Drie redenen waarom Chinese bedrijven vooroplopen in datastrategie – en wat Europa daarvan kan leren

In de snel veranderende wereld van data en technologie valt het op hoe ver Chinese bedrijven zijn in hun omgang met data. Tijdens een recente reis naar China werd duidelijk dat bedrijven daar een voorsprong hebben als het gaat om het opzetten van een sterk datafundament en het effectief toepassen van AI. Maar hoe komt dat? En belangrijker: wat kunnen Europese bedrijven hiervan leren?

1. Data verzamelen zonder beperkingen

In China wordt alle beschikbare data opgeslagen. Dit begint bij klantgegevens en strekt zich uit tot gedragspatronen, interacties, en zelfs uitgebreide klantreviews.

𝗭𝗲 𝗯𝗼𝘂𝘄𝗲𝗻 𝘃𝗮𝗻𝗮𝗳 𝗵𝗲𝘁 𝗯𝗲𝗴𝗶𝗻 𝗮𝗮𝗻 𝗲𝗲𝗻 𝘀𝗼𝗹𝗶𝗱𝗲 𝗱𝗮𝘁𝗮𝗳𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁 𝗲𝗻 𝗵𝗮𝗹𝗲𝗻 𝗱𝗮𝗮𝗿 𝘀𝗹𝗶𝗺 𝘄𝗮𝗮𝗿𝗱𝗲 𝘂𝗶𝘁. 𝗗𝗮𝗻𝗸𝘇𝗶𝗷 𝗱𝗲 𝗼𝘃𝗲𝗿𝘃𝗹𝗼𝗲𝗱 𝗮𝗮𝗻 𝗿𝗲𝗸𝗲𝗻𝗸𝗿𝗮𝗰𝗵𝘁 𝗲𝗻 𝗼𝗽𝘀𝗹𝗮𝗴𝗰𝗮𝗽𝗮𝗰𝗶𝘁𝗲𝗶𝘁 𝘇𝗶𝗷𝗻 𝗱𝗲 𝗸𝗼𝘀𝘁𝗲𝗻 𝘃𝗼𝗼𝗿 𝗔𝗜 𝗮𝗮𝗻𝘇𝗶𝗲𝗻𝗹𝗶𝗷𝗸 𝗹𝗮𝗴𝗲𝗿.

Overigens is de wetgeving rondom data opslag in China sinds 2021 veel strenger geworden door de invoering van PIPL; een variant op de GDPR.

Voordeel van brede databasis

Deze overvloed aan data stelt hen in staat om snel de voorspellende waarde van verschillende variabelen te herkennen en hier datagedreven beslissingen op te baseren.

2. Dataopslag is geen drempel

Een ander belangrijk verschil is de rol van dataopslag. In China is er sprake van een enorme overcapaciteit aan datacenters.

Opslag is goedkoop en schaalbaar

In tegenstelling tot Europa, waar opslagkosten en infrastructuur soms beperkingen opleggen, is dataopslag in China goedkoop en vrijwel onbeperkt. Bedrijven hoeven zich geen zorgen te maken over de kosten van het bewaren van grote datasets.

Gevolg: geen verlies van waardevolle data

Hierdoor wordt er niets weggegooid – alles kan potentieel waardevol zijn voor toekomstige analyses en AI-toepassingen.

3. Slim gebruik van verschillende databronnen

Chinese bedrijven combineren kwantitatieve data met kwalitatieve inzichten. Denk aan het systematisch opslaan van:

• Klantreviews
• Enquêtes
• Beeldmateriaal (zoals productfoto’s)

Case Study: Poizon – AI in e-commerce

Een goed voorbeeld is Poizon, een luxe variant van Zalando. Zij hebben een AI-algoritme ontwikkeld dat via foto’s kan herkennen of merkkleding echt of nep is. Dit is mogelijk geworden door een combinatie van productkenmerken én miljoenen klantreviews.

Wat kan Europa leren?

Hoewel Europese bedrijven te maken hebben met privacyregels en hogere dataopslagkosten, zijn er lessen te trekken uit de Chinese aanpak:

• Investeer in een breed datafundament binnen de kaders van regelgeving.
• Combineer harde data met kwalitatieve feedback van klanten.
• Gebruik AI om waarde te halen uit bestaande datasets.
• Denk creatief: beperkingen hoeven innovatie niet te stoppen.

Conclusie

Chinese bedrijven tonen aan hoe krachtig een slimme datastrategie kan zijn. Door optimaal gebruik te maken van alle beschikbare data, goedkope opslag en geavanceerde AI-toepassingen, weten zij hun groei te versnellen. Europese bedrijven kunnen – ondanks beperkingen – veel leren van deze aanpak om zelf data-gedreven innovatie te stimuleren.

‍

// Over de auteur

Job van den Berg

Mede-oprichter, AI Keynote Spreker & Techondernemer

Tech-ondernemer (1989) met een achtergrond als socioloog (BSc Sociologie en MSc Research Master Sociology and Social Research & Statistics, Universiteit Utrecht) en een van de meest gevraagde keynote sprekers over AI en data in Nederland. Als mede-oprichter van Ai.nl, The Automation Group en Proxies leidt hij engineers die agentic AI van prototype naar productie brengen binnen enterprises. Op het podium vertaalt Job die hands-on praktijk naar concrete strategieën. Eerder was Job Chief Data bij o.a. DPG Media en Kantar. Hij is co-auteur van 5 boeken over AI waaronder 'AI Agents' en 'Handboek AI Strategie' en een veelgevraagd expert in de landelijke media.

LinkedIn