RBI-Solutions blog

Zo begin je vandaag nog met Fabric

Microsoft Fabric is niet zo maar wéér een tool om iets te doen met je data. Het is een platformshift. Een alles-in-één oplossing die data-engineering toegankelijker en resultaatgerichter maakt. Je bent minder tijd kwijt aan de infrastructuur en hebt meer tijd om echt impact te maken. Het andere grote voordeel: Automatisering, data visualisatie en data governance zitten er vanaf dag één ingebakken. Gebruik de gratis 60-dagen trial. Test het: één bron, één flow, één dashboard. Meer heb je niet nodig om te zien of het werkt voor jou.

IN EEN NOTENDOP: WAT IS FABRIC?
Fabric combineert naadloos de beste tools van Microsoft, zoals Power BI, Azure Synapse en Azure Data Factory, in één krachtig end-to-end platform. Wat dit écht bijzonder maakt, is de centrale datahub die OneLake biedt: vergelijk het met een geavanceerde versie van OneDrive, maar dan specifiek ontworpen om als centrale datahub voor je organisatie te fungeren. Omdat alles binnen één platform is geïntegreerd, hoef je geen complexe koppelingen te maken tussen verschillende tools. Geen gedoe meer met het handmatig aan elkaar knopen van losse systemen. Alles wordt voor jou beheerd en gehost als Software-as-a-Service (SaaS), wat betekent dat je je kunt focussen op het leveren van waarde, niet op de infrastructuur.

VOOR WIE IS FABRIC?
Eigenlijk is Fabric geschikt voor iedereen die iets wil doen met data, zonder zich te verliezen in de onderliggende technologieën van de tech stacks. Het inladen en transformeren van data kan binnen Fabric via gemakkelijke no-code en low-code manieren die voor gebruikers van Excel en Power BI erg vertrouwd zullen zijn. De wat meer ervaren data engineers, analisten en scientists kunnen echter ook met SQL, KQL of Spark aan de slag als ze dat willen.

Kortom, Fabric is perfect voor:

Data Engineers die hun pipelines willen automatiseren, niet beheren
Analisten die dashboards willen bouwen, niet eindeloos bestanden exporteren
Teams die snel van brondata naar inzichten willen, niet zes maanden willen wachten tot de architectuur “af” is

DRIE CONCRETE USE-CASES VOOR FABRIC:

Realtime dashboards: Combineer e-commerce, CRM en social media data in één datastroom. Automatiseer de updates. Visualiseer resultaten in Power BI zonder dat er een data engineer tussen hoeft te zitten.
AI-voorbereidende pipelines: Bouw met behulp van Microsoft Copilot dataflows die klaar zijn voor je ML-model. Geen extra stappen buiten het platform en de volledig geïmplementeerde AI zet veel bouwstenen volledig voor je klaar.
Cloudmigratie met inzichten onderweg: Migreer je SQL-server en datawarehouse naar OneLake en creëer in een handomdraai dashboards die je automatisch berichten stuurt als belangrijke KPIs veranderen. Geen black box transitie, maar meetbare voortgang en toegevoegde waarde.

HANDS ON: HOE BEGIN JE?
Instappen is heel gemakkelijk, maar maak het voorzelf vooral niet te groot. Begin met een klein project, met iets dat waarde levert.

Start een gratis Fabric workspace. Je krijgt 60 dagen de tijd om te proberen zonder enige betaalmethodes of iets dergelijks in te vullen.
Laad één relevante datasource in. Als je ervaring hebt met Excel of Power BI zal de interface je heel bekend voorkomen.
Automatiseer een simpele ‘refresh’ van je data.
Bouw een klein dashboard in Power BI met de kerngetallen waar één team regelmatig om vraagt.

And that’s it! Zo heb je in waarschijnlijk minder dan 1-2 uur een werkende Fabric workspace neergezet. Nu is het aan jou om te kijken wat het voor je oplevert en of het je werk makkelijker maakt.

Zit je erover na te denken om Fabric structureel in je bedrijf te gebruiken? We helpen je graag op weg – of je nu vrijblijvend wilt sparren of al concrete plannen hebt voor een volledige Cloud migratie. Klik hieronder om contact met ons op te nemen.

Meer weten over wat wij met data kunnen?

Lees verder over data en de diensten van RBI-Solutions in deze blog's:

Van tijd naar trigger: De weg naar een event-driven data architectuur

Sinds het begin van het gebruik van Business Intelligence hebben organisaties vertrouwd op periodieke dataverwerking, de zogenaamde ’batch jobs’ die elke nacht draaien. Sindsdien is de behoefte aan snelheid, flexibiliteit en realtime inzichten enorm toegenomen. Die behoefte zorgt dan ook voor een fundamentele verschuiving in hoe we data-architecturen ontwerpen: weg van batch processen, op weg naar een event-driven benadering.

Maar wat betekent dat eigenlijk: ’event-driven’? En waarom zou je hier als data engineer, analist, data scientist of business gebruiker wakker van moeten liggen? In deze blog duiken we in de wereld van event-driven data-architecturen, hun voordelen, uitdagingen, en de tools die deze transitie mogelijk maken.

DataOps, DevOps en MLOps: Oude wijn in nieuwe zakken of écht anders?

In een data gedreven organisatie vliegen de samenwerkingstermen je om de oren: DevOps, DataOps, MLOps. Deze drie termen, die inderdaad erg hetzelfde klinken (en door sommige organisaties ingevuld worden door een beheerder in een ontwikkelteam te zetten), verschillen in de praktijk aanzienlijk in toepassing, focus en doel. Voor wie dagelijks werkt met data of systemen die op data drijven, is het essentieel om deze termen niet alleen te kennen, maar ook te begrijpen wat ze betekenen en hoe ze zich tot elkaar verhouden. Daar nemen we jullie in deze blog dan ook in mee.

INTERVIEW MET DATA ENGINEER/BI CONSULTANT Said Saoud

Wat begon met een goed gesprek en een flinke dosis enthousiasme, groeide uit tot een veelzijdige carrière in data engineering bij RBI. In dit interview deelt Said Saoud zijn reis bij RBI: hoe hij begon, waar hij aan werkt en waarom hij zich thuis voelt in de wereld van data engineering en BI. Benieuwd naar zijn ervaringen, tools en visie op de toekomst van data? Lees het hele verhaal in deze blogpost.

Data Science: Een eenmalig model of integratie in de dagelijkse operatie?

In veel organisaties is data science inmiddels geen onbekende meer. Data scientists bouwen geavanceerde voorspellende modellen, werken met machine learning en experimenteren met AI om waarde te halen uit grote hoeveelheden data. Er zit echter vaak een kloof tussen het bouwen van een model en het daadwerkelijk creëren van impact in de dagelijkse operatie.

Wat betekent de overname van Informatica door Salesforce voor data en AI?

Salesforce heeft aangekondigd dat het Informatica overneemt voor zo’n $8 miljard. Wat lijkt op een strategische fusie tussen twee softwaregiganten, is in werkelijkheid veel meer dan dat.
Deze overname heeft directe impact op hoe organisaties omgaan met datakwaliteit, governance en AI-adoptie. Het is een duidelijk signaal: zonder betrouwbare, goed geïntegreerde data, geen succesvolle AI. In onze nieuwste blog geven wij een analyse van deze ontwikkeling en leggen wij uit wat dit betekent voor jouw datastrategie.

Big Bang of stapsgewijs? De kunst van datamigraties

Datamigraties lijken op het eerste gezicht slechts een technische randvoorwaarde, maar zijn in werkelijkheid een strategisch en risicovol proces. Uiteraard willen bedrijven de data die ze al hebben weer terugzien in de nieuwe applicatie. Het klinkt misschien als een simpele verhuizing, maar bij een datamigratie komt een hoop kijken. Je hebt immers niet alleen te maken met de twee systemen waar de data uitkomt, maar ook met de kritische processen die erop draaien. Denk aan orderverwerking, voorraadbeheer of klantcommunicatie.

Een slechte aanpak kan zorgen voor kostbare downtime, verstoringen in processen of zelfs verlies van klantvertrouwen. Organisaties staan vaak voor de keuze tussen twee migratiestrategieën: de ‘big bang’-aanpak of een gefaseerde overgang.
Welke kies je en waarom? We nemen je mee in de afwegingen.

Van Inzicht naar Data gedreven: DE SPRONG van AWS Data Warehouse naar Data Lakehouse

Veel organisaties vertrouwen op hun data warehouse voor analyse en besluitvorming. Maar data is allang niet meer alleen gestructureerd: e-mails, Excel-bestanden, afbeeldingen en sensordata vormen inmiddels het grootste deel. En daar zijn traditionele warehouses niet op gebouwd.
De oplossing? Een Data Lakehouse: schaalbaar, flexibel én kostenefficiënt – zonder de betrouwbaarheid van een warehouse te verliezen. Maar hoe zet je die stap als je huidige omgeving op AWS draait? En hoe voorkom je vendor lock-in?

Encryptie-by-Design, het veilig en verantwoord beheren van persoonsgegevens en gevoelige data

Als data engineer of manager weet je hoe belangrijk het is om persoonsgegevens veilig te verwerken, vooral met de AVG op de achtergrond. Bij RBI hebben we Encryptie-by-Design als uitgangspunt toegepast tijdens verschillende projecten: alle persoonsgegevens worden standaard versleuteld bij het ontsluiten van data.
🔐 De sleutel? Alleen decryptie wanneer het echt noodzakelijk is. Dit minimaliseert risico’s en zorgt dat je dataplatform compliant blijft.

Praten met je data, toepassing van AI om inzichten te halen uit je eigen data

Data is er genoeg. Maar hoe zorg je ervoor dat de juiste mensen de juiste informatie to zich kunnen nemen?
Bij RBI onderzochten we hoe AI-selfserviceplatformen medewerkers kunnen helpen om zelf inzichten uit data te halen. Denk aan een chatbot of custom GPT waarmee je team direct met hun data kunnen ‘praten’. De vraag die wij onszelf stelden: hoe kun je een self-serviceplatform voor datavragen implementeren?

“Blijf nieuwsgierig, zoek je eigen pad en sta open om te blijven leren.”

Dat is het advies van onze BI consultant Mark aan iedereen die de wereld van data in wil. Zelf begon hij drie jaar geleden bij RBI, waar hij via een traineeship uitgroeide tot Data engineer.

Zijn geheim? Vragen blijven stellen, goed om je heen kijken en gewoon beginnen.

Benieuwd naar zijn favoriete projecten, tools, en waarom hij zich bij RBI zo thuis voelt? Lees dan zijn verhaal hieronder.

Employee 360° – Hoe goed ken jij je medewerkers écht?

In de war for talent is het niet genoeg om alleen te werven — je moet ook je huidige medewerkers goed begrijpen én behouden. Een Employee 360° view bundelt versnipperde data tot één compleet beeld van je mensen: hun skills, prestaties, ambities en betrokkenheid. Zo zie je sneller wie klaar is voor de volgende stap, waar risico’s liggen en hoe je gericht kunt ondersteunen. Ontdek wat een Employee 360° voor jouw organisatie kan betekenen in deze blogpost.

Van een dagelijkse batch naar streaming analytics, wanneer is dit relevant?

In sectoren waar elke seconde telt – zoals de farmaceutische industrie – maakt streaming analytics het verschil. Door inzichtelijke real-time data is er sprake van minder verspilling, snellere interventie én hogere klanttevredenheid. In deze blogpost lees je over de voordelen van streaming analytics.

« Older Entries