Azure
Data Foundation
De agent is klaar, de data nog niet. We bouwen het platform waaruit jullie agents mogen antwoorden, als code in jullie tenant, en we beheren het als managed service van glueckkanja AG volgens dezelfde standaard als Azure Foundation en AI Foundation.
Het antwoord is 42
Een fabrikant kwam bij ons met een AI-salesapp. De use case was vastgesteld, het budget vrijgegeven, en de agent moest vragen over marges en levertijden beantwoorden op basis van de eigen cijfers. De eerste workshop eindigde bij een dataplatform. Dat is geen uitzondering, maar het patroon van dit jaar: in 2024 vroegen bedrijven om een dataplatform om rapporten te bouwen, in 2026 vragen ze erom omdat ze AI willen, en bijna elke use case die bij ons binnenkomt, begint met een datavraag. Douglas Adams beschreef dit moment al in 1979, toen een computer zeveneneenhalf miljoen jaar rekende, 42 verkondigde en pas daarna bleek dat niemand precies wist wat de vraag was. In het bedrijf ligt het precies andersom. De vraag is helder, alleen weet niemand uit welke tabel het antwoord moet komen, of controlling en sales onder marge hetzelfde verstaan en wie het antwoord eigenlijk mag zien. Aan het model ligt dat zelden, aan het platform eronder bijna altijd, en precies dat platform bouwen en beheren wij.
van de bedrijven heeft geen datamanagementpraktijken die geschikt zijn voor AI, of weet het niet.
van de AI-projecten zonder AI-ready data wordt volgens de prognose tegen eind 2026 opgegeven.
van de governance-initiatieven voor data en analytics mislukt tot 2027, omdat geen concrete aanleiding ze draagt.
zitten maximaal tussen twee foundation-updates van jullie platform, en daartussen houden we het doorlopend actueel.
Vier voor de hand liggende shortcuts
Wie onder tijdsdruk staat, kiest de kortste weg, en voor data bestaan er vier. Elk ervan is eerbaar gemotiveerd, geen enkele draagt verder dan de eerste use case.
“Dat staat toch allemaal in Excel.”
Elke afdeling onderhoudt haar eigen waarheid, en elke waarheid klopt op zichzelf. Een agent die ze allemaal leest, geeft ze ook allemaal terug, met dezelfde stelligheid.
“Dat bouwen we zelf.”
Dat lukt, zolang de twee mensen blijven die weten hoe het gebouwd is. De arbeidsmarkt voor data engineers met ervaring in beheer en governance is alleen opmerkelijk goed in het wegkapen van precies die mensen.
“Eerst de licentie, daarna zien we wel.”
Een Fabric-capaciteit of een Databricks-workspace is in een uur geboekt. Catalogus, rechten en netwerk volgen daar niet vanzelf uit, ze worden gebouwd of ze ontbreken.
“Dat laten we één keer opzetten.”
Het platform wordt geaccepteerd en overgedragen, en vanaf de dag van acceptatie veroudert het. Databricks en Microsoft leveren voortdurend nieuwe runtimes en functies, het acceptatieprotocol niet.
Alle vier behandelen het dataplatform als aanschaf. Wij behandelen het als beheer: de Azure Data Foundation is een geversioneerd platform dat we in jullie tenant bouwen, met elke release verder ontwikkelen en beheren zolang jullie het nodig hebben.
Van ruwe data naar een betrouwbaar antwoord
Data doorloopt in de Azure Data Foundation drie lagen die naar olympisch voorbeeld zijn genoemd, zonder dat een ervan als troostprijs bedoeld is. Bronze neemt de data uit jullie bronnen ongewijzigd op, Silver schoont ze op en uniformeert ze, en Gold levert ze inhoudelijk gemodelleerd aan Power BI, aan data science en aan jullie agents. Daarboven ligt de catalogus, die van elke tabel weet waar ze vandaan komt en wie ze mag zien, daaronder het fundament dat we als code opleveren.
- BronnenERP, CRM, vakapplicaties, bestanden en systemen in het eigen datacenter
- BronzeRuwe dataOngewijzigd en volledig overgenomen, zodat elk later getal herleidbaar blijft tot zijn oorsprong.
- SilverOpgeschoondDubbelingen verwijderd, formaten geüniformeerd, kwaliteit gecontroleerd.
- GoldInhoudelijk gemodelleerdEén definitie per kengetal, afgestemd met de vakafdelingen die ervoor verantwoordelijk zijn.
- GebruikPower BI, data science en agents, met de rechten die de catalogus toekent
Zes bouwstenen, drie blueprints, één standaard
De agent ziet wat jullie zien, en niets meer
Uiterlijk bij de eerste agent wordt een vraag van orde een vraag van aansprakelijkheid. Een agent die salarisgegevens samenvat omdat ze toevallig in een gedeelde tabel stonden, vergist zich niet, hij doet wat zijn rechten hem toestaan. In de Azure Data Foundation is Microsoft Entra ID de identity provider, kent de catalogus voor elke tabel de herkomst, de classificatie en de geautoriseerden, en gelden de rechten op het niveau van catalogus, schema en tabel. Agents zoals de Fabric data agent of een Genie Agent in Azure Databricks voeren hun queries uit met de identiteit van de gebruiker en zien daardoor precies wat de mens mag zien namens wie ze werken. Dat is geen functie die je later bijkoopt, maar de voorwaarde voor alles wat de AI Foundation erop bouwt.
Wat er voor jullie verandert
Eén kengetal, één definitie
De Gold-laag houdt elk kengetal precies één keer bij. Controlling, sales en agent rekenen met hetzelfde getal en discussiëren voortaan over de betekenis ervan, niet meer over de herkomst.
Rechten die meereizen
Rechten hangen aan de data, niet aan de applicatie. Of het nu Power BI, een notebook of een agent is, er geldt wat de catalogus voor de betreffende gebruiker voorschrijft.
Reproduceerbaar in plaats van eenmalig
Het platform ontstaat uit code en is op elk moment opnieuw uit die code op te bouwen. Elke wijziging is geversioneerd en als diff te volgen, ook voor jullie auditors.
Eén prijs per Data Environment
We rekenen af per Data Environment, dus per zelfstandig beheerde instantie van het platform, en niet per persoonsdag. Wat het beheer kost, staat vast voordat het begint.
Wat wij beheren en wat bij jullie blijft
Een managed service is zo goed als zijn afbakening. Daarom zeggen we net zo duidelijk wat wij overnemen als wat bij jullie blijft, en beide passen in drie lagen.
Hier zit jullie business. De eerste use cases bouwen we samen met jullie teams en we geven de kennis door, tot jullie deze laag zelf kunnen dragen.
- Pipelines
- Datamodellen
- KPI's en rapporten
- Agents en businesslogica
Zodat het platform draait wanneer jullie teams het nodig hebben, en niet meer kost dan nodig.
- Cluster health
- Runtime- en library-updates
- Back-up en restore
- Table maintenance
- Fabric-capacity-scheduling
- Kostenoptimalisatie
- Monitoring met severities
- Maandelijkse service review
Zodat elke omgeving overeenkomt met de code en de code met de actuele release.
- OpenTofu en Terragrunt
- Configuratierepository per klant
- Drift Detection en remediation
- Release Train
Een platform met versienummer
Dataplatforms verouderen zelden spectaculair, maar stil, de ene runtime na de andere. Daarom heeft de Azure Data Foundation releases zoals software, en jullie omgeving volgt ze.
- 1Release publicerenWij ontwikkelen de foundation verder en geven nieuwe versies vrij met gedocumenteerde wijzigingen.
- 2Versie uitrollenDe Release Train brengt de nieuwe versie naar jullie omgeving, elke wijziging als traceerbare diff.
- 3Afwijkingen controlerenDe Drift Detection vergelijkt elke week code en omgeving en zet afwijkingen terug.
- 4Runtimes bijwerkenDatabricks-runtimes en libraries houden we maandelijks tot per kwartaal actueel.
Minstens elke twaalf maanden een foundation-update, inbegrepen in de prijs
We houden jullie platform doorlopend actueel, en uiterlijk na twaalf maanden krijgt het een foundation-update. Een platform dat in april 2026 is uitgerold, ziet er in 2028 daarom niet uit als een relikwie uit april 2026.
Van de eerste afspraak naar beheer
- InventariserenInventariserenIn het assessment, dat één dag duurt, brengen we bronnen, bestaande platforms en de use cases in kaart die als eerste aan de beurt zijn.
- Parameters vastleggenParameters vastleggenIn een workshop van één dag beslissen we samen over blueprint, environments, bronnen en rechtenmodel.
- Platform uitrollenPlatform uitrollenIn twee tot vier dagen ontstaat het platform uit de code, in jullie tenant en volgens jullie parameters.
- Overdragen en beherenOverdragen en beherenNa een dag overdracht en een tot twee weken onboarding nemen we het beheer over als Managed Azure Data Foundation.
Van datasilo naar platform
Data staat in ERP-systemen, sensoren, logfiles en fileshares, en maar zelden op de plek waar ze nodig is. Florian Stöckl en David Fengler laten in de webcast zien waarom het lakehouse het klassieke datawarehouse vervangt, hoe data door Bronze, Silver en Gold stroomt, welke van de drie blueprints bij welk team past en hoe beheer en projectfasen in elkaar grijpen.
De Holy Trinity
Het begint met één dag
Assessment
Voor de offerte komt de inventarisatie. Op één dag lopen we jullie bronnen, jullie bestaande platforms en jullie eerste use cases door en leggen we vast welke blueprint past en wat het platform moet kunnen. Het resultaat is van jullie, met wie jullie ook verdergaan.
BronnenIntegratieWelke systemen worden aangesloten en in welke volgorde.
Use casesAnalytics & AIWelke vragen als eerste beantwoord moeten worden, van rapport tot agent.
GovernanceCatalogus en rechtenWie welke data mag zien en hoe dat in de catalogus wordt vastgelegd.
BeheerBlueprint en environmentsWelke blueprint past en hoeveel Data Environments jullie nodig hebben.
Wat ons in het eerste gesprek wordt gevraagd
Azure Databricks of Microsoft Fabric, wat past bij ons?
Dat hangt minder af van de techniek dan van jullie teams. Wie dataverwerking programmeert en eigen modellen traint, zit goed met Azure Databricks, wie vooral met Power BI werkt en vakafdelingen snel tot resultaten wil brengen, met Microsoft Fabric. Voor beide is er de hybride blueprint. Het advies werken we uit in het assessment.
Is de Azure Data Foundation hetzelfde als Azure Data Factory?
Nee. Azure Data Factory is een dienst van Microsoft voor data-integratie. De Azure Data Foundation is ons platform van architectuur, code en beheer, waarin integratietools één bouwsteen onder meerdere zijn. Daarom korten we de naam ook niet af.
We gebruiken Databricks of Fabric al. Moeten we opnieuw beginnen?
Niet per se. In het assessment bekijken we wat we kunnen overnemen en wat beter opnieuw uit de code kan ontstaan. Jullie data en pipelines blijven van jullie, het platform eronder brengen wij op de standaard van de foundation.
Waar staat onze data?
In jullie tenant en in de Azure-regio die jullie kiezen. We bouwen en beheren het platform waar het staat, en niet in een eigen omgeving.
Wat blijft bij ons?
Op termijn pipelines, datamodellen, KPI's en businesslogica, want daarin zit jullie business. In het begin bouwen we de eerste use cases samen met jullie teams en geven we de kennis door, tot zij deze laag zelf kunnen dragen. Het platform daaronder beheren wij.
Hebben we een eigen datateam nodig?
Voor het beheer van het platform niet, dat nemen wij over. Voor de vakinhoudelijke logica hebben jullie op termijn mensen nodig die jullie data begrijpen, in eigen huis of bij een partner, en bij het opbouwen van die kennis helpen we mee.
Wat is een Data Environment?
De eenheid waarop we afrekenen: een zelfstandig beheerde instantie van het platform, bijvoorbeeld voor een werkmaatschappij of een duidelijk afgebakend datadomein. Hoeveel jullie er nodig hebben, blijkt uit het assessment.
Hoe hangt de Azure Data Foundation samen met de AI Foundation?
De Data Foundation maakt jullie data bruikbaar voor agents, de AI Foundation levert het platform waarop die agents draaien. Beide delen identiteit, guardrails en beheermodel, en beide staan op de Azure Foundation.
Wat kost de Azure Data Foundation?
We rekenen een eenmalige setup en een maandbedrag per Data Environment af, de regelmatige foundation-update is daarin inbegrepen. Een offerte ontvangen jullie na het assessment, wanneer vaststaat welke blueprint het wordt en hoeveel environments jullie nodig hebben.
Neem nu contact op






