In de praktijk zien we het omgekeerde. Data staat verspreid, definities verschillen per rapport en dashboards roepen meer vragen op dan ze beantwoorden. Het probleem is zelden tooling. Het probleem is de onderliggende data architectuur.
Wat lost de Medallion Architecture op binnen Microsoft Fabric?
De Medallion Architecture geeft je een vaste structuur om data in Microsoft Fabric stap voor stap te verbeteren. Je scheidt ruwe brondata, opgeschoonde analysetabellen en business ready KPI data. Daardoor worden definities eenduidig, datakwaliteit meetbaar en dashboards stabiel. Je voorkomt dat Power BI rapporten per afdeling hun eigen waarheid bouwen, omdat het fundament centraal is ingericht in het Lakehouse.
Veel teams starten met Fabric omdat het één platform is voor integratie, opslag en BI. Dat is logisch. Alleen zonder architectuur wordt Fabric vooral “een nieuwe plek” waar dezelfde problemen opnieuw ontstaan.
Herken je dit?
- KPI’s verschillen per dashboard, zelfs met dezelfde bron
- Correcties gebeuren in rapporten in plaats van in de data laag
- Discussies gaan over cijfers in plaats van over acties
- Nieuwe bronnen toevoegen kost steeds meer tijd
De Medallion aanpak pakt dit aan door één route af te dwingen: van bron naar analyse naar besluitvorming.
Hoe werkt een Fabric Lakehouse met Bronze, Silver en Gold?
In een Fabric Lakehouse sla je data centraal op in OneLake. De Medallion Architecture organiseert die opslag in drie logische lagen: Bronze voor ongewijzigde bronextracten, Silver voor opgeschoonde en gevalideerde data. Gold voor KPI gerichte aggregaties en datamarts. Elke laag heeft een eigen doel, eigen kwaliteitseisen en duidelijke consumenten, van data engineers tot Power BI gebruikers.
Microsoft Fabric maakt Lakehouse werken praktisch doordat je integratie en verwerking combineert met analyse en rapportage. Denk aan pipelines, notebooks en SQL endpoints op dezelfde datasets.
De kern is simpel: je bouwt niet op data, je bouwt op vertrouwen. Dat vertrouwen ontstaat doordat elke laag iets anders belooft.
Bronze layer: ruwe data vastleggen
Bronze is je audit trail. Je slaat data op zoals die uit de bron komt.
Belangrijke regels:
- Geen opschoning, geen correcties, geen business logica
- Wel volledige herleidbaarheid: bron, laadmoment, batch id, bronbestand
- Wel technische validatie: is het bestand compleet, is het schema herkenbaar
Waarom dit telt: zodra er discussie ontstaat over cijfers, moet je altijd kunnen teruggaan naar het originele signaal. Bronze is dat referentiepunt.
Silver layer: opschonen en structureren
Silver is waar je data “klopt”. Je maakt data consistent en betrouwbaar voor analyse.
Typische bewerkingen:
- Duplicaten verwijderen en sleutelvelden normaliseren
- Datatypes standaardiseren, bijvoorbeeld datums, valuta, klantcodes
- Businessregels valideren, bijvoorbeeld statuswaarden, referenties, verplichte velden
- Historie goed modelleren, bijvoorbeeld mutaties in stamdata
Dit is de laag waar je datakwaliteit afdwingt. In de praktijk zien we dat teams die Silver serieus nemen minder tijd kwijt zijn aan BI uitleg en herstelwerk.
Gold layer: business ready data voor BI en dashboards
Gold is waar data beslissingen ondersteunt. Je maakt data begrijpelijk voor de business.
Wat je hier doet:
- KPI definities vastleggen, bijvoorbeeld omzet per klant, marge, verzuim, forecast
- Aggregaties maken die dashboards snel houden
- Datamarts maken per domein, bijvoorbeeld Finance, HR, Sales, Operations
- Dataset contracten afspreken, zodat rapporten niet breken bij kleine wijzigingen
Belangrijke discipline: bouw Power BI rapporten op Gold data. Dan blijft de logica centraal en herbruikbaar.
Welke concrete voordelen merk je in Power BI, governance en schaalbaarheid?
Met Medallion in Fabric krijg je één definitie per KPI en voorspelbare datakwaliteit. Dashboards laden sneller omdat zware transformaties al in Silver en Gold zijn gedaan. Je time to insight daalt omdat nieuwe rapportages direct kunnen starten op gevalideerde tabellen. Tegelijk wordt governance eenvoudiger: je scheidt brondata van rapportagedata en je kunt rechten, gevoeligheid en eigenaarschap per laag organiseren.
Concreet levert dit meestal vijf dingen op.
1: Betrouwbare Business Intelligence
- Eén KPI definitie, één rekensom, één bron van waarheid
- Minder discussie in MT en minder correcties “in het rapport”
- Sneller alignment tussen Finance, Sales en Operations
2: Snellere Power BI dashboards
Als berekeningen in Gold staan, hoeven rapporten minder te rekenen. Dat scheelt laadtijd en voorkomt dat elk rapport zijn eigen DAX logica bouwt.
3: Snellere onboarding van nieuwe use cases
Nieuwe bron toevoegen betekent: ingest naar Bronze, kwaliteit naar Silver, KPI naar Gold. Je herhaalt een patroon in plaats van elke keer opnieuw ontwerpen.
4: Klaar voor groei en AI
Een opgeschoond Lakehouse is de basis voor advanced analytics, forecasting en scenario analyse. Zonder betrouwbare Silver laag wordt AI vaak vooral een versneller van fouten.
5: Governance zonder onnodige complexiteit
Door lagen te scheiden kun je:
- Toegang beperken tot Bronze en Silver
- Gold openstellen voor brede BI consumptie
- Duidelijke auditability bieden richting compliance
Hoe start je succesvol met eigenaarschap en datakwaliteit?
Succes met Medallion in Fabric begint niet bij tabellen, maar bij businessvragen en eigenaarschap. Leg per laag vast wie verantwoordelijk is, automatiseer datakwaliteitscontroles in Silver en maak Gold de enige bron voor dashboards. Start met één domein, bijvoorbeeld Finance of HR, en lever een werkend end to end pad van bron tot KPI. Daarna schaal je uit met herhaalbare patronen.
Een praktische startaanpak die in implementaties goed werkt:
Stap 1: Start bij businessvragen
Voorbeelden:
- Welke KPI’s sturen we wekelijks in MT
- Welke definities zijn nu dubbel of onduidelijk
- Welke beslissingen willen we versnellen en verbeteren
Vertaal dit naar dataproducten, niet naar losse tabellen.
Stap 2: Leg eigenaarschap per laag vast
Werk met duidelijke rollen:
- Data owner: eigenaar van definities en KPI betekenis
- Data steward: bewaakt kwaliteit en definities in Silver
- Data engineer: bouwt pipelines, model en controles
- BI owner: bewaakt rapportage standaarden en gebruik
Zonder eigenaarschap krijg je alsnog “iedereen past iets aan” gedrag.
Stap 3: Automatiseer kwaliteitscontroles in Silver
Maak kwaliteit meetbaar. Denk aan:
- Uniekheid van sleutels
- Volledigheid van verplichte velden
- Referentiële checks tussen fact en dimension tabellen
- Outlier detectie op bedragen, aantallen en percentages
Koppel meldingen aan een proces, anders zijn checks alleen rapportage.
Stap 4: Bouw dashboards alleen op Gold
Dit is de regel die discussie voorkomt. Als een KPI niet in Gold staat, hoort hij nog niet in het dashboard.
Stap 5: Versiebeheer en release ritme
Zorg dat wijzigingen voorspelbaar zijn:
- Release window voor Gold tabellen
- Documentatie van KPI definities en berekeningsregels
- Impact analyse voordat je iets wijzigt dat veel rapporten raakt
Welke fouten zien we vaak bij implementaties?
De meest voorkomende fout is dat teams Bronze, Silver en Gold wel benoemen maar niet afdwingen. Dan belandt business logica alsnog in Power BI en blijft datakwaliteit impliciet. Een tweede valkuil is te groot starten zonder domeinkeuze, waardoor niemand eigenaarschap pakt. Tot slot zien we vaak dat Silver wordt overgeslagen “voor snelheid”, waarna herstelwerk en discussie de totale doorlooptijd juist verlengt.
De top fouten op een rij:
- Gold wordt een kopie van Silver zonder KPI definitie en aggregatie
- Correcties gebeuren in rapporten in plaats van in Silver of Gold
- Geen datacontracten waardoor dashboards breken bij schema wijzigingen
- Geen lineage waardoor niemand weet waar een cijfer vandaan komt
- Security te laat waardoor later herontwerp nodig is
Als je dit herkent, is het meestal geen toolingprobleem. Het is een afsprakenprobleem.
Conclusie: waarom dit meer is dan techniek
De Medallion Architecture is geen technisch trucje, maar een kwaliteitsmodel voor data. In Microsoft Fabric helpt het je om van losse databronnen naar één betrouwbare stuurlaag te gaan. Je wint snelheid, voorspelbaarheid en governance. Het belangrijkste resultaat is rust: minder debat over cijfers en meer focus op beslissingen. Daarmee bouw je een dataplatform dat vandaag werkt en morgen kan meegroeien.
Wil je ontdekken hoe dit eruitziet in jouw organisatie? Plan een vrijblijvende verkenning via onderstaande knop!