KPI-dashboard maken: welke cijfers, welke bron en wat AI eraan doet

Veel bedrijven die bij ons binnenkomen, hebben al een KPI-dashboard. Of twee. Vaak heeft iemand het met veel enthousiasme gebouwd, en na drie maanden opent niemand het nog. De cijfers kloppen net niet met de boekhouding, er staan dertig grafieken op en niemand weet wie het bijhoudt.

Een goed KPI-dashboard is saaier dan je denkt. Het toont vijf tot acht cijfers, uit de bron die je vertrouwt, en het beantwoordt één vraag. In dit artikel lees je hoe je een KPI-dashboard maakt dat wel blijft hangen: welke KPI's bij jouw type bedrijf passen, welk systeem leidend is, welke tool je kiest en waar AI echt helpt.

Bij een financiële organisatie waarvoor we een dataplatform bouwden, maakten analisten dashboards die nauwelijks werden geopend. Dat lag niet aan de kwaliteit. De mensen die de dashboards nodig hadden, konden er niet bij of konden ze niet vinden.

Wat is een KPI-dashboard?

Een KPI-dashboard is één scherm met de belangrijkste cijfers waarmee je ziet of je bedrijf op koers ligt. Het haalt die cijfers automatisch uit je systemen, zoals boekhouding, CRM en planning, en zet ze naast een doel. Je ziet in een minuut wat goed gaat en waar je moet ingrijpen.

KPI staat voor key performance indicator: een cijfer dat iets zegt over het doel van je bedrijf. Omzet is een KPI. Het aantal bezoekers op je website meestal niet, tenzij je webshop daar van leeft.

Het verschil met een rapport zit in het ritme. Een rapport lees je één keer per maand, achteraf. Een dashboard kijk je elke dag of week, en het is pas waardevol als het je aanzet tot een actie. Daarom noemen veel bedrijven het ook een management dashboard: het is bedoeld voor de mensen die beslissen.

Een definitie die ik zelf hanteer: een KPI-dashboard is goed als iemand er binnen 60 seconden een besluit op kan nemen. Lukt dat niet, dan is het een archief met kleurtjes.

Welke KPI's horen op een KPI-dashboard?

Op een KPI-dashboard horen vijf tot acht cijfers die direct zeggen of je je doelen haalt, plus een doel of vergelijking per cijfer. Kies een mix van cijfers achteraf (omzet, marge) en cijfers vooraf (pijplijn, orderintake, planning). Welke dat precies zijn, hangt af van hoe jouw bedrijf geld verdient.

Dat laatste klinkt open deur, toch zie ik vaak hetzelfde dashboard bij een webshop en bij een installatiebedrijf. Terwijl een installateur vooral wil weten of de monteurs vol staan, en een webshop of de marge na retouren nog klopt. Hieronder een startpunt per type bedrijf. Het is een voorbeeld, geen norm.

Twee regels helpen bij het kiezen. Eerst: elk cijfer heeft een eigenaar, iemand die er iets aan kan doen. Daarnaast: kun je bij een cijfer niet zeggen wat je doet als het daalt, dan hoort het niet op het dashboard. Het kan wel in een rapport.

Per afdeling werkt dit net zo, alleen kleiner. Een salesdashboard toont andere KPI's dan een financieel dashboard of een dashboard voor HR. Wil je dat iemand die cijfers per afdeling elke week voor je samenvat, kijk dan naar de AI-medewerker Managementrapportage.

Welke bron is leidend voor je cijfers?

De bron die leidend is, is het systeem waar een cijfer ontstaat en waar je het als bedrijf officieel vastlegt. Omzet en marge komen uit de boekhouding, de pijplijn uit je CRM en de bezetting uit je planning. Het dashboard rekent niets opnieuw uit wat in die bron al staat. Het laat zien wat er is.

Hier lopen de meeste dashboards stuk. De salesmanager telt omzet bij het tekenen van de deal, de boekhouding bij de factuur. Allebei hebben ze gelijk. Toch staan er op maandag twee verschillende omzetcijfers in de directievergadering, en gaat het gesprek over wie gelijk heeft in plaats van over wat je gaat doen.

Spreek daarom per KPI af:

1. Bron: uit welk systeem komt het cijfer?
2. Definitie: wat telt mee, bijvoorbeeld omzet exclusief btw, op factuurdatum.
3. Moment: hoe vaak wordt het bijgewerkt, per uur, per dag of per week?

Vervolgens komt het koppelen. Een KPI-dashboard is zo goed als de koppelingen eronder. Als iemand elke maandag een export uit Exact Online in Excel plakt, heb je geen dashboard maar een wekelijkse klus. Koppel eerst je systemen, dan pas het scherm. Hoe dat werkt, lees je bij systemen koppelen. Gebruik je Power BI, kijk dan bij de Power BI-koppeling voor connectors, API's en hoe vaak je kunt verversen.

Wat ik níet zou doen: een datawarehouse laten bouwen voordat je weet welke vijf vragen je wilt beantwoorden. Begin klein, met twee of drie bronnen.

Met welke tool maak je een KPI-dashboard?

Voor de meeste mkb-bedrijven is het een keuze tussen Excel, Power BI, Looker Studio en maatwerk. Excel volstaat bij één bron en weinig gebruikers. Power BI past als je in Microsoft 365 werkt. Looker Studio past bij data uit Google. Maatwerk kies je als het dashboard in je eigen portaal of software moet zitten.

Over Looker Studio één actueel punt. Google noemt het product sinds dit jaar weer Data Studio, en de standaardversie is volgens Google gratis voor makers en kijkers (geraadpleegd oktober 2026). Voor de betaalde Pro-versie geldt dat niet.

Power BI ligt voor de hand als je Microsoft 365 al hebt. Ook bij die financiële organisatie draaien de dashboards in Power BI, met toegang via de Microsoft-accounts die medewerkers al hadden. Wat Power BI kost, welke licentie je nodig hebt om te delen en wanneer het te zwaar is voor je bedrijf, staat in Power BI koppelen.

Mijn advies: kies de tool die past bij waar je data al staat, niet de tool met de mooiste demo. Een dashboard in Power BI dat niemand kan bijwerken, is minder waard dan een goed Excel-bestand dat zichzelf vult via een koppeling.

Hoe vaak moet je een KPI-dashboard verversen?

Voor de meeste KPI's is één keer per dag genoeg, en voor financiële cijfers vaak één keer per week. Realtime heb je alleen nodig als iemand binnen het uur ingrijpt, zoals bij een webshop met een storing of een planner die monteurs omzet. Kies het ritme dus op basis van het besluit, niet op basis van wat technisch kan.

Realtime klinkt goed in een offerte. Maar het kost meer koppelwerk, meer rekenkracht en meer kans op storingen. En wat heb je eraan als je directeur het dashboard op maandagochtend opent?

Let daarnaast op het ritme van je bron. Een boekhouding loopt bijna altijd achter, omdat facturen en bankmutaties pas na een paar dagen geboekt zijn. Een dashboard dat elk uur ververst, toont dan elk uur hetzelfde onvolledige cijfer. Zet daarom bij financiële KPI's altijd de datum van de laatste boeking erbij.

Een vuistregel die ik vaak gebruik: verversen mag één stap sneller dan het overleg waarin je het cijfer bespreekt. Bespreek je de marge op maandag, dan is dagelijks verversen ruim voldoende. Ook de licentie van je tool bepaalt hoe vaak het kan. Bij Power BI verschilt dat per abonnement, zie Power BI koppelen.

Wat zijn de regels voor goed dashboard design?

Goed dashboard design begint bij één vraag per dashboard en zo min mogelijk elementen. Zet het belangrijkste cijfer linksboven, gebruik vaste kleuren voor goed en slecht, toon altijd een vergelijking met doel of vorige periode, en haal alles weg wat geen actie oplevert. Een leeg vlak is beter dan een grafiek die niemand leest.

Dashboard design gaat dus minder over mooi en meer over snel. Deze regels gebruiken we zelf:

• Eén vraag per dashboard. "Halen we deze maand onze marge?" is een vraag. "Alles over sales" is geen vraag.
• Maximaal acht tegels. Meer past wel op het scherm, maar niet in je hoofd.
• Altijd een vergelijking. Een omzetcijfer zegt niets zonder het doel of de vorige maand ernaast.
• Rood betekent actie. Gebruik rood alleen als iemand iets moet doen, anders went het oog eraan.
• Doorklikken mag, zoeken niet. Wie wil weten waarom een cijfer daalt, klikt door naar de details. Het startscherm blijft rustig.

Soms is minder design ook gewoon beter. Een directeur die elke ochtend vijf cijfers in een mail krijgt, heeft meer aan die mail dan aan een dashboard waar hij moet inloggen. Een dashboard maken is dan niet het antwoord, een goede notificatie wel.

Waar helpt AI bij een KPI-dashboard, en waar niet?

AI helpt bij drie dingen: cijfers samenvatten in gewone taal, afwijkingen signaleren voordat iemand ze ziet en vragen beantwoorden zoals "waarom daalde de marge in september?". AI helpt niet bij het kiezen van je KPI's, het oplossen van rommelige brondata of het nemen van het besluit. Dat blijft mensenwerk.

Concreet ziet dat er zo uit. Een AI-medewerker leest elke maandag het dashboard, schrijft een samenvatting van vijf regels voor het MT en zet de drie grootste afwijkingen bovenaan. Dat is precies wat onze AI-medewerker voor managementrapportage doet. Wil je vragen stellen aan je eigen cijfers, dan past de AI-data-analist beter.

Ook in de tools zelf zit steeds meer AI. Copilot in Power BI kan een rapport samenvatten en vragen over je data beantwoorden. Volgens Microsoft Learn vraagt dat wel een betaalde Fabric-capaciteit vanaf F2 of Premium vanaf P1; een Pro-licentie alleen is niet genoeg (geraadpleegd oktober 2026).

Waar AI níet helpt: als je brondata niet klopt. Een taalmodel dat een verkeerd omzetcijfer samenvat, geeft je een overtuigend verkeerd verhaal. Eerst de definities en koppelingen goed, dan pas AI erop. Hetzelfde principe als bij elke AI-toepassing: eerst de kans, dan de technologie.

Wat je vaak ziet: AI meldt netjes een afwijking, maar de oorzaak is een kapotte koppeling of een dubbel geboekte factuur, geen echte daling. Laat iemand die de cijfers kent een melding daarom eerst nakijken voordat het MT erop stuurt.

Wie is eigenaar van het KPI-dashboard?

Elk KPI-dashboard heeft twee eigenaren nodig: een inhoudelijke eigenaar die bepaalt welke cijfers erop staan en wat ze betekenen, en een technische eigenaar die zorgt dat de koppelingen blijven werken. Zonder die twee namen veroudert een dashboard binnen een halfjaar, hoe goed het ook gebouwd is.

De inhoudelijke eigenaar is meestal de directeur, de financieel manager of het hoofd operations. Die persoon beslist ook wanneer een KPI eraf gaat. Want dashboards groeien alleen maar, als niemand opruimt.

De technische eigenaar kan een collega zijn, maar ook je IT-partner. Systemen veranderen. Exact krijgt een update, je CRM een nieuw veld, iemand hernoemt een kolom in Excel. Dan breekt er iets, en je wilt dat iemand dat merkt voordat de directie verkeerde cijfers ziet.

Een praktische afspraak: zet de naam van beide eigenaren en de datum van de laatste update onderaan het dashboard. Het kost niets, en het voorkomt de vraag "klopt dit eigenlijk nog?".

Welke fouten zie je vaak bij een KPI-dashboard?

De fouten die ik het vaakst zie: te veel cijfers, geen afspraak over de bron, handmatige exports, geen eigenaar en een dashboard dat niemand om een besluit vraagt. Bijna altijd begon het project bij de tool in plaats van bij de vraag. Dat is ook het goede nieuws, want je kunt het achteraf nog repareren.

Een paar fouten van dichtbij:

• Alles tonen omdat het kan. Een koppeling met je CRM levert honderd velden op. Toch heb je er misschien vier nodig.
• IJdelheidscijfers. Volgers, paginaweergaven en geopende mails voelen goed. Ze zeggen zelden iets over omzet.
• Handwerk vermomd als automatisering. Een dashboard dat elke week een uur plakwerk vraagt, kost bij 46 werkweken al 46 uur per jaar. Wat dat in euro's betekent, reken je uit met de rekentool voor handmatig werk.
• Geen verband met de vergadering. Als het MT op maandag nog steeds een pdf bespreekt, opent niemand het dashboard.

Ook wij leren nog. Bij het dataplatform voor die financiële organisatie zou ik het design system achteraf eerder in het traject neerzetten. Hoe eerder iedereen dezelfde componenten gebruikt, hoe minder je later hoeft recht te trekken.

Hoe maak je een KPI-dashboard in zes stappen?

Een KPI-dashboard maken doe je in zes stappen: de vraag bepalen, de KPI's en definities vastleggen, de bronnen kiezen en koppelen, een eenvoudig ontwerp maken, testen met echte cijfers en een eigenaar aanwijzen. De tool kies je pas bij stap vier.

1. Bepaal de vraag. Wat wil de directie elke week weten? Schrijf het op als één vraag.
2. Kies de KPI's en definities. Vijf tot acht cijfers, met per cijfer bron, definitie en doel.
3. Koppel de bronnen. Eerst de koppelingen naar boekhouding, CRM en planning, dan pas het scherm.
4. Ontwerp en bouw. Kies de tool die bij je data past en houd het startscherm rustig.
5. Test met echte cijfers. Leg de uitkomst naast de boekhouding van vorige maand. Wijkt het af, zoek uit waarom.
6. Wijs eigenaren aan. Een inhoudelijke en een technische eigenaar, en zet het dashboard op de agenda van het MT.

Stap 5 slaan de meeste teams over. Juist daar wint of verliest een dashboard het vertrouwen. Eén keer een verkeerd cijfer in het MT, en de directeur vraagt weer om de Excel van de controller.

Zelf een dashboard maken of laten maken?

Zelf een dashboard maken kan prima als je één bron hebt, iemand met tijd en een vraag die niet verandert. Laten maken loont als je meerdere systemen moet koppelen, als de cijfers betrouwbaar moeten zijn voor de directie of als het dashboard in je eigen software moet. Dan zit het werk vooral in de koppelingen en het datamodel.

Twijfel je, begin dan met de vraag welk handwerk het dashboard moet vervangen. Dat is ook waar de AI Opportunity Audit mee start: we kijken waar je team tijd kwijt is, ook aan rapporteren en cijfers verzamelen, en wat er beter kan. Soms is het antwoord een dashboard. Soms een AI-medewerker die een samenvatting mailt. En soms is het antwoord dat je bestaande Excel prima is. Bij de financiële organisatie uit de inleiding was het antwoord juist één geïntegreerd dataplatform met rolgebaseerde toegang.

Weet je al dat je een dashboard wilt? Dan lees je op dashboard laten maken hoe we dat aanpakken, van vragen ophalen tot beheer. Voor een bredere blik op waar je met AI begint, zie AI implementeren in het mkb.