Het datawoordenboek dat verstoft, en de definitie-in-code die niet verstoft

Een semantische laag is de context-laag tussen ruwe data en de mensen (of AI-modellen) die er iets mee moeten doen. Ze koppelt technische velden aan bedrijfsdefinities, zodat "omzet" of "actieve klant" overal hetzelfde betekent. Wij zien bij klanten dat dit precies het onderdeel is dat een AI-project laat slagen of laat vastlopen op tegenstrijdige cijfers.

Wat is een semantische laag?

Een semantische laag vertaalt technische kolomnamen naar begrijpelijke bedrijfstermen, met eenduidige regels voor berekening en betekenis. Waar een tabel "cust_stat_02" toont, laat de semantische laag zien: "klantstatus, actief binnen 90 dagen".

Deze laag zit typisch boven de opgeschoonde data en onder de rapportages, chatbots of agents die ermee werken. Zonder die laag interpreteert elk systeem of elke medewerker een begrip op zijn eigen manier, met verschillende uitkomsten als gevolg.

Waarom AI een semantische laag nodig heeft

AI-modellen (systemen die patronen herkennen of taken uitvoeren op basis van data) hebben geen benul van bedrijfslogica tenzij je die expliciet vastlegt. Een taalmodel weet niet vanzelf dat "omzet" bij jou exclusief kortingen betekent.

In de praktijk zien we dat een dashboard een fout in een definitie zichtbaar maakt als een knik in een grafiek. Een AI-agent verwerkt diezelfde fout stilletjes in een advies of een automatische actie, zonder waarschuwing. Daarom weegt een semantische laag zwaarder zodra je van rapportage naar autonome uitvoering gaat.

Belangrijkste voordelen van een semantische laag

Het grootste voordeel is dataconsistentie: iedereen, van controller tot AI-agent, rekent met dezelfde definitie van hetzelfde begrip. Dat voorkomt discussies over wiens cijfer klopt.

Daarnaast versterkt een semantische laag de data governance (afspraken over eigenaarschap en beheer van data). Leg per begrip vast wie de eigenaar is en wie wijzigingen mag doorvoeren. Koppel dat aan toegangsregels zoals row-level security, zodat gevoelige definities alleen zichtbaar zijn voor wie ze nodig heeft. Regel dit vanaf de eerste implementatie, niet achteraf als reparatie.

Hoe bouw je een semantische laag

Begin met de begrippen die het vaakst tot discussie leiden, zoals omzet, marge of actieve klant. Leg per begrip de berekening, de bron en de eigenaar vast voordat je een dashboard of agent bouwt.

Werk vanuit een schone databasis. Zonder opgeruimde brondata bouw je alleen consistente definities op een wankel fundament.

De rol van de gold laag en medallion-architectuur

De medallion-architectuur (een gelaagde opbouw van data in Bronze, Silver en Gold) geeft de semantische laag een vaste plek. De Bronze laag bevat ruwe data, de Silver laag opgeschoonde data, en de Gold laag de bedrijfsklare definities waar de semantische laag op leunt. Bouw de semantische laag dus op de Gold laag, niet los ervan, zodat rapportages én AI-agents dezelfde definities raadplegen.

De rol van een datawoordenboek

Een datawoordenboek is de statische lijst met definities: een document dat vastlegt wat een begrip betekent. Een semantische laag is de actieve, technische vertaling van diezelfde definities in code, direct bruikbaar door systemen.

Het probleem met een datawoordenboek alleen: het verstoft. Iemand past een definitie aan in een Excel-bestand, maar het achterliggende dashboard of model blijft de oude regel gebruiken. Een semantische laag koppelt de definitie direct aan de metrics en KPI's die ermee berekend worden, zodat een wijziging overal doorwerkt.

De semantische laag in de praktijk

Bij een marketing intelligence-klant zoals CentreBlock (marketingdata-platform) stonden 11 KPI's verspreid over losse rapportages, elk met net iets andere rekenregels. Door die KPI's in één semantische laag vast te leggen, verdween de discussie over welk cijfer klopte en zakte de rapportagetijd van dagen naar minuten.

Bij een foodretailklant als Runderkamp speelde een vergelijkbaar patroon met ongeveer 1.400 producten en 170 leveranciers. Eenduidige definities per product en leverancier voorkwamen dat elk systeem zijn eigen versie van de waarheid ging hanteren.

Een semantische laag is geen los technisch project maar de context-laag die bedrijfsdefinities, de gold laag en een datawoordenboek met elkaar verbindt. Zonder die verbinding blijft een datawoordenboek een document dat verstoft, terwijl een AI-agent intussen op verouderde regels blijft rekenen. Wil je weten hoe dit voor jouw databasis werkt? Plan een Discovery Call en bespreek het concreet.