Hoe voorkom je wildgroei van datasets en semantic models in Power BI?

Ed Kisman · 10 sep 2026

Power BI maakt het eenvoudig om datasets en semantic models aan te maken. Zo eenvoudig zelfs, dat organisaties er al snel tientallen van hebben die elkaar overlappen, verouderd zijn of niemand meer gebruikt. Die wildgroei van datasets in Power BI is niet alleen verwarrend, maar ondermijnt ook de betrouwbaarheid van je rapportages en maakt beheer een nachtmerrie. In dit stappenplan leer je hoe je grip krijgt op je Power BI-omgeving en die grip ook vasthoudt.

De aanpak is praktisch en direct toepasbaar, of je nu werkt met een kleine Power BI-omgeving of een grote enterprise-omgeving met honderden workspaces. Volg de stappen in volgorde: elke stap bouwt voort op de vorige.

Breng bestaande datasets en semantic models in kaart

Voordat je iets kunt opruimen of structureren, moet je weten wat er is. Begin met een volledig overzicht van alle datasets en semantic models die momenteel bestaan in je Power BI-tenant. Dit is de nulmeting waarop alle volgende stappen steunen.

Open de Power BI Admin Portal en navigeer naar het overzicht van workspaces en datasets.
Gebruik de Power BI REST API of de Scanner API om een geautomatiseerd overzicht te genereren van alle datasets, hun eigenaren, het aantal rapporten dat erop leunt en de datum van het laatste gebruik.
Exporteer de resultaten naar een spreadsheet of een centrale registratie, zodat je een werkdocument hebt voor de volgende stappen.
Noteer per dataset: de naam, de workspace, de eigenaar, de aanmaakdatum, de laatste verversing en het aantal gekoppelde rapporten.

Na deze stap heb je een concreet overzicht van je volledige datasetlandschap. Je zult waarschijnlijk al snel zien hoeveel duplicaten en naamloos gemaakte modellen er bestaan. Dat is precies de informatie die je nodig hebt om verder te gaan. Voor organisaties die werken met Power BI governance is dit overzicht ook de basis voor een formeel governancedocument.

Stel eigenaarschap en verantwoordelijkheden vast

Een dataset zonder duidelijke eigenaar is een dataset die niemand onderhoudt. Koppel daarom elk model aan een verantwoordelijke persoon of team. Dit voorkomt dat datasets eindeloos blijven bestaan zonder dat iemand weet of ze nog relevant zijn.

Ga door je inventarisatie en wijs per dataset een data-eigenaar aan. Dit is de persoon die verantwoordelijk is voor de inhoud, de kwaliteit en het onderhoud van het model.
Wijs daarnaast een technisch beheerder aan, die verantwoordelijk is voor de verversing, de verbindingen en de performance van de dataset.
Leg deze rollen vast in een centraal document of in de beschrijving van de dataset zelf binnen Power BI (via de metadata-velden).
Informeer de eigenaren actief over hun verantwoordelijkheid en zorg dat ze weten hoe ze de dataset kunnen inzien en beheren.

Controleer of elk dataset-item in je inventarisatie nu een naam heeft staan in de kolom “eigenaar”. Datasets waarvoor geen eigenaar gevonden kan worden, zijn kandidaten voor verwijdering in een latere stap. Duidelijk eigenaarschap is ook een vereiste als je later data-integratie verder wilt professionaliseren.

Implementeer een naamgevings- en structuurconventie

Wildgroei van semantic models in Power BI ontstaat vaak doordat iedereen datasets aanmaakt met eigen namen en ze in eigen workspaces zet. Een duidelijke naamgevingsconventie maakt het voor iedereen direct zichtbaar wat een dataset doet, van wie hij is en in welke fase hij zich bevindt.

Stel een naamgevingsstandaard op. Een veelgebruikt patroon is: [Domein]_[Onderwerp]_[Versie of status], bijvoorbeeld Finance_Omzet_v2 of HR_Medewerkers_DEV.
Definieer vaste workspacestructuren: maak onderscheid tussen ontwikkel-, test- en productie-workspaces, zodat niet-productiemodellen nooit per ongeluk in rapporten voor eindgebruikers terechtkomen.
Schrijf de conventies op in een intern document en publiceer dit op een plek die voor alle Power BI-gebruikers toegankelijk is, zoals een SharePoint-pagina of een wiki.
Hernoem bestaande datasets die niet aan de nieuwe standaard voldoen, te beginnen met de meest gebruikte modellen.

Verifieer de implementatie door je inventarisatielijst opnieuw door te lopen en te controleren hoeveel datasets nu voldoen aan de naamgevingsstandaard. Een consistente structuur maakt de volgende stappen aanzienlijk eenvoudiger en vermindert verwarring bij nieuwe collega’s direct.

Beperk aanmaakrechten via Power BI-beleid

Zolang iedereen vrijelijk datasets kan aanmaken, blijf je wildgroei houden. Het beperken van aanmaakrechten is een van de meest effectieve maatregelen om nieuwe wildgroei te voorkomen. Dit is geen straf voor gebruikers, maar een manier om kwaliteit te borgen.

Ga naar de Power BI Admin Portal en open de tenant-instellingen.
Beperk de instelling “Workspaces maken” tot een specifieke beveiligingsgroep, zoals een Power BI Center of Excellence-team of aangewezen data-eigenaren.
Stel een aanvraagproces in voor nieuwe datasets: gebruikers die een nieuw model nodig hebben, dienen een verzoek in bij het beheerteam, dat beoordeelt of het model al bestaat of nieuw aangemaakt moet worden.
Communiceer dit beleid actief naar alle Power BI-gebruikers, inclusief de reden erachter, zodat er draagvlak is in plaats van weerstand.

Na het instellen van de rechten kun je in de Admin Portal controleren welke beveiligingsgroepen toegang hebben tot workspace-aanmaak. Zorg dat de lijst beperkt en actueel is. Gecombineerd met de naamgevingsconventie uit de vorige stap heb je nu zowel een technische als een organisatorische drempel voor wildgroei van nieuwe datasets in Power BI.

Ruim verouderde en ongebruikte datasets op

Met je inventarisatie, eigenaarschap en beleid op orde is het tijd voor de opruimfase. Verouderde en ongebruikte datasets verwijderen vermindert verwarring, verlaagt de beheerslast en verbetert de performance van je Power BI-omgeving.

Filter je inventarisatie op datasets die de afgelopen 90 dagen niet zijn gebruikt (geen verversing, geen rapportgebruik). Dit zijn de eerste kandidaten voor archivering of verwijdering.
Neem contact op met de geregistreerde eigenaar van elke kandidaat-dataset en vraag of het model nog actief nodig is. Geef een reactietermijn van twee weken.
Archiveer datasets die niet meer nodig zijn in een aparte archief-workspace voordat je ze definitief verwijdert. Zo heb je een vangnet als iemand achteraf toch om het model vraagt.
Verwijder datasets zonder eigenaar en zonder gebruik na de archiveerperiode definitief.
Consolideer duplicaten: als meerdere datasets dezelfde brondata bevatten, kies dan het best onderhouden model als de officiële versie en migreer de rapporten die op de andere versies leunen.

Controleer na de opruimronde je inventarisatielijst opnieuw. Het aantal datasets zou merkbaar gedaald moeten zijn. Rapporten die eerder op meerdere overlappende modellen leunden, verwijzen nu naar één betrouwbare bron. Dit is ook het moment om te beoordelen of je Power BI-rapportages kunnen profiteren van de schonere, geconsolideerde datastructuur.

Houd wildgroei structureel onder controle met monitoring

Eenmalig opruimen is niet genoeg. Zonder doorlopende monitoring sluipt de wildgroei van datasets er vroeg of laat weer in. De laatste stap is het inrichten van een structureel monitoringproces dat je Power BI-omgeving gezond houdt.

Activeer de Power BI Activity Log en sla de activiteitsdata op in een centrale opslag, zoals een Azure SQL-database of een Fabric-lakehouse. Hiermee houd je bij wie wat aanmaakt en gebruikt.
Bouw een intern governance-dashboard in Power BI zelf, gevoed door de activiteitsdata en de Scanner API. Toon daarin het aantal actieve datasets, datasets zonder eigenaar, datasets zonder recente verversing en nieuwe workspaces.
Plan een kwartaalreview waarin het beheerteam het governance-dashboard doorloopt en de inventarisatie bijwerkt.
Stel automatische e-mailnotificaties in (via Power Automate) wanneer er nieuwe workspaces of datasets worden aangemaakt buiten de goedgekeurde beveiligingsgroepen.

Met monitoring op zijn plek heb je geen eenmalige actie meer nodig, maar een levend proces. Nieuwe wildgroei wordt snel gesignaleerd en aangepakt voordat het een probleem wordt. Koppel de monitoringresultaten aan je kwartaalreviews en pas het beleid aan wanneer de organisatie groeit of verandert. Zo blijft je Power BI-omgeving beheersbaar, betrouwbaar en schaalbaar. Meer weten over de bredere aanpak van business intelligence binnen je organisatie? Daar vind je aanvullende context over hoe BI-omgevingen structureel worden ingericht.

Hoe DBA helpt met het beheren van datasets in Power BI

Wildgroei van datasets en semantic models in Power BI is een veelvoorkomend probleem, maar het is goed op te lossen met de juiste aanpak en expertise. Wij helpen organisaties om hun Power BI-omgeving structureel op orde te brengen en te houden. Concreet bieden wij:

Inventarisatie en audit van je huidige Power BI-omgeving, inclusief alle datasets, workspaces en gebruikspatronen
Governance-inrichting, waaronder naamgevingsconventies, eigenaarschapsbeleid en aanmaakrechten afgestemd op jouw organisatie
Opzet van een monitoringdashboard dat wildgroei signaleert voordat het een probleem wordt
Migratie en consolidatie van overlappende datasets naar een schone, betrouwbare datastructuur
Integratie met Microsoft Fabric voor organisaties die hun BI-infrastructuur verder willen professionaliseren
24/7 ondersteuning door ervaren BI-specialisten en database administrators

Wil je weten hoe wij jouw Power BI-omgeving kunnen helpen structureren en beheren? Neem contact met ons op en we denken graag vrijblijvend met je mee.