Bronnen
ERP, CRM, boekhouding, webshop, kassa of planning. Elk systeem blijft leidend voor zijn eigen proces; het platform haalt er alleen data uit.
Data platform
Een data platform laten bouwen betekent dat je data uit je bronsystemen centraal verzamelt, modelleert en beschikbaar maakt voor dashboards, analyses, AI en apps. Data Analytics B.V. bouwt het datawarehouse en het datamodel; ENABLE is de gebruikslaag waarin je organisatie de data veilig gebruikt.
Een data platform laten bouwen doe je om data uit losse systemen, zoals je ERP, CRM, webshop en planning, op één plek samen te brengen en bruikbaar te maken voor rapportage, analyse en AI. Een goed data platform bestaat uit lagen: bronnen, een laadproces, een centrale opslag, een datamodel en een gebruikslaag.
Data Analytics B.V. bouwt voor organisaties het datawarehouse en het datamodel, en levert met ENABLE de gebruikslaag: een beveiligd portaal met Power BI-dashboards, een SQL Explorer met AI, apps en een Data-API. Zo is het platform niet alleen technisch op orde, maar ook dagelijks in gebruik.
Veel dataplatformprojecten lopen vast omdat ze bij de technologie beginnen. Wij beginnen bij de vraag wat mensen met de data moeten kunnen, en werken van daaruit terug naar het model en de bronnen.
Waar het om draait
ERP, CRM, boekhouding, webshop, kassa of planning. Elk systeem blijft leidend voor zijn eigen proces; het platform haalt er alleen data uit.
Data wordt periodiek uit de bronnen naar het warehouse geladen, bijvoorbeeld met Airbyte of via de API van het bronsysteem. Dat gebeurt buiten het ENABLE-portaal.
Per organisatie een eigen PostgreSQL-database waarin de data samenkomt. ENABLE leest daaruit via een versleutelde verbinding met alleen-lezen queries.
Tabellen en definities die de data begrijpelijk maken: klanten, orders, omzet, marge. Het model is de basis voor dashboards en voor AI.
Een portaal in je eigen huisstijl met ingebedde Power BI-dashboards, SQL met AI, apps en toegangsprofielen per rol.
Opgeslagen queries publiceer je als REST-endpoint met API-sleutel, zodat andere systemen dezelfde data gebruiken als je dashboards.
Een modern data platform is geen enkel product, maar een keten. Elke laag heeft een eigen taak, en de kwaliteit van het geheel wordt bepaald door de zwakste schakel. Een mooi dashboard op een rommelig model levert nog steeds twijfelachtige cijfers op.
| Laag | Wat er gebeurt | Voorbeeld |
|---|---|---|
| 1. Bronnen | Systemen waarin het werk gebeurt | ERP, CRM, webshop, kassasysteem |
| 2. Laden | Data wordt opgehaald en centraal opgeslagen | Standaardconnector of eigen koppeling via de API |
| 3. Opslag | Centrale database of data lake | PostgreSQL-datawarehouse |
| 4. Model | Data opschonen, koppelen en definiëren | Feiten- en dimensietabellen, KPI-definities |
| 5. Gebruik | Mensen en systemen gebruiken de data | Dashboards, SQL met AI, apps, Data-API (ENABLE) |
Bij het bouwen van een data platform kom je drie soorten opslag tegen. Ze lossen verschillende problemen op. Voor rapportage, KPI's en vragen over bedrijfscijfers is een datawarehouse meestal voldoende en het eenvoudigst te beheren. Een data lake of data lakehouse wordt interessant als je grote hoeveelheden ruwe of ongestructureerde data hebt.
| Datawarehouse | Data lake | Data lakehouse | |
|---|---|---|---|
| Wat is het | Database met opgeschoonde, gemodelleerde tabellen | Opslag van ruwe bestanden in elk formaat | Lake-opslag met warehouse-functies erbovenop |
| Soort data | Vooral tabellen: orders, facturen, klanten | Alles: tabellen, logbestanden, documenten, beelden | Gestructureerd en ongestructureerd |
| Sterk in | Betrouwbare rapportage en KPI's | Veel ruwe data voordelig bewaren | Analyse en data science op één plek |
| Aandachtspunt | Minder geschikt voor ongestructureerde data | Zonder model en beheer snel onoverzichtelijk | Vraagt meer techniek en beheer |
| Past vaak bij | Organisaties die vooral op bedrijfscijfers sturen | Organisaties met veel ruwe of ongestructureerde data | Organisaties met een eigen data-engineeringteam |
De meeste problemen bij het bouwen van een data platform zijn niet technisch. Ze ontstaan omdat het doel onduidelijk is of omdat niemand eigenaar is van de cijfers.
Termen als enterprise data platform, cloud data platform en data lake platform klinken groot, maar de vraag is steeds dezelfde: welke data heb je, wie gebruikt die en waarvoor? Voor veel organisaties is een centraal dataplatform met een datawarehouse, een goed model en één portaal genoeg. Grotere stacks met een data lake, streaming en notebooks passen bij organisaties met veel ruwe data en een eigen datateam.
ENABLE zelf draait in de cloud, bij Vercel in de regio Frankfurt. Waar je datawarehouse staat, hangt af van je organisatie; ENABLE maakt er een versleutelde verbinding met alleen-lezen queries mee.
ENABLE is de laag waar het platform zichtbaar wordt voor de organisatie. Gebruikers openen Power BI-dashboards in een portaal in je eigen huisstijl, stellen vragen in gewone taal in de SQL Explorer en gebruiken apps die op dezelfde data draaien. Queries in de SQL Explorer lopen alleen-lezen, met een timeout van 45 seconden.
Daarnaast regelt ENABLE de dingen die vaak vergeten worden: toegangsprofielen, row-level security, tweestapsverificatie, een activiteitenlog en inzicht in welke dashboards gebruikt worden. Met de Dashboard Builder, nu in pilot, maken gebruikers zelf dashboards op goedgekeurde databronnen.
In ENABLE
We beginnen bij de vragen en dashboards die je nodig hebt, als schets of prototype, voordat er iets gebouwd wordt.
Data uit je bronsystemen wordt in je eigen PostgreSQL-datawarehouse geladen. De beste laadroute per bron bepalen we in de intake.
We leggen tabellen, relaties en KPI-definities vast, zodat dashboards en AI met dezelfde definities rekenen.
In ENABLE koppelen we dashboards, queries en apps aan toegangsprofielen, in je eigen huisstijl.
Data Analytics volgt met gebruiksstatistieken en de dagelijkse Power BI-gezondheidscheck wat gebruikt wordt en waar aandacht nodig is.
FAQ
Een data platform is de centrale infrastructuur waarmee een organisatie data uit haar systemen verzamelt, opslaat, modelleert en beschikbaar maakt. Het bestaat meestal uit bronnen, een laadproces, een datawarehouse of data lake, een datamodel en een gebruikslaag met dashboards, analyses en API's.
Je hebt toegang nodig tot je bronsystemen, meestal via een API of database, een centrale opslag zoals een datawarehouse, een datamodel met afgesproken definities en een gebruikslaag voor dashboards en analyses. Daarnaast is het belangrijk dat iemand in je organisatie eigenaar is van de belangrijkste KPI's.
Een datawarehouse bevat opgeschoonde, gemodelleerde tabellen en is gemaakt voor betrouwbare rapportage. Een data lake bewaart ruwe data in elk formaat, ook documenten en logbestanden, en is flexibeler maar zonder beheer snel onoverzichtelijk. Voor rapportage op bedrijfscijfers is een datawarehouse meestal de logische keuze.
Een data lakehouse combineert de goedkope, flexibele opslag van een data lake met functies van een datawarehouse, zoals tabellen en SQL. Het past bij organisaties met veel uiteenlopende data en een eigen data-engineeringteam. Voor de meeste rapportagevragen is het niet nodig.
ENABLE is de gebruikslaag van een data platform: het portaal waarin je dashboards, SQL met AI, apps en de Data-API gebruikt. Het datawarehouse en het laden van bronnen horen ook bij het platform, maar gebeuren buiten het portaal. Data Analytics B.V. bouwt die onderdelen voor je.
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.