Vraag in gewone taal
Typ je vraag zoals je hem aan een collega zou stellen. De AI vertaalt hem naar SQL die past bij jouw tabellen en kolommen.
AI op eigen data
Stel je vraag in gewone taal. Je data blijft van jou.
Met ENABLE stel je vragen aan je eigen bedrijfsdata zonder SQL te kennen. De AI zet je vraag om naar een query op je eigen datawarehouse en ENABLE voert die alleen-lezend uit. De AI krijgt daarbij alleen de structuur van je data te zien (tabellen en kolommen), nooit de rijen zelf.
enable.dataanalytics.nl/acme
SQL Explorer
SQLDAXWat was de omzet per regio dit kwartaal, vergeleken met vorig jaar? Generate SQL
acme_warehouse Queryplan: alleen-lezen Run
1SELECT r.regio,2 SUM(f.omzet) FILTER (WHERE f.jaar = 2026) AS omzet_2026,3 SUM(f.omzet) FILTER (WHERE f.jaar = 2025) AS omzet_20254FROM verkoop.facturen f5JOIN stam.regio r ON r.regio_id = f.regio_id6WHERE f.kwartaal = 37GROUP BY r.regio8ORDER BY omzet_2026 DESC;
5 rijen · 0,21 s CSV · JSON
regioomzet_2026omzet_2025Δ
Zuid1.421.3001.198.400+18,6%
Noord1.284.9001.121.700+14,5%
Midden1.183.2001.041.000+13,7%
Oost962.400911.800+5,5%
West881.600852.300+3,4%
Omzet Q3 per regio
Zuid
Noord
Midden
Oost
West
AI op eigen data betekent dat een AI-model antwoorden geeft op basis van de gegevens van je eigen organisatie, in plaats van op basis van algemene kennis van internet. Voor bedrijfsdata zoals omzet, voorraad, orders of uren werkt dat het betrouwbaarst als de AI niet zelf gaat rekenen, maar een query schrijft die de database het rekenwerk laat doen.
Zo werkt ENABLE: je typt een vraag als "Wat was de omzet per regio dit kwartaal, vergeleken met vorig jaar?". De AI schrijft de SQL op basis van de structuur van je datawarehouse, ENABLE controleert de query met een alleen-lezen queryplan en voert hem daarna uit. Je ziet de query, het resultaat en een grafiek, en je kunt alles aanpassen of opslaan.
Het verschil met "je data in ChatGPT plakken": bij ENABLE verlaten je rijen data het datawarehouse niet richting de AI. Het model krijgt alleen tabel- en kolomnamen en je vraag. De cijfers die je ziet, komen rechtstreeks uit je eigen database.
Waar het om draait
AI op eigen data in het kort
Query uitleggen of herstellen
Laat de AI een bestaande query in begrijpelijke taal uitleggen, of een foutmelding oplossen zonder dat je zelf gaat zoeken.
Alleen-lezen uitvoering
Queries draaien in een alleen-lezen transactie met een timeout van 45 seconden en een limiet op het aantal queries per minuut. Schrijven of wissen kan niet.
Resultaat als tabel of grafiek
Bekijk de uitkomst als tabel of grafiek en exporteer naar CSV (opent direct in Excel) of JSON als je verder wilt rekenen.
Opslaan en hergebruiken
Bewaar goede queries, zodat ze opnieuw te draaien zijn. Publiceer je een query als API, dan krijgt elke publicatie een eigen versienummer.
Publiceren als API
Een opgeslagen query kan een beveiligd REST-endpoint worden, zodat andere systemen dezelfde, gecontroleerde cijfers ophalen.
Waarom AI op eigen data beter werkt via je datawarehouse
Taalmodellen zijn sterk in taal, maar niet in exact rekenen over duizenden regels. Als je een model een export geeft en vraagt om totalen, krijg je soms een antwoord dat er plausibel uitziet maar niet klopt. Een database maakt die fout niet.
Daarom laat ENABLE de AI doen waar hij goed in is (je vraag begrijpen en een query schrijven) en laat het rekenwerk over aan je datawarehouse. Het antwoord is daardoor controleerbaar: je ziet precies welke tabellen, filters en berekeningen gebruikt zijn.
ChatGPT op bedrijfsdata: waar je op moet letten
Veel organisaties experimenteren met ChatGPT of een vergelijkbare chatbot op bedrijfsdata. De risico's zitten meestal niet in het model zelf, maar in wat je ermee deelt en wie welke antwoorden te zien krijgt.
- Welke data gaat naar het model? Bij ENABLE alleen metadata en de vraag, geen rijen.
- Wie mag welke data bevragen? In ENABLE bepalen rollen en toegangsprofielen wie de SQL Explorer mag gebruiken.
- Kun je het antwoord controleren? In ENABLE staat de query altijd naast het resultaat.
- Kun je achteraf zien wat er gevraagd en uitgevoerd is? In ENABLE komt elke uitgevoerde, geblokkeerde of mislukte query in het auditlog.
Text-to-SQL of RAG: welke vorm van AI op eigen data past bij jou?
Er zijn twee veelgebruikte manieren om AI op eigen data te laten werken. Bij RAG (retrieval-augmented generation) zoekt een systeem relevante stukken tekst op, bijvoorbeeld uit handboeken of contracten, en geeft die mee aan het model. Bij text-to-SQL schrijft de AI een query op gestructureerde data in een database.
ENABLE gebruikt text-to-SQL, omdat het platform draait om cijfers: omzet, marges, voorraad, planning en KPI's. Wil je vooral vragen stellen over documenten, dan is RAG de betere techniek; dat zit niet in ENABLE.
| Text-to-SQL (ENABLE) | RAG | |
|---|---|---|
| Soort data | Tabellen in een database | Documenten en tekst |
| Typische vraag | "Omzet per klantgroep per maand?" | "Wat staat er in ons verzuimbeleid?" |
| Wat gaat naar het model | Structuur (metadata) en de vraag | Tekstfragmenten uit je documenten |
| Controleerbaar | Ja, via de query | Via bronvermelding |
Voor wie is AI op bedrijfsdata in ENABLE bedoeld?
De SQL Explorer is standaard beschikbaar voor klantbeheerders en per organisatie aan te zetten voor gewone gebruikers. In de praktijk gebruiken controllers, analisten en datateams hem om snel een vraag te beantwoorden die (nog) niet in een dashboard staat. Wat vaak terugkomt, wordt daarna een vast dashboard of een eigen dashboard in de Dashboard Builder.
In ENABLE
Zo werkt AI op eigen data in ENABLE
- 01
Je datawarehouse koppelen
ENABLE maakt een versleutelde verbinding met alleen-lezen queries met het PostgreSQL-datawarehouse van je organisatie.
- 02
Vraag stellen
Je typt een vraag in gewone taal. De AI krijgt de tabel- en kolomnamen (en de datadictionary) en schrijft SQL.
- 03
Controleren en uitvoeren
ENABLE checkt de query met een alleen-lezen queryplan en voert hem uit binnen de limieten van je organisatie.
- 04
Gebruiken of hergebruiken
Bekijk het resultaat als tabel of grafiek, exporteer het, sla de query op of publiceer hem als API.
FAQ
Veelgestelde vragen
Wat is AI op eigen data?
AI op eigen data is AI die antwoorden geeft op basis van de gegevens van je eigen organisatie, zoals je ERP, CRM of datawarehouse, in plaats van op basis van algemene kennis. In ENABLE schrijft de AI daarvoor een SQL-query op je eigen datawarehouse.
Gaat mijn bedrijfsdata naar ChatGPT of OpenAI?
Nee, de rijen data niet. ENABLE stuurt alleen metadata (tabel- en kolomnamen, de datadictionary) en de vraag van de gebruiker naar de AI. De query wordt in je eigen database uitgevoerd en het resultaat gaat niet terug naar het model.
Moet ik SQL kunnen om AI op eigen data te gebruiken?
Nee. Je stelt je vraag in gewone taal en de AI schrijft de SQL. Wie SQL wel kent, kan de query bekijken, aanpassen en opslaan.
Hoe weet ik of het antwoord van de AI klopt?
De cijfers komen niet van de AI maar uit je eigen database. Naast het resultaat zie je altijd de query die is uitgevoerd, zodat je kunt nagaan welke tabellen, filters en berekeningen zijn gebruikt.
Kan de AI data wijzigen of verwijderen?
Nee. Queries in ENABLE draaien in een alleen-lezen transactie, met een timeout van 45 seconden.
Werkt dit ook met documenten, zoals een kennisbank of SharePoint?
Nee. ENABLE is gemaakt voor gestructureerde data in een datawarehouse (text-to-SQL). Voor vragen over documenten is een RAG-oplossing geschikter; die zit niet in ENABLE.
Verder lezen
- OplossingAI op ERP data: vragen stellen in gewone taalStel vragen in gewone taal over je ERP-data, via je eigen datawarehouse en zonder export.Lees meer
- PlatformSQL Explorer met AI: vragen stellen aan je databaseVragen in gewone taal aan je datawarehouse. De AI schrijft de SQL, jij houdt controle.Lees meer
- OplossingVeilige AI voor bedrijven: private AI op je dataWat private, veilige AI echt betekent, en hoe ENABLE beperkt wat de AI van je data ziet.Lees meer
- OplossingAI governance: grip op data, AI en toegangWie ziet wat, wat krijgt de AI en wie keurt goed: praktische AI- en datagovernance.Lees meer
- KennisbankText-to-SQL uitgelegd: AI op je databaseText-to-SQL is een techniek waarbij een AI-model een vraag in gewone taal omzet naar een SQL-query, die daarna op een database wordt uitgevoerd. Het taalmodel schrijft de query, de database levert de cijfers. Hoe goed dat werkt, hangt vooral af van de kwaliteit van je metadata en van de veiligheidsmaatregelen rond de uitvoering, zoals alleen-lezen toegang, timeouts en rijlimieten.Lees meer
- KennisbankRAG of text-to-SQL: welke AI kies je?RAG en text-to-SQL zijn twee manieren om AI te laten werken met je eigen data. RAG (retrieval-augmented generation) zoekt relevante tekstfragmenten in je documenten en laat het model daarmee een antwoord formuleren; text-to-SQL laat het model een query schrijven op een database, zodat de database het rekenwerk doet. Gebruik RAG voor vragen over documenten en kennis, en text-to-SQL voor vragen over cijfers.Lees meer
Veilig delen, snel live, zonder hoofdpijn
In een online demo laten we het portaal zien: dashboards per rol, row-level security, vragen in gewone taal en hoe wij het voor je inrichten en beheren.