Agentic BI with DBT and Evidence

A code first BI-architecture based on DBT and Evidence. A semantic layer with AI agents that can build dashboards and assemble charts from natural language prompts. Version management with Git and Github.

Is er een open source model, geen Power BI, wél datamarts/semantische laag, en rapportages die sneller aanpasbaar zijn dan maatwerktemplates per rapport?
Ja — dan niet beginnen bij rapporttemplates, maar bij een open-source BI/data-product stack:

Bronnen
↓
PostgreSQL / DuckDB / ClickHouse
↓
dbt: datamarts + businessregels
↓
Semantische laag / datasets
↓
Superset / Metabase / Evidence: presentation layer
↓
Dashboards, portals, exports

Mijn voorkeursroute:

1. Datamarts centraal maken met dbt
Definieer omzet, aantallen, klantsegmenten, periodes, filters enzovoort één keer in SQL-modellen. Rapportages gebruiken daarna dezelfde betrouwbare tabellen.

2. Voor interactieve BI: Apache Superset
Superset is open source, heeft dashboards, SQL Lab, no-code visualisaties en een semantische laag met datasets/metrics. Goed alternatief voor Power BI wanneer je meer BI-achtig wilt werken.

3. Voor eenvoudige self-service: Metabase
Metabase is laagdrempeliger voor gebruikers. “Questions” zijn opgeslagen queries met visualisatie, bruikbaar in dashboards en exports. Models kunnen als herbruikbare startpunten dienen.

4. Voor flexibele managementrapportages: Evidence.dev
Evidence is heel interessant: rapportages als SQL + Markdown, versiebeheerbaar, herbruikbare templates, geschikt voor data apps en embedded reporting. Dit vervangt veel jsreport-maatwerk.

Concreet advies:

Superset → dashboards / analyse / slicingEvidence → vaste rapportages, management packs, klantportalenMetabase → eenvoudige self-service voor niet-technische gebruikersjsreport → alleen nog voor formele PDF/Word-output waar layout cruciaal isFastAPI → autorisatie, orchestratie, embedding, exports, API-laagDirectus → beheer van metadata, rapportconfiguraties, klanten, rechten

De versnelling zit vooral hierin: geen rapport per rapport bouwen, maar:

1 datamart+ 1 metric-definitie+ veel dashboards/rapporten erbovenop

Mijn keuze voor jullie context: dbt + PostgreSQL/ClickHouse + Superset + Evidence, met FastAPI als portaal/API-laag.

Ja, Evidence is daadwerkelijk open source.
De core staat publiek op GitHub en gebruikt een open-source licentie.

Belangrijk onderscheid:

Je kunt dus gewoon:

• zelf hosten
• draaien in Docker/Kubernetes
• koppelen aan PostgreSQL, DuckDB, Snowflake, BigQuery etc.
• rapporten in Git beheren
• uitbreiden met eigen componenten

Wat Evidence bijzonder maakt is dat het eigenlijk:

SQL + Markdown + componenten= BI-as-code

Dus geen “drag/drop rapport per scherm”, maar:

# Omzetrapport
```sql omzet select maand, omzet from mart_omzet

<LineChart data={omzet} />

Daardoor krijg je:- veel minder klikwerk- versiebeheer via Git- herbruikbare rapporttemplates- parametriseerbare pagina’s- veel sneller ontwikkelen- eenvoudiger embedded analyticsDat sluit heel goed aan op een datamart-strategie.Waar het sterk in is:- managementrapportages- klantportalen- embedded reporting- KPI portals- analytische apps- narrative reportingWaar Superset sterker in blijft:- ad-hoc analyse- slicers/drilldowns- echte self-service BI- dashboarding voor analistenDus idealiter:```text id="a5m27z"

dbt + PostgreSQL/ClickHouse
↓
Datamarts
↓
Superset
↓
Evidence

In Evidence draait het om: businesslogica eerst, rapport daarna

In dit geval lijkt Evidence wél echt open source te zijn:

• publieke GitHub repository
  Evidence GitHub repository
• MIT license aanwezig
  
• self-hosting documentatie
• publieke sourcecode
• VSCode extension open source
• community contributions zichtbaar

De homepage noemt het ook expliciet:

“open source, code-based alternative to drag-and-drop BI tools”

Ik denk dat jouw twijfel komt doordat ze tegenwoordig sterk pushen op:

Belangrijk nuanceverschil:

Dus:

• de engine/framework is open source
• sommige tooling eromheen is commercieel

Technisch kun je gewoon:

npm install -g @evidence-dev/evidence

en lokaal/self-hosted draaien.

Voor een meer eenvoudige architectuur is Evidence niet als “BI-tool vervanger” te zien. Meer als: data-app / reporting framework

Dus:

• veel sterker voor narrative reporting
• embedded analytics
• klantportalen
• managementrapporten
• parametrische rapporten

Maar minder sterk dan Superset voor:

• echte ad-hoc analyse
• drag/drop slicing
• self-service BI

Ik vermoed eigenlijk dat jullie ideale stack dichter ligt bij:

dbt
↓
ClickHouse/Postgres
↓
Cube.dev of Semantic Layer
↓
Superset
↓
optioneel Evidence

Waarbij Evidence alleen nodig is als je:

• pixel-perfect rapportage
• portalachtige UX
• interactieve rapportdocumenten
• embedded analytics
  wilt.

Evidence is innovatief, maar nog relatief niche.
Voor een serieus platform zou ik kijken naar een combinatie van:

• bewezen OSS BI
• semantic layer
• code-based reporting
• embedded dashboards

Er zijn inmiddels een paar sterke alternatieven met hetzelfde “analytics-as-code” idee.

1. Evidence

Beste voor: narrative reporting / data apps.

Concept:

SQL + Markdown + componenten

Voordelen:

• zeer flexibel
• Git-based
• developer friendly
• goede embedded mogelijkheden

Nadelen:

• kleinere community
• minder enterprise maturity
• Docker/self-hosting documentatie wat versnipperd
• minder traditionele BI-functionaliteit

2. Lightdash

Dit vind ik persoonlijk een héél sterke kandidaat voor jullie.

Concept:

dbt models→ automatisch BI semantic layer→ dashboards/reporting

Sterk omdat:

• volledig open source core
• Docker/K8s first
• dbt-native
• metrics centraal
• self-service BI
• embedded analytics
• veel moderner dan Superset

Het voelt een beetje als:

Looker + Metabase + dbt

Voor jullie datamart-visie misschien zelfs beter passend dan Evidence.

3. Cube

Geen frontend BI-tool maar een semantic/API-laag.

Concept:

datamarts→ Cube semantic layer→ elke frontend mogelijk

Sterk voor:

• multi-tenant analytics
• embedded BI
• performante metrics
• caching
• headless BI

Vaak gecombineerd met:

• Superset
• Evidence
• custom React frontend

Voor jullie FastAPI-architectuur extreem interessant.

4. Apache Superset

Nog steeds de meest volwassen pure OSS BI-tool.

Sterk:

• dashboards
• security
• SQL Lab
• schaalbaar
• Docker uitstekend

Minder sterk:

• semantic layer beperkt
• developer experience ouder
• minder elegant voor narrative reporting

Maar wel enterprise-proof.

5. Metabase

Simpelste optie.

Sterk:

• snelle adoptie
• business users
• Docker top
• weinig beheer

Maar:

• minder flexibel
• minder “analytics engineering”
• minder schaalbaar qua semantische architectuur

Wat ik écht zou overwegen voor jullie

Optie A — modern analytics platform

Postgres / ClickHouse↓dbt↓Lightdash↓embedded portals

Dit is waarschijnlijk de snelste route naar:

• flexibele rapportages
• centrale metrics
• OSS
• self-service
• lage onderhoudslast

Optie B — headless analytics platform

Postgres / ClickHouse↓dbt↓Cube.dev↓Superset / custom frontend / Evidence

Veel krachtiger.
Meer enterprise.
Meer future-proof.
Maar complexer.

Optie C — reporting/data-app focus

dbt↓Evidence↓embedded rapportportalen

Mooi voor:

• klantportalen
• managementrapporten
• analytische apps

Maar minder BI/self-service.

Eerlijk gezegd denk ik dat jullie kernprobleem niet “rapportage” is, maar:

geen centrale semantic layer

Zolang metrics/logica in:

• jsreport
• Power BI
• APIs
• losse SQL
• frontend

blijven zitten, wordt alles traag en onderhoudsintensief.

De echte versnelling komt van:

dbt + semantic layer + generieke dashboards

en niet van nóg een rapporttool.

Ik zie op de site echt geen community versie of opensource versie. Dus ik vraag het mij sterk af.Het idee van Evidence lijkt me zeker interessant . Maar ook op github weinig info over een dockerversie. Is er nog een open source alternatief metveen vergelijkbaar concept?