Fleur
Master Data Analyst / Business Analyst
Bij Fleur werk ik op het kruispunt van master data, business analyse, informatiearchitectuur, procesoptimalisatie en digitale automatisering. Mijn rol focust op het analyseren en verbeteren van datastructuren, workflows en operationele processen, met bijzondere aandacht voor schaalbaarheid, datakwaliteit, gebruiksvriendelijkheid en digitale efficiëntie.
Ik combineer analytisch inzicht met een hands-on aanpak en werk zowel aan functionele analyses, requirements, procesverbetering en serverstructuren als aan Python- en AI-gedreven automatiseringen die manuele werklast verminderen en duurzame impact creëren.
Master data analyse
Functionele & bedrijfsanalyse
PROCESOPTIMALISATIE
INFORMATIEARCHITECTUUR & GOVERNANCE
AI-AUTOMATISERING
DIGITALE OPTIMALISATIE
Hoofdactiviteiten
Als Master Data Analyst & Business Analyst bij Fleur ben ik gespecialiseerd in data-analyse, procesverbetering, functionele analyse en digitale optimalisatie. Mijn brede skillset stelt mij in staat om data te analyseren, processen kritisch te evalueren en automatiseringen op te zetten die de efficiëntie en kwaliteit van de werking verhogen.
Mijn rol omvat zowel analytische als uitvoerende verantwoordelijkheden, met een sterke focus op structuur, nauwkeurigheid en duurzame verbetering.
Als Master Data Analyst & Business Analyst bestaan mijn hoofdactiviteiten uit:
☑️ Analyseren en verbeteren van master data
☑️ Data opschonen, structureren en verrijken via Python, Excel en geautomatiseerde AI-workflows
☑️ Functionele en businessanalyses uitvoeren op processen, workflows en datastructuren
☑️ Automatiseringen ontwikkelen voor repetitieve en tijdsintensieve taken
☑️ Technische, SEO- en functionele analyses uitvoeren voor de webshop
☑️ GAP-analyses opstellen en vertalen naar duidelijke instructies
☑️ Klantgegevens, gedrag en bestelstromen analyseren
☑️ Informatiearchitectuur en serverstructuren analyseren en herdenken
☑️ Stakeholders en externe partners afstemmen rond verbetertrajecten
Impactproject: automatiseren van technische fiches
Eén van de meest impactvolle projecten waaraan ik heb gewerkt, was het optimaliseren van de workflow voor het bijwerken van technische fiches bij Fleur. Deze taak vergde oorspronkelijk weken aan manueel werk, waarbij duizenden productdetails telkens opnieuw moesten worden verwerkt, aangepast en geëxporteerd.
Door een Python-script te ontwikkelen en dit slim te combineren met AI-ondersteunde logica, kon ik het volledige proces grotendeels automatiseren. Wat voordien meer dan 170 uur manueel werk vroeg, werd teruggebracht tot slechts enkele uren geautomatiseerde uitvoering.
Het resultaat was niet alleen een aanzienlijke tijdsbesparing, maar ook een duidelijke verbetering in nauwkeurigheid, consistentie en schaalbaarheid. Dit project toont hoe gerichte automatisering repetitieve taken kan stroomlijnen en ruimte vrijmaakt voor werk met meer strategische waarde.
Impactproject: serverstructuur herdenken en informatiearchitectuur verbeteren
Bij Fleur werk ik mee aan de analyse en herstructurering van de interne serveromgeving om documentbeheer, toegankelijkheid, vindbaarheid van informatie en samenwerking tussen afdelingen te verbeteren. Doorheen de jaren was een complexe en versnipperde mappenstructuur ontstaan, waardoor dagelijkse werking minder efficiënt verliep, transparantie afnam en cruciale informatie moeilijker terug te vinden was.
Ik bracht de bestaande structuur in kaart, analyseerde de noden van verschillende afdelingen, identificeerde structurele bottlenecks en vertaalde deze inzichten naar een schaalbaar voorstel voor een logischere, toekomstgerichte en gebruiksvriendelijkere informatiearchitectuur.
Dit traject combineert business analyse, functionele analyse, requirementsanalyse, procesverbetering en change management. Door businessnoden af te stemmen op duidelijke principes rond documentbeheer, governance en digitale efficiëntie, help ik mee bouwen aan een serverstructuur die samenwerking ondersteunt, beter onderhoudbaar is en op lange termijn meer gebruiksgemak biedt.
Het resultaat is een sterker fundament voor informatiebeheer, duidelijker eigenaarschap van gedeelde documentatie en een meer consistente digitale werkomgeving.
Impactproject: AI-gedreven automatisering van productdata en contentverrijking
Ik ontwierp en leidde een grootschalig LLM-gedreven automatiseringstraject om productdata te verrijken binnen een complexe plantendatabase en om de digitale schaalbaarheid van productcontent binnen de organisatie te versterken. Dit project combineerde AI, business analyse, functionele analyse, master data management, meertalige contentgeneratie en procesautomatisering om manueel werk sterk te reduceren, datakwaliteit te verbeteren en de volledigheid en consistentie van productinformatie te verhogen.
Het initiatief omvatte meer dan 40.000 productafbeeldingen, meer dan 17.500 productteksten in twee talen (Nederlands en Frans) en meer dan 450.000 verrijkte plantrecords binnen een database van meer dan 30.000 planten, met telkens 15 gestructureerde datavelden per plant.
Door schaalbare verrijkingsworkflows op te zetten, datastructuren en businessnoden te analyseren en LLM’s op een praktische manier toe te passen binnen een bedrijfscontext, hielp ik een zeer manueel en tijdsintensief proces omvormen tot een herhaalbaar en efficiënt werkmodel dat productdatagovernance, ERP-datakwaliteit en downstream processen ondersteunt.
Op basis van een geschatte manuele verwerkingstijd van 15 minuten per plant voor afbeeldingen, kenmerken en beschrijvingen, leverde dit traject een geschatte tijdswinst op van ongeveer 7.500 werkuren, wat overeenkomt met ongeveer vier voltijdse werkjaren.
Naast de operationele efficiëntiewinst zorgde dit project voor een sterker fundament op het vlak van datakwaliteit, gestructureerde productinformatie, meertalige consistentie, procesverbetering en verdere digitale transformatie binnen productbeheer, e-commerce en ERP-gerelateerde workflows.