Kan een onafhankelijk bureau op data concurreren met een holding? Ja, en de kloof wordt sneller kleiner dan de meeste credentials-decks van netwerken toegeven. Vroeger zat het voordeel in het bezit van dure platforms en de teams om ze te draaien. Nu analytics en AI op netwerkniveau te huur zijn, verschuift het voordeel naar wie data het snelst koppelt aan de beslissingen van klanten.
Het nieuws van de netwerken dit jaar onderstreept dat. The Drum meldt, op basis van een bericht in de Financial Times, dat WPP vóór het eind van het jaar nog eens tot 1.000 functies gaat schrappen, terwijl het personeelsbestand eind juni 97.388 bedroeg, 6,4% minder dan een jaar eerder. En Adweek meldt dat Omnicom in juni en juli minstens 468 medewerkers, vooral het product- en engineeringtalent achter zijn AI-platform Omni, heeft overgeheveld naar IT-dienstverlener Endava, terwijl het Omni na de deal met IPG juist presenteert als de hoeksteen van zijn aanbod aan klanten.
Hebben holdings nog een datavoordeel?
Op sommige terreinen duidelijk wel. Schaal levert eigen datapartnerschappen, inkoopmacht in media en specialistische teams op die de meeste onafhankelijke bureaus niet kunnen evenaren. Gaat de vraag van de klant over hoe je een mediabudget van negen cijfers in veertig markten inkoopt, dan doet de machinerie van een netwerk er nog steeds toe.
Maar van dichtbij ziet die slotgracht van data er anders uit. Een platform is alleen een slotgracht als je het je kunt veroorloven hem gevuld te houden. De stap van Omnicom betekent niet dat Omni faalt. Het laat wel zien dat zelfs de grootste groepen heroverwegen wie hun technologie moet bouwen en onderhouden. Dat is een vraag die onafhankelijke bureaus jaren geleden al beantwoordden, meestal uit noodzaak. Zij huren.
Wat vertellen de bezuinigingen bij holdings onafhankelijke bureaus echt?
Volg de fees. Jay Wilson van Gartner vertelde The Drum dat bureaufees zijn gedaald tot 19,2% van de marketingbudgetten, en hij verwacht dat ze in 2030 op 15% uitkomen. Een krimpende feepot laat minder ruimte voor grote, arbeidsintensieve structuren.
Wilson is onomwonden over wie ervan profiteert. Hij vertelde The Drum dat AI helpt om de capaciteiten van onafhankelijke bureaus op te schalen en ze tot levensvatbare directe concurrenten maakt. Hij wees ook op onderzoek van Gartner waaruit bleek dat de meeste ondervraagde bureaus van holdings het afgelopen jaar personeel hadden afgebouwd, terwijl verschillende onafhankelijke bureaus juist meer mensen hadden aangenomen.
Dat betekent allemaal niet dat de netwerken afgeschreven zijn. Ze herstructureren, en geherstructureerde netwerken kunnen geduchte tegenstanders zijn. Het betekent wel dat de oude pitchzin ‘alleen wij hebben de datastack’ steeds moeilijker te verdedigen is. Als inzicht iets wordt waarop je je kunt abonneren, wordt de vraag wie het het best gebruikt.
Waarom verschuift de digitale kloof tussen bureaus?
Sociologen gebruiken de theorie van de digitale kloof (Digital Divide Theory) om het verschil te beschrijven tussen mensen die wel en mensen die geen toegang tot technologie hebben. Het nuttigste deel van het idee is wat daarna gebeurt. Als toegang goedkoop wordt, verdwijnt de kloof niet. Ze verschuift, eerst naar wie de vaardigheden heeft om de technologie te gebruiken en vervolgens naar wie dat gebruik omzet in echte resultaten.
Bureaus maken precies die verschuiving door. Nog niet zo lang geleden ging de kloof over toegang: netwerken hadden dataplatforms en engineers, onafhankelijke bureaus hadden spreadsheets en goede wil. Vandaag kan een bureau met twintig mensen zich abonneren op het volgen van advertenties van concurrenten, social listening en AI-analyse waarvoor vroeger een apart team nodig was. De nieuwe kloof gaat over gebruik. Wie stelt de betere vragen? Wie verwerkt data in de beslissingen van dinsdag in plaats van in een kwartaaldeck?
Hier bewijst het inzicht zijn waarde: innovatie gedijt bij verbinding, niet bij concurrentie. Onafhankelijke bureaus winnen niet door een kleinere kopie van een holdingplatform te bouwen. Ze winnen door te verbinden. Dat betekent aansluiten op gedeelde inzichten in plaats van die opnieuw te bouwen, klantdata koppelen aan marktdata en de antwoorden voorleggen aan de mensen die de beslissingen nemen. Een netwerk moet daarvoor duizenden mensen coördineren. Een onafhankelijk bureau heeft een goede stack en korte lijnen nodig.
Onafhankelijk bureau vs. holding: hoe verhouden ze zich op het gebied van data?
| Dimensie | Holding | Onafhankelijk bureau met een gehuurde stack |
|---|---|---|
| Platform | Eigen, intern gebouwd en onder eigen merknaam | In licentie genomen van gespecialiseerde platforms |
| Kostenmodel | Hoge vaste kosten voor engineering en onderhoud | Abonnementen die meegroeien met het klantenbestand |
| Snelheid van verandering | Trager, omdat wijzigingen doorwerken in veel bureaus en markten | Sneller, met tools en workflows die binnen weken worden vervangen |
| Breedte van data | Breed, inclusief media- en partnerschapsdata op schaal | Sterk in markt-, social- en concurrentiedata; dunner in eigen inkoopdata |
| Wie het gebruikt | Vaak gespecialiseerde analyticsteams | Idealiter iedereen, van planners tot accountleads |
| Grootste risico | Kostendruk op de teams achter het platform | Afhankelijkheid van leveranciers en wisselende adoptie |
Lees de tabel als een reeks afwegingen, niet als een scorebord. De kracht van het netwerk is breedte en inkoopschaal. De kracht van het onafhankelijke bureau is snelheid en nabijheid. Voor de meeste klanten is ‘wie het gebruikt’ de rij die er het meest toe doet. Data die bij een specialistisch team ligt, voedt een kwartaalreview. Data die elke planner kan bevragen, voedt het werk van deze week.
Hoe bouwt een onafhankelijk bureau zijn datacapaciteit op?
Begin bij beslissingen, niet bij architectuur. Hier is een praktische volgorde voor de eerste 90 dagen.
- Maak een lijst van de beslissingen die je voor klanten tegen betaling beïnvloedt. Doelgroepkeuze, boodschap, kanaalmix, creatieselectie, budgetverschuivingen. Vijf is ruim voldoende.
- Breng de data achter elke beslissing in kaart. Een deel ligt bij de klant (CRM, sales, websiteanalytics), een deel is openbare categoriedata (advertenties van concurrenten, gesprekken op social) en een deel is van jezelf (resultaten van eerdere campagnes).
- Huur de categorielaag. Bouw geen scrapers of dashboards voor openbare data. Neem een abonnement op een platform dat elke klant en categorie waarin je werkt al dekt.
- Breng de vragen naar de plek waar mensen al werken. Als je team data in gewone taal kan bevragen binnen een assistent als Claude, gaan ze het ook gebruiken. Nóg een dashboard is in maart meestal alweer vergeten.
- Maak herleidbaarheid tot regel. Geen enkele AI-conclusie gaat naar een klant zonder de posts, advertenties of cijfers erachter.
- Maak van één output een product. Een maandelijkse concurrentiebriefing of een categoriescan vóór een pitch, met een vaste prijs en consistent geleverd.
- Evalueer op dag 90. Houd wat werd gebruikt, schrap wat werd genegeerd en kies de volgende beslissing die je wilt verbeteren.
Dat is de gedachte achter het Defy-platform: de analytische en AI-capaciteit van een holdingnetwerk, geleverd als één stack die een onafhankelijk bureau voor zijn klanten kan draaien zonder die zelf te bouwen of te onderhouden.
Waar moeten onafhankelijke bureaus nog steeds voorzichtig zijn?
Een stack huren maakt je nog geen databureau. Drie kanttekeningen.
- Toegang tot klantdata. De waardevolste data is meestal van de klant. Maak vroeg afspraken over toegang, governance en privacy, en leg ze schriftelijk vast.
- Specialistische diepgang. Econometrie, incrementaliteitstests en media-optimalisatie op grote schaal vragen nog steeds specialistische vaardigheden. Werk samen met partners in plaats van te doen alsof.
- Adoptie. Een tool die alleen het hoofd insights opent, is een kostenpost, geen capaciteit. Train het accountteam, niet alleen de analisten.
De holdings staan niet stil. Ze reorganiseren zich op enorme schaal rond AI. Onafhankelijke bureaus hoeven ze niet te overtreffen in bouwen. Ze moeten ze overtreffen in verbinden.
