De meeste problemen met Microsoft Fabric ontstaan door keuzes die aan het begin van een project worden gemaakt.
Wij bouwen dataplatformen in Fabric voor organisaties die datagedreven willen werken. In die projecten komen we steeds dezelfde vijf fouten tegen. Hieronder lees je per fout wat er gebeurt en hoe wij het aanpakken.
Van de vijf fouten in deze blog is dit de belangrijkste. Wie zonder eindbeeld begint, bouwt al snel een oplossing van houtje touwtje.
Er wordt data binnengehaald omdat het kan. Daarna kijkt iemand wat je ermee kunt doen. Zo groeit een omgeving stap voor stap, zonder dat iemand weet waar het naartoe gaat.
Wij draaien dat om. Eerst bepalen we wat het eindproduct moet zijn, daarna pas bouwen we.
Zo blijft het een proces dat zich steeds herhaalt, en begint elke stap met een schets. De klant weet vooraf wat er komt, en wij weten waar we naartoe werken.
Bij een aantal nieuwe klanten zijn we daarom begonnen met een bezoek van een paar uur. We kijken hoe de processen lopen en wat waar wordt ingevuld. Pas daarna kunnen we goed inschatten wat we kunnen leveren.
Heeft de klant een business analist of iemand anders die de bedrijfslogica goed kent? Betrek die persoon dan vanaf het begin. Die kennis hebben wij als externe partij niet meteen.
Een rapport kan nooit beter zijn dan de data waarop het is gebouwd.
Wij staan aan het einde van het proces. We brengen data uit verschillende systemen samen en maken die zichtbaar. Klopt de data in die systemen niet, dan klopt het dashboard ook niet.
We zien drie oorzaken steeds terugkomen.
Fabric haalt data op uit de database achter een pakket. Daar staat het vaak anders dan op het scherm waar medewerkers mee werken. Een kolom documenttype bevat bijvoorbeeld alleen de letters V, T en Q. Bij een bedrag staat niet altijd of de btw erin zit.
Ook omzet berekenen is lastiger dan het lijkt. Tussen de facturen en het omzetcijfer in het pakket zitten soms tien filters die je in de database niet ziet. Exact Online is goed gedocumenteerd. Bij kleinere of oudere pakketten ben je al blij als er een API is, en moet je veel zelf uitzoeken.
We kwamen een postcodeveld tegen waarin de helft van de tijd iets als 75... stond. Dan heb je niets aan dat veld. Meestal weet degene die het invult niet wat er later met die gegevens gebeurt. Een foutje kan altijd, zolang het niet structureel gebeurt.
In sommige pakketten kun je een vrij veld een nieuwe betekenis geven. Bij records die niet opnieuw zijn ingevuld, blijft de oude waarde dan gewoon staan. Zo hadden we bij één klant duizenden artikelen met een waarde die niet meer klopte.
Vaak zien klanten pas in het dashboard dat er al jaren iets niet klopt. Stel dat je je omzet al jaren net verkeerd berekent, en daar kom je nu achter. Dat is vervelend, want je moet er iets mee. Maar het is ook heel waardevol: je weet eindelijk hoe het echt zit.
Klanten denken vaak dat Fabric duur is. Meestal komt dat doordat de capaciteit dag en nacht aanstaat.
Standaard blijft Fabric gewoon aanstaan. De kleinste capaciteit, F2, kost dan ongeveer €288 per maand. Leg je je voor een jaar vast, dan is dat ongeveer €171 per maand. Dat zijn de bedragen die de meeste organisaties in gedachten hebben.
Bij de meeste van onze klanten wordt de data één keer per nacht ververst, en dat duurt ongeveer een half uur. Staat Fabric alleen dan aan, dan kost het ongeveer €50 tot €100 per maand.
Voor het mkb maakt dit veel uit. Een bedrijf met een paar miljoen omzet heeft geen duizend euro per maand over voor een dataplatform. Hoe vaker de data wordt ververst, hoe meer het oplevert. Bij één run per nacht is de winst klein, bij een dashboard dat elk uur ververst scheelt het veel.
Als je in de live omgeving iets aanpast en het gaat mis, heb je niets om op terug te vallen.
Wij werken daarom altijd met drie omgevingen: development, test en productie.
Bij organisaties die Fabric zelf hebben opgezet, zien we vaak iets anders. Er is geen development of test, alleen één werkruimte waar alle rapporten op draaien. Een wijziging moet dan in één keer goed gaan. Gaat er iets mis, dan doet ineens niets het meer.
Ook waar wel drie omgevingen zijn, wordt soms toch direct in productie gewerkt. Bij de volgende overzetting vanuit test worden zulke wijzigingen overschreven.
Een vaste structuur helpt ook. We ordenen de data in drie lagen, brons, zilver en goud, en houden vaste namen aan voor werkruimtes en onderdelen. Wat je aan het begin overslaat, is later lastig recht te zetten.
Je kunt de omgevingen ook aan Git koppelen. Daarmee kun je altijd terug in de tijd. Hoe zag de code er een maand geleden uit? Die versie zet je zo terug. Let op: Git bewaart de code, niet de data zelf.
Met Azure DevOps blijft alles binnen de eigen omgeving van de klant in Azure, de tenant. Klanten vinden het prettig dat hun scripts daar blijven.
In het dataplatform staat alle data van een organisatie. Wie daar toegang toe heeft, kan dus alles zien.
Dat is om twee redenen onhandig.
Een klantenservicedashboard werd elk uur ververst met nieuwe tickets, telefoongesprekken en wachttijden. Elke run duurde een half uur en kostte veel rekenkracht.
Er was niets verkeerd ingesteld. Fabric draaide op de standaardinstellingen, en niemand had nog uitgezocht wat die precies doen. Een van onze consultants deed dat wel en paste een paar instellingen van Fabric en Python aan. Daarna was de run binnen een kwartier klaar. De kosten per maand gingen van ongeveer €500 naar €200. Die besparing kwam bovenop het aan en uit zetten van Fabric.
Een klant gebruikte een vrij veld eerst voor de categorie van een artikel. Later gebruikten ze hetzelfde veld voor een vraag met ja of nee. Bij duizenden artikelen bleef de oude categorie staan, en het pakket heeft geen knop om het veld voor alle artikelen leeg te maken.
De leverancier kon het opschonen, maar dat zou duizenden euro’s kosten. Wij hebben het in het datamodel opgelost: alles wat geen ja of nee is, tonen we als ongeldig. Het dashboard klopt weer, en de klant ziet welke artikelen nog aandacht nodig hebben.
In één tabel stonden diploma’s, certificaten en contracten met klanten door elkaar. Het enige onderscheid was een kolom met een letter per soort document. Uitleg over wat die letters betekenden, was er niet.
Zonder die uitleg ben je uren tot dagen bezig om het uit te zoeken. Is er wel een tabel die de letters uitlegt, dan heb je het zo voor elkaar.
Nee, als je het goed inricht. Een F2 die altijd aanstaat, kost ongeveer €288 per maand, of ongeveer €171 per maand als je je voor een jaar vastlegt. Staat hij alleen aan als de data wordt ververst, dan komen de meeste van onze klanten uit op €50 tot €100 per maand. Daar komen de licenties voor Power BI Pro nog bij.
Meestal past het pakket regels en filters toe die je in de database niet terugziet. Vergelijk de cijfers per klant of per factuur, dan vind je waar het verschil zit.
Omdat je tijdens het bouwen pas ontdekt hoe het pakket precies rekent. Controleren en bijstellen hoort daarom bij het project.
Zorg dat de mensen die gegevens invoeren weten waarom dat belangrijk is. Kijk samen naar het proces: wie vult wat in, en waar gaat het vaak mis?
Ja. Ook bij een klein project wil je dat het dashboard blijft werken terwijl je iets nieuws bouwt.
Alleen de mensen die erin bouwen. Alle anderen krijgen via een app toegang tot de dashboards die ze nodig hebben. Met row-level security bepaal je daarbinnen wie welke gegevens ziet.
Wil je met Fabric beginnen, of loopt je huidige omgeving niet zoals je had gehoopt? Dan kijken we graag met je mee.
Meestal beginnen we met een gesprek over je processen en je data. Daarna weet je wat haalbaar is, wat het ongeveer kost en waar je het beste kunt beginnen. Neem contact met ons op voor een vrijblijvende kennismaking.
Deze website maakt gebruik van cookies voor een goede werking van de site.
Cookies zijn kleine tekstbestanden die door websites kunnen worden gebruikt om de gebruikerservaring efficiënter te maken. Volgens de wet mogen wij cookies op uw apparaat opslaan als ze strikt noodzakelijk zijn voor het functioneren van deze site. Voor alle andere soorten cookies hebben wij uw toestemming nodig. Deze site maakt gebruik van verschillende soorten cookies. Sommige cookies worden geplaatst door diensten van derden die op onze pagina’s worden weergegeven.