Wat is een data platform? (En heb je er een nodig?)
Een uitleg voor niet-technische beslissers: wat een data platform feitelijk is, uit welke vier lagen het bestaat, wanneer je er een nodig hebt en wanneer een spreadsheet een Snowflake-rekening verslaat.
"Data platform" is een van die termen die technisch genoeg klinkt dat niemand vraagt wat je ermee bedoelt. Leveranciers houden ervan. Consultants ook. Het gevolg: bijna elk middelgroot bedrijf is in 2026 wel eens gepitched op een data platform — meestal gebouwd op Snowflake, Databricks of een custom samenstelling — zonder helder beeld van wat ze er precies voor terug zouden krijgen. Dit artikel is voor niet-technische beslissers die willen weten wat een data platform is, wat het niet is, en of ze er een nodig hebben.
We schrijven dit als softwareleverancier die data platforms in productie zet voor middelgrote bedrijven. We hebben platforms gebouwd die echt veranderden hoe teams werken. We zijn ook weggelopen van data platform-projecten waar een nette set dashboards bovenop bestaande systemen 90% van het werk had gedaan voor een tiende van de prijs.
Wat een data platform feitelijk is
Een data platform is een gelaagd systeem dat data uit meerdere bronsystemen verzamelt, opschoont en combineert, en aanlevert aan de mensen en applicaties die het nodig hebben — betrouwbaar, herhaalbaar en met iemand die verantwoordelijk is als het stuk gaat.
Wat het cruciaal niet is:
- Een fancy spreadsheet. Een spreadsheet is het beeld van één persoon; een data platform is de gedeelde waarheid van het bedrijf.
- Alleen een dashboard. Een dashboard is het zichtbare topje; het platform is alles eronder dat de getallen klopt.
- Een database met extra stappen. Een database slaat transactionele data op; een platform slaat analytische, gemodelleerde, cross-source data op.
- Een magische AI-feature. Een platform is loodgieterswerk — saai, belangrijk, en de voorwaarde voor serieus AI-werk, geen vervanger ervan.
De vier lagen in de praktijk
Elk serieus data platform heeft dezelfde vier lagen. Verschillende leveranciers stoppen ze in verschillende dozen, maar de verantwoordelijkheden veranderen niet.
1. Extract & load
Data uit bronsystemen halen — je CRM, ERP, finance-systeem, marketing-tools, logbestanden, IoT-apparaten — en in een centrale store landen. Tools: Fivetran, Airbyte, eigen connectors of platform-native loaders. Saai maar kritisch: 60% van de data platform-pijn komt van kapotte extracts.
2. Transform & model
Ruwe data is zelden bruikbaar. Transformatie schoont op, joint gerelateerde bronnen, past business rules toe en produceert "modellen" — netjes benoemde, gedocumenteerde tabellen die matchen met hoe de business denkt. Tools: dbt is de de facto standaard. Zonder modellering zit je vast in ruwe data en duizend tegenstrijdige dashboards.
3. Serve & visualise
Maak de gemodelleerde data beschikbaar voor mensen (dashboards, rapporten) en applicaties (API's, AI agents, downstream systemen). Tools: Metabase, Looker, Power BI, embedded analytics. Dit is de laag die de meeste stakeholders zien; ook de laag waar het makkelijkst te veel in geïnvesteerd wordt voordat de lagen eronder kloppen.
4. Govern & monitor
Lineage (waar komt dit getal vandaan?), toegangscontrole (wie mag wat zien?), monitoring (heeft de pipeline gisterennacht gedraaid?), retentie (wat houden we, hoe lang?) en eigenaarschap (wie is de eigenaar van deze dataset?). Vaak overgeslagen in de eerste versie, vaak de reden dat versie twee nodig is.
Wanneer je een data platform nodig hebt
Vier signalen die wijzen op een echte platform-behoefte:
| Signaal | Hoe het eruit ziet |
|---|---|
| Meerdere bronnen die je niet kunt combineren | CRM zegt iets anders dan finance, marketing heeft eigen cijfers — niemand vertrouwt de dashboards |
| AI-ambities | Je wilt RAG, agents of analytics bouwen — die hebben schone, gemodelleerde data nodig |
| Compliance en audit | Toezichthouders of auditors willen lineage, retentie en toegangscontrole |
| Cross-team analytics | Meerdere teams hebben gedeelde metrics nodig met één definitie van "klant", "order", "omzet" |
Wanneer je er geen nodig hebt
We hebben veel klanten van data platform-projecten afgepraat. De signalen dat je er nog geen nodig hebt:
- Je rapportage past in één tool (Stripe-dashboard, Shopify-rapporten, HubSpot-dashboards). Een platformlaag toevoegen creëert een kopie die uit de pas gaat lopen.
- Je team is klein (onder de ~30 mensen). De gedeelde waarheid past in een paar spreadsheets en wekelijkse Slack-updates.
- Je hebt nog geen AI- of analytics-ambities. Een platform "voor de toekomst" bouwen, betekent meestal het verkeerde bouwen — wacht tot de use case echt is.
- Je data is werkelijk eenvoudig. Eén ERP, één CRM, geen gedragsdata, geen IoT, geen log streams.
Build vs buy: de echte keuzes
Heb je besloten dat je wel een platform nodig hebt? Drie zinvolle architectuur-opties:
Snowflake (of BigQuery, Redshift) + dbt + Metabase
Cloud data warehouse, open-source modelleerlaag, kant-en-klare BI-tool. Onze default voor middelgrote bedrijven in 2026. Voorspelbare kosten, breed ecosysteem, makkelijk personeel voor te vinden. Saai, in de goede zin.
Lakehouse (Databricks, Iceberg)
Als datavolumes groot genoeg worden dat warehouse-prijzen pijn doen, of bij zware ML/AI-workloads. Echt nuttig op schaal; meestal overkill onder tientallen terabytes. Kies dit niet omdat het modern klinkt.
Custom op cloud-primitieven
Postgres + een orchestrator + eigen code. Goedkoopst op zeer kleine schaal, pijnlijk als het groeit. We gebruiken dit soms bij klanten met ongebruikelijke privacy-eisen of een bestaande voetafdruk die de toolkeuze beperkt. Zelden de juiste default.
Wat maakt een data platform "productie"?
Het verschil tussen een demoplatform en een productieplatform is wat er gebeurt om 03:00 op een dinsdag als er iets breekt. Een productieplatform heeft:
- Lineage: elk metric is te herleiden naar de bronkolommen en de transformaties.
- Retentieregels: wat houden we, wat verwijderen we, wanneer, waarom — gedocumenteerd en afgedwongen.
- Monitoring: pipeline-fouten alerten iemand binnen minuten, niet pas als een stakeholder ziet dat het dashboard verouderd is.
- Gedocumenteerd eigenaarschap: elke dataset heeft een eigenaar. "Bij het data team" is geen antwoord.
- Een overdrachtsplan: iemand buiten het oorspronkelijke buildteam kan het onderhouden. Kan alleen de oorspronkelijke leverancier debuggen, dan heb je geen platform — je hebt een afhankelijkheid.
Kostenranges
Realistische ranges voor data platform-builds bij middelgrote bedrijven in 2026:
- Licht platform — 2–3 bronnen, basis dbt-modellen, één BI-tool: €30K–€60K, 6–10 weken. Plus circa €500–€1,5K/maand aan cloud en tooling.
- Productie platform — 5–10 bronnen, monitoring, lineage, meerdere data marts: €80K–€150K, 12–20 weken. Plus €1,5K–€5K/maand aan cloud en tooling.
- Strategisch platform — bespoke modellering, dataproducten, ML-serving, geavanceerde governance: €150K–€250K+, 4–8 maanden. Plus €5K+/maand aan cloud.
Plus 15–25% per jaar onderhoud — bronnen veranderen, business rules veranderen, retentie verandert, modellen driften. Een platform zonder doorlopende investering wordt binnen 18 maanden een last.
Een voorbeeld: Energy Data Xchange
We bouwden Energy Data Xchange als data platform voor de Nederlandse energiesector — netdata, ESDL energiemodellen en forecast-uitkomsten samengebracht in één gedeelde, gegoverneerde bron van waarheid. Meerdere bronnen, regelgeving, AI-workloads erbovenop, en meerdere stakeholderorganisaties die één betrouwbaar beeld nodig hebben. Dat is hét voorbeeld van een data platform. Een spreadsheet had het niet één week overleefd.
Hoe wij werken
Wij bouwen data platforms voor middelgrote bedrijven. We beginnen met een discovery van 1–2 weken om te bevestigen dat de vier signalen aanwezig zijn en de juiste vorm te schalen. We zijn even gelukkig om een klant te vertellen dat hij nog geen platform nodig heeft. Meer over onze aanpak vind je op onze service-pagina voor data.
Vermoed je dat je wel (of geen) data platform nodig hebt? Beschrijf je situatie in een paar zinnen via ons contactformulier — we reageren binnen één werkdag met een eerlijk oordeel.