niet waarom”
Twee rapporten over dezelfde omzet, twee verschillende cijfers. Je opent ze allebei en ziet dat het ene een filter toepast dat het andere niet kent. De filter staat niet in het datamodel, maar in een Power Query-stap halverwege het rapport…
Je contactprocedure staat in het arbeidsreglement. Wat nu?
Sinds 1 januari 2026 moet elke Belgische werkgever een structurele contactprocedure voor zieke werknemers in het arbeidsreglement opnemen. Wat nu al zou moeten vast liggen is: wie contact opneemt, wanneer dat gebeurt, hoe het gedocumenteerd wordt en hoe de re-integratie opgevolgd wordt. Hiermee is het makkelijkste deel dan ook achter de rug. Je moet ook nog kunnen aantonen dat je je eigen procedure naleeft.
Je datamodel is het eerste wat een collega ziet
Open de Model View van een rapport dat je een tijd niet hebt aangeraakt, en je weet meteen: werk aan de winkel. Tabellen liggen kris kras over het canvas, relatielijnen lopen door elkaar en je ziet geen verschil tussen een fact en een dimensie. Nochtans, een paar minuten ordenen en je bent er vanaf.
Klaar voor loontransparantie? Je data waarschijnlijk nog niet.
De EU-richtlijn omtrent loontransparantie verplicht werkgevers om open te zijn over lonen en objectief te kunnen onderbouwen dat hun loonbeleid genderneutraal is. Veel organisaties zien dit als een HR- of juridische opdracht. De echte moeilijkheid zit ergens anders: in je data.
Niemand gebruikt je prachtig dashboard?
Je investeert in een centraal dataplatform, bouwt strakke dashboards, en toch grijpt iedereen na een paar maanden weer naar zijn eigen Excel. Herkenbaar? Dan zit het probleem zelden in de techniek, maar in de betrokkenheid van de business.
Elke ochtend opnieuw je filters instellen?
Veel Power BI-gebruikers verliezen elke dag een paar minuten aan hetzelfde probleem: het rapport openen en alles opnieuw goed zetten. Het kan een stuk eenvoudiger, en dat met een functie die je waarschijnlijk al hebt, maar zelden gebruikt.
Verschillende afdelingen, verschillende cijfers?
Waarom drie afdelingen drie verschillende omzetcijfers rapporteren? Gefragmenteerde rapportage en daarbijhorende eigen definities per afdeling zorgen voor meer ellende dan oplossingen. Hoe je dat oplost, lees je hieronder.