Samenvatting
KOHO bouwde KoDa: een Claude-tool die vragen beantwoordt met gecertificeerde dbt-marts op Redshift.
KOHO, Claude en dbt governance: wat er gebeurt
KOHO ontwikkelde KoDa, een interne zelfservice-analyticstool waarmee medewerkers in Claude zakelijke vragen stellen. De tool haalt antwoorden uit gecertificeerde dbt-marts op Redshift; Bedrock en Claude leveren de LLM-laag.
KoDa gebruikt uitsluitend gecertificeerde modellen. De tool verwerkt geen ruwe data of persoonlijk identificeerbare informatie, werkt alleen-lezen en schrijft niets terug naar het datawarehouse. Elke medewerker krijgt dezelfde interface en elk antwoord verwijst naar de gedeelde definities in dbt.
De basis ontstond niet met de chatbot. KOHO bouwde de datalaag in 2022 volledig opnieuw op met dbt. Die omgeving omvat inmiddels ongeveer 1.400 modellen met tests en documentatie. KOHO telt ongeveer 250 medewerkers, van wie meer dan 10 procent in data werkt.
Waarom KOHO, Claude en dbt governance belangrijk zijn
KoDa laat zien waar zelfservice-analytics in deze opzet van afhangt: niet alleen van een taalmodel, maar van afgebakende datamodellen en duidelijke eigenaarschap. KOHO koppelde bestaande onderdelen aan elkaar in plaats van nieuwe leverancierssoftware toe te voegen.
De governance beperkt ook de reikwijdte. KoDa beantwoordt analytische vragen, maar onderzoekt geen individuele transacties en helpt niet bij debugging. Daardoor blijft de toepassing gekoppeld aan gecertificeerde definities in plaats van aan willekeurige tabellen of losse interpretaties.
De technische koppeling bestaat uit een KoDa-skill met markdown-bestanden en pre- en post-hook-MCP-aanroepen. Via Claude Code en een Redshift-MCP-server bereikt KoDa de dbt-marts. Teams zonder governed mart kunnen de tool niet gebruiken. Daarmee vormt de toegang tot KoDa een directe toets voor de kwaliteit van de bestaande datagrondslag.
Concrete takeaway voor KOHO, Claude en dbt governance
Begin bij een vergelijkbare toepassing met gecertificeerde dbt-marts, tests, documentatie en verwijderde PII. Leg daarna vaste grenzen vast: alleen-lezen, geen ruwe data en uitsluitend analytische vragen. Voeg pas vervolgens de Claude- en MCP-koppeling toe.
Verdiep je kennis
Data-driven werken — Hoe begin je als organisatie?
Leer hoe je als organisatie data-driven gaat werken. Van data-volwassenheid tot cultuurverandering: een praktisch stappe...
KennisbankData governance in het MKB — Praktische aanpak
Wat is data governance en hoe pak je het aan als MKB-organisatie? Een praktisch stappenplan met aandacht voor AVG-compli...
KennisbankETL 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...