Wat heb je nodig om met een Data Agent in Microsoft Fabric te werken?

Een Data Agent in Microsoft Fabric is als een digitale waakhond: hij houdt je data continu in de gaten, signaleert afwijkingen en onderneemt actie op basis van regels die jij zelf bepaalt. 

Zie het als een proactieve laag bovenop je datamodel, die je automatisch informeert zodra er iets gebeurt dat aandacht verdient. 

In ons vorige artikel legden we uit wat een Data Agent is en wat het je oplevert. Nu gaan we een stap verder: wat moet je geregeld hebben vóór je aan de slag kunt?

Waarom structuur cruciaal is voor een effectieve Data Agent

Een Data Agent in Fabric is zo slim als de data die hij krijgt. Hij functioneert alleen goed als de onderliggende data schoon, gestructureerd en actueel is. Omdat die begrippen soms wat vaag zijn, lichten we ze hieronder toe.

Actueel

Een Data Agent werkt proactief en real-time: het doel is om je direct te waarschuwen als er iets afwijkends gebeurt in je data. 

Wordt je data maar één keer per week bijgewerkt, dan loop je per definitie achter de feiten aan en is het voordeel van direct signaleren weg.

Bijvoorbeeld:

• Een voorraadtekort dat pas zichtbaar wordt ná de wekelijkse ETL-job, komt te laat.
• Verzuimpercentages die pas aan het eind van de maand worden verwerkt, geven geen kans op tijdig bijsturen.

Schoon en gestructureerd

Stel, je hebt een Data Agent ingericht die je moet waarschuwen als de verkoop in een bepaalde regio 30% afwijkt van het gemiddelde.

Maar:

De kolom ‘regio’ bevat vrije tekst in plaats van gestandaardiseerde waarden ("Noord", "noord", "Regio Noord", etc.)

• Er ontbreken verkoopcijfers bij sommige klanten
• De data bevat dubbele records

Wat betekent dat in de praktijk?

• De agent herkent de regio’s niet goed, en slaat meldingen over
• De afwijking lijkt kleiner of groter dan hij werkelijk is
• Je krijgt foutieve signalen, of erger: helemaal geen signaal

Data moet in Fabric beschikbaar zijn

Een Data Agent werkt alleen met data die beschikbaar is binnen Microsoft Fabric. Dat betekent dat je gegevens gestructureerd moeten worden ontsloten naar OneLake, de centrale opslaglaag van Fabric.

Er zijn verschillende manieren om data uit Dynamics beschikbaar te maken in Fabric:

Synapse Dataflows – Geschikt voor Dynamics 365-apps die op Dataverse draaien, zoals Sales of Marketing. Hiermee laad en transformeer je data rechtstreeks naar een lakehouse of warehouse.

Pipelines in Fabric – Deze gebruik je om data automatisch op te halen, op te schonen en klaar te zetten. Bij Finance & Operations is vaak een extra stap nodig via Azure Data Lake.

Standaardconnectors en templates – Voor sommige Dynamics-apps kun je gebruikmaken van bestaande connectors of Azure Data Factory-templates om data in Fabric te brengen. Bij Finance & Operations werk je meestal via de Export to Data Lake-functie.

 Werk je met Birds BI? Dan is het ontsluiten van Dynamics-data naar Fabric al voor je geregeld. Birds ontsluit data uit jouw Dynamics 365-applicatie (BC, F&O of CE) gestructureerd naar Fabric.

Zo kun jij je volledig richten op het slim inrichten en optimaliseren van je Data Agents, zonder je druk te maken over de technische ontsluiting.

Zorg voor een goed datamodel

Een Data Agent kan alleen effectief werken als het onderliggende datamodel klopt. Geen ruwe, onsamenhangende brondata, maar data die klaar is voor analyse.

Wat houdt dat in?

Gestandaardiseerde tabellen – Dus geen losse exports of vrij ingevulde velden, maar vaste structuren waarin de betekenis van elk veld duidelijk is.

Duidelijke relaties – Zodat de Data Agent weet welke tabellen bij elkaar horen en hoe bijvoorbeeld een order samenhangt met een klant of product.

Gedefinieerde meetwaarden – Zoals ‘totale omzet’ of ‘verzuimpercentage’, die je eenduidig en herbruikbaar definieert binnen je model.

Werk je met Birds BI, dan ben je hier al een stap verder. Birds bevat een rijk datamodel in Fabric dat deze structuur standaard aanbiedt. Dat maakt het inrichten van een Data Agent een stuk eenvoudiger.

Technische vertaling van je scenario

Een Data Agent stel je grotendeels visueel in, maar vaak gebruik je ook formules of expressies in DAX of T-SQL om specifieke triggers en condities te definiëren. 

Denk aan: “Als het verzuimpercentage in een afdeling boven 6% komt, stuur een melding.”

Zo’n scenario moet je technisch vertalen in een query of logische expressie. Je hoeft geen programmeur te zijn, maar basiskennis van SQL of DAX is in de praktijk erg handig.

Ben jij meer een business user, maar werk je samen met een BI-specialist of data engineer? Dan kun jij de scenario’s formuleren, en zij helpen je om het technisch goed in te richten. Teamwork makes the data dream work!

Wat moet je vooraf geregeld hebben?

Een Data Agent werkt alleen als de basis klopt. Zorg daarom dat je het volgende op orde hebt:

• Toegang tot Microsoft Fabric, met de juiste rechten om datasets te bekijken, regels te definiëren en agents te publiceren.
• Een dataset of Lakehouse in Fabric waarin je data beschikbaar is. Niet alleen rauwe data, maar gestructureerd, betrouwbaar en actueel.
• Een goed opgebouwd datamodel, met duidelijke relaties tussen tabellen, meetwaarden en definities die kloppen.
• Inzicht in de structuur van je data, zodat je weet welke signalen relevant zijn om op te monitoren.
• Heldere businessregels of scenario’s die je wilt laten bewaken door een agent. Denk aan afwijkingen, drempelwaardes of terugkerende patronen.

Is je data goed ingericht? Dan kun je direct aan de slag met je eerste agent en automatisch meldingen ontvangen zodra je data aandacht vraagt.

Begin klein en test veel

Je hoeft niet meteen een allesomvattende Data Agent te bouwen. Begin met één duidelijke businessregel, bijvoorbeeld een melding bij een te late levering of oplopende kosten.

Richt die in, test hoe het werkt, leer van de uitkomst en breid daarna stapsgewijs uit. Zo hou je controle én snelheid. En wie weet, wordt jouw Data Agent straks de slimste collega van het team.