Observable

In deze review van Observable Notebooks wordt besproken waarvoor het platform wordt gebruikt, wat de belangrijkste functies zijn, wat de prijzen van Observable zijn, hoe de notebooks zich verhouden tot het Observable Framework, waarin het platform uitblinkt en waar het tekortschiet, en met welke tools het vergeleken kan worden. Observable werd in 2016 opgericht door Mike Bostock, de bedenker van D3, en werd in 2018 officieel gelanceerd. Tegenwoordig is het een productfamilie: de webgebaseerde Observable Notebooks voor het verkennen van data met code, het open-source Observable Framework voor het bouwen van data-apps en dashboards, Observable Canvases voor gezamenlijke analyse met SQL en AI, en open-sourcebibliotheken zoals Observable Plot en D3. Volgens Observable zijn er op het platform al meer dan 1.200.000 notebooks aangemaakt en bewerkt.

Waarvoor wordt Observable gebruikt?

Observable wordt gebruikt voor data-analyse en datavisualisatie die verder gaat dan een standaard grafiekbouwer. Notebooks combineren verhaal, code en live-uitvoer in één document, waardoor ze bij uitstek geschikt zijn voor verkennende analyse en data-storytelling. Typische projecten zijn verkennende analyses van een nieuwe dataset, interactieve visualisatie voor journalistiek en onderzoek, interne dashboards en rapporten, prototypes van een visualisatie voordat deze in een product wordt geïntegreerd, en het onderwijzen van datavisualisatie aan de hand van live voorbeelden.

Datawetenschappers en analisten gebruiken notebooks om gegevens te laden, SQL-databases te doorzoeken en Observable Plot-grafieken stap voor stap uit te proberen. Ontwikkelaars en datateams gebruiken het Observable Framework om dat werk om te zetten in snelle data-apps en rapporten die in Git worden beheerd. Productmanagers en bedrijfsteams gebruiken Canvases om samen gegevens te verkennen zonder code te schrijven. De rode draad is het web: alles draait in de browser en elke visualisatie kan worden gedeeld via een link, worden ingesloten in een andere site of worden gepubliceerd als een statische site.

Belangrijkste functies

• Reactieve notitieboeken: codeblokken in Observable JavaScript, Markdown, HTML en SQL. Wanneer een waarde verandert, wordt elke cel die daarvan afhankelijk is bijgewerkt, zodat invoer, filters en grafieken synchroon blijven zonder extra code.
• Observable Plot en D3: Observable Plot is een beknopte grafiekbibliotheek voor verkennende datavisualisatie; D3 is de laag-niveau-bibliotheek achter veel aangepaste interactieve grafieken. Beide zijn open source en ontwikkeld door het Observable-team.
• Gegevensverbindingen: SQL-cellen en een gegevenstabelcel doorzoeken databases en datawarehouses vanuit privé-notebooks, naast bestandsbijlagen, cloudbestanden en web-API’s. Een zelfgehoste databaseproxy ondersteunt databases op een privénetwerk (Observable-documentatie).
• Samenwerking: bewerken door meerdere gebruikers, opmerkingen, forking, suggesties, versiegeschiedenis en openbare of privé-notebooks met toegangscontrole.
• AI Assist: een AI-assistent in notebooks die code en grafieken opstelt, toegevoegd in 2023.
• Observable Framework: een open-source generator voor statische websites voor data-apps, dashboards en rapporten (zie hieronder).
• Observable Canvases: een collaboratief datacanvas gelanceerd in 2025, waar teams gegevens verkennen via point-and-click, SQL of AI en de resultaten verfijnen tot interactieve visualisaties (Observable Canvases).
• Notebooks 2.0: een technologiepreview met Notebook Kit, een open bestandsformaat en een command-line-tool voor het bouwen van statische sites vanuit notebooks, en Observable Desktop, een notebook-editor voor macOS 15+ op Apple Silicon (Notebooks 2.0).

Prijzen van Observable

De notebook-abonnementen op de Observable-prijspagina, zoals vastgelegd op 30 augustus 2026, zijn:

• Notebook Free: $0. Openbare en privé-notebooks, AI Assist, toegang tot databases, cloudbestanden en web-API-eindpunten, versiebeheer en community-ondersteuning via het forum.
• Notebook Pro: $22 per maand per bewerker. Voegt code-bewerking met meerdere gebruikers toe, geplande notebook-uitvoeringen, werkruimteviewers, gasttoegang op notebookniveau en verwijdert het Observable-watermerk bij ingesloten notebooks.
• Viewers: $10 per maand per gebruiker bij Pro, voor mensen die notebooks alleen bekijken en ermee werken.
• Enterprise: beschikbaar op aanvraag; de documentatie over de werkruimte beschrijft aangepaste SSO en auditlogs.

Observable Framework, Notebook Kit, Observable Plot en D3 zijn gratis en open source onder de ISC-licentie. Canvases staan niet vermeld op de prijspagina voor notebooks; vraag de verkoopafdeling naar de huidige prijs. Observable vraagt op dezelfde pagina ook naar kortingen voor non-profitorganisaties en docenten.

Een verrassende kostenpost om te controleren is wie als ‘seat’ telt. Pro wordt per editor gefactureerd en kijkers kosten extra, dus het delen van privé-dashboards met een groot publiek loopt snel in de papieren. Bij Framework-sites vermijd je seat-kosten wanneer je ze zelf host, omdat de output gewone statische bestanden zijn.

Observable-notebooks versus Observable Framework

Notebooks zijn bedoeld voor verkenning: je opent een nieuw notebook in de browser, laadt gegevens in en werkt iteratief aan elke Observable Plot-visualisatie, terwijl medewerkers tegelijkertijd bewerkingen kunnen aanbrengen. Observable Framework is bedoeld voor presentatie: je schrijft Markdown-bestanden met reactief JavaScript, en Framework compileert deze tot een statische site met onmiddellijke paginalading (Observable Framework).

Het kernidee in Framework zijn dataloaders. Een dataloader is een script in een willekeurige taal, zoals SQL, Python, R of Node.js, dat tijdens de build wordt uitgevoerd en een statische momentopname van de gegevens naar een bestand schrijft. Het dashboard laadt vervolgens dat bestand in plaats van bij elk bezoek de database te raadplegen. Omdat een project slechts uit bestanden in een map bestaat, past het binnen de normale softwareontwikkeling: je kunt je eigen editor, Git, unit-tests en CI/CD gebruiken, en het resultaat overal hosten of naar Observable implementeren. Het wordt geleverd met thema’s, rasters en JS-bibliotheken, waaronder Observable Plot, D3, DuckDB, Vega-Lite, Mapbox GL JS, Leaflet en Mermaid. De nieuwste release op GitHub is 1.13.4, uit maart 2026.

Notebook Kit past dezelfde op bestanden gebaseerde aanpak toe op notebooks. Het slaat een notebook op in een open, voor mensen leesbaar formaat, zodat één notebook kan worden bewerkt in de browser, in Observable Desktop of in een code-editor, en vervolgens kan worden gepubliceerd als een statische site.

Observable Plot en D3 voor datavisualisatie

De meeste grafieken op Observable zijn gemaakt met Observable Plot, de open-source visualisatiebibliotheek die het team in 2021 heeft uitgebracht. Plot volgt een gelaagde grafische grammatica: je geeft een dataset en een lijst met markeringen door, zoals stippen, lijnen, balken of cellen, en Observable Plot kiest logische schalen, assen en legenda’s, zodat de standaardgrafiek meteen duidelijk is. Een scatterplot of een gefacetteerd staafdiagram kost slechts een paar regels code, en de Plot-documentatie bevat een voorbeeld voor elke markering. Voor volledig op maat gemaakte interactieve grafieken biedt D3 controle op laag niveau over de weergave van elk element. Beide werken ook buiten Observable in ‘vanilla’ JavaScript, zodat een grafiek die in een notebook is geprototypeerd, zonder herschrijven naar een front-end-applicatie kan worden overgezet. Ingebouwde invoerelementen, zoals schuifregelaars, dropdown-menu’s, zoekvakken en tabellen, koppelen gebruikersbedieningen aan grafieken via reactieve variabelen.

Observable-notebooks versus Jupyter-notebooks

Datawetenschappers die bekend zijn met Jupyter-notebooks zullen het grootste verschil merken in de manier waarop cellen worden uitgevoerd. In Jupyter worden Python-cellen uitgevoerd in de volgorde waarin je ze uitvoert, wat verouderde statussen kan achterlaten. In Observable wordt code in de volgorde van afhankelijkheden uitgevoerd, net als in een spreadsheet, zodat een wijziging alles bijwerkt wat ervan afhankelijk is. Observable draait in de browser en maakt gebruik van JavaScript, terwijl Jupyter Python op een server uitvoert, waardoor Jupyter beter geschikt is voor zware berekeningen en machine learning. Zeer grote datasets kunnen in Observable ook de prestatielimieten van de browser bereiken; dataloaders lossen dit op door Python- of SQL-query’s tijdens de build-fase uit te voeren en alleen het resultaat naar de browser te sturen. Veel teams gebruiken beide: Python voor analyse, Observable voor het delen van interactieve resultaten.

Aan de slag met Observable

Meld je aan voor een gratis account en maak een nieuw notitieboek aan, of fork een van de openbare notitieboeken in de galerij en pas het aan. Voeg een gegevensbestand toe of maak verbinding met een database, schrijf een SQL-cel of een JavaScript-cel, en voeg met een paar regels een grafiek toe met Observable Plot. Leer eerst Observable JavaScript: het is standaard JavaScript met reactieve cellen, maar de evaluatievolgorde volgt afhankelijkheden in plaats van de volgorde op de pagina. Voor een dashboard dat in een codebase moet worden geïntegreerd, voer je npx @observablehq/framework@latest create en volg de tutorial ‘Aan de slag met het Framework’.

Waar Observable uitblinkt — en waar het tekortschiet

Sterke punten:

• De allerbeste interactieve grafieken en aangepaste visualisaties, van het team achter D3.
• Reactieve notebooks maken verkenning snel en houden invoer en grafieken gesynchroniseerd.
• Framework, Plot en Notebook Kit zijn open source en genereren statische websites die je overal kunt hosten.
• Een grote openbare galerij met notebooks om van te leren en te forken, met sterke ondersteuning van de community.

Nadelen:

• JavaScript is de belangrijkste taal in notebooks; Python en R draaien alleen in dataloaders tijdens het bouwen.
• Geen business intelligence-tool met drag-and-drop-functionaliteit; het maken van een grafiek vereist nog steeds het schrijven van wat code.
• Privé delen op Pro wordt per editor in rekening gebracht, plus een vergoeding per kijker, en gratis gebruikers krijgen alleen ondersteuning via het forum.
• Verschillende producten (notebooks, Notebooks 2.0, Framework, Canvases) met verschillende workflows kunnen in het begin verwarrend zijn.

Hoe Observable zich verhoudt

• Datawrapper: grafieken en kaarten die je met een muisklik kunt maken en publiceren, zonder code.
• Power BI: de business intelligence-suite van Microsoft voor dashboards op basis van bedrijfsgegevens.
• Retool en Appsmith: interne tools met formulieren en tabellen in plaats van aangepaste visualisatie.
• Dataiku: een end-to-end data science-platform voor teams die werken met Python en visuele recepten.
• Mapbox en CARTO Builder: platforms die zich richten op kaarten voor locatiegegevens.
• Google Sheets en Rows: spreadsheets met ingebouwde grafieken voor snelle analyse.

Python-first-notebooks zoals Jupyter, Hex, Deepnote en Marimo zijn de meest geschikte alternatieven voor teams die voornamelijk in Python en SQL werken.

Is Observable de moeite waard?

Observable is de moeite waard als je op maat gemaakte, interactieve datavisualisatie nodig hebt en vertrouwd bent met wat JavaScript. Het gratis abonnement omvat openbare en privé-notebooks met databasetoegang, en het open-source Framework is gratis voor het bouwen van snelle dashboards die je zelf host. Het is minder geschikt voor teams die een no-code BI-tool willen, uitsluitend in Python werken of met een beperkt budget privé-dashboards met veel kijkers moeten delen. Als je hulp nodig hebt bij het bouwen van dashboards of data-apps met Observable, kunnen de low-code-bureaus en ontwikkelaars op LowCodeDevs dit voor je doen.

Bronnen

• Prijzen van Observable: Notebook Free en Pro, prijs per kijker (vastgelegd op 30 augustus 2026).
• Over Observable: oprichting, mijlpalen en gebruikscijfers.
• Documentatie over het Observable Framework: generator voor statische websites, dataladers en bibliotheken.
• Notebooks 2.0 Technology Preview: Notebook Kit en Observable Desktop.
• Observable Canvases: het collaboratieve datacanvas.
• Verbinding maken met databases: databaseclients en de zelfgehoste proxy.
• observablehq/framework op GitHub: ISC-licentie en releases.
• Interessante ideeën in het Observable Framework, Simon Willison: dataloaders en de overstap naar open-source-tools.
• Observable Plot, data.europa.eu: de grafiekbibliotheek in de praktijk.
• Observable, datasciencenotebook.org: overzicht van functies; de opmerking „geen zelfhosting” geldt voor het gehoste notebookplatform, niet voor Framework- of Notebook Kit-sites.
• Alternatieven voor Observable, Livedocs: lijst met alternatieven (geschreven door een concurrent; de bewering dat Observable geen ondersteuning biedt voor SQL en Python is in tegenspraak met de SQL-cellen en Python-dataloaders van Observable).