{"id":2062,"date":"2026-02-25T08:42:52","date_gmt":"2026-02-25T07:42:52","guid":{"rendered":"https:\/\/www.beeminds.nl\/knowledge_pt\/feiten-en-dimensies\/"},"modified":"2026-03-16T16:32:44","modified_gmt":"2026-03-16T15:32:44","slug":"feiten-en-dimensies","status":"publish","type":"knowledge_pt","link":"https:\/\/www.beeminds.nl\/en\/insights\/feiten-en-dimensies","title":{"rendered":"Wat zijn feiten en dimensies?"},"content":{"rendered":"<h2>Wat zijn feiten?<\/h2>\n<p><strong>Feiten <\/strong>zijn meetbare gegevens. Denk aan getallen die je kunt optellen, berekenen of analyseren. Voorbeelden:<\/p>\n<ul>\n<li>Omzet in euro\u2019s<\/li>\n<li>Aantal verkochte producten<\/li>\n<li>Aantal bezoekers op een website<\/li>\n<\/ul>\n<p>Feiten zijn vaak gekoppeld aan een tijdstip, plaats of andere context.<\/p>\n<h2>Wat zijn dimensies?<\/h2>\n<p>Dimensies geven betekenis aan feiten. Ze beschrijven de context zodat je de cijfers kunt begrijpen. Voorbeelden:<\/p>\n<ul>\n<li>Tijd (jaar, maand, dag)<\/li>\n<li>Product (categorie, merk, type)<\/li>\n<li>Klant (leeftijd, regio, geslacht)<\/li>\n<\/ul>\n<p>Met dimensies kun je de feiten bekijken vanuit verschillende invalshoeken.<\/p>\n<h2>Hoe feiten en dimensies samen?<\/h2>\n<p>Een simpel voorbeeld:<\/p>\n<ul>\n<li><strong>Feit<\/strong>: omzet = \u20ac 1.000.000<\/li>\n<li><strong>Dimensies<\/strong>: in 2025, in Nederland, voor productgroep \u201cbier\u201d<\/li>\n<\/ul>\n<p>Door feiten en dimensies te combineren, kun je vragen beantwoorden zoals:<br \/>\n<em>Welke regio behaalde de meeste omzet in 2025?<\/em><\/p>\n<h5>Waarom zijn feiten en dimensies belangrijk?<\/h5>\n<ul>\n<li>Ze maken data <strong>begrijpelijk<\/strong>.<\/li>\n<li>Ze zorgen voor <strong>structuur <\/strong>in rapportages en dashboards.<\/li>\n<li>Ze helpen om sneller inzichten te krijgen en betere beslissingen te nemen.<\/li>\n<\/ul>\n<h5>Feiten en dimensies in Power BI<\/h5>\n<p>In <strong>Power BI <\/strong>zijn feiten en dimensies de bouwstenen van een goed datamodel:<\/p>\n<ul>\n<li>De <strong>feitentabel <\/strong>bevat de cijfers die je wilt analyseren (bijvoorbeeld omzet of aantallen).<\/li>\n<li>De <strong>dimensietabellen <\/strong>zorgen dat je die cijfers kunt filteren, groeperen of visualiseren (bijvoorbeeld per jaar, per klant of per product).<\/li>\n<\/ul>\n<p>Als je feiten en dimensies goed modelleert in Power BI, krijg je:<\/p>\n<ul>\n<li><strong>Snellere rapportages <\/strong>omdat relaties logisch zijn opgezet.<\/li>\n<li><strong>Betrouwbare resultaten <\/strong>doordat cijfers altijd in de juiste context worden getoond.<\/li>\n<li><strong>Flexibiliteit <\/strong>om dashboards eenvoudig uit te breiden zonder dat je alles opnieuw moet bouwen.<\/li>\n<\/ul>\n<h2>Waarom goed gemodelleerde feiten (Kimball) belangrijk zijn<\/h2>\n<p>Een veelgemaakte fout is werken met alleen <strong>transactionele tabellen<\/strong>. Daar staat vaak alles in wat er gebeurd is: elke bestelling, elk product, elke klant, elke regel. Dat is waardevolle data, maar voor rapportages levert het problemen op:<\/p>\n<ul>\n<li>Het is traag: tabellen met miljoenen rijen zijn niet effici\u00ebnt om direct te analyseren.<\/li>\n<li>Het is onduidelijk: dezelfde berekening moet telkens opnieuw worden opgebouwd.<\/li>\n<li>Het is foutgevoelig: kleine verschillen in logica zorgen voor afwijkende resultaten.<\/li>\n<\/ul>\n<p>Daarom gebruik je het Kimball-model (ster-schema) om feitentabellen te maken die speciaal zijn ontworpen voor analyse.<\/p>\n<h5>Voorbeeld: verkoopdata<\/h5>\n<p>Stel, je hebt een transactionele tabel met miljoenen orderregels:<\/p>\n<ul>\n<li>OrderID, ProductID, KlantID, Datum, Aantal, Prijs<\/li>\n<\/ul>\n<p>In zo\u2019n tabel kun je natuurlijk wel de omzet berekenen, maar het wordt ingewikkeld als je vragen wilt beantwoorden als:<\/p>\n<ul>\n<li>\u201cWat is de gemiddelde orderwaarde per klanttype?\u201d<\/li>\n<li>\u201cWelke productcategorie doet het het best per kwartaal?\u201d<\/li>\n<\/ul>\n<p>Door een <strong>feitentabel <\/strong>(bijvoorbeeld <em>SalesFact<\/em>) te maken met berekende velden zoals <em>TotalSales <\/em>en <em>Quantity<\/em>, en dit te koppelen aan dimensietabellen (<em>KlantDim<\/em>, <em>ProductDim<\/em>,<br \/>\n<em>TijdDim<\/em>), krijg je een veel krachtiger model. Power BI kan dan direct en betrouwbaar de verbanden leggen en complexe analyses uitvoeren.<\/p>\n<p>Kortom: een transactionele tabel is goed om transacties vast te leggen, maar niet om te rapporteren. Voor betrouwbare inzichten heb je goed ontworpen <strong>feitentabellen en dimensies <\/strong>nodig.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>In de wereld van data en business intelligence kom je vaak de termen feiten en dimensies tegen. Samen vormen ze de basis van veel datamodellen, vooral in datawarehouses en rapportagetools zoals Power BI.<\/p>\n","protected":false},"featured_media":0,"template":"","knowledge_type":[9],"knowledge_category":[],"class_list":["post-2062","knowledge_pt","type-knowledge_pt","status-publish","hentry","knowledge_type-simplified"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.beeminds.nl\/en\/wp-json\/wp\/v2\/knowledge_pt\/2062","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.beeminds.nl\/en\/wp-json\/wp\/v2\/knowledge_pt"}],"about":[{"href":"https:\/\/www.beeminds.nl\/en\/wp-json\/wp\/v2\/types\/knowledge_pt"}],"wp:attachment":[{"href":"https:\/\/www.beeminds.nl\/en\/wp-json\/wp\/v2\/media?parent=2062"}],"wp:term":[{"taxonomy":"knowledge_type","embeddable":true,"href":"https:\/\/www.beeminds.nl\/en\/wp-json\/wp\/v2\/knowledge_type?post=2062"},{"taxonomy":"knowledge_category","embeddable":true,"href":"https:\/\/www.beeminds.nl\/en\/wp-json\/wp\/v2\/knowledge_category?post=2062"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}