O&S Analytics
Als je een website maakt, wil je graag weten hoeveel bezoekers er komen, welke pagina's populair zijn, welke bestanden worden gedownload, waarop het meest wordt gezocht en nog zo wat statistieken. De afgelopen jaren heb ik daarvoor allerlei softwarepakketten gebruikt, waaronder WP Statistics, Google Analytics en Matomo. Voor de website van Onderzoek en Statistiek gebruikten we vanaf het begin Piwik.
Toen Piwik in 2025 aankondigde over te stappen op een nieuw verdienmodel, ben ik op zoek gegaan naar een alternatief. O&S heeft geen commerciële doelstellingen en veel daarop gerichte functionaliteiten van dit soort softwarepakketten gebruiken we niet. Tegelijkertijd hechten we aan de privacy van bezoekers en willen we bijvoorbeeld geen ip-adressen opslaan.
In eerste instantie leek een Umami een goede keus, open-source software die je op je eigen server kunt hosten. Ik heb er zelfs een paar kleine bijdragen aan kunnen leveren. Dat was erg leerzaam, want wat komt er eigenlijk allemaal bij kijken als je betrouwbare webstatistieken wilt verzamelen?
Na een paar weken bleek dat Umami toch niet helemaal aan onze wensen voldeed: aan de ene kant misten we sommige voor ons relevante statistieken, aan de andere kant ligt ook in dit pakket de focus om commercie.
Gesterkt door de opgedane kennis dacht ik: zou je eigenlijk zelf een simpele statistiekentool kunnen bouwen die alleen verzamelt wat jij nodig hebt? En is dat niet een mooi project om eens te experimenteren met programmeerhulp van AI? Dat is precies wat ik heb gedaan. Het resultaat is een relatief eenvoudige backend (Fastify in combinatie met Postgres) en een vanilla Javascript frontend. Ik gebruikte AI vooral voor het optimaliseren van de queries en leerde daar een hoop van bij, onder meer over materialized views.
