Dashboards bouwen met AI: hoe ik het doe en wat ik zelf controleer

AI helpt bij het bouwen van een dashboard, maar niet bij alles. Ik gebruik het bij het ontwerpen, het schrijven van code en het documenteren. Wat altijd mensenwerk blijft: de definities afspreken en elke berekening controleren tegen getallen die je al kent. En de data blijft in de eigen Microsoft-omgeving van de klant, met afspraken die we vooraf vastleggen.

In dit artikel lees je in welke stappen AI helpt, waar niet, wat ik controleer en welke afspraken over data ik maak. Hoe een goed model eruitziet, staat in de gids over het Power BI-datamodel.

Waar AI helpt, en waar niet

Een dashboard bouwen bestaat uit vijf stappen. AI helpt bij een deel daarvan.

1. De vragen. Wat moet het dashboard beantwoorden, en voor wie? Dat komt uit gesprekken met de mensen die het gaan gebruiken. AI kan helpen de vragen te ordenen, maar niet om ze te stellen.
2. Het ontwerp. Welke tabellen, welke relaties, welke pagina’s? AI kan meedenken over een eerste opzet en wijzen op dingen die je over het hoofd ziet. Het besluit blijft bij de bouwer.
3. De code. Measures in DAX en stappen in Power Query. Hier helpt AI het meest. Een eerste versie van een berekening staat er sneller, en een foutmelding wordt sneller begrepen.
4. Controleren. Kloppen de getallen? Dit is altijd mensenwerk, en het belangrijkste deel.
5. Documenteren. Beschrijvingen bij tabellen en measures, en uitleg voor wie het model later beheert. AI maakt een opzet, de bouwer maakt hem af.

Wat je altijd zelf controleert

Een berekening die AI voorstelt, kan er overtuigend uitzien en toch fout zijn. Een filter dat net verkeerd staat, een teken dat is omgedraaid, een totaal dat dubbel telt. Daarom hoort elke measure gecontroleerd te worden tegen getallen die je al kent.

• Controletotalen. De omzet per maand uit het grootboek moet gelijk zijn aan wat de boekhouding zegt. Voor de Noordkade-demo is er een apart bestand met controletotalen per maand, kostenplaats en rubriek. Het model moet daar precies op uitkomen.
• Een parallelle maand. Een maand lang de oude rapportage naast het nieuwe dashboard. Elk verschil wordt uitgezocht.
• Grensgevallen. Een maand zonder omzet, een kostenplaats zonder begroting, een boeking zonder kostenplaats. Doet de berekening dan wat hij moet doen?
• De definitie. Rekent de measure wat er in het KPI-woordenboek staat? AI kent jullie afspraken niet, tenzij ze zijn opgeschreven.

4

Delen in Teams

Op de plek waar je team al werkt

• Teams-tabblad
• SharePoint-pagina
• Power BI-app
• Mobiel

de stuurlaag

3

Stuurinformatie op tijd

KPI's met norm, trend en signaal

• Afwijking t.o.v. begroting
• Drill-down tot regelniveau
• Signaal bij afwijking

2

Datamodel één definitie

Eén definitie per KPI, elke nacht ververst

Marge % = DIVIDE ( [Brutowinst], [Omzet] )

1

Bron automatisch

Wat je al hebt, automatisch opgehaald

• Excel
• CSV-exports
• SharePoint-lijsten
• SQL
• Elk systeem met een export

Afspraken over data

Bedrijfsgegevens horen niet in een openbare AI-dienst. Daarom maak ik met elke klant vooraf afspraken over hoe AI wordt gebruikt. Deze punten horen daar in elk geval in.

• De data blijft in de eigen Microsoft-omgeving. Wat in de boekhouding en het model staat, gaat niet naar een dienst daarbuiten.
• AI werkt met de opbouw, niet met de gegevens. Voor het schrijven van een measure is de naam van een tabel en een kolom genoeg. De bedragen zelf zijn niet nodig.
• AI-functies binnen Microsoft. Gebruikt de klant Copilot in Power BI, dan werkt dat binnen de eigen omgeving, met de rechten die al in het model staan.
• Vastgelegd. De afspraken staan op papier, zodat iedereen weet wat wel en niet gebeurt.

Een voorbeeld: een measure laten uitleggen

In het model van Noordkade Techniek, het fictieve installatiebedrijf uit de demo, staat deze measure:

Afwijking gunstig =
IF ( ISINSCOPE ( Rubriek[Rubriek] ), [Afwijking] * SELECTEDVALUE ( Rubriek[Teken] ), [Afwijking] )

Wie die voor het eerst ziet, begrijpt hem niet meteen. Vraag je een AI-assistent om uitleg, dan krijg je zoiets als: “Als er per rubriek wordt gekeken, vermenigvuldigt deze measure de afwijking met het teken van de rubriek. Zo wordt meer omzet en minder kosten allebei positief.” Dat klopt, en het helpt.

Wat AI niet weet, is waarom het zo is gedaan: zodat één kleurschaal werkt voor alle rubrieken, met groen voor gunstig en rood voor ongunstig. Die reden zet je zelf in de beschrijving. Voor deze uitleg waren alleen de namen nodig, geen enkel bedrag.

Wat het oplevert

Het schrijven van code en documentatie gaat sneller. Een opzet voor een lastige measure, de uitleg bij een model, de beschrijvingen bij twintig measures: dat kan uren schelen. Die tijd gaat naar het deel dat ertoe doet: de gesprekken over de vragen en de definities, en het controleren.

Wat het niet oplevert: een dashboard zonder gesprekken. Het moeilijkste deel van een goede rapportage is niet de techniek, maar de afspraak over wat een getal betekent. Die afspraak maak je met mensen, niet met AI.

Zelf AI gebruiken voor je dashboard

Wil je het zelf proberen? Begin met de code, niet met het ontwerp. Vraag AI om een measure uit te leggen die je niet begrijpt, of om een eerste versie van een berekening die je daarna zelf controleert. Geef de namen van tabellen en kolommen, niet de gegevens. En controleer elk resultaat tegen een getal dat je al kent.

Een goede eerste opdracht: laat AI bij je vijf belangrijkste measures een beschrijving van één zin voorstellen. Pas elke zin aan tot die klopt met je KPI-woordenboek, en zet hem daarna in het model. Je model wordt er begrijpelijker van, voor collega’s en voor Copilot.

Wat ik vaak zie misgaan

• AI het hele dashboard laten bouwen. Het resultaat ziet er mooi uit, maar niemand weet of de getallen kloppen.
• Gegevens in een openbare dienst plakken. Een export met klantnamen en bedragen in een chatvenster. Doe dat niet.
• Niet controleren. Een overtuigend antwoord is nog geen juist antwoord. Controleer tegen bekende cijfers.

Wat je nu kunt doen

1. Kies één measure die je niet goed begrijpt en laat AI hem uitleggen, zonder gegevens erbij.
2. Maak een lijst met controletotalen voor je belangrijkste rapport: omzet en resultaat per maand uit de boekhouding.
3. Leg vast welke AI-diensten wel en niet mogen voor bedrijfsgegevens. Wil je weten hoe ik dat bij een klant aanpak? Plan 30 minuten.