Datacompany vs zelf bouwen (Meridian, Robyn, PyMC)
Google geeft Meridian gratis weg, Meta geeft Robyn gratis weg, en PyMC-Marketing is de open-source standaard waar ook commerciële tools op bouwen, wij trouwens ook. De wiskunde is dus niet meer het schaarse goed.
Dat maakt “waarom niet zelf bouwen?” een volkomen redelijke vraag. Het eerlijke antwoord gaat niet over de software, maar over alles eromheen: de data-pijplijn, de priors, de validatie en de discipline om het elke week opnieuw te draaien. Daar staat of valt de DIY-route mee.
Laatst gecontroleerd: 24 augustus 2026, op basis van publiek beschikbare informatie.
| Zelf bouwen | Datacompany | |
|---|---|---|
| Softwarekosten | €0: Apache-2.0 (Meridian, PyMC-Marketing) en MIT (Robyn) | €999 tot €1.999 per maand (1% van ad-spend), eerste maand geld terug |
| Methodiek | Meridian en PyMC-Marketing: Bayesiaans. Robyn: ridge-regressie + evolutionaire optimalisatie, niet Bayesiaans | Bayesiaans (op de PyMC-stack) |
| Data-pijplijn (ad-platforms, omzet, geo-mapping) | Bouw je zelf; wordt door geen van de drie meegeleverd | Inbegrepen: API-koppelingen op 200+ bronnen |
| Priors en modelkeuzes | Aan jou; Meridians eigen docs noemen domeinkennis hierbij “critical” | Ingebouwd, met bandbreedtes die tonen wat het model (on)zeker weet |
| Hertrainen en monitoring | Zelf scripten, inplannen en bewaken; Meridian adviseert minimaal 1 GPU | Draait doorlopend; wekelijkse samenvatting, maandelijkse accuracy-rapportage |
| Validatie | Zelf opzetten (health checks en quality checks staan in de docs) | Geo-holdouts automatisch herkend; MAPE/RMSE in het maandrapport |
| Wie het interpreteert | Jouw data-persoon | Geschreven interpretatie + escalatie naar een senior data scientist |
| Eigenaarschap en lock-in | Volledig eigen model, eigen data, geen leverancier | Leverancier; je bronnen en historie blijven van jou |
Gebaseerd op de officiële repositories en documentatie van Google Meridian (github.com/google/meridian, developers.google.com/meridian), Meta Robyn en PyMC-Marketing, gelezen in augustus 2026. Klopt er iets niet meer? Mail me, dan pas ik het aan. jeroen@datacompany.nl
Wat krijg je precies gratis, en wat niet?
Gratis is: de modelcode, actief onderhouden door Google en Meta, met state-of-the-art methodiek in de open. Dat is echt waardevol en het wordt elk jaar beter.
Niet gratis is alles wat van code een meting maakt. De pijplijn die elke dag spend, omzet en kanaaldata ophaalt en schoon houdt. De priors, waarvan Meridians eigen documentatie zegt dat domeinkennis er “critical” voor is. De kwaliteitschecks na elke run. En de wekelijkse discipline om dat alles te draaien en te controleren. Geen van de drie frameworks levert beheerd hertrainen; het zijn bibliotheken voor in-house modellen, in Googles eigen woorden.
De realistische kostensom
Reken het uit voor jouw situatie. Een data-persoon die dit erbij doet is al snel een dag per week: pijplijn-onderhoud, runs draaien, uitkomsten controleren, vragen van marketing beantwoorden. Tegen een intern tarief van €500-800 per dag is dat €2.000-3.500 per maand aan tijd, voor een model zonder vangnet als die persoon op vakantie is of vertrekt.
Wij kosten €999 tot €1.999 per maand. Dat is geen wiskunde-magie; het is dezelfde stack (PyMC) met de operationele laag over honderd klanten uitgesmeerd in plaats van over één. Precies daarom kan het niet gratis, en ook niet €5.000.
Het stille risico: een model zonder tegenspraak
Een zelfgebouwd model produceert altijd een uitkomst. De vraag die niemand intern stelt: klopt die? Priors die te strak staan, een kanaal dat dubbel telt, een omzetreeks met een gat: het model rekent vrolijk door en de grafiek ziet er hetzelfde uit.
Frameworks leveren hiervoor gereedschap (Meridian heeft nette health checks), maar geen tegenspraak. Bij ons is die ingebouwd: uitkomsten worden vergeleken met geo-holdouts, nauwkeurigheid staat maandelijks op papier, en een aanbeveling zonder voldoende bewijs wordt niet gepubliceerd. Dan zie je dat het model het nog niet weet, in plaats van een getal dat het niet waard is.
Wanneer is zelf bouwen wél de goede keuze?
Serieus antwoord: als je een data scientist hebt die er structureel tijd voor krijgt, eisen hebt die geen product dekt (eigen priors, exotische kanalen, integratie in eigen systemen), of meten als kerncompetentie wilt opbouwen. Dan is Meridian of PyMC-Marketing een uitstekend fundament en heb je ons niet nodig.
Begin dan bij PyMC-Marketing of Meridian, niet bij Robyn als je Bayesiaanse output wilt. Robyn is ridge-regressie met een optimalisatielaag, een andere methodefamilie. En plan de validatie vanaf dag één, niet na het eerste mooie resultaat.
Waar zelf bouwen (Meridian, Robyn, PyMC) beter is
Eigen model, eigen data, eigen roadmap. Google noch wij kijken mee. Voor wie meten als kerncompetentie ziet, is dat structureel meer waard dan welk abonnement ook.
Meridian en PyMC-Marketing zijn methodologisch niet minder dan commerciële tools. Wij bouwen zelf op PyMC. Je betaalt bij ons niet voor betere wiskunde, maar voor de operatie eromheen.
Eigen priors per kanaal, reach & frequency-data, koppeling met interne systemen: in code kan alles. Ons product maakt keuzes voor je. Dat is het punt ervan, en soms is het de beperking.
Waarom niet gewoon zelf bouwen met Meridian?
Als je de data-persoon, de GPU en de wekelijkse discipline hebt: doen. De software is gratis en uitstekend, en dit is de enige rij in de tabel waar “gratis” echt waar is.
De verborgen kosten zitten in de tijd (reken op een dag per week, structureel), het keyperson-risico en de validatie die je zelf moet organiseren. Onze verborgen kosten: je koopt keuzes die wij al gemaakt hebben, en maatwerk houdt een keer op. Wie beide routes eerlijk doorrekent, komt meestal uit op: onder één fte data-capaciteit → kopen, daarboven → bouwen wordt bespreekbaar.
Is Datacompany iets voor jou?
- Je hebt een data scientist met structurele tijd (reken een dag per week)
- Je hebt modeleisen die geen product dekt
- Je wilt meten als eigen kerncompetentie opbouwen, inclusief validatie
- Er is niemand die dit erbij kan doen, en “erbij doen” is precies hoe het misgaat
- Je wilt de PyMC-methodiek met pijplijn, validatie en interpretatie inbegrepen
- Je wilt binnen een week iets zien in plaats van binnen een kwartaal
Onder de €10k mediabudget per maand geldt voor beide routes hetzelfde: de moeite (of de prijs) is groter dan wat het model je kan opleveren. Bij ons ligt die grens in de praktijk rond de €50k, omdat onze bodem van €999 daaronder te zwaar op je budget drukt. Zelf bouwen blijft daar wel een optie, met alle uren die eraan hangen. Lees wanneer Datacompany niet past.
Eerst zien wat de gebouwde versie zegt?
Meld je aan voor de beta met je kanalen en maandbudget. Je ziet binnen een week wat een productie-MMM op jouw data oplevert. Daarna kun je altijd nog besluiten het zelf te gaan bouwen. De methodiek is toch open source.
Aanmelden voor de beta