Dashboarding & BI

Wat is dashboarding & BI?

Dashboarding & BI (business intelligence) is het samenbrengen van cijfers uit verschillende systemen in één overzichtelijk rapport of dashboard. Waar webanalytics zich richt op wat er op de website gebeurt, gaat dashboarding een stap verder: het combineert bijvoorbeeld websitedata, advertentiekosten, verkoopcijfers uit een webshop en gegevens uit een CRM-systeem tot één samenhangend beeld. Tools als Looker Studio, Power BI of Tableau vormen daarbij de schil waarin die data samenkomt, wordt bewerkt en visueel wordt gemaakt.

Het gaat niet over het verzamelen van data zelf (dat gebeurt in de brontools) en ook niet over het opzetten van meetplannen of tracking. Dashboarding & BI neemt data die al ergens wordt vastgelegd en vertaalt die naar iets waar een mens iets mee kan: een overzicht dat in één oogopslag laat zien hoe het gaat, zonder dat iemand hoeft in te loggen op vijf verschillende platformen en de cijfers handmatig naast elkaar te leggen.

De kerngedachte is een enkele bron van waarheid. Zodra meerdere mensen in een organisatie naar cijfers kijken, ontstaat al snel het risico dat iedereen zijn eigen versie hanteert: marketing rekent conversie anders dan sales, en de directie krijgt een derde getal te zien in een maandrapport. Een goed ingericht dashboard dwingt af dat iedereen dezelfde definities en dezelfde actuele cijfers ziet, ongeacht wie er inlogt.

Wat valt er precies onder?

Dashboarding & BI is meer dan een grafiekje op een scherm. Er zit een reeks bouwstenen achter die samen bepalen of een dashboard bruikbaar en betrouwbaar is.

• Databronkoppelingen: verbindingen tussen het dashboardplatform en de systemen waar de data vandaan komt, zoals GA4, Google Ads, Meta Ads Manager, een CRM-pakket of een webshopplatform. Elke koppeling heeft eigen beperkingen in wat wordt aangeleverd en hoe vaak.
• Datamodellering: het ordenen en op elkaar afstemmen van ruwe data uit verschillende bronnen, zodat een “conversie” in het ene systeem hetzelfde betekent als in het andere. Zonder dit werk komen cijfers naast elkaar te staan die niet vergelijkbaar zijn.
• Berekende velden en definities: vaste formules voor kengetallen als kosten per lead, marge of terugkerende omzet, zodat iedereen dezelfde berekening gebruikt in plaats van dat elke gebruiker zijn eigen sommetje maakt in een spreadsheet.
• Visueel ontwerp: de keuze voor het juiste type grafiek of tabel per vraag, een logische indeling per doelgroep en een opbouw die in een paar seconden leesbaar is, ook voor iemand die geen cijferaar is.
• Automatische verversing: een schema waarmee data zonder handmatig ingrijpen wordt bijgewerkt, variërend van realtime tot dagelijks of wekelijks, afhankelijk van wat de brontools toestaan en wat nodig is.
• Toegangsbeheer en distributie: regelen wie een dashboard mag inzien of bewerken, en of cijfers ook automatisch als rapport of samenvatting naar bepaalde personen worden verstuurd.
• Datakwaliteitscontrole: signalering wanneer een koppeling stokt, data ontbreekt of cijfers onverwacht afwijken, zodat een dashboard niet stilzwijgend verkeerde informatie blijft tonen.
• Historische opslag: soms een tussenlaag, zoals een dataset of eenvoudig datawarehouse, om geschiedenis te bewaren die in de brontools zelf na verloop van tijd wordt opgeschoond of verwijderd.

Hoe verloopt een dashboardtraject?

Een dashboard bouwen begint zelden bij het openen van de rapportagetool. De eerste stappen gaan over vragen, niet over grafieken, omdat een dashboard zonder heldere vraag al snel een verzameling losse cijfertjes wordt.

1. Behoeften inventariseren. In gesprek met de opdrachtgever wordt vastgesteld welke beslissingen het dashboard moet ondersteunen, wie het gaat gebruiken en welke vragen steeds terugkeren. Een dashboard voor de directie ziet er anders uit dan een werkdashboard voor een marketingteam.
2. Bronnen koppelen. De benodigde systemen worden ontsloten: toegang tot GA4, advertentieaccounts, een CRM of een shopplatform wordt geregeld en getest, inclusief de vraag welke data daadwerkelijk beschikbaar is via een koppeling.
3. Datamodel opzetten. Ruwe data wordt opgeschoond, gecombineerd en voorzien van eenduidige definities, zodat cijfers uit verschillende bronnen eerlijk naast elkaar staan. Dit is doorgaans het minst zichtbare, maar meest bepalende deel van het werk.
4. Dashboard bouwen. De feitelijke visualisatie wordt vormgegeven: welke grafieken, welke filters, welke opbouw per pagina of tabblad. Hier wordt ook rekening gehouden met hoe het dashboard eruitziet op een groot scherm tijdens een vergadering versus op een telefoon.
5. Testen en valideren. Cijfers in het dashboard worden vergeleken met de brontools zelf, om te controleren of alles klopt en er geen dubbeltellingen of gaten zijn ontstaan tijdens het koppelen.
6. Opleveren en onderhoud afspreken. Gebruikers krijgen een toelichting op wat ze zien en hoe ze het interpreteren, en er worden afspraken gemaakt over wie het dashboard onderhoudt als een bron verandert of een koppeling breekt.

Wanneer heb je dit nodig?

Een veelvoorkomend signaal is tijd die opgaat aan het handmatig samenvoegen van cijfers. Wanneer iemand elke maand opnieuw exports uit meerdere platformen in een spreadsheet plakt om er één overzicht van te maken, is dat werk dat een dashboard grotendeels kan overnemen, en dat bovendien foutgevoeliger is naarmate het vaker met de hand gebeurt.

Ook wanneer verschillende mensen naar dezelfde cijfers kijken en er onenigheid ontstaat over welke versie klopt, is dat een aanleiding. Als marketing, sales en directie ieder hun eigen rapportage bijhouden met net iets andere getallen, kost dat vergaderingen en vertrouwen. Een gedeeld dashboard met vastgelegde definities voorkomt die discussie niet altijd volledig, maar geeft wel een gezamenlijk startpunt.

Een derde situatie is groei: een organisatie die meerdere kanalen inzet (bijvoorbeeld zoekmachineadvertenties, social media, e-mailmarketing en een webshop) en waarbij steeds meer mensen inzicht nodig hebben zonder dat ze allemaal toegang tot elk los platform hoeven te krijgen. Een dashboard maakt het mogelijk om dat inzicht te delen zonder dat iedereen leert werken met elk afzonderlijk systeem.

Wat levert het op?

Een goed werkend dashboard bespaart vooral tijd: het werk van handmatig cijfers verzamelen en samenvoegen verdwijnt grotendeels, en er ontstaat een vast punt waar iedereen naartoe kan voor de laatste stand van zaken. Het maakt het ook makkelijker om trends te zien die verspreid over losse platformen makkelijk over het hoofd worden gezien, zoals een kanaal dat langzaam duurder wordt terwijl een ander juist beter gaat presteren.

Wat een dashboard niet doet, is zelf betere beslissingen nemen. Het legt data bloot, maar of die data ook wordt gebruikt hangt af van de organisatie zelf: een dashboard dat niemand raadpleegt levert net zo weinig op als een rapport dat in een la verdwijnt. De waarde hangt bovendien sterk af van de kwaliteit van de onderliggende brondata. Een dashboard kan foutieve of onvolledige tracking niet compenseren; het toont alleen netter wat er binnenkomt. Wie twijfelt of de basis op orde is, kijkt daarom eerst naar de meting zelf voordat er een dashboard overheen wordt gebouwd.

Waar let je op als je dit uitbesteedt?

Vraag eerst hoe het datamodel is opgebouwd en of de gebruikte definities zijn vastgelegd, bijvoorbeeld in een document of in de tool zelf. Zonder die documentatie blijf je afhankelijk van de maker om te begrijpen waarom een getal is zoals het is, en wordt het lastig om het dashboard later zelf aan te passen of over te dragen aan een andere partij.

Kijk ook naar wie na oplevering toegang heeft tot de onderliggende koppelingen en data, en of dat in lijn is met wat wenselijk is gezien privacy en interne afspraken. Een dashboard dat gevoelige klant- of omzetgegevens toont, verdient hetzelfde soort zorgvuldigheid in toegangsbeheer als de brontools waar die data vandaan komt. Vraag daarnaast naar de keuze van het platform: sluit die aan bij wat de organisatie al gebruikt, bijvoorbeeld een Google-omgeving of juist een Microsoft-omgeving, en spelen eventuele licentiekosten een rol op langere termijn.

Bespreek ten slotte wat er gebeurt als een koppeling breekt, bijvoorbeeld doordat een platform zijn API wijzigt. Onderhoud is geen bijzaak bij dashboarding & BI: een dashboard dat niet wordt bijgehouden, toont na verloop van tijd stilzwijgend verouderde of onjuiste cijfers, en dat valt meestal pas op wanneer iemand er al beslissingen op heeft gebaseerd.

Veelgemaakte fouten

De problemen bij dashboarding & BI ontstaan zelden bij de techniek zelf, maar bij keuzes rond wat een dashboard moet laten zien en wie ervoor verantwoordelijk blijft.

• Te veel in één dashboard proppen. Elke gewenste grafiek toevoegen totdat een pagina overvol raakt, waardoor niemand meer in één oogopslag ziet wat ertoe doet. Een dashboard dat alles wil tonen, toont uiteindelijk niets duidelijk.
• Geen eigenaar na oplevering. Het dashboard wordt gebouwd en overgedragen, maar niemand is verantwoordelijk voor onderhoud. Koppelingen breken stilletjes en het dashboard veroudert zonder dat iemand het merkt.
• Definities niet op elkaar afgestemd. Een “gebruiker” in het ene systeem en een “sessie” in het andere worden zonder toelichting naast elkaar getoond, waardoor cijfers niet optellen en het vertrouwen in het dashboard snel afneemt.
• Toegang te breed geregeld. Een dashboard met gevoelige omzet- of klantdata wordt met iedereen in de organisatie gedeeld omdat het makkelijker is dan rechten instellen, terwijl niet iedereen die informatie hoeft te zien.

Wat bepaalt de prijs?

De belangrijkste kostenfactor is het aantal databronnen dat gekoppeld moet worden en hoe eenvoudig of lastig die koppelingen zijn. Een dashboard met twee vertrouwde bronnen is aanzienlijk minder werk dan een dashboard dat tien systemen combineert, waarvan sommige geen kant-en-klare koppeling hebben. Ook de complexiteit van het gewenste datamodel en het aantal doelgroepen dat een eigen weergave nodig heeft, spelen mee.

De samenwerkingsvorm bepaalt mede hoe de kosten zich verdelen. Een eenmalig dashboard, gebouwd en overgedragen, is een afgebakende opdracht met een vast eindpunt. Doorlopend beheer, waarbij koppelingen worden bewaakt en het dashboard meegroeit met nieuwe vragen of bronnen, wordt vaker als maandelijkse retainer aangeboden. Sommige partijen werken op projectbasis voor de bouw en op uurbasis voor latere aanpassingen; vraag vooraf welke vorm van toepassing is, zodat duidelijk is wat er wel en niet in de prijs zit.

Dashboarding & BI en aanverwante diensten

Dashboarding & BI onderscheidt zich van andere diensten in dezelfde hoek doordat het zelf geen data verzamelt, maar bestaande data uit meerdere bronnen samenbrengt en leesbaar maakt. Webanalytics (GA4) levert typisch een van de belangrijkste bronnen: websitegedrag dat in een dashboard naast andere cijfers wordt gelegd, maar dat op zichzelf ook los te raadplegen is. Server-side tracking raakt de betrouwbaarheid van de data die een dashboard ontvangt; wanneer metingen aan de bron al onvolledig of onnauwkeurig zijn, erft een dashboard dat probleem automatisch, hoe fraai het er verder ook uitziet. Consent & privacy bepaalt ten slotte welke data überhaupt rechtmatig verzameld en getoond mag worden, en dus ook wat in een dashboard mag verschijnen en wie het mag inzien. De drie diensten liggen dicht tegen dashboarding & BI aan, maar gaan over de meting en de rechtmatigheid ervan, niet over het samenbrengen en presenteren van het eindresultaat.