Waarom elke data-analist filosoof moet zijn

Zijn ideeën over wie de waarheid bepaalt, en hoe macht zich verankert in systemen, raken de kern van wat wij in 2025 dagelijks doen met data en AI.

De vraag is simpel en tegelijk ontwrichtend: wiens waarheid vertellen onze data-producten eigenlijk?

De illusie van objectiviteit

Data wordt vaak gepresenteerd als de ultieme neutrale bron. Getallen liegen niet, zo klinkt het. Maar Foucault zou ons direct waarschuwen: elke waarheid is geconstrueerd, ingebed in machtsstructuren en belangen. Wanneer we een dashboard bouwen of een AI-model trainen, maken we keuzes. Welke variabelen nemen we mee, welke laten we weg, hoe labelen we data en wie bepaalt het einddoel?

Neem een eenvoudig voorbeeld uit de zorg: een data-dashboard dat ziekenhuisprestaties rangschikt op basis van wachttijden. Het lijkt objectief, maar zegt dat ook iets over de kwaliteit van de zorg? Of slechts iets over efficiëntie? Het kader bepaalt de waarheid. Voor de patiënt met een zeldzame aandoening is een kortere wachttijd niet per se relevanter dan de beschikbaarheid van gespecialiseerde zorg. Toch stuurt zo’n metric beleid en financiering. Hier zie je hoe data macht uitoefent, vaak zonder dat we het doorhebben.

Het nieuwe Panopticon

Foucault schreef veel over het Panopticon, een gevangenisontwerp waarin een centrale toren alle gevangenen kan zien zonder dat zij weten of ze bekeken worden. Het resultaat: permanente zelfdiscipline. Fast forward naar 2025, en we leven allemaal in een digitale variant. Onze telefoons, wearables en sociale media zijn de ultieme surveillance-instrumenten.

Kijk naar TikTok en Instagram. Elk scrollgedrag, elke klik en elk like-patroon wordt geregistreerd, geanalyseerd en teruggespeeld in de vorm van content die ons langer laat blijven. Het algoritme is niet neutraal; het heeft een doel – namelijk het maximaliseren van advertentie-inkomsten. Net als het Panopticon werkt het subtiel: je hoeft geen fysieke bewaker meer te hebben, het systeem zelf dwingt ons tot bepaald gedrag.

En het gaat verder. Gemeenten experimenteren met AI om bijstandsuitkeringen te monitoren. Luchtvaartmaatschappijen passen hun ticketprijzen realtime aan met algoritmes die reisgedrag voorspellen. Bedrijven gebruiken data om medewerkers te volgen, van productiviteit tot gezondheid. De grens tussen inzicht en controle is flinterdun.

Data als machtsinstrument

Wie denkt dat data slechts een ondersteunend hulpmiddel is, onderschat de impact. Data bepaalt beleid, beïnvloedt publieke opinie en kan carrières maken of breken. Denk aan de toeslagenaffaire in Nederland, waar algoritmische risicoselectie duizenden gezinnen ten onrechte in de problemen bracht. Het systeem gaf een ‘waarheid’ die achteraf desastreus bleek – en waar nauwelijks tegenwicht tegen bestond.

Ook internationaal zie je dit terug. In de VS ligt Delta Airlines onder vuur vanwege hun AI-gedreven ticketprijzen. Klanten hebben het gevoel dat de prijsstelling ondoorgrondelijk en oneerlijk is. Hier wordt data gebruikt als machtsmiddel: winstmaximalisatie boven transparantie.

Foucault zou dit geen verrassing vinden. Hij zag macht altijd als iets dat niet alleen van bovenaf wordt opgelegd, maar ingebouwd zit in structuren en discours. In onze tijd is data die structuur. Het zijn de algoritmes, de dataplatforms en de KPI’s die de ‘waarheid’ produceren waar wij ons naar schikken.

Waarom data-professionals liberal arts nodig hebben

Veel data-professionals zijn getraind in harde skills: Python, SQL, machine learning, cloud engineering. Allemaal cruciaal, maar onvoldoende. Foucault zou zeggen: zonder kritische reflectie word je een radertje in een machtsmachine die je niet begrijpt.

Daarom is de liberal arts-benadering – filosofie, geschiedenis, literatuur – juist zo belangrijk. Niet om dashboards te vullen met citaten van Plato, maar om de juiste vragen te stellen. Waarom meten we dit eigenlijk? Wie profiteert van dit model? Welke waarheden worden er niet verteld?

Een goed voorbeeld vind je in de voedingssector. Supermarktketen Dirk besloot onlangs geen huismerkproducten meer te verkopen met de slechtste Nutri-Score. Een krachtige beslissing op basis van data. Maar de vraag is ook: wie bepaalt dat deze score dé maatstaf is voor gezondheid? Wat gebeurt er met producenten die niet in het model passen? En welke keuzes hebben consumenten straks nog écht?

Het antwoord is niet om data-analyse af te wijzen, maar om de context te blijven zien. Elke dataset is een verhaal, en elk verhaal heeft meerdere perspectieven.

Van ‘kan’ naar ‘moet’

Een van de meest uitdagende vragen voor data-professionals anno 2025 is niet langer ‘kan dit?’, maar ‘moet dit?’. Technisch kan bijna alles: gezichtsherkenning, real-time pricing, voorspellende risicomodellen. Maar willen we het ook? En wat zegt het over ons als samenleving als we het wél doen?

De EU AI Act, die steeds concreter wordt toegepast, maakt dit expliciet. Bedrijven moeten verantwoording afleggen over de ethische kant van AI-systemen. Dat gaat verder dan compliance; het raakt aan de kern van de maatschappelijke verantwoordelijkheid van elke data-analist.

Het is te makkelijk om te zeggen: ‘ik bouw alleen het model.’ Daarmee ontsla je jezelf van de vraag naar de impact. Net zoals een accountant niet kan zeggen: ‘ik heb alleen maar cijfers afgetikt.’ De professional anno nu heeft een bredere rol: kritisch, verantwoordelijk en mensgericht.

Conclusie: data heeft filosofen nodig

Wat leren we van Foucault? Dat waarheid nooit neutraal is. Dat macht vaak onzichtbaar werkt, via structuren en systemen. En dat we onszelf moeten trainen om niet alleen de code te begrijpen, maar ook de context.

Voor data-professionals betekent dat: naast je technische toolkit ook een filosofische toolkit ontwikkelen. Stel de ongemakkelijke vragen. Zoek de blinde vlekken. Besef dat je dashboard of model nooit alleen maar een ‘feitelijke’ waarheid vertelt. Het is altijd een verhaal – en de vraag is van wie.

De volgende keer dat je een dataset schoonmaakt of een model traint, stel jezelf dan de vraag: welke waarheid vertel ik hier, en voor wie? Dat is misschien wel de belangrijkste vaardigheid van een data-analist in dit tijdperk van AI en Panopticons.

Bronnen

EU AI Act (2024/2025): https://digital-strategy.ec.europa.eu/en/policies/european-ai-act

Toeslagenaffaire (Nederland): https://www.rijksoverheid.nl/onderwerpen/toeslagenaffaire

Delta Airlines AI Pricing (Reuters, 2025): https://www.reuters.com/sustainability/boards-policy-regulation/delta-plans-use-ai-ticket-pricing-draws-fire-us-lawmakers-2025-07-22/

Nutri-Score en Dirk Supermarkten (AD, 2025): https://www.ad.nl/economie/dirk-verkoopt-geen-huismerk-producten-meer-met-slechtste-score-krachtig-signaal~ad276caf/