Wat is een semantisch model in Power BI?
Een semantisch model in Power BI (voorheen 'dataset' genoemd) is de gestructureerde datalaag die tabellen, relaties, metingen en berekende kolommen bevat waarop rapporten worden gebouwd. Het model definieert hoe data uit verschillende bronnen met elkaar samenhangt en welke berekeningen (via DAX) beschikbaar zijn. Eén semantisch model kan door meerdere rapporten en zelfs meerdere werkruimtes worden hergebruikt, wat consistentie in cijfers tussen teams garandeert.
Een semantisch model in Power BI is de datalaag met tabellen, relaties en metingen die als basis dient voor rapporten en dashboards.
De laag tussen brondata en rapport
Wanneer je een Power BI-rapport opent, kijk je eigenlijk naar visuals die bovenop een semantisch model liggen. Dat model bevat de tabellen die zijn opgehaald via Power Query, de relaties tussen die tabellen, en de metingen die met DAX zijn gedefinieerd. Rapporten en dashboards zelf bevatten geen eigen logica; ze vragen data op bij het onderliggende semantische model en tonen die visueel. Deze scheiding is precies wat Power BI schaalbaar maakt: je bouwt het model één keer, en meerdere rapporten kunnen daarop leunen.
Tabellen, relaties en granulariteit
De kern van een semantisch model bestaat uit tabellen (bijvoorbeeld Verkopen, Klanten, Producten, Datum) en de relaties daartussen. Een goed model volgt meestal een star schema: één of meer feitentabellen met transactionele data, omringd door dimensietabellen waarop je filtert. De granulariteit, oftewel het detailniveau van elke rij in een feitentabel, bepaalt welke analyses mogelijk zijn: een tabel op dagniveau laat andere vragen toe dan een tabel die al is samengevat per maand.
Relaties leg je meestal één op veel vast, met de sleutel in de dimensietabel als “één”-kant. Verkeerd ingerichte relaties (bijvoorbeeld veel-op-veel zonder nadenken) leiden tot dubbeltellingen of onverwachte resultaten in rapporten.
Metingen als gedeelde bedrijfslogica
Naast tabellen en relaties bevat een semantisch model de metingen: de DAX-formules die bepalen hoe omzet, marge, aantal klanten of andere KPI’s worden berekend. Door deze centraal in het model te definiëren, in plaats van los in elk rapport, garandeer je dat elk team dat het model gebruikt exact dezelfde cijfers ziet. Dit is een van de belangrijkste redenen om semantische modellen te scheiden van rapporten in grotere organisaties.
Import, DirectQuery en composite models
Een semantisch model kan data importeren en opslaan (Import-modus, snel maar afhankelijk van een vernieuwingsschema), live queries uitvoeren naar de bron (DirectQuery, altijd actueel maar afhankelijk van brondatabase-performance), of beide combineren in een composite model. Deze keuze is een architectuurbeslissing die je vroeg in een project maakt, en hangt af van hoe actueel de data moet zijn en hoe groot de dataset is.
Hergebruik tussen rapporten en werkruimtes
Een semantisch model hoeft niet gebonden te zijn aan één rapport. Via de functie “nieuw rapport” op een bestaand model, of door het model te delen tussen werkruimtes, kunnen verschillende teams eigen rapporten bouwen op dezelfde onderliggende data. Dit voorkomt duplicatie van dataverbindingen en zorgt dat wijzigingen in het model (zoals een nieuwe meting) automatisch beschikbaar zijn voor alle rapporten die ervan afhankelijk zijn.
Wil je begrijpen hoe de data in dit model terechtkomt en wordt berekend? Lees wat is Power Query en wat is DAX.
Onze tip: Investeer tijd in een schoon star schema voordat je metingen gaat bouwen. Een goed gestructureerd model met duidelijke feiten- en dimensietabellen bespaart je later uren aan gecompliceerde DAX om rommelige relaties te compenseren.
Veelgestelde vragen
Wat is het verschil tussen een semantisch model en een dataset in Power BI?
Het zijn in essentie hetzelfde begrip. Microsoft heeft de term 'dataset' vervangen door 'semantisch model' om beter te weerspiegelen dat het niet alleen om ruwe data gaat, maar om een gestructureerde laag met relaties, metingen en bedrijfslogica. In oudere documentatie en sommige schermen in Power BI kom je de term 'dataset' nog tegen, maar functioneel is het exact dezelfde component.
Kan één semantisch model door meerdere rapporten gebruikt worden?
Ja, en dat is een van de grootste voordelen. Door een semantisch model los te koppelen van een specifiek rapport (via 'gedeeld dataset' of het maken van een nieuw rapport op een bestaand model) kunnen meerdere teams eigen rapporten bouwen op dezelfde, consistente onderliggende data en metingen. Dit voorkomt dat elk team zijn eigen versie van 'omzet' of 'marge' berekent met net iets andere logica.
Wat is een star schema en waarom is dat belangrijk voor een semantisch model?
Een star schema is een modelleertechniek waarbij je één of meer feitentabellen (met transacties of meetwaarden) omringt met dimensietabellen (zoals datum, klant of product) die je gebruikt om te filteren en groeperen. Power BI en DAX zijn geoptimaliseerd voor deze structuur: het geeft betere performance, eenvoudigere metingen en minder verwarrende relaties dan een plat, breed samengevoegd tabel-ontwerp.
Werkt een semantisch model met Import, DirectQuery of beide?
Een semantisch model kan draaien op Import-modus (data wordt gekopieerd en opgeslagen in het model, snel maar met vernieuwingsintervallen), DirectQuery (elke query gaat live naar de bron, altijd actueel maar afhankelijk van bronperformance), of een combinatie via composite models. De keuze bepaalt hoe actueel je data is en hoe snel rapporten reageren, en is een van de belangrijkste architectuurbeslissingen bij het opzetten van een model.