Een datawarehouse voor het mkb

Staan je cijfers verspreid over je boekhouding, je CRM en een paar Excel-lijsten, en kost de maandrapportage dagen werk? Een datawarehouse is één centrale database die de gegevens uit al die systemen automatisch ophaalt, controleert en klaarzet voor je rapportages. Een eerste versie kost enkele weken werk, plus enkele tientjes tot een paar honderd euro per maand aan software. Je hebt er een nodig zodra je vragen hebt die één systeem niet kan beantwoorden en het handwerk om die antwoorden te krijgen elke maand terugkomt.

Wat is een datawarehouse?

Elk systeem in je bedrijf bewaart zijn eigen gegevens. Je boekhouding kent de facturen, je CRM de klanten en je webshop de bestellingen. De voorraad staat misschien in een Excel-lijst. Wil je weten welke klanten de meeste marge opleveren, dan moet iemand die gegevens met de hand bij elkaar zoeken.

Een datawarehouse haalt op een vast moment, bijvoorbeeld elke nacht, een kopie van die gegevens op en zet ze bij elkaar. Je systemen blijven werken zoals ze nu werken. In het warehouse krijgt elk cijfer één vaste definitie, zodat omzet in elke rapportage hetzelfde betekent. De geschiedenis blijft bewaard, dus je kunt dit kwartaal vergelijken met hetzelfde kwartaal twee jaar geleden, ook als je inmiddels een ander boekhoudpakket gebruikt.

Je komt ook de term dataplatform of data platform tegen. Dat is het bredere begrip: het warehouse plus alles eromheen, zoals de koppelingen, de controles en soms opslag voor bestanden en AI-toepassingen. In het mkb zouden wij met het warehouse beginnen.

Datawarehouse vs database: wat is het verschil?

Een datawarehouse is ook een database. Het verschil zit in waarvoor hij is ingericht.

De database onder je boekhoudpakket is gemaakt voor het dagelijkse werk: een factuur opslaan, een klant opzoeken. Hij bevat alleen de gegevens van dat ene systeem, in de vorm die dat systeem nodig heeft.

Een datawarehouse is gemaakt voor vragen over meerdere systemen en over langere tijd, zoals de omzet per klantgroep per maand over de afgelopen drie jaar. Zulke zware vragen vertragen je boekhouding niet, want ze draaien op de kopie.

Wanneer heb je er een nodig?

Deze signalen wijzen op een datawarehouse:

• De maandrapportage kost dagen, en bijna al die tijd gaat op aan verzamelen en overtypen.
• In het overleg komen twee mensen met een ander omzetcijfer.
• Gegevens uit je boekhouding en je CRM zijn niet aan elkaar te koppelen, omdat klanten in beide systemen anders heten.
• Eén collega weet hoe de belangrijkste Excel-lijst werkt. Is die collega weg, dan ligt de rapportage stil.
• Vragen als “welke klanten leveren het meeste op?” blijven liggen, omdat het uitzoeken te veel tijd kost.

Herken je er meerdere, dan is het de moeite waard om het uit te rekenen.

Soms is het antwoord ook: nog niet doen. Werk je vooral in één systeem en beantwoorden de ingebouwde rapportages je vragen, dan heb je nu geen datawarehouse nodig. Hetzelfde geldt als je de cijfers maar een paar keer per jaar nodig hebt. Dan weegt de bouw niet op tegen het handwerk.

Datawarehouse architectuur: hoe het in elkaar zit

De architectuur van een datawarehouse bestaat uit vier onderdelen.

Datastroomelke nacht 06:00

Bronnen

Ophalen en laden

Datamodel

Rapportage

• Excel-lijsten
• Exact Online
• CRM
• Webshop

Centrale database

4 bronnen · 1,2 mln regels

gecontroleerd

• Dashboard
• Maandrapportage
• AI-assistent

1. Bronnen. De systemen waar je gegevens nu staan: boekhouding, ERP, CRM, webshop en de Excel-lijsten die je bedrijf draaiende houden.
2. Ophalen en laden. Een geautomatiseerd proces haalt de gegevens op, controleert ze en zet ze in het warehouse. Dit heet een ETL-proces.
3. Datamodel. De gegevens worden ingedeeld in onderwerpen die je bedrijf herkent, zoals klanten, producten en orders. Hier leg je vast wat omzet en marge precies betekenen.
4. Rapportage. Dashboards en rapportages lezen uit het model, in tools zoals Power BI of Looker Studio. Zo kijkt iedereen naar één versie van de waarheid. Later kunnen AI-toepassingen uit dezelfde gegevens lezen.

Vindt de controle een fout, bijvoorbeeld een order zonder klantcode, dan krijg je een melding voordat de fout in je rapportage belandt.

Een datawarehouse bouwen: de stappen

Bouw in kleine stappen, zodat je na de eerste stap al iets hebt waar je op kunt sturen.

1. Begin met de vragen. Schrijf de cijfers op die je elke week of maand wilt zien. Houd het bij een handvol.
2. Breng je bronnen in kaart. Waar staat elk cijfer, wie beheert dat systeem en kun je er automatisch gegevens uit halen?
3. Spreek de definities af. Telt een creditnota mee in de omzet? Beslis dat voordat er iets wordt gebouwd.
4. Koppel de eerste bron. Bouw het ophalen en de controles voor de bron die de meeste vragen beantwoordt.
5. Zet er één dashboard op. Gebruik het een paar weken. Dan zie je welke cijfers nog niet kloppen.
6. Voeg de volgende bron toe. Zo groeit het warehouse mee met wat je echt gebruikt.

Heb je iemand in huis met SQL-ervaring en tijd voor het beheer, dan kun je dit zelf doen. Anders besteed je het uit. Op onze dienstenpagina zie je wat wij daarin doen.

Datawarehouse tools

Je hebt drie soorten tools nodig:

• Opslag: een clouddienst zoals BigQuery, Azure SQL, Snowflake of Microsoft Fabric.
• Ophalen en laden: kant-en-klare koppelingen, of eigen scripts in SQL en Python.
• Rapportage: een dashboardtool zoals Power BI of Looker Studio.

Kies op basis van drie vragen. Welke tools gebruik je al? Wie gaat het beheren? Hoeveel data heb je echt? De hoeveelheid valt in het mkb vaak mee, dus een zware opstelling is zelden nodig.

Wat kost een datawarehouse?

De kosten van een datawarehouse bestaan uit drie posten.

Bouwen. Een eerste versie met een of twee bronnen en een dashboard kost enkele weken werk. Met meer bronnen, rommelige gegevens of maatwerksystemen loopt dat op tot een paar maanden. Reken die weken om met het tarief van wie het bouwt, en vraag bij uitbesteden om een vaste prijs per stap.

Software en cloud. Reken op enkele tientjes tot een paar honderd euro per maand. BigQuery rekent bijvoorbeeld naar gebruik, dus bij weinig data blijft de rekening laag. Microsoft Fabric rekent voor de capaciteit zolang die aanstaat, ook als je er weinig data op hebt. Dashboardlicenties per gebruiker kunnen daar nog bij komen.

Beheer. Als het eenmaal draait, kost het enkele uren per maand aan controles, nieuwe vragen en wijzigingen in je systemen.

Het aantal bronnen en de kwaliteit van je gegevens bepalen het meest of je aan de onder- of bovenkant zit. Zet het totaal af tegen wat het handwerk je nu kost: de uren per maand maal het uurtarief van wie ze maakt.

Voorbeeld: Groothandel Kade

Dit is een voorbeeld. Groothandel Kade is een verzonnen bedrijf.

Kade verkoopt sanitair en installatiemateriaal en heeft 38 medewerkers. De gegevens staan in Exact, een eigen orderportaal en drie Excel-lijsten. De controller is elke maand ongeveer twee dagen kwijt aan de maandrapportage.

Kade begint met drie vragen: wat is de omzet per week, wat is de marge per productgroep en welke artikelen zijn bijna op? Eerst worden Exact en het orderportaal gekoppeld en elke nacht opgehaald. De drie Excel-lijsten met artikelen en prijzen worden één artikelbestand in het warehouse. De directie en de controller spreken af hoe marge wordt berekend.

Daarna staat het dashboard elke ochtend klaar. De controle meldt het zodra de voorraadlijst achterloopt. De maandrapportage komt uit hetzelfde model, dus de controller besteedt die tijd aan het nakijken van de cijfers.

Past een datawarehouse bij jouw bedrijf?

Dat zoeken we samen uit in de gratis Data & AI scan. Je vult elf vragen in, dat duurt ongeveer vijf minuten. Binnen twee werkdagen nemen we contact op voor een gesprek van 45 minuten. Binnen tien werkdagen na het gesprek krijg je een rapport over waar je staat, met drie quick wins. Is het antwoord “nog niet”, dan staat dat er ook in.

Start je gratis scan