De waarde zit niet in het dashboard, maar in wat erachter zit
In de projecten die ik doe, blijft het gesprek over AI-dashboards vaak hangen bij het uiterlijk. Terecht, want dat uiterlijk is indrukwekkend. Maar Power BI is meer dan een tool om grafieken te maken. Je bouwt er een datamodel in, legt berekeningen vast, bepaalt met row-level security wie welke gegevens ziet, beheert toegang, deelt rapporten en ververst data volgens een vast schema. Organisaties hebben daarmee één omgeving waarin ze afspraken over beveiliging en beheer kunnen afdwingen.
Bouw je een dashboard met AI, dan krijg je veel vrijheid in de vormgeving. De andere vragen blijven staan. Waar komt de data vandaan? Hoe is die gemodelleerd? Wie mag het dashboard openen, en wie ziet welke cijfers? Waar publiceer je het? Alles is op te lossen, maar iemand moet het doen en bijhouden.
Het is goed dat het maken van BI oplossingen toegankelijker is geworden: analisten bouwen tegenwoordig zelf hun analyses en IT kan zich richten op infrastructuur en data. Maar als iedereen nu aan de haal gaat met het bouwen van eigen dashboards in AI-tools, wordt het al snel een rommeltje. Rapporten raken verspreid over verschillende locaties, niemand houdt meer bij wie waar toegang toe heeft en het is onduidelijk wat in de cloud draait en wat lokaal. Het ene dashboard hanteert bovendien een andere definitie van "omzet" dan het andere, en niemand weet meer wat er met een dashboard gebeurt zodra de bouwer uit dienst gaat.
Er speelt nog een risico dat vaak onderbelicht blijft. Bouw je een dashboard met een AI-tool die in de cloud draait? Dan krijgt het onderliggende model mogelijk toegang tot je bedrijfsdata. Richt je dat niet goed in, dan is dat niet wenselijk.
BI en AI zijn geen concurrenten
Power BI en AI hoeven in mijn ogen geen concurrenten te zijn; mits je het goed inricht, versterken ze elkaar juist. Power BI blijft de laag voor beheer en beveiliging: het datamodel (semantisch model), row-level security, toegang, distributie en verversing. AI versnelt de analyse daarbovenop. Je kunt AI met je data laten praten: je stelt een vraag in gewone taal, en de AI zoekt het antwoord op in het semantisch model, met de afgesproken definities en de row-level security die daar al op zitten. Zo houd je de algehele managementrapportages bij Power BI, en beantwoord je gerichte vragen met AI die op hetzelfde model draait.
Dat maakt losse AI-dashboards overigens niet waardeloos. Voor eenmalige of persoonlijke analyses en voor kleine bedrijven kunnen ze wel degelijk van waarde zijn. Daar is de implementatie van Power BI vaak te kostbaar voor.
Voor je een dashboard met AI bouwt, loont het om drie vragen te beantwoorden.
Welke bedrijfsdata deel je met de AI om het dashboard te bouwen?
Heb ik de regie over wie wat mag zien?
Zijn de definities in lijn met de bedrijfsvoering?
Heeft jouw AI-oplossing op al deze vragen een goed antwoord? Dan is AI wellicht de oplossing voor jouw rapportages. Heb je dat niet, dan is Power BI voorlopig de betere en veiligere keuze.
