Datakwaliteit

Deze pagina is uitgebreider dan gebruikelijk, en dat is een keuze. Wie de grenzen kent kan de cijfers gebruiken. Wie ze niet kent trekt er vroeg of laat een verkeerde conclusie uit — en dan is alles onbetrouwbaar geworden.

Dat verschil is het hele punt. Een zoekopdracht op “oedeemtherapie” vindt de praktijk die dat woord in zijn eigen omschrijving zette, ook zonder label. Maar een telling van die branche leunt voor de rest op trefwoorden, en dan tel je over en onder: een bakkerij die zichzelf “lunchroom” noemt valt buiten de telling; een supermarkt met een broodafdeling kan erin vallen. Daarom is betrouwbaarheid op een branchevraag hoogstens midden, ook nu de dekking 100% is. Het veld classificatie zegt per record op welke bron de afbakening rust, en herkend_market_saturation geeft een bandbreedte in plaats van één getal: een strikte en een ruime lezing van dezelfde branche, want zonder officiële indeling is er geen enkel juist getal — alleen een marge.

Strikt is onze eigen indeling, en niets anders. Tot 5 september 2026 telde de strikte lezing ook vier externe categoriebronnen mee plus een tweede gok die voor 3,6% van het register gevuld is — terwijl het antwoord erbij zei dat het om de eigen gesloten lijst ging. Op “bakker” kwamen daardoor 4.075 van de 11.836 landelijke treffers uit rijen waarvan onze eigen indeling Beheermaatschappij, Klusbedrijf of Melkveebedrijf zei, en stond Amsterdam op bijna twee keer het landelijke aantal bakkers per inwoner. Nu telt de eigen categorie, en mag een externe bron het alleen zeggen waar die leeg is. De marge tussen strikt en ruim werd daarmee breder — en dat ís de onzekerheid die er is.

Elk marktantwoord draagt sindsdien een samenstelling: waar het getal uit bestaat. Eindhoven meldde 121 bakkers, waarvan 42% geen bakkerscategorie had — broodjeswinkels, thuisbakkers van gelegenheidstaarten zonder winkel, een koffiebar. Het totaal zegt dat niet en een model kan het niet zien. De uitsplitsing wel.

Een kwart is nooit langs externe bronnen geweest

Het Handelsregister levert naam, adres, rechtsvorm en activiteit. Telefoonnummers, websites, categorieën en openingstijden komen uit openbare bronnen daarbuiten, en die ronde is nog niet overal geweest. Voor de laag die van de eigen website van een bedrijf komt — sociale kanalen, webshop, keurmerken — geldt een strengere noemer; die staat op de pagina over de digitale laag.

Dat onderscheid is het hele punt. “We hebben gezocht en er was niets” zegt iets over het bedrijf; “we hebben nooit gekeken” zegt alleen iets over ons. Elk record draagt daarom een verrijking-blok dat de twee uit elkaar houdt.

Stoppers en overleving ontbreken

De bron bevat alleen de actuele stand: alle 3.858.162 records staan op actief en er is geen uitschrijvingsdatum. Over stoppers weten we uit het register dus niets.

Wat we wél hebben zijn externe signalen, en die zijn scheef. 106.318 vestigingen (2,76%) worden buiten het register als gesloten gemeld en 69.992 (1,81%) dragen ons eigen twijfelsignaal. “Gemeld als gesloten” is redelijk bewijs; de afwezigheid van zo’n melding is bijna geen bewijs dat een zaak nog draait, want bij de vestigingen zonder externe vermelding valt er niets te melden. Het veld sluiting geeft daarom nooit een kaal “open” terug.

Lees die reeks als “nog bestaande bedrijven naar startjaar”, niet als “starters per jaar”. CBS publiceert start- en stopcijfers wel, maar niet fijner dan COROP — 40 gebieden voor heel Nederland. Een COROP-cijfer presenteren alsof het over een buurt gaat, doen we niet. Ze zijn wél op te vragen, en dan ook als zodanig gelabeld: herkend_survival_odds geeft oprichtingen en opheffingen per SBI-afdeling voor de COROP-regio waarin een gebied ligt, met het landelijke cijfer ernaast. Het antwoord noemt welke afdeling en welke regio gebruikt zijn, want “detailhandel” is breder dan “bakker”.

Twee noemers die nooit door elkaar mogen

Allebei correct, en per rechtsvorm kunnen ze een factor vijf schelen: de eerste noemer telt de 15,30% die nooit bevraagd is gewoon mee als “geen nummer”. Elk antwoord zet de gebruikte noemer er daarom letterlijk bij.

Recensies zijn meningen, geen bedrijfsgegevens

615.515 vestigingen (15,95%) hebben minstens één publieke beoordeling. Het gemiddelde over die groep ligt rond de 4,5 — en dat cijfer is zelf het beste bewijs dat een gemiddelde hier niet het oordeel van alle klanten is: mensen laten vaker iets achter na een uitgesproken ervaring dan na een gewone.

Een 5,0 uit één recensie is geen 5,0. Het veld waardering draagt daarom altijd het aantal en een eigen betrouwbaarheidsoordeel mee.

Een leeg veld is een uitkomst, geen fout

67,01% van de vestigingen heeft geen telefoonnummer. Bij de gecontroleerde groep is dat geen tekortkoming van de dataset maar een eigenschap van de werkelijkheid: een slapende eenmanszaak op een woonadres publiceert nergens een nummer. Een veld dat bij 12% gevuld is, is niet 88% fout. Alleen bij de 15,30% die nooit bevraagd is, mag je uit een leeg veld helemaal niets afleiden.

Wij kennen geen leegstand, alleen afwezigheid

De pandzoeker koppelt de BAG aan het handelsregister en kan daardoor zeggen op welke adressen geen actieve inschrijving staat. Dat is verleidelijk om leegstand te noemen en dat is het niet. Een pand zonder inschrijving kan een filiaal zijn dat op het hoofdkantoor staat, opslag van de buren, of nieuwbouw die nog niet verhuurd is.

Gemeten heeft 23,6% van de winkelpanden geen actieve inschrijving, terwijl de werkelijke winkelleegstand rond de zeven a negen procent ligt — een overschatting van ongeveer een factor drie. Bij logies is het 76,8%, want vakantiewoningen hebben nu eenmaal geen eigen inschrijving; daar is het signaal waardeloos. Als cijfer is het dus onbruikbaar. Als filter om honderdduizend panden terug te brengen tot vijftien om te gaan bekijken, is het precies goed — en zo staat het ook in elk antwoord.

Wat er niet in zit

Zie ook betrouwbaarheid en bronnen.