Master Power BI - Ontwerpintelligentie met Data Modeling & Stermodelleren

Wil je grip krijgen op datamodellering in Power BI en begrijpen waarom sommige modellen structureel traag, complex of moeilijk onderhoudbaar worden? In deze training leer je het verschil tussen relationeel correct en analytisch bruikbaar modelleren en hoe stermodellen prestaties en eenvoud verbeteren. Je werkt met praktijkvoorbeelden en herontwerpt bestaande modellen onder begeleiding van een ervaren specialist, zodat je modellen toekomstbestendig, begrijpelijk en schaalbaar kunt opzetten binnen je organisatie.

Algemene omschrijving

Veel Power BI-modellen zijn relationeel keurig opgebouwd: met tabellen, sleutels en normalisatie, zoals we dat geleerd hebben. Maar in een analytische context levert dat zelden snelheid, eenvoud of schaalbaarheid op.

Toch begint deze training juist daar: bij het relationele model. Want alleen als je begrijpt hoe dat model werkt, herken je waarom het in Power BI vaak faalt. Door klassiek datamodelleren (normalisatie, ERD, keys) bewust naast het stermodel te zetten, ontwikkel je een scherper inzicht in wat een goed Power BI-model werkelijk nodig heeft: eenvoud, structuur, richting.

Je leert het verschil tussen relationeel correct en analytisch bruikbaar, en ontdekt hoe je met stermodellen prestaties én begrijpelijkheid structureel verbetert.

Daarbij werk je vanuit herkenbare situaties: bestaande rapporten, trage dashboards, complexe modellen uit jouw organisatiecontext (bijvoorbeeld bancaire datadomeinen). Je leert hoe je zulke modellen systematisch kunt analyseren, reconstrueren en vereenvoudigen, zonder ze rigoureus om te gooien. Zo wordt modelleren niet iets dat je vooraf goed moet doen, maar iets dat je nu bewust kunt bijsturen.

We combineren klassieke logica en Kimball-methodiek, en vertalen dit direct naar de dagelijkse Power BI-praktijk.

Deze training bieden we ook als bedrijfstraining voor jou en je team

De inhoud stemmen we dan af op jullie werksituatie, systemen en concrete vraagstukken, zodat de training direct aansluit op wat er binnen de organisatie speelt. Zo ontstaat een gerichte en praktische training waarmee je de volgende dag direct aan de slag kunt.

Programma

Tijdens de Master Power BI – Ontwerpintelligentie met Data Modeling & Stermodelleren komen in basis onderstaande onderwerpen aan bod. Afhankelijk van ontwikkelingen op het vakgebied, kan de feitelijke trainingsinhoud hier echter van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

• Introductie in datamodellering binnen Power BI
• • Doel en relevantie van datamodellen in een BI-context
  • Performanceproblemen als gevolg van ontwerpkeuzes
  • Verschil tussen relationele en analytische modellen
• Architecturaal denken in BI en datalagen
• • Overzicht van BI-architecturen en datastromen
  • Medallion architecture als denkmodel
  • • Bronze layer
    • • Ruwe brondata
      • Minimale transformaties
      • Focus op volledigheid en reproduceerbaarheid
    • Silver layer
    • • Opschonen en verrijken van data
      • Toepassen van businesslogica
      • Consistente sleutels en stabiele structuren
    • Gold layer
    • • Analytisch geoptimaliseerde datasets
      • Stermodellen en rapportagegerichte tabellen
      • Eenvoud en performance boven normalisatie
  • Relatie tussen datalagen en Power BI
  • Waarom Power BI primair een consumer is van de gold layer
• Basisprincipes van relationeel modelleren
• • Entiteiten en attributen
  • Relaties, cardinaliteit en associaties
  • • 1-op-1, 1-op-N, N-op-N
    • Joins en foreign keys
  • Conceptueel, logisch en fysiek model
  • Normalisatie: 1NF, 2NF, 3NF
  • • Doel en voordelen
    • Valkuilen in BI-toepassingen
    • Waarom genormaliseerde structuren traag zijn in Power BI
• Modelleren in praktijkcontext
• • Opzetten van een logisch model op basis van use case
  • Tekenen en interpreteren van ER-diagrammen
  • Validatie van structuur en integriteitsregels
• Introductie in dimensioneel modelleren (Kimball)
• • Doel van dimensioneel modelleren in BI-architecturen
  • Verschillen tussen OLTP en OLAP
  • Star schema vs snowflake schema
  • Rol van het data warehouse, datamart en staging
• Werken met feiten en dimensies
• • Soorten feiten: transactioneel, snapshot, accumulerend
  • Soorten dimensies: causale, minidimensie, junk, gedegenereerd
  • Attributen, granulariteit en aggregatieniveaus
  • Slowly Changing Dimensions (SCD) en mutatiebeheer
• Ontwerpkeuzes in functionele BI-context
• • Impact van filterrichtingen en cardinaliteit op rapportperformance
  • Navigatie tussen tabellen: join paths en aggregaties
  • ETL en taakverdeling tussen Power Query, SQL en het model
• Praktische toepassing op Power BI
• • Vertalen van user requirements naar een stermodel
  • Opzetten van een performant datamodel binnen Power BI
  • Herkennen en vermijden van veelvoorkomende anti-patronen
  • Gebruik van de Performance Analyzer ter onderbouwing
• Vooruitblik
• • Beperkingen van structureel modelleren zonder semantiek
  • Verwijzing naar semantisch ontwerp en advanced DAX

De training is interactief en praktijkgericht opgezet. Je werkt met bestaande datamodellen en vertaalt relationele structuren naar analytisch bruikbare stermodellen. Er is ruimte om eigen modellen en use cases in te brengen en samen te herontwerpen op basis van helder gestructureerde ontwerpprincipes.

De training wordt verzorgd door specialisten die dagelijks werken met datamodellering en BI-architectuur in Power BI-omgevingen. Bij klassikale trainingen stemmen we vooraf leerdoelen en verwachtingen af, zodat de inhoud aansluit op het niveau en de praktijk van de deelnemers.

Doelen

Na deze training kan je:

• Relationele modellen vertalen naar analytisch bruikbare stermodellen
• Een logisch en dimensioneel datamodel ontwerpen op basis van concrete rapportagebehoeften
• Feiten en dimensies correct definiëren inclusief granulariteit en sleutels
• Ontwerpkeuzes maken die performance, eenvoud en schaalbaarheid ondersteunen
• Bestaande modellen analyseren en herstructureren tot een toekomstbestendig Power BI-model