Een eigen Business Intelligence-tool — embedded in uw product, multi-tenant voor uw klanten, of vol-AI met natural-language-query. We bouwen BI op maat wanneer Tableau, Power BI of Looker net niet past op de manier waarop uw data en gebruikers werken.
Tableau, Power BI en Looker zijn marktleiders om een goede reden — voor de gemiddelde data-analist die ad-hoc queries draait op een warehouse, is er weinig dat ze beter doen. De rekenwerken-en-pivot-laag is volwassen, de visualisatie-bibliotheek diep, en de integraties met Snowflake, BigQuery of Redshift werken uit de doos. Voor 80% van de "wij willen onze data zien"-vragen is een standaard BI-tool gewoon de beste keuze, en zou een eigen build geld én aandacht weggooien.
Wij bouwen maatwerk BI voor de andere 20%. Dat zijn meestal partijen waar het BI-product niet voor de eigen analyst is, maar voor een eindgebruiker buiten de organisatie: SaaS-bedrijven die embedded analytics aan hun klanten leveren, multi-tenant platforms die per klant een eigen dashboard-omgeving willen, of branche-specifieke flows (zorg met EPD-data, financieel met DORA-compliance) waar het standaard-product geen plek voor heeft. We werken sinds 2015 op maatwerk software-trajecten en hebben analytische dashboards geleverd voor SaaS-platforms, financiële instellingen en zorg-organisaties die hun data-product onderdeel van hun eigen merk wilden maken.
De vraag waarmee we beginnen is bijna altijd dezelfde: wie kijkt naar dit dashboard, en wat gaat-ie eigenlijk doen op basis van wat hij ziet? Een Tableau-rapport voor uw eigen analyst is geen embedded-analytics-product voor 200 klanten. De UX-eisen verschillen ordes van magnitude — eindgebruikers verwachten een interface die past in de rest van uw product, met logins, branding, performance en mobile-support die enterprise-BI-tools standaard niet leveren. Pas als die fundering klopt, dan tekenen we de architectuur eronder.
Onze BI-trajecten beginnen kort. In een paar sprints staat de eerste tier — een werkend dashboard op uw data-bronnen, met de eerste paar grafieken en filters die uw team daadwerkelijk gebruikt. Daarna bouwen we in twee-wekelijkse sprints richting de volledige feature-set: extra datalagen, drill-downs, alerting, exports, en — als het past in uw business-case — een AI-laag die natural-language-vragen omzet naar SQL en grafiek. Dat laatste is geen demo-feature meer; LLM's zijn inmiddels betrouwbaar genoeg om text-to-SQL bovenop een semantic layer in productie te draaien, mits u de juiste guardrails inbouwt.
SaaS-bedrijven met embedded analytics — uw klanten verwachten een rapportage-laag binnen uw product, niet een doorklik naar Tableau Public of een PDF-export. Embedded BI in eigen huisstijl is een sterk verlengstuk van uw product: het verlengt sessietijd, vermindert support-vragen ("waar zie ik mijn omzet?") en wordt een argument bij vernieuwing. Looker Embedded, Sisense, Cumul.io en ThoughtSpot Embedded zijn nuttige alternatieven, maar leveren een licentie-model dat snel duur wordt naarmate uw klantbestand groeit, en blijven herkenbaar als 3rd-party. Een eigen analytics-laag binnen uw stack is — boven een bepaalde schaal — eenvoudig goedkoper én herkenbaar als onderdeel van uw merk.
Mid-market organisaties met een BI-vraag die te complex is voor Excel — uw data-volume of complexiteit groeit voorbij wat in spreadsheets nog werkbaar is. Tableau- of Power BI-licenties zijn voor de hele organisatie aan de prijzige kant, of u wilt een specifieke workflow die de generieke BI-tool niet uit zichzelf ondersteunt. Een eigen dashboard-laag bovenop bestaande databronnen geeft uw operations- en management-team precies de inzichten die er nodig zijn, zonder dat u de hele afdeling moet trainen op Tableau Desktop.
Branche-specifieke partijen — zorg-organisaties met EPD-data en NEN 7510-eisen, financiële instellingen met DORA en MiFID-rapportages, energie- of utility-bedrijven met IoT-meetdata. De compliance-eisen alleen al zijn vaak een argument tegen een commodity-tool. Een eigen BI-tool bouwen we direct rond uw compliance-framework: row-level security, audit-logging, end-to-end-encryptie op patient- of klant-data, en een data-flow die door de DPIA past.
Multi-tenant platforms — een marktplaats, een partner-platform, een franchise-keten of een holding met meerdere business-units. Iedere tenant zijn eigen data-omgeving, eigen branding, eigen permissies, maar één gemeenschappelijke codebase. Looker en sommige enterprise-tools kunnen multi-tenant, maar leveren een omslachtig licentie-model. Een eigen multi-tenant BI-laag is in onderhoud bijna altijd eenvoudiger zodra het aantal tenants in de tientallen loopt.
AI-augmented BI — partijen die hun gebruikers willen laten "praten" met de data. "Toon mij Q3-omzet per regio met YoY-vergelijking" wordt door een LLM omgezet in een SQL-query op uw warehouse plus een passende visualisatie. ThoughtSpot heeft hier een commerciële versie van, maar de echte kracht zit in een eigen build waarin de LLM uw semantic layer kent (kolom-namen, business-definities, joins) en netjes binnen row-level-security blijft. We bouwen dit met Claude of GPT-4 als backend, plus een eigen text-to-SQL-controller die het query-resultaat valideert.
Real-time-streaming BI — operationele dashboards die niet "data van vannacht" laten zien maar live-status. Logistiek, energie, financiële trading, gaming-platforms: omgevingen waar een dashboard op een 5-minuten-refresh te traag is. Wij bouwen real-time-dashboards op Kafka, Materialize of ClickHouse-streams, vaak gekoppeld aan een real-time-analytics-platform als bovenste laag.
De meeste BI-trajecten vallen in één van deze drie profielen. Welke past, hangt af van wie het dashboard gebruikt, welke compliance-vereisten spelen en hoe diep u in de stack wilt zitten. We adviseren in het eerste gesprek welk profiel klopt — en eerlijk wanneer een standaard-BI-tool gewoon de betere keuze is.
Een analytics-laag binnen uw SaaS-product die voelt als onderdeel van uw eigen UI. Login-aware, in uw huisstijl, met de visualisaties en filters die uw klanten daadwerkelijk gebruiken. Onder de motorkap: een React-frontend met een chart-library als ECharts of Recharts, een eigen query-laag bovenop uw bestaande data-model, en row-level-security zodat klant A nooit klant B's getallen ziet. We beginnen met de drie tot vijf dashboard-views die het meest gevraagd worden door uw klantsuccess- of support-team, en breiden uit op basis van wat in de praktijk gebruikt wordt. Vaak een vervanging voor een traag PDF-rapport of een doorklik naar een externe tool die niemand opent.
Een dashboard-platform waarop meerdere klanten, partners of business-units werken — ieder met hun eigen data-omgeving, eigen branding en eigen permissie-structuur. Vaak gekoppeld aan een data-engineering-platform dat de ETL en het warehouse beheert. De multi-tenant-laag is doorgaans waar de complexiteit zit: hoe verdeel je data op tenant-niveau zonder dat de query-plans wegslippen, hoe schaal je de RBAC-laag zodat één tenant zijn eigen rollen kan beheren, en hoe houd je de operationele kosten beheersbaar als het aantal klanten van tien naar duizend gaat. Wij bouwen dit op een data-warehouse (Snowflake, BigQuery, ClickHouse of Postgres met partitioning), met een metadata-laag die per tenant filtert.
Een BI-laag met een natural-language-interface — uw gebruiker stelt een vraag, een LLM zoals Claude of GPT-4 vertaalt die naar SQL, draait de query, en levert een passende visualisatie. Of: een real-time-streaming-dashboard dat live-status laat zien in plaats van een nachtelijke refresh. Beide use-cases zijn de meest technische BI-bouwprojecten die we doen, en vergen een grondige LLM-integratie respectievelijk een streaming-architectuur op Kafka of Materialize. Voor text-to-SQL bouwen we een controller die de gegenereerde query valideert tegen een whitelist van tabellen en kolommen — geen "doe alles wat de LLM wil" maar een gecontroleerde semantic layer waarin de business-definities expliciet zijn vastgelegd. Voor real-time werken we met aggregaties die incrementeel updaten, dus het dashboard blijft snel ook bij hoge event-volumes.
Een werkende BI-tool die uw team zelf beheert, plus alles eromheen om verder te bouwen zonder vendor-lock-in op een commercieel platform.
Met OneDayBuild maken we je idee in één dag tastbaar voor €950, zodat je weet of verdere ontwikkeling de investering waard is. Besluit je door te gaan met de volledige bouw? Dan verrekenen we de kosten volledig.
Bekijk OneDayBuild →Vier patronen waarin we partijen begeleiden naar een eigen BI-tool — herkent u er één, dan praten we graag verder. Herkent u er geen, dan is een standaard-tool waarschijnlijk de betere optie.
Uw klanten vragen om dashboards binnen uw SaaS — niet een Tableau-licentie ernaast. Een ingebouwde analytics-laag in uw huisstijl wordt onderdeel van de propositie en vermindert de support-vragen over "waar zie ik dit getal?". Een commerciële embedded BI-tool kan tijdelijk werken, maar wordt boven een bepaalde schaal duurder dan zelf bouwen.
U bedient meerdere klanten, partners of business-units die elk hun eigen data-omgeving en branding willen. Een Looker- of Power BI-licentie per tenant wordt onhoudbaar; een eigen multi-tenant-laag met gedeelde codebase is zowel goedkoper als beter aanpasbaar aan klant-specifieke wensen. Zie ook onze pagina over een KPI-dashboard op maat voor een eenvoudiger variant.
Zorg met NEN 7510-eisen op patient-data, finance met DORA en MiFID-rapportages, energie met regulatie-logging. De compliance-laag zit zo dicht op uw data dat een standaard-BI-tool meer obstakel dan oplossing wordt. Een eigen tool wordt direct gebouwd rond de juiste audit-trails, row-level-security en encryption-eisen.
U wilt text-to-SQL ("toon mij Q3-omzet per regio"), of een live-streaming-dashboard dat een paar seconden achterloopt op het bron-event. Beide use-cases vragen om een architectuur die buiten de standaard-BI-tool-scope valt. We bouwen ze op een Databricks-laag of een eigen ClickHouse / Materialize-stack.
Een gesprek waarin we begrijpen wie het dashboard gaat gebruiken, welke beslissingen het ondersteunt, en welke bronnen er gekoppeld moeten worden. We checken meteen of de business-case maatwerk rechtvaardigt of dat een standaard-tool beter past — dat is een eerlijke vraag, geen sales-trechter.
Workshop met uw team plus interviews met drie tot vijf eindgebruikers. We tekenen een architectuur-blueprint (warehouse-laag, semantic layer, frontend, RBAC-model) en een eerste schermflow voor de belangrijkste dashboards. Aan het eind ligt er een concrete scope en een tech-stack-keuze.
Elke twee weken een werkende build. We beginnen met de data-laag en één basis-dashboard, daarna breiden we uit naar de volledige feature-set. Uw team test mee per sprint en bepaalt mee waar de prioriteit ligt — daardoor verschuift de scope vaak gaandeweg op basis van wat in de praktijk werkt.
Voor live-gang: pen-test, row-level-security-review, audit-trail-check en een data-flow-mapping voor de DPIA. Voor branche-specifieke regimes (NEN 7510, DORA, AI Act bij text-to-SQL) leveren we de extra documentatie en governance-stukken die uw toezichthouder verwacht.
Gefaseerde uitrol naar uw gebruikersgroep, training-sessies voor key-users, en doorlopend beheer voor security en performance. Voor multi-tenant platforms zit hier ook tenant-onboarding en het opzetten van uw operationele runbook in.
Wat opdrachtgevers meestal willen weten voor we beginnen aan een BI-tool.
Een kennismaking van een half uur, vrijblijvend. We luisteren naar wie het dashboard gaat gebruiken, welke data-bronnen er spelen en welke compliance-eisen mee moeten — en we vertellen u eerlijk of maatwerk de juiste route is of dat een standaard-BI-tool gewoon de betere keuze is.
Appfront gebruikt cookies en vergelijkbare technieken voor een goede werking van de website, voor analyse en voor marketing. Je kiest zelf wat je toestaat. Lees meer in ons privacybeleid.
