Architectuur is de blauwdruk, niet het platform

In gesprekken met CTO's en data managers lopen drie begrippen vaak door elkaar: architectuur, platform en warehouse. Begrijpelijk, maar het verschil bepaalt waar de keuzes echt vallen.

Data architectuur is de blauwdruk. De principes, lagen en patronen waarmee data door je organisatie stroomt. Hoe brons, zilver en goud zich tot elkaar verhouden. Of je centraal bouwt of per domein. Hoe batch en streaming samenkomen. Hoe storage en compute gescheiden zijn. Een data platform is de concrete infrastructuur die de blauwdruk uitvoert. Een data warehouse of lakehouse is een specifieke laag binnen die architectuur, gericht op opslag en analyse.

Voor de concrete platform componenten verwijzen we naar onze pagina over data platform. Voor de opslag en analyselaag naar data warehouse en lakehouse. Op deze pagina blijven we op blauwdruk niveau, want daar worden de keuzes gemaakt die over drie jaar bepalen of jullie meebewegen of opnieuw beginnen.

‍

Van dataprojecten naar dataproducten, de consequentie voor je architectuur

Gartner stelt in zijn Data and Analytics trends voor 2025 dat dataproducten de volgende structurele beweging zijn om de wrijving tussen business en IT weg te nemen. Het gaat niet meer om losse projecten die data ergens naartoe brengen, maar om herbruikbare, gegovernde data assets met een eigenaar, gebruikers en een levenscyclus. McKinsey rekent in een 2025 analyse van banken voor dat organisaties die hun architectuur op deze leest schoeien tot 30% sneller nieuwe waarde leveren, 30% lagere change kosten realiseren en 20% besparen op platformbouw.

Het opvallende is wat dat betekent voor je architectuur. Een organisatie die dataproducten als principe omarmt, maar de oude project architectuur laat staan, krijgt onvermijdelijk dezelfde bottleneck terug. Een centraal data team dat alle verzoeken moet kanaliseren, een achterstand die alleen maar groeit, en eigenaarschap dat niemand wil dragen omdat de techniek het niet ondersteunt.

Een architectuur die dataproducten echt mogelijk maakt, ziet er anders uit. Domeinen krijgen de techniek en de afspraken om hun eigen data te beheren. De architectuur faciliteert federated governance: lokaal eigenaarschap, centrale standaarden, geautomatiseerde naleving. De principes zitten niet in een policy document, maar in de manier waarop pipelines, catalogi en toegangscontroles zijn opgezet.

Klopt je data, dan klopt je AI. En dat begint bij de architectuur die de data laag draagt.

‍

Wat we bouwen

Onze architectuur aanpak bestaat uit vijf samenhangende onderdelen. Soms doen we ze allemaal, soms één. We werken vanaf dag één samen met jouw mensen mee en dragen kennis over, zodat jouw team de architectuur ook over twee jaar zelfstandig kan evolueren.

Architectuur principes en blauwdruk

Voordat we tekenen, leggen we de principes vast. Modulariteit zodat componenten vervangbaar zijn. Looskoppeling via duidelijke interfaces, zodat één wijziging niet de hele keten raakt. Scheiding tussen storage en compute, zodat je kosten en performance los kunt schalen. Open formaten zoals Parquet en Iceberg, zodat een vendor wissel een keuze blijft en geen verbouwing wordt.

Die principes vertalen we naar een blauwdruk die past bij jullie business. Niet een referentie architectuur uit een leveranciersdeck, wel een ontwerp dat de specifieke datastromen, sectoren en regelgeving van jullie organisatie als startpunt neemt.

Medallion architectuur, brons, zilver en goud

Medallion architectuur is een patroon waarin data door drie lagen stroomt. Brons bevat de ruwe data zoals hij binnenkomt, met volledige historie. Zilver bevat geschoonde, gevalideerde en samengevoegde data. Goud bevat de business klare datasets waar dashboards, rapportages en AI agents uit putten.

Wij bouwen dit patroon omdat het kwaliteit en lineage tot eigenschap van de architectuur maakt, niet tot proces achteraf. Tests, validaties en transformaties zitten ingebakken tussen de lagen. Een fout in de bronlaag verspreidt zich niet ongezien naar de business. En als een definitie in de goudlaag verandert, weet je precies welke zilverlaag eronder ligt.

Data mesh en federated governance, wanneer wel en wanneer niet

Data mesh is geen tool en geen technologie, maar een organisatorische en architecturale beweging. Domeinen worden eigenaar van hun eigen data producten. Centraal team levert het platform en de standaarden, niet de data zelf. Federated governance combineert lokale autonomie met centrale waarborgen.

Onderzoek dat Atlan op basis van Gartner data deelde laat zien dat slechts 18% van organisaties op dit moment de governance volwassenheid heeft om data mesh succesvol te implementeren. Dat is geen reden om er niet mee te beginnen, wel een reden om eerlijk te zijn over wat het vraagt. Wij adviseren data mesh als de organisatie meerdere domeinen heeft met sterk verschillende data, eigen teams die eigenaarschap willen en kunnen dragen, en een centraal team dat platform denken in de vingers heeft. In andere gevallen werkt een hybride aanpak vaak beter: centraal dataplatform met domein georiënteerde delivery lagen erbovenop.

Batch, streaming en lambda of kappa keuzes

Niet elke dataset hoeft real time te zijn. Een dagelijks finance proces heeft niets aan een Kafka stream. Een fraudedetectie systeem heeft niets aan een nachtelijke batch. De architectuur bepaalt waar batch volstaat, waar streaming nodig is, en waar je de twee combineert in een lambda of kappa patroon.

Wij kiezen op basis van de business vraag en de werkelijke latentie eis, niet op basis van wat technisch leuk is. Streaming voegt complexiteit en kosten toe. Soms is dat de moeite waard, vaak ook niet. De vraag onder de vraag bepaalt het patroon, niet andersom.

Architectuur reviews en evolutie

Een architectuur is geen eenmalig document, maar een levend ding. Bronsystemen veranderen, business eisen verschuiven, regelgeving stelt nieuwe eisen, en nieuwe AI capaciteiten vragen om aangepaste data lagen. McKinsey beschrijft in zijn 2026 werk over agent ready architecture precies dit principe: modulair en evolutionair bouwen, met componenten die je vervangt als de technologie verschuift.

Wij richten een ritme in van architectuur reviews. Elk kwartaal kort, jaarlijks dieper. Wat is veranderd, welke principes staan onder druk, welk patroon moet worden bijgesteld? Dat ritme voorkomt dat de architectuur stilletjes verouderd raakt tot het moment dat een grote migratie de enige uitweg lijkt.

Cloud, hybride of open source, een afweging op architectuur niveau

De Snowflake versus Databricks versus Microsoft Fabric discussie kost veel organisaties maanden. Voor de architect ligt de echte vraag een laag dieper. Welke principes leg je vast voordat je een vendor kiest, zodat de keuze tussen vendoren over drie jaar niet meer is dan een verhuizing in plaats van een verbouwing?

Een paar afwegingen die wij in de praktijk maken.

Vendor neutrale opslag formaten zoals Parquet en open table formaten zoals Iceberg of Delta houden je opties open. Een vendor wissel betekent dan een rewrite van transformaties, niet een migratie van petabytes data. Voor organisaties die de komende vijf jaar geen platform vervanging willen plannen, is dit principe alleen al goud waard.

Hybride architecturen zijn vaker logisch dan het lijkt. Een productie omgeving op een grote cloud provider, met een aparte analytics omgeving op een ander platform, kan in regelgeving zware sectoren als financiële dienstverlening de juiste keuze zijn. De architectuur regelt dan de overdrachten en de governance tussen de twee omgevingen, niet de vraag of er één centraal platform moet komen.

Open source componenten passen waar je controle wilt houden over kritische lagen of waar licentiekosten bij schaal de pan uit rijzen. Maar open source omdat het interessant klinkt, kost meer dan het oplevert. De keuze volgt de business vraag, niet de hype. Voor concrete vendor en tool overwegingen verwijzen we naar onze tools sectie.

‍

Voor wie werken wij

Onze gesprekspartners zijn ondernemers, CEO's, CFO's, CTO's en MT leden bij bedrijven met 100 tot 2.500 medewerkers in Nederland. Groot genoeg om architectuur strategisch te benutten, klein genoeg om beslissingen niet maandenlang te laten zweven.

In ons werk zien we een aantal architectuur dilemma's steeds terugkomen:

- Real time versus batch. De vraag is zelden of streaming nodig is, vaker waar de scheidslijn loopt en hoe je beide in één architectuur landt.

- Centraal versus per domein. Eén centraal warehouse onder dwang dwingt zelden de juiste samenwerking af. Domein eigenaarschap doet dat soms wel.

- Klassiek dimensioneel modelleren versus data product denken. Niet alle data laat zich in een sterschema vangen. Soms is een netwerk van data producten met centrale afspraken werkbaarder.

- Audit trail en historie versus snelheid. Een data vault als historische laag met een delivery laag erboven is geen luxe waar lineage niet onderhandelbaar is.

In elk dilemma geldt dezelfde discipline. De vraag onder de architectuur is een business vraag, geen technische. Daar zit ons werk.

‍

Wat onderscheidt ons

Business, organisatie en techniek samen op nr. 1

Een architectuur die alleen techniek dient, mislukt. Een die alleen op organisatie leunt, ook. Wij ontwerpen architectuur waarin domeinen, eigenaarschap en techniek elkaar versterken. Onze mensen schakelen tussen MT kamer en engineering team zonder dat er een vertaler tussen hoeft.

Data architecten met een AI hart

Wij weten dat de AI ambities die nu op directie tafels liggen, staan of vallen bij de architectuur eronder. Modulaire architecturen, federated governance en open formaten zijn precies de eigenschappen die McKinsey in zijn 2026 werk over agent ready architecture als voorwaarde benoemt. Wie zijn data architectuur nu op die principes neerzet, hoeft over twee jaar niet opnieuw te beginnen om AI op schaal te ondersteunen.

Kennisoverdracht in ons DNA

Een architectuur die alleen wij begrijpen, is een risico voor jouw bedrijf. Daarom werken we met heldere principes, documenteren we keuzes, en leggen we de blauwdruk vast op een manier waar jouw team morgen ook nog op kan voortbouwen. Geen black box, geen vendor lock in op een methodiek die alleen wij doorgronden. Hoe sneller jouw organisatie de architectuur zelfstandig kan onderhouden en evolueren, hoe beter wij ons werk hebben gedaan.

Wanneer is een data architectuur traject waardevol

Soms is een gerichte aanscherping op één laag sneller geholpen dan een architectuur traject. Maar in deze situaties zien we dat een serieus traject wel het verschil maakt:

- De huidige data omgeving is in drie tot vijf jaar zo organisch gegroeid dat niemand meer overziet hoe de stromen lopen, en een volgende uitbreiding voelt elke keer als een verbouwing van een verbouwing

- AI plannen liggen op tafel, maar het is onduidelijk of de huidige architectuur agentic workflows, retrieval en real time data toegang kan dragen

- Een platform vervanging of cloud migratie staat op de planning en je wilt voorkomen dat over drie jaar dezelfde discussie weer gevoerd wordt

- Domeinen vragen om eigenaarschap over hun data, maar de centrale architectuur staat in de weg

- Een fusie of overname brengt twee verschillende dataomgevingen samen, met alle architectuur keuzes die op tafel komen

- De engineering kosten lopen sneller op dan het datavolume, en niemand kan precies aanwijzen waarom

‍

Komt iets je bekend voor? Dan is een gesprek waarschijnlijk de moeite waard.

‍

Plan een Data Impact Sessie

Een Data Impact Sessie duurt 90 minuten en is kosteloos. We schuiven aan, kijken samen naar jullie huidige architectuur en de richting waarin je groeit, en laten zien waar architectuurkeuzes bij jullie het meeste verschil maken. Geen verkooppraatje, geen powerpoint van tachtig sliders.

We geven antwoord op de vraag of een architectuur traject op dit moment het juiste startpunt is, en geven je minimaal drie aanknopingspunten:

1. Waar de grootste architectuur risico's zitten in jullie huidige opzet

2. Welk patroon, mesh, medallion of hybride, het meeste rendement oplevert voor jullie business

3. Wat een realistische volgorde is om jullie architectuur klaar te maken voor datagedreven werken en de AI golf

‍

Hoe het gesprek ook eindigt, je gaat met deze aanknopingspunten naar huis.‍

Plan een: Data Impact Sessie