Het semantisch model: waar je cijfers één betekenis krijgen

Vraag in een kmo aan drie mensen wat de omzet van vorige maand was, en je krijgt drie getallen.

Niemand liegt. De boekhouding telt de facturen, de verkoop telt de orders en de winkel telt wat er over de toonbank ging. Dat zijn drie juiste antwoorden op drie verschillende vragen.

Het semantisch model is de plek waar je beslist welke van die vragen “omzet” is. Eén keer, voor iedereen.

Drie lagen, niet één

Een dashboard lijkt één ding. Bij ons zijn het drie lagen.

Onderaan staat de database. Bij ons is dat PostgreSQL, in een datacenter in de cloud bij Azure of AWS. Daar komen elke nacht de gegevens uit je boekhouding, je kassa en je webshop binnen. Daar worden ze opgekuist, aan elkaar gekoppeld en gecontroleerd.

Bovenaan staat het rapport: de grafieken, de tabellen, het scherm dat je ziet.

Daartussen zit het semantisch model. In Power BI heet het letterlijk zo. Het is de laag die van ruwe tabellen een taal maakt die je bedrijf spreekt.

Wat erin zit

De tabellen en hoe ze aan elkaar hangen. Feiten in het midden, dimensies errond. Hoe dat werkt, lees je in het artikel over het sterschema.

De berekeningen, met een naam. Omzet is exclusief btw en na creditnota’s. Brutomarge is omzet min de kostprijs van wat je verkocht. Die definitie staat één keer vast, op één plek. Wie die berekeningen zelf wil leren schrijven, vindt de basis in de les over DAX.

De tijd. Een kalender met alle dagen, zodat “vorig jaar” en “sinds januari” in elk rapport hetzelfde betekenen. Waarom die kalender apart bestaat, staat in het artikel over het datamodel.

Namen in gewone taal. Niet rekening 700000 maar Omzet. Niet dim_vestiging maar Winkel.

Wie wat mag zien. Een winkelverantwoordelijke ziet zijn eigen winkel, de zaakvoerder ziet alles. Dat zit in het model, niet in tien aparte rapporten.

Waarom dit de belangrijkste laag is

Eén waarheid. Elk rapport, elke export en elke vraag gebruikt dezelfde definitie. Pas je ze aan, dan verandert ze overal tegelijk.

Sneller nieuwe vragen. Een nieuw rapport bouwen gaat snel, omdat het rekenwerk al gebeurd is. Je kiest alleen nog wat je wil zien.

Vragen in gewone taal. Wie zijn cijfers in mensentaal bevraagt, krijgt alleen een betrouwbaar antwoord als er een laag is die weet wat “marge” betekent. Een AI die rechtstreeks op ruwe tabellen rekent, raadt. Een AI op een semantisch model zoekt de definitie op.

Waar het misloopt

Rekenen in het rapport in plaats van in het model. Elk rapport berekent dan zijn eigen marge. Na een jaar heb je vijf versies, en ze verschillen allemaal een beetje.

Exporteren en verder werken in Excel. Zodra de cijfers het model verlaten, verliezen ze hun definitie. De volgende die het bestand opent, weet niet meer wat erin zit.

Niemand die beslist. Als niemand eigenaar is van wat omzet betekent, beslist wie het laatst een rapport maakte. Daarover gaat wie bewaakt het cijfer.

De stelling

Een dashboard is zo betrouwbaar als de laag eronder. Het semantisch model is die laag: de plek waar je bedrijf afspreekt wat zijn eigen woorden betekenen. Wie dat één keer goed vastlegt, hoeft er nooit meer over te discussiëren.