Dashboards die blijven draaien: snel gemaakt, goedkoop in gebruik
Bram heeft met een agent uitgezocht waar de marge lekt. Het antwoord is een grafiek per productgroep. Morgen wil hij dezelfde grafiek, maar dan met de cijfers van morgen. Een plaatje met ingebakken cijfers helpt hem daar niet bij.
In Plainwater AI eindigt een analyse in een dashboard dat blijft draaien op de bron. Het model is nodig om het te maken en te wijzigen, niet om ernaar te kijken. Daardoor is rapporteren snel, eenvoudig en goedkoop.
Bijgewerkt .
Wat is een dashboard in Plainwater AI?
Een dashboard is een pagina die de agent maakt en die zijn data uit benoemde datasets op de bron haalt. Het ververst zelf, zonder dat er opnieuw een AI-model voor draait.
Bram vraagt in een gesprek om het margedashboard. De agent schrijft de pagina en de datasets, toont een proefversie en verwerkt Brams opmerkingen. Daarna staat het dashboard in een map, en elke ochtend klopt het weer.
De agent ziet zijn eigen renderfouten en herstelt ze. Bram hoeft dus geen foutmelding over te typen.
Waarom zijn datasets eigen objecten?
Een dataset is een herbruikbaar object met één definitie, zodat 'omzet per uur' maar op één plek bestaat. Meerdere dashboards verwijzen naar dezelfde dataset.
Er zijn twee soorten. Een querydataset is één query op één bron. Een afgeleide dataset combineert andere datasets met DuckDB, bijvoorbeeld marge uit financiën gedeeld door uren uit planning.
Datasets verversen op een schema, en de resultaten worden versleuteld opgeslagen. Wijzigt de definitie, dan geldt dat meteen voor elk dashboard dat ernaar verwijst.
| Soort | Wat het is | Voorbeeld |
|---|---|---|
| Querydataset | Eén query op één bron, met een verversschema | Omzet per productgroep per dag |
| Afgeleide dataset | Eén SELECT over andere datasets | Marge per gewerkt uur |
Waarom kost een dashboard bijna geen AI-budget?
Omdat er bij verversen en bekijken geen AI-model draait. Het model kost alleen geld bij het maken en wijzigen, en dat is een paar gesprekken.
Een rapport dat honderd collega's elke dag openen, kost daarmee hetzelfde aan modelgebruik als een rapport dat één persoon opent. De bron wordt bevraagd volgens het schema van de dataset, niet per kijker.
Wat mag een kijker zien?
Per bron staat een aparte stand voor mensen: uit, aggregaten of rijen. Die staat los van wat een AI-model mag zien, omdat een collega die zijn eigen cijfers bekijkt een ander risico is.
De browser kent alleen datasetnamen. Dashboardcode kan nooit meer lezen dan wat bij opslaan gekeurd is, ook niet als iemand de code later aanpast.
Dashboards staan in mappen met rechten per map: bekijken, bewerken of beheren. Inkoop ziet zijn eigen map, financiën de zijne.
Kun je vragen stellen over een dashboard?
Ja. Met een rechtsklik op een grafiek open je een gesprek dat alleen mag lezen. Bram vraagt waarom de marge in week 41 daalde, en de agent zoekt het uit zonder het dashboard te wijzigen.
Wil Bram daarna een extra grafiek, dan wordt dat een wijziging in het dashboardgesprek. Lezen en wijzigen blijven zo gescheiden.
Waar het ophoudt
Dashboards zijn geen vervanging van een volledig BI-platform met ingewikkelde semantische modellen. Voor Power BI werkt de agent via de connector in je bestaande modellen.
Een dataset ververst op een schema, niet live bij elke klik. Cijfers zijn zo actueel als de laatste verversing.
Een dashboard laat zien wat de dataset definieert. Klopt de definitie van marge niet, dan klopt het dashboard ook niet; daarvoor is het gesprek met de agent er.
Veelgestelde vragen
Draait er een AI-model als iemand een dashboard opent?
Nee. Een dashboard leest zijn datasets; een model is alleen nodig om het dashboard te maken of te wijzigen.
Kan ik datasets hergebruiken in meerdere dashboards?
Ja. Een dataset is een eigen object met één definitie, waar meerdere dashboards naar verwijzen. Een afgeleide dataset combineert andere datasets.
Hoe actueel zijn de cijfers?
Zo actueel als de laatste verversing van de dataset. Het verversschema stel je per dataset in.
Wie kan een dashboard zien?
Wie rechten heeft op de map waarin het staat: bekijken, bewerken of beheren. Daarnaast bepaalt de bron of mensen aggregaten of rijen te zien krijgen.
Werkt dit naast Power BI?
Ja. De agent kan via de Power BI-connector ook in bestaande semantische modellen werken; dashboards in Plainwater AI zijn een snelle route voor nieuwe vragen.