Wie we zijn en wat we doen
Gravelspire werkt met financiële teams die betere beslissingen willen nemen — niet sneller gokken, maar écht begrijpen waar de cijfers naartoe wijzen.
Onze achtergrond
Gravelspire is in 2016 opgericht vanuit een concrete frustratie: financiële rapportages kwamen altijd te laat en vertelden wat al was gebeurd, nooit wat er waarschijnlijk zou gaan gebeuren. Het team bestond initieel uit data-analisten en sectorspecialisten die samen één vraag probeerden te beantwoorden — hoe kun je prognosemodellen bouwen die daadwerkelijk bruikbaar zijn in dagelijkse bedrijfsbeslissingen?
Wat gravelspire nu doet is geen mystieke AI-magie. Het zijn gestructureerde modellen die historische financiële data combineren met real-time marktindicatoren om kortetermijntrends te onderbouwen. We werken hoofdzakelijk met middelgrote organisaties in België en Nederland die intern analytische capaciteit hebben, maar behoefte hebben aan specialistische begeleiding bij het implementeren van voorspellende systemen.
We kijken eerst naar uw bestaande data — kwaliteit, structuur, hiaten — voordat we over modellen praten.
Daarna bouwen we een prognosemodel op maat — geen generiek dashboard, maar iets afgestemd op uw specifieke rapportagecyclus.
Overdracht aan uw interne team met documentatie en begeleiding — het systeem moet werken zonder ons, dat is altijd het doel.
Hoe we aan projecten werken
Geen vaste pakketten. Elk traject begint met een intakegesprek om te begrijpen wat de besluitvormingsvraag achter de data-aanvraag is.
Vraagverheldering
Veel organisaties weten dat ze "iets met AI willen doen" maar hebben de eigenlijke vraag nog niet geformuleerd. Samen zoeken we uit welke beslissing concreet beter moet worden — cashflowprognose, budgetafwijkingsdetectie, of risicoscenario-analyse. Zonder die helderheid heeft een model geen richting.
Data-audit en voorbereiding
Predictieve modellen zijn zo goed als de data waarop ze lopen. We beoordelen uw databronnen, identificeren lacunes en bespreken of historische data representatief genoeg is voor toekomstige patronen. Soms is het antwoord: nog niet — en dat is eerlijk communiceren waard.
Modelbouw en validatie
Het bouwen van het model is eigenlijk het minst mysterieuze deel van het werk. Wij gebruiken regressiemodellen, tijdreeksanalyse en ensemble-methoden afhankelijk van wat het type data vereist. Elke modelkeuze wordt aan u uitgelegd — u hoeft het niet zelf te kunnen bouwen, maar u moet begrijpen waarom het werkt. Validatie doen we altijd op data die niet is gebruikt voor training, zodat de resultaten realistisch zijn en niet te optimistisch.
Integratie in uw workflow
Een model dat alleen in een Jupyter Notebook bestaat helpt niemand. We kijken samen hoe de output aansluit op bestaande rapportageprocessen — of dat nu een Excel-koppeling is, een API naar uw BI-tool, of iets anders. Pragmatisch, geen onnodige complexiteit.
Overdracht en nazorg
Na oplevering volgt een periode van begeleide nazorg — gemiddeld zes tot tien weken — waarbij uw team leert om modelresultaten correct te interpreteren en bij te sturen wanneer de data verandert. Modellen hebben onderhoud nodig, en we leren u hoe dat werkt.
Wie u spreekt bij gravelspire
-
Lieselot Vandenberghe
Oprichter & strategisch adviseur
Financiële modellering -
Rudi Ostermans
Hoofd data-engineering
Data-infrastructuur -
Fatou Diallo-Krémer
Quantitatief analist
Tijdreeksanalyse -
Jasper Nolmans
Implementatie & integratie
BI-koppeling
Bereikbaar voor heel België en Nederland
We werken volledig op afstand — onze dienstverlening is niet afhankelijk van uw locatie. Ons kantoor bevindt zich in Mouscron maar de meeste klantgesprekken vinden online plaats. U kunt ons bereiken via help@gravelspire.com of telefonisch op +32 69 23 47 46.