Notities van de Power BI Gebruikersdagen 2026
Tijdens de Power BI Gebruikersdagen 2026 heb ik verschillende sessies gevolgd over modelleren, governance, AI en de ontwikkeling van het Power BI platform. In deze serie deel ik een aantal korte notities en observaties die mij zijn bijgebleven. Deze pagina gaat over datamodellering.
Datamodellering is nog steeds de kern
Elk jaar verschijnen er nieuwe functies in Power BI: Copilot, DirectLake, Fabric, deployment pipelines, code-first modellen. Toch was een terugkerend thema op de Gebruikersdagen: de meeste problemen in Power BI-omgevingen zijn geen technische problemen — ze zijn modelleerproblemen. Een slecht datamodel levert trage rapporten, foutgevoelige berekeningen en code die niemand meer begrijpt.
Het sterrenschema als fundament
Een goed datamodel voor Power BI heeft bijna altijd dezelfde structuur: een feitentabel in het midden, omgeven door dimensietabellen. Dat principe heet een sterrenschema. Het klinkt eenvoudig, en het is ook eenvoudig als je begrijpt waarom het zo werkt.
De feitentabel bevat de metingen — omzet, aantallen, uren, kosten. De dimensietabellen bevatten de context: tijd, product, klant, afdeling. Power BI is gebouwd om deze structuur efficiënt te verwerken; een correct model werkt snel, ook bij grote hoeveelheden data.
Wat er misgaat zonder goed model
Veel Power BI-problemen worden veroorzaakt door een te plat model: één grote tabel met alles erin, of brondata die direct wordt ingeladen zonder transformatie. Dat lijkt handig, totdat je een maatstaf wilt schrijven die over twee dimensies wordt gefilterd, of totdat een rapport vijf minuten nodig heeft om te laden.
Het fundamentele probleem is dan niet de DAX en ook niet de datagateway — het is het model. Een model repareren nadat er al tientallen rapporten op zijn gebouwd is duur en tijdrovend. Goed beginnen is altijd goedkoper.
Semantic models en hergebruik
Een ontwikkeling die steeds vaker terugkwam op de Gebruikersdagen is het gedeelde semantisch model. In plaats van dat elk team zijn eigen dataset bouwt, wordt er gewerkt met één gecertificeerd model dat door de hele organisatie wordt gebruikt. Dat vraagt om nog meer discipline in het model.
Want als één model de basis is voor tientallen rapporten van verschillende teams, moet de structuur kloppen, de definities eenduidig zijn en de naamgeving voor iedereen begrijpelijk. Een goed datamodel is dan niet langer alleen een technisch fundament — het is een gedeeld begrippenkader voor de hele organisatie.
Reflectie
Nieuwe tools veranderen veel, maar ze veranderen niet wat een goed datamodel is. De organisaties die het verst zijn met Power BI en Fabric zijn ook de organisaties die het vroegst hebben geïnvesteerd in het goed leren modelleren.
Datamodellering is een vast onderdeel van de Power BI trainingen die ik geef — van sterrenschema’s en semantische modellen tot DAX-structuur en hergebruik. Zowel als losse workshop als onderdeel van een langer traject.
De overige onderwerpen uit deze serie staan op de overzichtspagina.