De category manager van 2028 bestaat uit twee mensen

Wat doet een category manager in FMCG?

Een category manager in FMCG is verantwoordelijk voor het optimaliseren van een productcategorie in samenwerking met retailers. Het doel is om de categorie als geheel te laten groeien, niet alleen het eigen merk.

In de praktijk betekent dit dat de category manager categorieplannen ontwikkelt, verkoop- en marktdata analyseert, promoties evalueert en advies geeft over assortiment, prijs en schapindeling. Daarnaast fungeert hij of zij als sparringpartner voor de retailer om categorieprestaties te verbeteren op basis van data en inzichten.

De rol combineert data analyse met commerciële samenwerking en strategisch advies richting de retailorganisatie.

‍

Het takenpakket van een category manager vandaag

Om te begrijpen wat er verandert, helpt het om te kijken naar wat de category manager vandaag doet. Het werk valt ruwweg uiteen in drie clusters.

Data voorbereiden en rapporteren

Het grootste deel van de week gaat bij de meeste category managers op aan data. Exporteren uit SIS of 7EVEN, combineren met Nielsen of Circana, EAN codes matchen na een verpakkingswijziging, fouten corrigeren, categorisering afstemmen op de structuur van de retailer en uiteindelijk een presentatie bouwen die op het moment van versturen alweer gedeeltelijk verouderd is.

Uit onze ervaring met meer dan 15 category teams bij FMCG-leveranciers blijkt dat dit gemiddeld 60% van de beschikbare tijd kost. Dat is niet omdat category managers slecht zijn in hun werk. Het is omdat de tools waarmee ze werken, Excel voorop, niet gebouwd zijn voor het soort datawerk dat categorie management in 2026 vereist.

Analyseren en adviseren

Als de data klaar is, begint het echte werk: begrijpen wat het betekent. Welke SKUs presteren onder de maat? Waar zit een distributie kloof die een concurrent nu invult? Wat is de prijselasticiteit van het topsegment? Welke promoties werken en welke kosten alleen maar marge?

Dit is het werk waarvoor de category manager is opgeleid. Maar in de praktijk is er na het data-voorbereidingswerk vaak te weinig tijd en energie over voor de diepgang die dit vraagt.

Relaties bouwen en onderhandelen

Het derde cluster is het commerciële werk. Retailer Gesprekken voorbereiden en voeren, jaardeals onderhandelen, promotieplannen afstemmen, nieuwe producten introduceren en de relatie met de inkoopmanager aan de retail kant onderhouden. Dit is het werk dat direct zichtbaar is in de commerciële resultaten van de leverancier.

‍

Wat AI overneemt

De komst van agentic category management verandert het eerste cluster fundamenteel. Data voorbereiden, harmoniseren, matchen en actueel houden: dat wordt volledig geautomatiseerd. Niet als hulpmiddel dat je nog steeds zelf moet aansturen, maar als een systeem dat continu op de achtergrond draait.

EAN wissels worden automatisch verwerkt. Restatements van retailers worden zonder handmatig ingrijpen doorgevoerd. Categorisering wordt gematcht op de structuur van elke retailer afzonderlijk. En de data is bijna real time beschikbaar, niet na drie dagen handmatig werk.

Het analyse werk volgt. AI modellen kunnen promotie-impact voorspellen, prijselasticiteit per SKU berekenen, distributie kloven in kaart brengen en assortiment aanbevelingen genereren op basis van data uit tientallen bronnen tegelijk. Wat nu nog uren kost, duurt straks minuten.

Dat betekent niet dat de category manager overbodig wordt. Het betekent dat de taken die nu de meeste tijd kosten, verdwijnen. En dat er twee heel andere soorten werk voor in de plaats komen.

‍

De splitsing: twee rollen in één functie

Rol 1: de commercieel-relationele kant

De eerste nieuwe rol is in wezen een verdieping van wat de category manager altijd al deed, maar nu zonder de last van het data voorbereidingswerk. De focus ligt op de commerciële en relationele dimensie van het werk: retailer gesprekken voeren, jaardeals onderhandelen, promotieplannen bespreken en de relatie met de retailer bouwen en onderhouden.

Het verschil met nu is dat deze persoon aan tafel zit met actuele inzichten in de hand, gegenereerd door AI op basis van real-time data. Niet een rapport van vorige week dat handmatig is samengesteld, maar een analyse die gisteren is bijgewerkt en die precies de vragen beantwoordt die de retailer stelt.

In die context verschuift de rol naar iets wat meer op accountmanagement lijkt dan op traditioneel categorie management. De focus ligt op de commerciële relatie, het begrip van de retailer strategie en het vermogen om het gesprek te voeren op basis van gedeelde data in plaats van concurrerende claims.

Rol 2: de information manager

De tweede nieuwe rol is nieuw in de meeste FMCG organisaties en wordt nu nog nauwelijks als zodanig benoemd. Het is de rol van degene die ervoor zorgt dat de data die de AI-agent van de leverancier gebruikt, klopt.

Dat klinkt technisch, maar het is fundamenteel strategisch. Een AI agent is zo goed als de data waarop het werkt. Als de product structuur niet klopt, als de promotie historie gaten heeft, als de categorisering inconsistent is tussen bronnen, dan produceert het agent-model inzichten die niet kloppen. En die inzichten gaan rechtstreeks naar de retailer.

De information manager zorgt dat dit niet gebeurt. Niet door zelf data te bouwen in Excel, maar door te begrijpen welke context de agent nodig heeft, te bewaken dat die context aanwezig en actueel is, en direct in te grijpen als er iets niet klopt. Welke promoties zijn er geweest? Welke EAN wissels zijn er doorgevoerd? Welke categorievisie wil de leverancier uitdragen? Al die context moet beschikbaar zijn in het systeem, want de agent kan die context niet zelf verzinnen.

Dit is geen databeheerder die spreadsheets bijhoudt. Het is iemand die begrijpt hoe data en AI samenwerken, die de kwaliteit van het data fundament bewaakt en die bepaalt welke informatie de leverancier wil delen met de retailer en welke intern blijft.

‍

Wat dit betekent voor FMCG-organisaties

De meeste FMCG organisaties hebben vandaag één functie die al het bovenstaande probeert te combineren: de category manager. Die persoon doet data voorbereiding, analyse, advies en commerciële gesprekken allemaal tegelijk, met te weinig tijd voor elk van die onderdelen afzonderlijk.

Als AI het data voorbereidingswerk overneemt, valt die combinatie uiteen. Wat overblijft zijn twee heel verschillende competentieprofielen. De commercieel-relationele kant vraagt om mensen met sterke communicatieve en onderhandelingsvaardigheden, een scherp begrip van de retailwereld en het vermogen om op basis van data een strategisch gesprek te voeren. De information manager kant vraagt om mensen die begrijpen hoe data werkt, hoe AI agents functioneren en hoe je kwaliteit borgt in een systeem dat autonoom opereert.

Sommige mensen zullen beide kanten beheersen. Maar in grotere organisaties ligt het voor de hand dat dit twee aparte rollen worden. En in kleinere organisaties vraagt het om bewuste keuzes over welke kant van het werk prioriteit krijgt.

‍

De rol van het platform

In dit nieuwe model is het dataplatform de plek waar de information manager zijn werk doet. Niet een losse verzameling Excel-bestanden en exports, maar één centrale omgeving waar alle bronnen samenkomen, geharmoniseerd worden en beschikbaar zijn voor de AI agent. Data harmonisatie is daarvoor de basis.

Dat platform moet transparant zijn over waar data vandaan komt, waar fouten zitten en welke context aanwezig of afwezig is. Het moet de information manager in staat stellen om snel bij te sturen als er iets niet klopt. En het moet de commercieel relationele kant voorzien van actuele inzichten die direct bruikbaar zijn in retailer gesprekken.

Er blijft behoefte aan menselijke controle, een human in the loop. Data kwaliteit blijft het allerbelangrijkst. Het data fundament moet goed zijn, want een fout in de basis trekt door alle inzichten en aanbevelingen heen die de agent produceert. De information manager is de bewaker van dat fundament. En het platform is het gereedschap waarmee die rol wordt ingevuld.

‍

Van data cruncher naar strategisch partner

De category manager die vandaag 60% van zijn tijd besteedt aan data voorbereiden en 40% aan de rest, gaat naar een model waarbij data-voorbereiding grotendeels verdwijnt. Wat overblijft is strategisch werk: relaties bouwen, inzichten interpreteren, context bewaken en beslissingen nemen die AI niet kan nemen.

Dat is geen bedreiging voor de functie. Het is een upgrade. De category manager die die transitie maakt, wordt relevanter voor de retailer, niet minder. Want de retailer wil geen leverancier die data aanlevert die hij zelf ook heeft. De retailer wil een partner die iets toevoegt wat hij zelf niet heeft: cross-retailer perspectief, productkennis en de context die goede categorie beslissingen mogelijk maakt.

Dat is precies de rol die de category manager van 2028 kan spelen. Maar alleen als het data fundament op orde is. Lees meer over hoe de data kloof tussen leverancier en retailer die transitie bepaalt.

‍

Klaar voor de volgende stap?

Vraag een strategisch gesprek aan waarin we meteen praktische tips kunnen geven over hoe jouw team de overgang maakt naar de nieuwe rolverdeling in categorie management.

‍