Tools · Dataflow-tekenaar
Teken je datastack in twee minuten.
Kies per stap welke bronnen en tools je gebruikt. De tekening maakt zichzelf: geen blokjes slepen, geen lijnen recht trekken. Download als PNG voor een deck of als SVG om verder te bewerken. Alles gebeurt in je browser.
Waarom het zo werkt
Vaste stappen, geen vrije canvas
Bij de meeste diagramtools ben je vooral bezig met slepen en uitlijnen. Hier ligt de volgorde vast: bron, extractie, opslag, transformatie, rapportage. Je kiest alleen wat erin zit.
Lege stappen verdwijnen
Gebruik je geen losse extractietool omdat Google Ads en GA4 hun eigen export naar BigQuery hebben, laat die stap dan leeg. Hij valt weg uit de tekening in plaats van er als gat in te blijven staan.
Een tweede regel per onderdeel
Achter een onderdeel kun je met een dubbele punt een toelichting zetten, bijvoorbeeld BigQuery: dagelijks 06:00. Handig om verversingsschema's of tabelnamen kwijt te kunnen.
Bruikbaar in een deck
De PNG komt er op dubbele resolutie uit, dus hij blijft scherp op een groot scherm. De SVG kun je in Figma of Illustrator openen en aanpassen.
Gemaakt omdat ik deze plaat bij elke opdracht opnieuw zat te tekenen. Lees wat Groen Data B.V. bouwt of stuur een mail.
De vijf stappen, en waar de keuze zit
De tekening volgt altijd dezelfde volgorde. Dat is geen beperking van de tool maar de volgorde waarin marketingdata in de praktijk beweegt. Per stap is er één vraag die later pijn doet als je hem overslaat.
-
Stap 1
Bronnen
Waar de cijfers vandaan komen: advertentieplatformen, je website, je webshop, je CRM. De vraag hier is welke bron leidend is als twee bronnen hetzelfde meten. Advertentieplatformen tellen conversies vrijwel altijd anders dan je backend.
-
Stap 2
Extractie
Hoe de data binnenkomt: via een connector, via een eigen export, of helemaal niet omdat het platform zelf naar BigQuery schrijft. De vraag is wat er gebeurt als een platform met terugwerkende kracht cijfers bijstelt.
-
Stap 3
Opslag
Waar de ruwe data landt. De vraag is van wie die omgeving is. Staat hij op naam van je eigen bedrijf, dan kun je van leverancier wisselen zonder je historie kwijt te raken.
-
Stap 4
Transformatie
Waar ruwe tabellen modellen worden en een KPI één definitie krijgt. De vraag is of die logica in versiebeheer staat en getest wordt, of dat hij in een dashboard verstopt zit waar niemand hem terugvindt.
-
Stap 5
Rapportage
Wat mensen uiteindelijk zien. De vraag is of elk getal herleidbaar is naar de brontabel. Kan dat niet, dan wordt elke discussie over een cijfer een zoektocht in plaats van een gesprek.
Een lege stap is ook een antwoord. Halen Google Ads en GA4 hun eigen data naar BigQuery, dan heb je geen losse extractietool nodig en valt stap 2 gewoon weg uit de tekening.
De tekening is het makkelijke deel
De keuzes eronder bepalen of het werkt: welke bron je via een eigen export binnenhaalt en welke via een connector, waar je transformeert, hoe je historie bewaart als een platform met terugwerkende kracht cijfers bijstelt, en wie eigenaar is van welk model.
Dat ontwerp en die bouw doe ik ook in de praktijk: van tracking en bron tot warehouse, model en dashboard. Zo ziet zo'n warehouse eruit.
Misschien ook handig
-
Consistente UTM-links met de juiste macro's per platform.
-
Alle bevestigde updates met begin- en einddatum.