Drie struikelincidenten in één kwartaal, allemaal keurig gedocumenteerd op papier, allemaal afgesloten met een handtekening van de leidinggevende. En toch veranderde er niets op de winkelvloer van een zelfstandige supermarkt in Antwerpen. Het kantelpunt kwam pas toen een medewerker die formulieren naast elkaar legde en zag wat iedereen had gemist: alle drie de incidenten gebeurden in hetzelfde gangpad, op vrijdagochtend, tijdens de belevering. Dat inzicht kostte negen jaar papierregistratie om boven water te komen. Het was de aanleiding voor een omschakeling naar data-driven veiligheid, en in dit artikel lees je hoe dat traject er in de praktijk uitzag.
Waarom ‘we registreren toch alles’ geen veiligheidssysteem is
Registreren en analyseren zijn twee verschillende dingen. De supermarkt had een degelijk registratiesysteem in de vorm van papieren formulieren met locatie, betrokkene en omstandigheid. Maar die formulieren verdwenen in een map, de map in een la, en de la in een kast. Geen enkel incident werd ooit vergeleken met een voorganger. De informatie bestond, maar ze werkte niet.
Dat is precies de valkuil waar veel winkels in trappen. Je hebt het gevoel dat je iets doet aan veiligheid, omdat je het bijhoudt. Maar bijhouden zonder terugkijken is archiveren, geen beleid. De omschakeling begon met die erkenning.
Stap 1: Een digitale incidentendatabase opzetten
De eerste beslissing was pragmatisch: geen duur enterprise-pakket, maar een toegankelijke cloudtool die ook door niet-technische medewerkers ingevuld kon worden. De supermarkt koos uiteindelijk voor een combinatie van een eenvoudig formulierentool (met verplichte velden voor locatie, tijdstip, betrokkene, omstandigheid en ernst) en een koppeling aan het personeelsrooster. Die koppeling bleek al snel goud waard: je kunt zo direct zien of bepaalde incidenten samenvallen met specifieke shifts of met tijdelijke krachten.
De retroactieve invoer van papieren data was tijdrovend maar noodzakelijk. Het team heeft drie jaar aan formulieren ingescand en handmatig ingevoerd, met als afspraak dat historische data een aparte tag kreeg. Zo werd de historiek niet vermengd met de nieuwe, gestandaardiseerde registraties.
Stap 2: Historische data ontdubbelen en categoriseren
Drie jaar formulieren doorlichten klinkt als een klus voor een data-analist. In dit geval deed een teamverantwoordelijke het in avonduren, over een periode van zes weken. Wat daarbij opviel: veel formulieren beschreven hetzelfde incident in andere bewoordingen, of waren dubbel ingevuld door zowel de betrokkene als de leidinggevende.
Na ontdubbeling entstonden drie hoofdcategorieën: struikelincidenten (natte vloer, losse mat, pallet in looppad), ergonomische letsels zoals tillen en draaibewegingen in het magazijn en bijna-incidenten waarbij niemand gewond raakte. Die laatste categorie bleek de meest waardevolle. Bijna-incidenten zijn precies de momenten waarop iets fout kon gaan maar niet fout ging, en ze kwamen in de papieren registratie nauwelijks voor omdat medewerkers ze niet als ‘echt’ beschouwden. Eenmaal digitaal en laagdrempelig geregistreerd, liep het aantal bijna-meldingen in de eerste maand al op tot het drievoudige van de jaarlijkse papieren score.
Stap 3: Heatmaps van de winkelvloer genereren
Met locatiedata per incident kon het team voor het eerst een visuele plattegrond maken van de risicozones. De supermarkt gebruikte hiervoor een generalistisch BI-tool (Power BI, gratis versie) in combinatie met een simpele plattegrond als achtergrondafbeelding. Elk incident werd als datapunt op die kaart geplot.
Het resultaat was ontnuchterend helder. De koelgang aan de achterzijde, de zone vlak voor de kassa’s en het kruispunt tussen het magazijn en het klantenpand scoorden disproportioneel hoog. Dat waren exact de zones die ook medewerkers al jaren als ‘druk’ omschreven, maar die nooit formeel als risicozone waren aangemerkt. Negen jaar papierregistratie had dat verborgen gehouden omdat niemand de kaart had gemaakt.
Stap 4: Looprouterisico’s analyseren
De heatmap gaf aan waar incidenten plaatsvonden. De vervolgvraag was waarom. Daarvoor keek het team naar twee variabelen tegelijk: frequentie (hoe vaak passeert hier iemand?) en ernst (wat zijn de gevolgen als het misgaat?). Die combinatie, ook wel de risicoprioriteitsmatrix genoemd, liet zien welke zones bovenaan de actielijst moesten staan.
Het kruispunt van palletroutes en klantenpaden scoorde hoog op beide variabelen. Op woensdagochtend en vrijdagochtend, de twee belangrijkste leveringsmomenten, liepen klanten en palletwagentjes letterlijk door elkaar. Dat was te zien in de data en werd bevestigd door twee medewerkers die het al jaren aanvoelden maar nooit hadden kunnen aantonen.
Stap 5: Ergonomische checklists invoeren op de werkvloer
Parallel aan de analyse werden ergonomische checklists ingevoerd: korte, dagelijkse controles door vaste medewerkers aan het begin van elke shift. De weerstand was voorspelbaar. ‘Meer papierwerk’ was de eerste reactie, ook al ging het nu om een digitaal formulier op een gedeelde tablet bij de personeelsingang.
De doorbraak was een kleine aanpassing in de communicatie. In plaats van ‘vul dit in voor veiligheid’, werd de vraag: ‘wat stoort jou vandaag in je werk?’ Die herformulering verlaagde de drempel. Medewerkers begonnen eerder meldingen te maken over slechte verlichting, een losse mat of een rek dat te laag stond, omdat het voelde als feedback geven in plaats van een formulier invullen. Alle bevindingen kwamen automatisch in hetzelfde digitale systeem terecht als de incidentenmeldingen.
Stap 6: Gerichte maatregelen doorvoeren en documenteren
Op basis van de analyse werden drie fysieke aanpassingen doorgevoerd, in volgorde van impact.
De eerste was vloermarkering in het leveringskruispunt: gele strepen die het klantenpand afbakenden van de palletroute. Eenvoudig, goedkoop en onmiddellijk zichtbaar. De tweede maatregel was een herindeling van de opslagzone achter de koelgang, zodat medewerkers geen draaibewegingen meer moesten maken bij het vullen van de schappen. De derde aanpassing was extra verlichting in de koelgang, waar de combinatie van condensatie op de vloer en slechte zichtbaarheid al jaren voor struikelrisico zorgde.
Elke maatregel werd in het systeem gekoppeld aan de specifieke incidenten die haar rechtvaardigden. Dat klinkt bureaucratisch, maar het heeft een praktisch doel: als je zes maanden later het effect wilt meten, weet je precies welke interventie je evalueert.
Resultaat na zes maanden: wat de cijfers zeggen en wat niet
Zes maanden na de eerste maatregel telde de supermarkt 40% minder struikelincidenten in vergelijking met dezelfde periode het jaar ervoor. Dat klinkt indrukwekkend, maar het team was eerlijk over de beperkingen van die meting.
Seizoenseffecten spelen mee: de zomermaanden brengen andere verkeersstromen in de winkel dan de wintermaanden. Personeelsverloop had in die periode ook plaatsgevonden, met drie nieuwe medewerkers die anders bewegen dan de vaste ploeg. En een kleine verbouwing aan de kassazone veroorzaakte tijdelijk een ander looppatroon. Die factoren werden niet weg gecijferd, maar wel benoemd in de interne rapportage. Eerlijkheid over onzekerheid maakt data geloofwaardiger, niet zwakker.
Drie tools die je zelf kunt toepassen
Wij van Detailhandel.be zetten de meest gebruikte opties naast elkaar, met een eerlijke noot over wat je mag verwachten als je geen data-analist in dienst hebt.
| Tool | Waarvoor | Kosten | Leercurve |
|---|---|---|---|
| Microsoft Forms + Power BI (gratis) | Registratie en heatmapping via plattegrond | Gratis bij Microsoft 365-abonnement | Matig, vereist enige vertrouwdheid met Excel-logica |
| Safetymint of vergelijkbare SaaS-tools | Alles-in-één incidentbeheer met rapportages | Vanaf ca. 40 tot 80 euro per maand | Laag, intuïtieve interface voor niet-technici |
| Google Forms + Looker Studio | Lichtgewicht alternatief voor kleine teams | Gratis | Laag, maar beperktere analysemogelijkheden |
De Antwerpse supermarkt begon met de gratis Microsoft-combinatie en stapte na vier maanden over naar een betaalde SaaS-tool, omdat de tijdsinvestering in het zelf bouwen van rapporten te groot werd. Dat is een realistisch traject voor een winkel zonder IT-afdeling.
Van cijfers naar maatregel: het vertaalmodel
Het gevaar van elk dashboard is dat het decoratie wordt. Mooie grafieken die niemand meer bekijkt na de eerste enthousiaste presentatie. De supermarkt voorkwam dat door een simpele afspraak in te bouwen: elke maandagochtend, vijf minuten, bekijkt de vestigingsverantwoordelijke het dashboard samen met één medewerker. Niet om te analyseren, maar om één vraag te beantwoorden: is er iets dat we deze week moeten aanpassen?
Die vraag dwingt tot actie. Niet ‘wat zien we in de data’, maar ‘wat doen we ermee’. Het verschil lijkt subtiel, maar het zorgt ervoor dat data-driven veiligheid in de winkel geen project is dat stopt na de implementatie, maar een gewoonte wordt die de vloer elke week een klein beetje veiliger maakt.
Registreren zonder analyseren lost niets op. Dat is de kern van wat deze Antwerpse supermarkt ontdekte, en het is een patroon dat wij bij Detailhandel.be ook in bredere zin herkennen bij retailers die starten met veiligheidsdata. Je hebt geen groot budget of technische afdeling nodig om dit werkend te krijgen. Wat je wel nodig hebt, is de discipline om cijfers daadwerkelijk te vertalen naar beslissingen: een gangpad aanpassen, een leveringstijdstip verschuiven, een signaalkleur toevoegen. Begin met wat je al hebt. De patronen die je dan ziet, waren er hoogstwaarschijnlijk al veel langer.
