Wat is Kimball dimensional modeling?
Wie een datawarehouse bouwt voor een manufacturing organisatie, staat voor een fundamentele keuze: hoe structureert u de data zodat het niet alleen vandaag werkt, maar ook over drie jaar nog uitbreidbaar en onderhoudbaar is? Het antwoord dat de industrie al ruim dertig jaar geeft, is Kimball dimensional modeling.
Kimball dimensional modeling — vernoemd naar Ralph Kimball, die de methodologie in de jaren negentig formaliseerde — organiseert data in zogenaamde star schema's. Een star schema bestaat uit een centrale feitentabel (fact table) die meetbare gegevens bevat, omringd door dimensietabellen die context bieden.
Een concreet voorbeeld uit de manufacturing: een feitentabel Productieorders bevat meetbare waarden zoals aantallen, doorlooptijden en kosten. Daaromheen staan dimensietabellen als Product, Machine, Tijdsperiode en Vestiging. Door deze structuur kunt u dezelfde productiedata analyseren vanuit elk perspectief: per product, per machine, per maand, per locatie — of elke combinatie daarvan.
Data wordt pas inzicht wanneer er structuur onder ligt. Een goed dimensioneel model maakt het verschil tussen uren zoeken in tabellen en in één klik zien waar de afwijking zit.
Elk bedrijfsdomein krijgt zijn eigen star schema, een zogenaamde datamart. Een manufacturing organisatie heeft typisch datamarts voor productie, inkoop, voorraad, verkoop, financiën en kwaliteit. Omdat de dimensietabellen gedeeld worden (dezelfde producttabel verschijnt in meerdere datamarts), ontstaat er een samenhangend geheel: de enterprise data warehouse bus in Kimball-terminologie.
Waarom Kimball de standaard is
Geoptimaliseerd voor rapportage. Star schema's zijn ontworpen voor snelle query-performance. De structuur sluit direct aan op hoe BI-tools als Power BI, Tableau en Qlik data verwerken. Power BI dwingt intern zelfs een stermodel af — Kimball levert precies die structuur.
Begrijpelijk voor eindgebruikers. Een star schema is intuïtief: feiten in het midden, context eromheen. Analisten en key users begrijpen de structuur zonder technische achtergrond.
Schaalbaar en uitbreidbaar. Nieuwe domeinen toevoegen betekent een nieuwe datamart bouwen die dezelfde dimensies hergebruikt. De architectuur groeit mee zonder dat het fundament op de schop moet.
Gedocumenteerd en overdraagbaar. Omdat Kimball een gestandaardiseerde methodologie is, kan elke ervaren BI-professional het model lezen en onderhouden. U bent niet afhankelijk van de kennis van één individu.
Kimball vs. lift-and-shift
Bij een BI-migratie — bijvoorbeeld van SAP BusinessObjects naar Power BI — kiezen organisaties vaak voor de snelste route: de bestaande rapporten kopiëren naar het nieuwe platform. Het voordeel is duidelijk: het gaat snel. Maar het nadeel is fundamenteel: de onderliggende problemen worden meegenomen.
| Criterium | Kimball dimensional model | Lift-and-shift |
|---|---|---|
| Fundament | Nieuw, geoptimaliseerd datamodel | Bestaande structuur gekopieerd |
| Cross-domein inzicht | Ja, via gedeelde dimensies | Nee, rapporten blijven silo's |
| Uitbreidbaarheid | Nieuwe datamarts toevoegen | Elk nieuw rapport is maatwerk |
| Technical debt | Geen — schone basis | Wordt meegenomen |
| Doorlooptijd | Langer (8–12 weken) | Korter (weken) |
| Investering lange termijn | Lager — fundament staat | Hoger — continu lappen |
Kimball in de context van Glovia G2
Voor organisaties die werken met het Glovia G2 ERP-systeem is Kimball dimensional modeling bijzonder relevant. Glovia G2 bevat rijke data over productie, inkoop, voorraad, verkoop, financiën en kwaliteit — maar de standaard rapportagemogelijkheden bieden beperkt cross-domein inzicht.
De BI Accelerator for Glovia G2 is volledig gebouwd op de Kimball-methodologie. Het product bevat 7 datamarts die de essentiële domeinen van Glovia G2 afdekken, elk gemodelleerd als star schema met gedeelde dimensies. Deze datamarts zijn geïmplementeerd als Oracle SQL Views die rechtstreeks op de Glovia G2-database draaien — een benadering die we in een apart artikel over het Virtual Data Warehouse toelichten.
Het resultaat:meer dan 50 Power BI-rapporten die direct profiteren van de geoptimaliseerde datastructuur. Omdat het Kimball-model er al ligt, kan de organisatie bovendien zelf nieuwe rapporten bouwen op hetzelfde fundament.
Conclusie
Kimball dimensional modeling is niet de enige manier om een datawarehouse in te richten, maar het is wel de meest bewezen aanpak voor analytische rapportage in de maakindustrie. U heeft een dimensioneel model nodig. De keuze is: zelf bouwen of gebruikmaken van een bewezen framework. Wat dat verschil betekent in termen van doorlooptijd, investering en risico, leest u in ons artikel over de kosten van een BI-implementatie.