Datagedreven werken. Het klinkt als de hoofdprijs voor elke organisatie die meer grip, inzicht en voorsprong wil. Maar laat meteen duidelijk zijn: de praktijk is weerbarstig. Veel bedrijven beginnen enthousiast aan data & analytics-trajecten, maar lopen direct tegen een oude bekend aan; matige datakwaliteit. Niet zelden krijg ik rapportages of dashboards onder ogen die er gelikt uitzien, maar waar ‘iets niet klopt’. Je krijgt voor jouw gevoel geen betrouwbare inzichten, kunt daardoor geen gefundeerde beslissingen nemen en het vertrouwen in het systeem verdampt. Geen verrassing als de basis rammelt door slechte data.
Datakwaliteit: de fundering voor succes
Datakwaliteit vergt aan het begin een scherpe focus, maar het onderhoud ervan zou geen marathon moeten zijn. De sleutel zit in de structuur. Richt je het dataproces vanaf het begin goed in, dan wordt het waarborgen van kwaliteit een automatisme in plaats van een constante strijd. Zonder die structurele aanpak ebt de kwaliteit vanzelf weg, bijvoorbeeld als bronsystemen veranderen, kolomnamen worden aangepast of velden plotseling leeg mogen blijven.
Neem bijvoorbeeld een rapportage over omzetcijfers. Als in het onderliggende bronsysteem een veld ‘omzet’ ineens leeg ingevuld mag worden, kan het zomaar gebeuren dat in Power BI het gemiddelde stukken lager uitvalt dan de werkelijke prestaties, met alle gevolgen van dien. Of denk aan een klant waarbij een cloudapplicatie opeens twee kolommen niet meer aanlevert. Je ontdekt dit vaak pas als gebruikers aan de bel trekken nadat een rapportage ‘niet voelt zoals normaal’. Tegen die tijd kun je zomaar verkeerde beslissingen hebben genomen.
Datahygiëne als rode draad
Juist daarom pakken wij bij elk traject de datahygiëne structureel aan. Het verbeteren en waarborgen van datakwaliteit is iets dat je continu moet borgen in de architectuur én de processen van je datahuishouding. Niet alleen in het begin, maar bij iedere wijziging, iedere update én bij iedere uitbreiding van je datagebruik in de organisatie.
Medallion Architecture: van brons naar goud
Traditionele Power BI-oplossingen werken vaak direct met wat je binnenkrijgt: de zogenaamde bronslaag. Je laadt die ruwe data in, doet er in Power Query een transformatie-jasje omheen en klaar is Kees. Jammer genoeg heeft die aanpak een zwakke plek: alle stappen (opschonen, aanvullen, verrijken, controles) lopen door elkaar heen. Zodra de bron verandert, is je hele proces kwetsbaar. Eén missende kolom en Power Query gooit je rapportage volledig overhoop.
‘Power BI geeft je een snelle start; Microsoft Fabric brengt structuur en professionaliteit in je dataprocessen.’
Met Medallion Architecture brengen we structuur en gelaagdheid in dit proces. Data stroomt eerst altijd binnen als bronslaag: rauw, onaangeroerd. Vervolgens doorloopt deze data afhankelijk van de situatie verschillende ETL- (Extract, Transform, Load; in die volgorde) of ELT-stappen (andere volgorde) waarbij na elke stap expliciete kwaliteitscontroles plaatsvinden. Pas als de data door deze controles komt, gaat het door naar de zilverlaag (schoning, verrijking) en uiteindelijk naar goud: dé laag waarop gebruikers hun vertrouwen kunnen bouwen.
Microsoft Fabric: meer mogelijkheden, meer controle
Power BI gunt je een snelle start, maar Microsoft Fabric brengt structuur en professionaliteit in je dataprocessen. Je werkt standaard met een Lakehouse (denk aan een Datalake, maar dan met power en overzicht). Binnen Fabric kun je met Notebooks (bijvoorbeeld in PySpark) op een flexibele manier datakwaliteit toetsen én automatisch waarborgen.
Voorbeeld
Je verwacht dat elke maand een spreadsheet met exact 12 kolommen wordt aangeleverd. Microsoft Fabric laat je in Python of PySpark snel bouwen aan een controle die automatisch vlaggetjes zet zodra een afwijking opduikt: is er een kolom bijgekomen, of ontbreekt er een? De eigenaar of de verantwoordelijke afdeling krijgt een melding, vóórdat collega’s tegen een scheve rapportage aanlopen.
‘Power BI geeft je een snelle start; Microsoft Fabric brengt structuur en professionaliteit in je dataprocessen.’
En dat is nog niet alles. Met Fabric kun je bijvoorbeeld ook instellen:
En wat als data wél afwijkt? Dan bepaal je of deze automatisch buiten de rapportages wordt gehouden, of dat je een escalatie in gang zet. Zo borg je dat gebruikers nooit op basis van verkeerde of onvolledige data beslissingen hoeven nemen.
Wat levert je dit nu écht op?
Het effect van structurele datakwaliteit is misschien niet altijd direct zichtbaar, maar de meerwaarde is enorm:
Samenwerken aan volwassen datagebruik
Datagedreven sturing werkt pas écht wanneer datakwaliteit structureel geborgd is. Daar is meer voor nodig dan alleen slimme tools. Het vraagt om een duidelijke aanpak: processen, checks, eigenaarschap en een heldere rolverdeling tussen IT, data engineers en eindgebruikers.
Juist die samenhang?-?middelen, mensen en afspraken?-?is wat we bij Avantage elke dag met klanten opzetten en optimaliseren. Niet alleen technisch, maar vooral praktisch en werkbaar. Of je nu net begint met Power BI of wilt opschalen naar Fabric met een volwassen data-architectuur: het aanleggen van kwaliteitschecks, meldingen en doorlopende controles is niet ingewikkeld. Je moet het alleen wél doen.
Heb je vragen over deze blog of wil je meer weten over Microsoft Fabric en wat je daar allemaal mee kunt doen? Neem gerust contact met me op. Ik help je graag verder.
Bron: Avantage, Foto: Avantage
Zoals ieder jaar was het een voorrecht om CorporatiePlein te mogen organiseren. En de 2024-editie, de veertiende van het…
www.corporatieplein.nl
CorporatieGids Magazine - Juni 2025 Inhoud Gerrolt Ooijman (Wonion): Duurzaamheid als fundament van de organisatie Camiel Schuurmans (NabijWonen): Ouderwets…
Zoek en vind leveranciers en adviesbureaus die IT-diensten en oplossingen aanbieden aan woningcorporaties.
