Argus BI › Azure SQL Datawarehouse

Azure SQL · Datawarehouse · Power BI fundament

Azure SQL Datawarehouse
voor Power BI

Een Azure SQL datawarehouse vormt de centrale datalayer tussen uw bronsystemen en Power BI. Argus BI bouwt het warehouse conform Medallion Architecture — met staging, transformatie en historische opslag. Schaalbaar, GDPR-compliant en volledig in Microsoft Azure.

Het probleem dat wij oplossen

Waarom een datawarehouse onmisbaar is

Zonder centraal datawarehouse zijn Power BI rapporten fragiel: traag, inconsistent en afhankelijk van handmatige exports. Een Azure SQL datawarehouse lost dat fundamenteel op.

Zonder datawarehouse
  • Power BI koppelt rechtstreeks aan bronsysteem — traag en kwetsbaar
  • Elke databron heeft een eigen rapport; cijfers sluiten niet op elkaar aan
  • Handmatige exports en Excel-bestanden als tussenstap
  • Historische data niet beschikbaar in het bronsysteem
  • Geen centrale plek voor gecombineerde analyses (bijv. omzet × personeel)
  • Rapportages breken bij elke systeemupdate van de leverancier
Met Azure SQL Datawarehouse
  • Power BI koppelt aan Azure SQL — snel, stabiel en altijd beschikbaar
  • Alle bronnen in één datamodel; KPI's zijn per definitie consistent
  • Volledig geautomatiseerde ETL-pipeline, geen handmatig werk
  • Historische snapshots worden dagelijks opgeslagen
  • Domeinoverstijgende analyses mogelijk: financieel × operationeel × HRM
  • Updates in het bronsysteem raken het dashboard niet — ETL vangt ze op

Architectuur

Hoe het datawarehouse is opgebouwd

Het Azure SQL datawarehouse van Argus BI volgt een gelaagde architectuur. Elke laag heeft een specifieke verantwoordelijkheid — zodat de data op elk niveau betrouwbaar en begrijpelijk is.

Argus BI — Azure SQL Datawarehouse architectuur
Bronlaag
Exact Online API AFAS REST API OnsDB SQL views WiseTech LSP Excel / CSV
↓ Python ETL pipeline (dagelijks)
Staging
stg_exact_online stg_afas_hrm stg_onsdb_zorg stg_wisetech_tms
↓ Transformatie & normalisatie
Datawarehouse
dim_datum dim_klant dim_medewerker fct_omzet fct_zorglevering
↓ DirectQuery / Import
Rapportage
Power BI Premium Management Dashboard Operationeel Rapport

Voordelen

Wat u krijgt met een Azure SQL Datawarehouse

Eén betrouwbare bron
Alle bronsystemen landen in één Azure SQL database. Finance, HRM, zorglevering en operationele data zijn altijd consistent met elkaar — geen conflicterende cijfers meer.
Historische data bewaard
Bronsystemen bewaren vaak maar beperkte historische data. Het datawarehouse slaat dagelijkse snapshots op — zo heeft u altijd vergelijkingscijfers voor de afgelopen jaren.
Snelle Power BI rapporten
Power BI Import Mode leest data uit Azure SQL — niet uit het bronsysteem. Rapporten openen in seconden in plaats van minuten.
Domeinoverstijgende analyses
Omdat alle data in één model zit, zijn combinaties mogelijk die in de bronsystemen onmogelijk zijn: omzet per medewerker, marge per zorgvorm, of KPI's per vestiging over meerdere systemen heen.
Ontkoppeld van bronsysteem
Updates en migraties van het bronsysteem (bijv. nieuwe versie van AFAS of NEDAP ONS) raken het Power BI dashboard niet. De ETL-laag vangt de wijzigingen op.
Schaalbaar met uw organisatie
Azure SQL schaalt mee. Meer gebruikers, meer bronnen, meer rapporten — u hoeft het fundament niet opnieuw te bouwen als uw databelasting groeit.

Technologie

Volledig Azure — geen andere cloud

Argus BI werkt uitsluitend met de Microsoft Azure-stack. Geen externe cloud-diensten, geen vendor lock-in buiten Microsoft.

Azure SQL Database
Datawarehouse — staging + DWH lagen
Azure SQL Server
Server-instantie voor alle databases
Azure VM (ETL)
Python ETL-pipeline draait op Azure VM
Azure Key Vault
Veilige opslag van connectiestrings en API-keys
Power BI Premium
Rapportagelaag bovenop Azure SQL
Python (ETL)
Data-extractie, transformatie en laden
Azure Functions
Lichte API-wrappers en scheduling
Azure Monitor
Pipeline-monitoring en foutmeldingen

Veelgestelde vragen

Veelgestelde vragen over Azure SQL Datawarehouse

Waarom een Azure SQL datawarehouse gebruiken voor Power BI?

Power BI direct koppelen aan bronsystemen geeft trage dashboards, verstoort productieprocessen en biedt geen historische data. Een Azure SQL datawarehouse lost dat fundamenteel op: Power BI leest snel uit Azure SQL, alle bronnen zijn consistent gecombineerd, en historische snapshots worden dagelijks opgeslagen.

Kan data uit meerdere bronsystemen worden gecombineerd?

Ja. Wij hebben klanten met drie of meer bronsystemen — bijv. Exact Online (financiën), AFAS (HRM) en een eigen planningsapplicatie — die allemaal landen in één Azure SQL datawarehouse. Power BI kan dan domeinoverstijgende analyses maken die in de afzonderlijke systemen onmogelijk zijn.

Hoe wordt datakwaliteit gecontroleerd?

De Python ETL-pipeline bevat validatiecontroles op NULL-waarden, dubbelingen, datumgrenzen en type-validatie per veld. Ongeldige records worden gelogd en apart gerapporteerd. Zo verstoort slechte data de rest van de pipeline niet en zijn afwijkingen direct zichtbaar.

Wat zijn de kosten van Azure SQL per maand?

Azure SQL kent meerdere tariefmodellen. Voor een typische Argus BI-implementatie (één database, 10–50 GB data, dagelijkse ETL-run) ligt het Azure-verbruik tussen de €15 en €60 per maand voor de database zelf. De serverless of Basic tier is geschikt voor kleinere organisaties; Standard S1–S3 is gebruikelijk voor organisaties met meerdere bronnen en hogere queryvolumes. Opslagkosten voor back-ups en logging zijn beperkt (< €10/maand extra). De totale Azure-factuur is transparant inzichtelijk via de Azure Cost Management portal. Argus BI adviseert tijdens de intake over het meest kostenefficiënte configuratie voor uw situatie.

Is deze oplossing ook schaalbaar voor grotere organisaties?

Ja. Azure SQL schaalt mee. Meer gebruikers, meer bronsystemen, meer rapporten — u hoeft het fundament niet opnieuw te bouwen. Voor grotere organisaties passen wij de databaseconfiguratie aan: hogere DTU's, partitionering of overgang naar Azure SQL Managed Instance. Het datawarehouse werkt altijd samen met een Python ETL-pipeline die de data aanlevert, en met bronsystemen zoals Exact Online — beide zijn naadloos op dit platform aan te sluiten.

De datawarehouse architectuur

Argus BI bouwt het warehouse conform de Medallion Architecture — een beproefde aanpak voor betrouwbare Power BI-rapportages.

Bronsystemen Exact Online OnsDB / AFAS / TMS ETL Bronze Ruwe data Ongewijzigd opgeslagen Audit trail transform Silver Gevalideerde data Getransformeerd Genormaliseerd model Gold Rapportagelaag Star schema Geaggregeerd Power BI Dashboards Rapporten Power BI App

Figuur: Medallion Architecture — de standaard aanpak voor een betrouwbaar Power BI datawarehouse

Datamodellering

Datamodellering voor Power BI

De Gold-laag van het datawarehouse is ingericht als een star schema — de aanbevolen structuur voor Power BI. Een star schema bestaat uit feit- en dimensietabellen:

  • Feitentabellen bevatten de meetbare waarden: transacties, uren, zendingen, omzet, kosten. Elke rij is een meetbaar feit op het laagste granulariteitsniveau.
  • Dimensietabellen beschrijven de context: datum, klant, medewerker, product, locatie, kostenplaats. Dimensies worden gekoppeld via sleutelrelaties.

SCD Type 2 voor historische opslag: Wanneer stamdata verandert (bijv. een klant die van segment wisselt), wordt de wijziging bijgehouden met start- en einddatums. Zo kunt u historisch rapporteren op de waarde die op dat moment van toepassing was.

Dit model zorgt voor optimale query-performance in Power BI — aggregaties worden snel berekend, DAX-measures zijn eenvoudig te schrijven en rapporten laden snel, ook bij grote datavolumes.

Compleet BI-pakket

Van datawarehouse naar dashboard

Het datawarehouse is het fundament. Combineer het met onze ETL-koppelingen en Power BI dashboards voor een complete BI-omgeving.

Python ETL & API-koppelingen → Exact Online koppeling → Power BI Dashboard laten maken →

Fundament op orde

Laat je dataplatform beoordelen

Wilt u weten hoe een Azure SQL datawarehouse uw rapportage-omgeving kan verbeteren? Plan een vrijblijvend gesprek en wij bespreken uw situatie, de bronsystemen en wat een datawarehouse concreet zou opleveren.