Kennisbank

Begrippenlijst

81 termen uit de wereld van business intelligence, uitgelegd in gewoon Nederlands. Voor wie in de vergadering zit, niet voor wie het bouwt.

Grondbegrippen

14 termen

Analytics #: De bredere term voor het ontdekken van patronen in data, van eenvoudige tellingen tot voorspellende modellen. Business intelligence is analytics toegepast op je eigen bedrijfscijfers, verpakt in dashboards die iedereen begrijpt.
Business intelligence BI #: Je eigen bedrijfsgegevens omzetten in cijfers waarop je beslist. Geen losse rapportage, maar iets dat blijft draaien: de cijfers komen vanzelf binnen en betekenen voor iedereen hetzelfde.
Dashboard #: Eén scherm met de belangrijkste cijfers van je bedrijf of afdeling, dat zichzelf bijwerkt. Je ziet in een paar seconden hoe je ervoor staat en klikt door voor het waarom.
Data-analyse #: Het onderzoeken van cijfers om een specifieke vraag te beantwoorden, zoals waarom de omzet daalde in maart. Het is een eenmalig onderzoek; business intelligence is het systeem dat zulke inzichten doorlopend blijft leveren.
Datagedreven werken #: Beslissen op gemeten feiten in plaats van op gevoel of gewoonte. In de praktijk: de cijfers liggen op tafel vóór het besluit valt, en iedereen kijkt naar dezelfde.
Datastrategie #: Het plan waarin staat welke databronnen, systemen en vaardigheden je organisatie nodig heeft om haar doelen te halen. Zonder datastrategie bouw je dashboards op toeval in plaats van op een route.
Datavolwassenheid #: Hoever je organisatie is in het gebruik van data, van handmatig verzamelen tot automatisch bijsturen. Het bepaalt wat een zinnige volgende stap is.
Dimensie #: De invalshoek waarmee je een cijfer opsplitst: per klant, per maand, per regio. Dimensies zijn de woorden na “per”.
Eén versie van de waarheid Single source of truth #: Eén definitie en één bron per begrip, zodat twee afdelingen niet met verschillende omzetcijfers in dezelfde vergadering zitten. Dit is een kwestie van afspraken, niet van techniek.
KPI Kritieke prestatie-indicator #: Een cijfer met een norm ernaast, zodat je ziet of je je doel haalt. Omzet is een cijfer. Omzet naast je maandtarget is een KPI.
Meetwaarde Metric, kengetal #: Het getal dat je meet: omzet, aantal orders, doorlooptijd. Meetwaarden zijn wat je optelt of gemiddeld neemt.
Rapport #: Een uitgewerkt overzicht over één periode of onderwerp, gemaakt om te lezen. Een dashboard laat zien hoe het gaat; een rapport legt uit waarom.
Self-service BI #: Medewerkers maken zelf hun analyses, binnen een model dat specialisten hebben klaargezet. Jij kiest de vragen; de definities staan al vast.
Stuurinformatie #: Informatie die je niet alleen laat zien wat er gebeurde, maar die je ook helpt beter, sneller of scherper bij te sturen. Een dashboard dat alleen terugkijkt is rapportage; pas als het een beslissing verandert, is het stuurinformatie.

Data en opslag

11 termen

Data lake #: Een opslagplaats waar gegevens in hun originele vorm blijven staan, ook documenten en logbestanden. Handig als je nog niet weet wat je ermee wilt, maar zonder ordening wordt het een moeras.
Data ontsluiten #: Gegevens uit een bronsysteem toegankelijk maken voor rapportage, bijvoorbeeld via een koppeling, export of API. Zonder deze stap kan een systeem boordevol nuttige cijfers staan zonder dat er ooit een dashboard mee gevuld wordt.
Database #: Een opslagplaats waarin gegevens in tabellen staan. Elk zakelijk systeem draait erop, maar zo’n database is gemaakt om het programma te laten werken, niet om op te rapporteren.
Databron #: Elk systeem waar gegevens vandaan komen: je ERP, CRM, boekhouding, webshop of een Excel-bestand. Hoe meer bronnen, hoe complexer en duurder een BI-traject.
Datamart #: Een afgebakend stuk van een datawarehouse voor één afdeling, bijvoorbeeld alleen verkoop. Gebruikers vinden er sneller wat ze zoeken.
Datawarehouse #: Eén centrale plek waar gegevens uit meerdere systemen samenkomen, schoongemaakt en op één manier gedefinieerd. Vuistregel: bij één of twee bronnen niet nodig, vanaf drie wel.
Gestructureerde en ongestructureerde data #: Gestructureerde data past keurig in tabellen met vaste kolommen, zoals een orderregel of een klantnummer. Ongestructureerde data heeft die vorm niet, zoals een e-mail, een foto of een pdf, en is lastiger te rapporteren.
Lakehouse #: Een data lake en een datawarehouse in één: de vrije opslag van het eerste met de structuur van het tweede. Hier zet Microsoft met Fabric op in.
Masterdata Stamgegevens #: De kerngegevens die je hele bedrijf gebruikt: klanten, producten, leveranciers. Heet dezelfde klant in drie systemen anders, dan sluiten je rapportages niet op elkaar aan.
Medallion-architectuur Brons, zilver, goud #: Drie lagen waarin data steeds schoner wordt: brons bewaart alles zoals het binnenkwam, zilver haalt de fouten eruit, goud is klaar voor rapportage. Omdat brons onaangeroerd blijft, kun je altijd terug.
Metadata #: Gegevens over gegevens: waar een veld vandaan komt, wanneer het is bijgewerkt en wie het beheert. Dit maakt een dashboard uitlegbaar.

Data klaarmaken

10 termen

Data opschonen #: Dubbelingen weghalen, fouten corrigeren en gaten opvullen. Dit hoeft niet af te zijn voor je begint: schoon op wat de vragen die je stelt écht nodig hebben.
Data-integratie #: Gegevens uit verschillende systemen samenbrengen tot één geheel. De techniek is het makkelijke deel; het lastige is dat twee systemen hetzelfde woord anders gebruiken.
Datapijplijn Data pipeline #: De automatische route die gegevens afleggen van bron tot dashboard. Klopt je dashboard ’s ochtends zonder dat iemand iets deed, dan is dat de pijplijn.
Datatransformatie #: Gegevens omvormen tot iets bruikbaars: kolommen splitsen, datums gelijktrekken, tabellen samenvoegen. Meestal het grootste deel van het werk, en het deel dat niemand ziet.
ELT Extract, load, transform #: Dezelfde stappen als ETL, maar in andere volgorde: eerst alles binnenhalen, daarna pas bewerken. Omdat de ruwe data bewaard blijft, kun je een bewerking later aanpassen zonder terug naar de bron.
ETL Extract, transform, load #: Gegevens ophalen, bewerken en daarna pas wegschrijven. De klassieke volgorde: wat aankomt is al schoon.
Incrementeel laden #: Bij het verversen alleen nieuwe en gewijzigde regels ophalen in plaats van alles opnieuw. Bij veel data scheelt dat uren.
Power Query #: Het onderdeel van Power BI en Excel waarin je vastlegt hoe ruwe data wordt opgeschoond. Je legt de stappen één keer vast; daarna gebeurt het bij elke verversing vanzelf.
Query #: Een vraag aan een databron in een taal die het systeem begrijpt, meestal SQL. Power Query in Power BI vertaalt dit naar kliks, maar onder de motorkap draait nog altijd een query.
Verversen Refresh #: Nieuwe gegevens ophalen zodat je dashboard actueel is. Je stelt zelf in hoe vaak dat gebeurt: dagelijks, elk uur of bijna live.

Modelleren

12 termen

Aggregatie Aggregeren #: Cijfers samenvoegen tot een hoger niveau: dagomzet optellen tot maandomzet, orders tellen tot een totaal per klant. Elk dashboard doet dit achter de schermen, van losse regels naar het overzicht dat je ziet.
Berekende kolom #: Een kolom die één keer per verversing wordt uitgerekend en per regel wordt opgeslagen. Handig om op te filteren, maar het kost geheugen: voor optellen gebruik je liever een measure.
Datamodel #: De manier waarop je tabellen aan elkaar hangen, plus de berekeningen daarop. Op een slecht model wordt een dashboard nooit betrouwbaar, hoe mooi het er ook uitziet.
DAX Data Analysis Expressions #: De rekentaal van Power BI, waarin je je berekeningen vastlegt. Lijkt op Excel-formules, maar rekent met hele tabellen tegelijk.
Dimensietabel #: De tabel met beschrijvingen waarmee je die gebeurtenissen opsplitst: klanten, producten, datums. Kort, en verandert zelden.
Feitentabel #: De tabel met alles wat er gebeurt: elke order, elk geboekt uur, elke verkoopregel. Lang, en hij blijft groeien.
Granulariteit Detailniveau #: Het fijnste niveau waarop je gegevens bewaart: per order, per dag of per maand. Samenvatten kan altijd, uitsplitsen naar iets fijners dan je bewaarde nooit.
Measure Berekening #: Een berekening die pas rekent op het moment dat je kijkt, en meebeweegt met je filters. Eén berekening “omzet” geeft dus vanzelf het juiste antwoord per maand én per klant.
Relatie #: De koppeling tussen twee tabellen. Klik je op een klant en verandert de omzetgrafiek mee, dan doet een relatie zijn werk.
Semantisch model #: De laag tussen je ruwe data en je rapporten waarin staat wat alles betekent. Omdat “omzet” hier één keer wordt vastgelegd, betekent het overal hetzelfde.
Sneeuwvlokschema Snowflake schema #: Een sterschema waarin de omliggende tabellen zelf ook weer opgesplitst zijn. Het bespaart ruimte, maar maakt het model trager en lastiger leesbaar. In Power BI kies je meestal het sterschema.
Sterschema Star schema #: De standaardvorm van een datamodel: één tabel met gebeurtenissen in het midden, tabellen met beschrijvingen eromheen. Power BI is hierop gebouwd, en dit is meestal het verschil tussen een snel en een traag model.

Microsoft-platform

15 termen

Azure #: Het cloudplatform van Microsoft voor opslag, databases en rekenkracht. Voor BI wordt het relevant zodra je meer nodig hebt dan Power BI zelf aankan.
Data Factory #: Microsofts dienst binnen Azure en Fabric om data automatisch te verplaatsen en te bewerken tussen systemen, zonder dat je zelf code hoeft te schrijven. Relevant zodra je meerdere bronnen op een vast schema wilt samenbrengen.
Gateway #: Een brug tussen Power BI in de cloud en systemen die bij jou op kantoor draaien. Zonder gateway kan de cloud niet bij je eigen server.
Import, DirectQuery en Composite #: De drie manieren waarop Power BI met je data omgaat. Import kopieert de data en is het snelst, DirectQuery bevraagt de bron live en is actueler maar trager, Composite combineert beide. Voor het MKB is Import bijna altijd goed.
Microsoft Fabric #: Microsofts platform waarin opslag, verwerking en rapportage in één omgeving zitten, met Power BI als rapportagelaag. De richting waarin Microsoft doorbouwt, al heeft niet iedereen het vandaag nodig.
OneLake #: De centrale opslag van Microsoft Fabric, waarin alle data van je organisatie op één plek staat. Het idee: één keer opslaan in plaats van een kopie per toepassing.
Power Automate #: Microsofts tool om handelingen tussen systemen te automatiseren, bijvoorbeeld een melding sturen als een KPI onder de norm zakt. Zo wordt een dashboard iets dat je waarschuwt in plaats van iets dat je moet bekijken.
Power BI #: Het BI-platform van Microsoft: databronnen koppelen, modelleren en publiceren naar dashboards. Het bestaat uit Desktop om te bouwen en de Service om te delen.
Power BI Desktop #: Het gratis programma waarin je dashboards bouwt. Bouwen kost niets; pas voor delen heb je licenties nodig.
Power BI Premium #: Een zwaardere licentievorm die capaciteit voor een hele organisatie koopt in plaats van per gebruiker, met grotere modellen en snellere verversingen. Pas relevant vanaf tientallen gebruikers of grote datasets.
Power BI Pro #: De licentie waarmee je rapporten kunt delen en de Power BI Service kunt gebruiken, per gebruiker per maand. Voor de meeste MKB-teams is dit de licentie die je nodig hebt.
Power BI Service #: De online omgeving waar gepubliceerde rapporten staan en waar je verversingen en rechten regelt. Hier kijken je collega’s mee.
Power Platform #: Microsofts verzamelnaam voor Power BI, Power Automate, Power Apps en Copilot Studio: vier tools die dezelfde data en dezelfde beveiliging delen. Voor de meeste MKB-trajecten zijn Power BI en Power Automate de twee die er echt toe doen.
Qlik #: Een BI-platform naast Power BI, bekend om zijn associatieve datamodel waarin je vanuit elk cijfer kunt doorklikken zonder vooraf vastgelegde paden. Optilise bouwt op Power BI, maar het onderliggende idee, data verbinden in plaats van stapelen, is hetzelfde.
Werkruimte Workspace #: Een afgeschermde ruimte in Power BI waarin een team zijn rapporten beheert. Zo houd je afdelingen uit elkaar, en af werk gescheiden van werk in wording.

Rollen en functies

5 termen

BI developer #: De persoon die dashboards en rapportages daadwerkelijk bouwt in Power BI: datamodellen opzetten, DAX schrijven, visuals inrichten. De schakel tussen een datamodel en een scherm dat een manager begrijpt.
Data architect #: De persoon die de grote lijnen van een dataomgeving uittekent: welke systemen praten met elkaar, waar data wordt opgeslagen en volgens welke structuur. Bij een klein BI-traject valt deze rol vaak samen met de data engineer.
Data engineer #: De persoon die datapijplijnen en datawarehouses bouwt en onderhoudt, zodat gegevens betrouwbaar en op tijd op de juiste plek staan. Zonder een data engineer moet elke rapportage handmatig worden bijgewerkt.
Data scientist #: De persoon die met statistiek en machine learning voorspellende modellen bouwt, zoals verwachte vraag of het risico dat een klant vertrekt. Pas de moeite waard als je datafundament al op orde is.
Data-analist #: De persoon die data onderzoekt om een concrete vraag te beantwoorden en de uitkomst uitlegt aan wie erop beslist. Anders dan een data engineer bouwt een data-analist geen systemen, maar gebruikt ze.

Beheer en veiligheid

8 termen

AVG GDPR #: De Europese privacywet voor persoonsgegevens. Voor BI betekent het: verzamel niet meer dan nodig, leg vast waarom je iets bewaart, en zorg dat niet iedereen bij herleidbare gegevens kan.
Data governance #: De afspraken over wie welke gegevens beheert, wie ze mag zien en wat begrippen betekenen. Zonder die afspraken groeien dashboards vanzelf uit elkaar.
Data lineage Dataherkomst #: De traceerbare route van een cijfer: uit welke bron het komt, welke bewerkingen het onderweg onderging en waar het in het rapport landt. Onmisbaar zodra iemand vraagt waarom een getal anders is dan vorige maand.
Datakwaliteit #: Hoe compleet, juist en actueel je gegevens zijn. Eén cijfer dat niet blijkt te kloppen, en het dashboard wordt niet meer geopend.
Datamanagement #: Het geheel van afspraken en processen waarmee je gegevens verzamelt, opslaat, beveiligt en toegankelijk houdt. Goed datamanagement is de voorwaarde voor betrouwbare dashboards, niet een aparte stap ernaast.
EU-datagrens EU Data Boundary #: Microsofts toezegging dat zakelijke gegevens van Europese klanten in Europa blijven, van kracht sinds 2023. Het antwoord op de vraag die bij elk BI-traject valt: waar staat onze data eigenlijk?
Gevoeligheidslabel Sensitivity label #: Een markering die aangeeft hoe vertrouwelijk een rapport is en die meegaat als iemand het exporteert. Zo blijft een vertrouwelijk overzicht ook in Excel beschermd.
Rijniveaubeveiliging RLS, row-level security #: Een instelling die per gebruiker bepaalt welke regels data hij te zien krijgt. Iedere accountmanager opent hetzelfde dashboard en ziet alleen zijn eigen klanten.

Analyseren en gebruiken

6 termen

Augmented analytics #: Analyse waarbij AI zelf opvallende patronen en verklaringen aandraagt. In Power BI zie je dat in functies die uit zichzelf melden welke factor het meest bijdroeg.
Datavisualisatie #: Cijfers omzetten in grafieken, kaarten en tabellen die in één oogopslag te begrijpen zijn. Goede datavisualisatie kiest de vorm die bij de vraag past: een lijn voor een trend, een staaf voor een vergelijking.
Drilldown Drillthrough #: Doorklikken van een totaal naar het detail eronder: van jaar naar maand, van regio naar klant. Zo zie je niet alleen dát een cijfer afwijkt, maar ook waarom.
Slicer Filter #: Een knop of lijst waarmee de kijker zelf inzoomt op één jaar, één vestiging of één productgroep. Daarom vervangt één goed dashboard tientallen losse rapporten.
Voorspellende analyse Predictive analytics #: Uit je historie afleiden wat er waarschijnlijk gaat gebeuren, zoals de verwachte vraag of de kans dat een klant vertrekt. Zinvol zodra je historie klopt.
Waterfall chart Watervalgrafiek #: Een staafdiagram dat laat zien hoe een startwaarde stap voor stap toe- of afneemt tot een eindwaarde, bijvoorbeeld hoe brutomarge wordt tot nettowinst. Elke stap krijgt zijn eigen staaf, zodat je precies ziet welke factor het meest bijdroeg.

Ook groeien op eigen kracht met data?

Benieuwd wat we voor jou kunnen doen? We laten je graag zien hoe data jouw organisatie vooruithelpt.

Neem contact op Meer over ons