Samenvatting
dbt ondersteunt 25 Greenpeace-organisaties met één standaard datamodel en gedeelde metriek via een drielagige logic mesh.
Wat dbt en de logic mesh doen
Greenpeace International werkte met ongeveer tien centrale medewerkers voor 25 zelfstandig opererende nationale en regionale organisaties. Die organisaties gebruikten elk een eigen technologiestack, 25 verschillende bronsystemen en 25 BI-tools. Daardoor bouwde iedere entiteit rapportages over inkomsten en donorretentie opnieuw op.
Greenpeace nam dbt in 2025 in gebruik en modelleerde eerst de bedrijfsactiviteiten, niet de onderliggende systemen. De architectuur bestaat uit drie lagen: source packages voor gedeelde systemen, een dunne tussenlaag voor lokale afwijkingen en één dbt-package met het standaard datamodel. Dat package bevat gedeelde logica, documentatie, tests, macro’s, governance en definities voor de semantische laag.
Waarom dit belangrijk is
De grootste hindernis lag niet in de datacomplexiteit, maar in de betekenis van termen. Het woord donor had binnen de organisaties meerdere definities. Sommige teams telden iedereen mee die in het afgelopen jaar gaf, terwijl andere alleen actieve terugkerende donoren rapporteerden. Daardoor waren wereldwijde vergelijkingen niet betrouwbaar.
Greenpeace probeerde eerst één bronsysteem te standaardiseren. Die aanpak werkte niet overal, omdat lokale omstandigheden, zoals regionale betaalmethoden, verschillen vereisten. De logic mesh kiest daarom voor een gedeeld model boven één uniform systeem. Lokale teams kunnen eigen metriekvarianten gebruiken voor lokale rapportages, maar wereldwijde rapportages vereisen één gezamenlijke definitie.
De stack gebruikt Fivetran voor data-inname, dbt voor transformaties en BigQuery op GCP voor opslag en rekenwerk. Daarmee verschuift de standaardisatie van tooling naar bedrijfsbegrippen en herbruikbare modelcomponenten.
Concrete takeaway voor dbt-teams
Leg eerst vast wat een bedrijfsbegrip betekent voordat je modellen bouwt. Gebruik daarna een pakketstructuur met gedeelde logica, een lokale aanpassingslaag en duidelijke regels voor metriekvarianten. Zo blijft lokale context mogelijk zonder dat elk team dezelfde rapportage opnieuw opbouwt.
Verdiep je kennis
ETL uitgelegd — Extract, Transform, Load in gewone taal
Wat is ETL? Leer hoe Extract, Transform en Load werkt, het verschil met ELT, en welke tools je kunt gebruiken. Helder ui...
KennisbankData lakehouse uitgelegd — Het beste van twee werelden
Wat is een data lakehouse en waarom combineert het het beste van data warehouses en data lakes? Vergelijking, architectu...