Bouwen op drijfzand: waarom Power BI zonder datawarehouse een duur grapje wordt

Aan de oppervlakte lijkt alles in orde

Stel je voor dat je een all-inclusive vakantie naar een luxe resort in Kroatië hebt geboekt. Alles ziet er tiptop uit: een eigen wellnessruimte, pal aan zee, een zwemparadijs voor de kids en een adembenemend uitzicht op de bergen. Je hebt de tijd van je leven en komt helemaal uitgerust terug.

Maar dan hoor je verhalen over de ongerepte natuur van Kroatië, de lokale restaurantjes en de rijke geschiedenis, en bekruipt je het gevoel dat je iets gemist hebt. Zonder datawarehouse zie je alleen het resort. Met een gids, het datawarehouse, ontdek je de verborgen goudmijnen van het hele data-land.

Dit is een metafoor voor organisaties die met Power BI of een andere BI-tool allerlei mooie rapporten en dashboards maken zonder datawarehouse. Voor datagedreven werken en business intelligence leunen ze volledig op Power BI: het lijkt een alleskunner, het voelt all-inclusive en het is relatief goedkoop. Het liefst met AI erbij.

Kijk eens onder water

De tool geeft inzicht in de business en analyses laten zien waar de schoen wringt. Maar kijk je onder water, dan is het beeld minder fraai: uitdijende rapporten en modellen, gigantische formules die door elkaar lopen, een enorm complex datamodel en openen en verversen dat steeds trager gaat. Kijk je nog dieper, dan zie je dat de cijfers niet echt kunnen kloppen, omdat er alleen met actuals wordt gewerkt.

Onbekend maakt onbemind

Steeds vaker horen we dat organisaties geen datawarehouse meer willen, of hun exemplaar niet meer gebruiken. Ze besluiten alles in Power BI of een andere BI-tool te bouwen. Zonder dat ze het doorhebben, bouwen ze dan toch een datawarehouse.

Zonder dat ze het doorhebben, bouwen ze dan toch een datawarehouse. Alleen nu in Power BI, waar het helemaal niet voor bedoeld is.

Het datawarehouse als zelfstandige component in de BI-architectuur lijkt een slechte naam te hebben gekregen. Of is het simpelweg onbekend maakt onbemind? Misschien horen organisaties in de wandelgangen dat een datawarehouse ontzettend duur is, moeilijk te bouwen en vol risico’s zit. Of hebben ze zelfs een datawarehouse-trauma opgelopen.

In dit artikel verkennen we waarom een datawarehouse bouwen in een tool als Power BI geen goed idee is, en welke duurzamere en veel goedkopere alternatieven er zijn.

De 8 meest gehoorde (en gevaarlijke) argumenten tegen een datawarehouse

In veel gesprekken met (potentiële) klanten horen we steeds dezelfde thema’s terug:

• “Ons datawarehouse hebben we weggegooid, het werd niet gebruikt. Nu gaan we met Power BI rechtstreeks op de bron.”
• “Salesforce is ons nieuwe platform geworden en het datawarehouse hebben we de deur uit gedaan. Rapporten en dashboards maken we direct in Salesforce.”
• “Het duurde veel te lang voordat een nieuwe kolom beschikbaar kwam in het datawarehouse. We rapporteren nu rechtstreeks op de bron.”
• “We betalen al voor Power BI en willen niet nog eens betalen voor een datawarehouse.”
• “Onze data-analisten hebben een mooie Power BI-applicatie gemaakt die realtime de bron uitleest. Verser kan het niet.”
• “We willen geen datawarehouse. We stoppen alle data in ons nieuwe dataplatform en laten gebruikers zelf rapporten en dashboards maken.”
• “Wij faciliteren selfservice BI op een kopie van de bronnen: de BI-laag. Dat werkt voor ons prima. Wij hebben geen duur datawarehouse nodig.”
• “We weten nog niet goed wat we willen en welke KPI’s en inzichten gebruikers willen zien. Met Power BI ontdekken we iteratief wat ze nodig hebben.”

Vragen we door waarom ze niet voor een datawarehouse kozen, dan horen we vrijwel alleen negatieve verhalen, of stuiten we op een muur van onbegrip of weerstand. De kennis van wat een datawarehouse precies doet, en waarom je er echt een nodig hebt voor serieuze BI- en AI-toepassingen, lijkt soms verloren gegaan.

Geven de dashboards gebruikers ook echt handelingsperspectief?

Alle features van het paradepaardje van Microsoft maken organisaties misschien blind voor waar het echt om draait. Geven de dashboards handelingsperspectief? Worden gebruikers goed ondersteund bij hun dagelijkse en wekelijkse beslissingen? In de praktijk maken organisaties BI-dashboards en rapporten vooral voor verantwoording en terugkijken. Het is een kijkdoos geworden, geen beslisdoos met onvervalste KPI’s.

Wat gebeurt er als je Power BI zonder datawarehouse gebruikt?

Zet je Power BI rechtstreeks op een BI-laag of op de bronsystemen, dan loop je vroeg of laat tegen tien problemen aan:

1. Meerdere versies van de waarheid: definities van velden en KPI’s liggen verspreid over meerdere, vaak complexe modellen en rapporten. Eén versie van de waarheid wordt steeds moeilijker af te dwingen. Het gevolg is een propvol, lastig te onderhouden model met inherent onbetrouwbare resultaten.
2. Historie negeren: Power BI heeft geen besef als een klant naar een andere regio verhuist of als er een prijswijziging is. Microsoft geeft aan dat het bijhouden van zulke wijzigingen (een Type 2 slowly changing dimension) meestal in het laadproces van het datawarehouse gebeurt (Microsoft Learn). Betrouwbaar churn voorspellen met AI is er dan niet bij.
3. Anti-analyse: data-analyse is de kern van BI. Zet je Power BI rechtstreeks op een BI-laag of de bron, dan kun je serieuze analyse wel vergeten: Power BI wordt al snel een onhandelbaar gedrocht dat analyses eerder blokkeert dan stimuleert. Lees ook Zonder data-analyse is BI een zinloze zaak.
4. Kijkdoos: beslissingen kun je niet goed modelleren in Power BI; die bereid je voor in de sterschema’s van een datawarehouse. Anders wordt je dashboard een kijkdoos voor verantwoording. Je kunt er niet mee sturen, alleen terugkijken.
5. Traag: dashboards en rapporten worden ontzettend traag. Een datawarehouse is juist bedoeld om snel inzichten en analyses te leveren, ook als de gegevens uit allerlei systemen komen en er complexe berekeningen nodig zijn.
6. Vendor lock-in: je bedrijfslogica zit gevangen in Power BI en overstappen op een andere BI-tool wordt een ramp. Alle logica moet je opnieuw bouwen.
7. Legacy: vroeg of laat heb je toch een datawarehouse nodig, en dan zit je opgescheept met een rapportenfabriek in Power BI vol legacy waar je moeilijk vanaf komt en die je groei in volwassenheid afremt.
8. Security & compliance: in Power BI regel je autorisaties nauwelijks fatsoenlijk op één centrale plek. Wie mag wat zien? Een datawarehouse scheidt toegang netjes van presentatie, en dat is cruciaal voor AVG-compliance.
9. Single point of failure: de modellen en rapporten in Power BI rusten vaak op de schouders van één enthousiaste ontwikkelaar die toevallig handig is met data en DAX. Vertrekt die persoon, dan heb je een flink probleem. Een datawarehouse dwingt een gestandaardiseerde, gedocumenteerde werkwijze af die makkelijk over te dragen is.
10. Silo’s blijven: met alleen Power BI blijven de silo’s in stand. Data centraliseren en harmoniseren over systemen heen lost Power BI niet goed op. Met een datawarehouse staan analyses en rapporten over domeinen heen in een oogwenk klaar.

Je gaat beseffen dat een verkapt datawarehouse in een tool als Power BI eigenlijk bouwen op drijfzand is. Toch laat dit bij veel organisaties nog geen alarmbellen rinkelen. Sterker nog, bij de gedachte alleen al om deze werkwijze los te laten, wordt de tool nog harder verdedigd.

Power BI met of zonder datawarehouse

In de tabel hieronder zie je de verschillen tussen Power BI rechtstreeks op de bron en Power BI bovenop een datawarehouse.

We laten onze dromen maar moeilijk los

Organisaties geven vaak allerlei redenen waarom het drijfzand voor hen geen risico vormt. Ze houden vast aan hun droombeeld van Power BI als alleskunner. Typische argumenten die we horen:

• “Onze gebruikers doen niks met historie, die gebruiken alleen de actuals.”
• “We zijn erg tevreden met Power BI en zien geen reden om ervan af te stappen.”
• “Wat bedoel je met data-analyse? We maken toch allerlei visualisaties en trends op het dashboard inzichtelijk?” Business intelligence wordt nog te vaak gezien als ‘cijfers kijken’. Data-analyse gaat over het waarom achter de (te lage) cijfers. Zonder datawarehouse kom je nooit bij de oorzaak.
• “Wij gebruiken Power BI om te sturen en te verantwoorden. Onze leidinggevenden sturen zelf op de echte KPI’s.”
• “We verversen onze rapporten ’s nachts. Dat duurt best lang, maar dat is niet erg, als ze maar om 8 uur ’s ochtends klaarstaan.”

Deze punten zijn grotendeels verklaarbaar. Je wilt niet zomaar nog een tool of omgeving erbij, en al helemaal geen duur datawarehousetraject waarvan je niet weet wat het oplevert. Zeker door de bril van een mkb-ondernemer moet alles zo simpel mogelijk: rapportages, maar niet te veel investeren; datagedreven werken, maar geen eindeloze trajecten.

Het is als een mooie auto kopen terwijl er nog geen wegen zijn.

Maar de essentie van business intelligence en AI, waarom je het nodig hebt en wat het precies doet, wordt vaak niet begrepen. Power BI wordt gemakshalve gelijkgesteld aan business intelligence. Dat is als een mooie auto kopen terwijl er nog geen wegen zijn: het ziet er flitsend uit op de oprit, maar je komt er geen meter verder mee.

Het beste van twee werelden: Power BI bovenop een datawarehouse

Terug naar Kroatië, ofwel data-land. Het kan ook net even anders: je gaat half-board, maar je huurt ook een lokale gids in die je de schatten van het land laat zien. Je wordt ontzorgd én bent lekker actief, en je kunt rusten op de kennis van de gids.

Zo werkt het ook met een datawarehouse. En laten we duidelijk zijn: met Power BI is niks mis, mits je het goed gebruikt. Power BI bovenop een datawarehouse is dé manier om heel snel betrouwbare rapporten en dashboards te maken. Het fundament klopt, waardoor Power BI in zijn kracht staat. Visuals en waardevolle inzichten rollen bijna vanzelf het dashboard op, zonder complexe queries of ingewikkelde DAX.

Power BI, of welke andere BI-tool ook, kan dan echt een platform worden voor datagedreven besluitvorming en gebruikers duidelijk handelingsperspectief geven. Omdat de definities in het datawarehouse liggen, kun je ook AI toepassen, makkelijk overstappen op een andere BI-tool of inzichten via een API ontsluiten. En omdat Power BI nu een viewer is op je datawarehouse, ben je ook nog eens veel goedkoper uit.

Een duur grapje: de verborgen kosten

Er zijn organisaties die blijven volhouden dat ze geen datawarehouse nodig hebben. Vaak beginnen ze er toch onbewust aan, maar dan in Power BI. Dat wordt meestal een veel duurder ‘datawarehouse’, incompleet, traag en met slechte datakwaliteit, dan een echt datawarehouse. Dit zijn de verborgen kosten:

1. Licenties en lock-in: om de gewenste inzichten te krijgen, moeten ontwikkelaars allerlei trucs uithalen en zijn al snel duurdere licenties nodig. Sinds 1 april 2025 kost Power BI Pro 14 dollar en Premium Per User 24 dollar per gebruiker per maand (Microsoft), en grotere capaciteit bindt je aan Microsoft Fabric: nog een lock-in erbij. Investeer liever in het fundament zelf dan in dure pleisters.
2. Wachttijd: als 20 gebruikers elke dag 5 minuten wachten tot hun dashboard is geopend of ververst, telt dat op tot ongeveer 370 uur per jaar (uitgaande van 220 werkdagen). Een datawarehouse lost dit op, omdat het de gegevens razendsnel aanlevert.
3. Ongebruikte dashboards: een waarschijnlijk gevolg van punt 2 is dat dashboards nauwelijks worden gebruikt, want niemand wil zo lang wachten. Dan zijn de kosten per inzicht feitelijk oneindig.
4. Dubbel bouwen: uiteindelijk heb je toch een datawarehouse nodig en moet je alles opnieuw bouwen.

Waarom zou je het dan niet in één keer goed doen?

Van technisch monster naar beslismachine

Traditionele datawarehousetrajecten staan vaak bekend om enorme budgetoverschrijdingen, complexe ETL met alle risico’s van dien en ellenlange doorlooptijden. Daar liepen wij zelf ook regelmatig tegenaan, en het werd een doorn in ons oog.

Het probleem is niet het datawarehouse zelf, maar de manier waarop we dat decennialang hebben gebouwd: vanuit de data in plaats van vanuit de business en haar beslissingen. Die ‘traumatische’ trajecten zijn de reden dat organisaties nu het datawarehouse willen overslaan en direct op de bron, of een kopie daarvan, willen rapporteren. Maar dat is symptoombestrijding.

Bij een modern datawarehousetraject werken we vanuit de strategie, processen en beslissingen. Dan wordt alles opeens veel compacter, goedkoper en direct waardevol. Wij zien een datawarehouse niet als technisch monster maar als beslismachine, en dat zou voor iedere organisatie, klein en groot, toegankelijk moeten zijn. Daarom ontwierpen we ons eigen datawarehouse-besturingssysteem, Diamond DWH™, dat 70 tot 80% van de taken van een data engineer automatiseert.

Met andere woorden: BI en AI worden volledig ingebed in het primaire proces, zodat je maximale waarde uit je data haalt. Wil je weten waar jouw organisatie staat? Lees hoe Diamond Inspirations directie en management helpt bepalen welke beslissingen als eerste beter moeten.

Bronnen

• Microsoft Learn: Understand star schema and the importance for Power BI (laatst bijgewerkt 30 december 2024).
• Microsoft Power BI-blog: Important update to Microsoft Power BI pricing (nieuwe prijzen vanaf 1 april 2025).

Over de auteur

Daan van Beek

Daan is medeoprichter van Diamond Decisions en leidt de verdere groei. Hij helpt organisaties strategie te vertalen naar de dagelijkse praktijk met een mensgerichte benadering van datagedreven werken, en leert in elke sector waarin hij werkt iets nieuws.

Over Diamond Decisions

Diamond Decisions helpt organisaties beter te worden door betere beslissingen mogelijk te maken. We starten niet bij data, dashboards of AI, maar bij de beslissing die beter moet, en bouwen van daaruit terug naar KPI’s, data en technologie. Dat doen we in vier stappen: inspiratie en alignment, business modeling, analytics en dataplatform en datagedreven beslissers. Zo zorgen we dat BI en AI geen IT-project blijven, maar elke dag waarde opleveren.