Een dataplatform beoordelen: de 9 criteria die wij gebruiken
Waarom een beoordelingskader en geen checklist
De meeste vergelijkingen van dataplatformen die we online zien, zijn geschreven door leveranciers. Ze benadrukken de criteria waarop hun eigen product wint. Dat maakt ze nuttig voor marketing, maar nutteloos voor aankoopbeslissingen.
Een beoordelingskader werkt anders. U legt vooraf een vaste reeks criteria vast en past die consequent toe op elke optie, nog vóór de beoordeling begint. Die volgorde is belangrijk: wie zijn criteria pas kiest nadat hij de demo's heeft gezien, eindigt vaak met het platform waarvan het verkoopteam als eerste langskwam, niet met het platform dat echt past.
De negen criteria hieronder gebruiken we bij elke opdracht rond een dataplatform. Deze lijst groeide uit meer dan 300 projecten bij Belgische en Europese klanten sinds 2015. Het is niet de enige geldige reeks criteria, maar volgens onze ervaring dekt ze wat echt telt wanneer een kmo of middelgrote organisatie een platform kiest waarmee ze jaren zal werken.
De 9 criteria
1. Prijs
De prijs bepaalt zelden op zichzelf de platformkeuze, maar doet de implementatie geregeld ontsporen. Bekijk eerst de totale eigendomskosten in drie categorieën: infrastructuur, licenties en ondersteuning.
Voor Microsoft Fabric betekent dat de F-SKU-capaciteitsniveaus doorrekenen en beseffen dat elke capaciteitsstap de factuur ongeveer verdubbelt.
Voor Databricks betekent het inzicht krijgen in het DBU-verbruik en consequent werken met automatische stopzetting en juist gedimensioneerde clusters.
Bij een opensourcestack zijn de licentiekosten laag, maar wordt engineeringwerk de grootste verborgen kostenpost.
2. Schaalbaarheid
Zoals u weet, is schaalbaarheid het vermogen om wisselende werklasten op te vangen zonder herontwerp. Het platform moet piekvolumes aankunnen en flexibel reageren: bijvoorbeeld opschalen bij een kwartaalafsluiting en daarna weer afschalen voor normaal verkeer.
Fabric schaalt binnen de aangekochte capaciteit.
Databricks schaalt per cluster met fijnmazige automatische schaling.
Open source schaalt mee met de Kubernetes-expertise van uw team.
Geen van die antwoorden is fout. De vraag is welk antwoord aansluit bij uw echte gebruikspatroon.
3. Geschiktheid voor DevOps
Dit criterium meet hoe vlot het platform aansluit op moderne engineeringpraktijken: versiebeheer met Git, CI/CD-pipelines, infrastructure as code… Die zijn dagelijks essentieel bij ingrijpende wijzigingen aan rapporten, pipelines of datamodellen. Ze maken versiebeheer, review en veilige overzetting van ontwikkeling naar productie mogelijk. Dat is beter dan handmatige aanpassingen in het live systeem, waar één fout moeilijk te achterhalen en nog moeilijker terug te draaien is.
Databricks is hier de referentie voor stabiliteit, met Asset Bundles en een volwassen Terraform-provider.
Fabric is snel verbeterd en dekt nu de standaardbehoeften met Deployment Pipelines en de officiële fabric-cicd-bibliotheek.
Open source is technisch het flexibelst, maar de volledige pipeline moet intern worden ontworpen en onderhouden.
4. Technologische maturiteit
Maturiteit gaat niet alleen over hoe oud het product is. Het gaat om stabiliteit, ondersteuning door de community en bewezen werking in productie.
Fabric werd eind 2023 algemeen beschikbaar, waardoor delen ervan nog verder rijpen.
Databricks bestaat al meer dan tien jaar en is uitgebreid in de praktijk beproefd.
Opensourcecomponenten zijn afzonderlijk volwassen, maar hun integratie en samenhang op lange termijn vallen onder de verantwoordelijkheid van het team.
Let wel: we straffen platformen niet af omdat ze jong zijn. We geven alleen aan waar die jonge leeftijd merkbaar is en een probleem kan vormen, afhankelijk van de toepassingen die u de komende 18-24 maanden voor ogen hebt.
5. Gebruiksgemak voor het team
Dit criterium gaat over uw team, niet over de technologie. Een platform waarvoor u drie nieuwe senior medewerkers moet aanwerven om het te gebruiken, is niet ‘eenvoudig’, hoe gelikt de marketingvideo ook is. Beoordeel het vanuit het team dat het platform echt zal beheren: aanwezige vaardigheden, beschikbare mensen, realistische leercurve…
Fabric is het toegankelijkst voor teams die al vlot werken met Microsoft 365 en Power BI.
Databricks vraagt doorgaans een goede beheersing van PySpark en SQL.
Open source vraagt de breedste combinatie van vaardigheden.
6. Beheerlast
De beheerlast omvat het doorlopende onderhoud, de monitoring en de updates zodra het platform in gebruik is.
Volledige SaaS-platformen zoals Fabric vragen het minste beheer, omdat Microsoft de infrastructuur, patches en schaling verzorgt.
Managed SaaS zoals Databricks vraagt beheer van clusters en kosten.
Open source vraagt alles: upgrades, beveiligingspatches en monitoringdashboards.
Dit is de kostenpost die in het tweede jaar het vaakst de capaciteit van het datateam opslorpt.
7. Integratie
Integratie gaat over het aanbod en de kwaliteit van connectoren voor databronnen, API's en tools die de data verder verwerken.
Fabric bevat ongeveer 300 ingebouwde connectoren en sluit nauw aan op Power BI en het bredere Microsoft-ecosysteem.
Databricks biedt Spark-connectoren, Lakehouse Federation en Partner Connect.
Open source gebruikt Airbyte, Singer, Kafka en wat uw team zelf beslist te bouwen.
Meer connectoren is niet altijd beter, maar minder connectoren betekent doorgaans meer werk.
8. Geavanceerde mogelijkheden
Dit criterium wordt het vaakst overdreven voorgesteld. Geavanceerde mogelijkheden gaan over echte machine learning, AI-integratie, gedecentraliseerde dataproducten en de onderscheidende functies die de prijs van het platform rechtvaardigen.
Databricks is hier de referentie, met MLflow, Feature Store, Mosaic AI en Unity Catalog.
Fabric maakt snel vooruitgang, met Data Agents, Copilot en ingebouwde Azure OpenAI-integratie.
Open source is mogelijk met MLflow OSS of Kubeflow, maar u moet alles zelf samenstellen.
Stem dit criterium af op wat u echt wilt bouwen.
9. Overdraagbaarheid
Overdraagbaarheid gaat over de kosten om te vertrekken. Kunt u uw code, data en team elders onderbrengen als de relatie met de leverancier verslechtert of als gewijzigde regelgeving een overstap vereist?
Fabric is het sterkst verweven met het Microsoft-ecosysteem. De leveranciersafhankelijkheid is dus groot: houd er rekening mee in plaats van ze te ontkennen.
Databricks zit ertussenin: PySpark en Delta Lake zijn overdraagbaar, maar Workflows en Unity Catalog zijn leveranciersgebonden.
Open source is het meest overdraagbaar van opzet.
Overdraagbaarheid telt vooral als soevereiniteit of leveranciersrisico op de agenda staat. Anders geeft ze de doorslag bij een gelijkwaardige beoordeling.
Hoe we dit kader in de praktijk toepassen
Twee zaken maken het kader bruikbaar in plaats van louter decoratief.
Ten eerste beoordelen we elk platform op de shortlist op elk criterium, ook wanneer de uitkomst vanzelfsprekend lijkt. Door uzelf te dwingen uit te leggen waarom Databricks hoog scoort op geavanceerde mogelijkheden, in plaats van dat zomaar aan te nemen, ontdekt u blinde vlekken.
Ten tweede wegen de criteria niet allemaal even zwaar. Voor een kmo met een klein datateam die al Power BI gebruikt, tellen gebruiksgemak voor het team en beheerlast zwaar mee. Voor een gereguleerde organisatie met een groot intern team wegen overdraagbaarheid en geschiktheid voor DevOps zwaarder. We passen de weging aan vóór de beoordeling, niet erna. Zo weerspiegelt de vergelijking de realiteit van de klant en niet het verkoopverhaal van de leverancier.
In een typisch afbakeningstraject van Agilytic selecteren en beoordelen we in één tot twee weken twee of drie opties met dit kader. Het resultaat is een aanbeveling van één pagina met de platformkeuze, de afwegingen en een uitleg bij de gekozen gewichten. Het is het document dat we meer bedrijven zouden willen zien meenemen naar hun aankoopafdeling.
Wanneer u dit kader gebruikt
Telkens wanneer u een keuze voor een dataplatform beoordeelt met een waarde van meer dan 50.000 EUR over de hele levensduur, loont dit kader. Dat geldt voor de eerste platformkeuze, maar ook voor grote versie-upgrades. Een migratie van Synapse naar Fabric verdient bijvoorbeeld evenveel grondigheid als een nieuwe keuze tussen Fabric en Databricks. Wie het kader overslaat, volgt doorgaans de aanbeveling van de luidste leverancier. Dat is zelden de juiste keuze.
Overweegt u specifiek Microsoft Fabric, dan sluit dit kader rechtstreeks aan op onze Microsoft Fabric-consultancy.
Wilt u dit toepassen op uw eigen platformkeuze? Plan een verkennend gesprek van 30 minuten.