"Chassé Theater zet innovatieve stappen met AI & Data Science"

Chassé Theater Breda ziet een ‘verbindende en stimulerende rol’ voor zichzelf, ‘zowel tussen publiek en artiesten, als binnen de culturele infrastructuur van Breda, en als groot podium in het Nederlands kunstenbestel.’ Om hierop te kunnen sturen, is inzicht in bezoekersgedrag, programmering en prestaties essentieel. Waar dit traditioneel veel handmatig werk vereist, kiest Chassé Theater Breda voor een datagedreven en innovatieve aanpak. Ondersteund door Kasparov BI verkent het theater nu ook AI en Data Science. Data & BI Specialist Roxanne Beijsens vertelt over haar ervaringen.

Roxanne licht toe: “De software die marketing voorheen gebruikte, vereiste wekelijks handmatige exports om inzicht te krijgen in ticketverkoop en prestaties. Zo konden we zien welke voorstellingen extra aandacht nodig hadden, hoe de verkoop zich verhield tot budgetten en targets, en welke publieksinzichten relevant waren voor producenten en impresariaten.”

“Met de overstap naar Microsoft Fabric en Power BI kwam er een fundament waarmee data niet wekelijks maar dagelijks beschikbaar werd. Heel efficiënt, wat een groot verschil maakt in de operatie. Collega’s kregen sneller inzicht in bezoekersaantallen, doelgroepen, opbrengsten en trends. Dashboards werden al snel een vaste start van de werkdag.” Het door Kasparov BI geadviseerde datafundament in Microsoft Fabric maakt een duidelijk verschil in de dagelijkse praktijk. Roxanne: “Dat is maar goed ook, want de ontwikkelingen haalden ons al tijdens het project in.”

Dat zit zo: Begin 2026 kwam de vraag op tafel of Chassé Theater met de data ook voorúit kon kijken. Typisch een vraag voor het AI & Data Science-team van Kasparov BI. “In een workshop met het managementteam zijn verschillende toepassingen van AI en machine learning en forecasting verkend,” zegt Roxanne. “Daarbij is gekeken naar haalbaarheid en verwachte impact. We wilden beginnen met een use case om te experimenteren en quick wins te behalen.”

“Na een interne analyse hebben we ervoor gekozen het voorspelmodel eerst voor theater te ontwikkelen. Daar kan het model vrijwel direct bijdragen aan slimmere en kostenefficiënte keuzes in marketing, horecapersoneelsplanning, inkoop en begroting. We hebben ook al meer bruikbare variabelen, zoals genre, dag van de week, klantsegmentatie en aankoopgedrag.”

Wat waren de belangrijkste inzichten tijdens de selectie- en voorbereidingsfase? “We hebben drie scenario’s laten uitwerken omtrent het moment waarop voorspellingen waardevol kunnen zijn: zes maanden voor een voorstelling, zes weken vooraf en één tot twee weken vooraf. Voor onze eerste concrete toepassing bleek een scenario van zes weken voor aanvang het meest passend. Op dat moment is er voldoende data beschikbaar voor een bruikbare voorspelling én is er operationeel nog genoeg ruimte om bij te sturen in marketing en bezetting op de vloer.”

“In de beginsituatie werkten we al met een measure in onze dashboards die per voorstelling een verwachte prognose gaf op basis van historische theaterverkoop. Die benadering hield echter nog geen rekening met aanvullende variabelen, waardoor een echt betrouwbare inschatting vaak pas kort voor de voorstelling mogelijk was. Met het forecastingmodel willen we de afwijking tussen voorspelling en uiteindelijke realisatie zo klein mogelijk maken. Daar hebben we vooraf duidelijke voorwaarden aan gekoppeld, zodat het model ook daadwerkelijk bruikbaar is in de praktijk.”

“Nauwkeurigere voorspellingen helpen ons om horeca en publieksservice beter af te stemmen op de verwachte drukte, met als resultaat minder wachttijden en meer aandacht voor de bezoeker. Tegelijk geeft het marketing de mogelijkheid om gerichter te sturen, wat ook kan bijdragen aan een toegankelijker en inclusiever publieksbereik.” “Het model is nog niet live. We gaan eerst een uitgebreide testfase in om de uitkomsten zorgvuldig te beoordelen en valideren. Daarin werken we met een geselecteerde groep collega’s die de forecast volgt en analyseert in een apart Power BI-dashboard. Zo kunnen we toetsen hoe het model presteert en welke meerwaarde het biedt in de praktijk. Na deze testfase willen we de forecast stapsgewijs integreren in verschillende dashboards en processen binnen de organisatie.”

Hoe bevalt de samenwerking met Kasparov BI? “Kasparov heeft in de verschillende trajecten steeds advies gegeven dat aansloot bij waar Chassé op dat moment stond én op waar we naartoe willen groeien. Al in een vroeg stadium werd met ons meegedacht over de mogelijkheden van Fabric, terwijl de overstap toen nog heel ver weg leek. Doordat investeringen en projecten behapbaar werden gehouden en flexibel werd samengewerkt, konden we toch in relatief korte tijd concrete stappen zetten.” “Wat we daarbij als sterk ervaren, is dat we niet alleen een oplossing aangereikt krijgen, maar ook echt worden meegenomen in het proces. Er is veel aandacht voor kennisdeling, uitleg en transparantie over keuzes, werkwijze en implementatie. Ook de sprintmatige aanpak gaf ons goed inzicht in de voortgang. Daarnaast waarderen we de inhoudelijke expertise van de mensen met wie we intensief samenwerken en de persoonlijke benadering die, ondanks de groei van de organisatie, behouden is gebleven.”

Daarmee past dit project in de manier waarop Chassé Theater de afgelopen jaren invulling heeft gegeven aan datagedreven werken: vanuit concrete businessvragen en met focus op aantoonbare meerwaarde. Een aanpak die naadloos aansluit bij de visie van Kasparov BI: bouwen aan een schaalbaar en toekomstbestendig datafundament, terwijl met BI, AI en Data Science-oplossingen direct waarde wordt toegevoegd aan de business en strategische doelstellingen worden ondersteund.