Het model presteerde goed in de testomgeving. Maar eenmaal aangesloten op het ERP-systeem of de rapportagetool kwamen er afwijkende uitkomsten, vertragingen of stille fouten. Dit scenario is herkenbaar voor veel teams die al een poging hebben gedaan.
Integratieproblemen die je had kunnen voorzien
Verschillende datumnotaties tussen systemen
Een ERP-systeem dat DD/MM/JJJJ gebruikt en een model dat MM/DD/JJJJ verwacht, geeft geen foutmelding. Het geeft verkeerde voorspellingen, stil en consistent.
Geen API-versioning afgesproken
Als het bronsysteem een update krijgt en de datastructuur wijzigt, breekt de koppeling met het model. Zonder versiebeheer op de API merk je dit pas bij de volgende rapportagerun.
Minimale integratiechecklist
Zijn inputvariabelen identiek benoemd in zowel het model als het bronsysteem? Is er een automatische validatiestap die ontbrekende of afwijkende inputwaarden signaleert? Wie ontvangt de melding als de koppeling faalt? Is er een fallback voor handmatige invoer?
Latentie onderschat bij realtime toepassingen
Modellen die voor batchverwerking zijn gebouwd, presteren anders onder realtime bevraging. Responstijden van meer dan 4 seconden worden in financiele dashboards zelden geaccepteerd door eindgebruikers.
Praktische aanpak
Test de volledige datapijplijn, van bronsysteem tot modeloutput, met productiedata in een gecontroleerde omgeving. Doe dit minstens drie weken voor livegang, niet twee dagen ervoor.