RBI-Solutions blog

“Blijf nieuwsgierig, zoek je eigen pad en sta open om te blijven leren.”

Dat is het advies van onze BI consultant Mark aan iedereen die de wereld van data in wil. Zelf begon hij drie jaar geleden bij RBI, waar hij via een traineeship uitgroeide tot Data engineer. Zijn geheim? Vragen blijven stellen, goed om je heen kijken en gewoon beginnen. Benieuwd naar zijn favoriete projecten, tools, en waarom hij zich bij RBI zo thuis voelt? Lees dan zijn verhaal hieronder.

Kun je kort iets meer over jezelf vertellen?

Zeker! Mijn naam is Mark Kronenberg, ik ben 27 jaar en woon momenteel in Utrecht. Inmiddels werk ik al meer dan drie jaar met veel plezier bij RBI, waar ik sinds vorige week alweer aan mijn vierde opdracht begonnen bij een verzekeraar.

Kun je aangeven welke studie je hebt gevolgd en waarom je die keuze hebt gemaakt?

Ik heb de studie Bedrijfseconomie (tegenwoordig Finance & Control) gevolgd aan het Saxion in Enschede. Ik heb deze keuze gemaakt omdat ik vanuit de middelbare school al een interesse had in Economie en plezier haalde uit het werken met cijfers.

Wanneer en hoe is jouw interesse in data ontstaan?

Mijn interesse voor data is aangewakkerd tijdens de studie, daar ben ik tijdens een stage opdracht in aanraking gekomen met Power BI en Tableau. Toen kwam ik er snel achter dat daar een hele wereld van dataprocessen achter zit wat mij erg boeide. Sindsdien ben ik mij daar thuis ook meer in gaan verdiepen.

Je hebt het traineetraject gevolgd bij RBI. Wanneer was dit en hoe heb je dit ervaren?

Klopt inderdaad, dat is nu iets meer dan drie jaar geleden. Ik ben hierin gerold vlak nadat ik was gestart bij RBI. Het heeft mij veel gebracht en gezorgd voor een goede start van mijn carrière in data engineering. Ik kwam net vanuit een bedrijfseconomische studie dus het is voor mij erg leerzaam geweest om alle aspecten vanuit de BI wereld in een traineetraject terug te zien. Daarnaast is het ook een erg leuke manier om directe collega’s beter te leren kennen en samen te leren en sparren. Je leert op die manier veel van elkaar!

Wat is de reden dat je hebt gekozen voor RBI?

De hechtheid tussen collega’s, korte lijntjes wat betreft communicatie en de stimulans om jezelf te kunnen ontwikkelen hebben mij vanaf het begin heel erg aangesproken. Dit is de reden dat ik mij er nog steeds thuis voel.

Kun je aangeven op welk project je het meest trots bent en waarom? Kun je ook aangeven met welke tools je hebt gewerkt?

Het project waar ik het meest trots op ben, is lastig kiezen – het is een close call tussen mijn opdrachten bij een grote pensioenuitvoerder en een fintech-organisatie. Bij de pensioenuitvoerder heb ik twee jaar met veel plezier gewerkt binnen het Business Intelligence-team van Pensioenbeheer. Daar was ik verantwoordelijk voor het oplossen van uiteenlopende datavraagstukken, zoals het aanpassen van SQL-queries en procedures in de datamart en het automatiseren van klantcommunicatie. Daarnaast speelde ik een sleutelrol in de migratie van de on-premise SQL Server omgeving naar het cloudplatform Data Virtuality. Ik vertaalde en optimaliseerde bestaande code en richtte processen opnieuw in voor de gevirtualiseerde omgeving. Dit heeft geleid tot stabielere en efficiëntere dataproducten voor de business. Tools die ik hierbij heb gebruikt, zijn onder andere SQL, SSMS, Data Virtuality, Power BI, SSIS, SSAS, Visual Studio, Azure DevOps en GIT.

Bij de fintech-organisatie kreeg ik de kans om voor het eerst bij te dragen aan een volledige datamigratie – van Drupal naar SQL Server. Ik ontwikkelde exportscripts in Python die data efficiënt en betrouwbaar extraheerden en transformeerden voor de migratie naar Azure SQL Server. Ook was ik verantwoordelijk voor de datavalidatie, waarbij ik transacties tussen de bank en de interne administratie vergeleek, analyseerde en corrigeerde. Hierdoor hebben we de datakwaliteit sterk verbeterd en een sluitende financiële administratie opgeleverd. Voor deze opdracht maakte ik gebruik van Python, Azure SQL Server en Excel.

Hoe heb je de technische kennis opgebouwd die je nu gebruikt?

Er zijn meerdere manieren waar ik gebruik van heb gemaakt in de afgelopen jaren. Denk daarbij aan het traineetraject wat ik heb gevolgd en zelfstudie, maar daarnaast heb ik ook super veel kennis opgedaan bij de opdrachten waar ik heb gezet. Die praktijkervaring is van onschatbare waarde. Door goed om me heen te kijken en veel vragen stellen, kom je tot veel waardevolle inzichten en kennis.

Heb je favoriete tool en waarom?

Nee niet per se, heel veel tools lijken ook op elkaar 😉

Wat zou je willen meegeven aan anderen die in de data-industrie willen starten?

Laat de vele informatie die erover te vinden is jouw nieuwsgierigheid niet in de weg zitten. Zoek je eigen ontwikkeltraject hierin en blijf open staan om continue te leren!

Wat doe je graag naast je werk bij RBI?

Ik ben de afgelopen jaren al veel in de Alpen te vinden voor huttentochten en bergbeklimmen, maar ik ben nu druk bezig om dat uit te breiden naar het Alpineren en ga daar deze zomer een aansluitende cursus voor volgen om op nog mooiere plekken terecht te komen!

Wat zijn je toekomstplannen?

Vooral lekker doorgroeien op zowel persoonlijk vlak als met RBI en zoveel mogelijk waarde kunnen leveren bij RBI en haar klanten.

Meer weten over wat wij met data kunnen?

Lees verder over data en de diensten van RBI-Solutions in deze blog's:

Hoe afhankelijk ben jij van je office software?

Stel je voor: je online kantooromgeving valt ineens uit. Geen toegang tot e‑mail. Teams kunnen niet samenwerken en online-vergaderen. Alle bestanden in online mappen zijn onbereikbaar. Voor veel organisaties is dat vandaag de dag een ondenkbaar scenario — maar wel één dat langzaam realistischer wordt.
Of het écht gaat gebeuren? Dat weten we niet. Maar elke maand wordt de kans op verstoringen een beetje groter. Voor wie volledig afhankelijk is van de cloud voor kantoorsoftware kan zo’n uitval enorme impact hebben op communicatie, samenwerking en bedrijfscontinuïteit.

Wat als jouw dataplatform ineens moet verhuizen? Wees voorbereid op het onverwachte.

De afgelopen maanden merken organisaties het steeds sterker: de wereld verandert sneller dan onze IT‑landschappen aankunnen. Nieuwe wetgeving, geopolitieke spanningen, dreigende afhankelijkheden en besluiten van grote cloudleveranciers — het komt allemaal dichterbij dan we ooit hadden verwacht.

Uiteraard hebben we ons deze vraag ook gesteld over onze eigen platformen – hoe doen we dat zelf? Wij hebben ons inmiddels voorbereid.

Maak kennis met Helene, onze Data Consultant

Met veel plezier stellen we Helene Fritzsche aan jullie voor. Beter laat dan nooit, moeten we zeggen. Helene is inmiddels alweer vijf maanden onderdeel van ons team bij RBI-Solutions, hoog tijd dus om haar ook hier officieel te introduceren.

Helene is gestart als Data Consultant met een sterk data-analistprofiel. Ze helpt organisaties om data te verzamelen, op te schonen, te analyseren en te vertalen naar heldere inzichten. Denk aan dashboarding en datavisualisatie, maar ook aan het doorgronden van datalandschappen en de processen rondom data.

Vanaf 1 februari groeien we verder. Bouw jij mee?

Terugkijkend op het afgelopen jaar hebben we mooie stappen gezet. We hebben veel van elkaar geleerd, verschillende opdrachten bij nieuwe klanten gestart en aan uitdagende projecten gewerkt. We hebben nieuwe collega’s aangenomen, samen gebouwd aan onze groei en natuurlijk ook veel plezier gemaakt.

We sluiten 2025 af met onze RBI kerstborrel. Maar we kijken ook vooruit. Vanaf 1 februari 2026 zijn we op zoek naar 2 medior data-analisten die zin hebben om mee te bouwen aan onze groei.

Fijne feestdagen!

Afgelopen vrijdag hebben we samen met het hele team kerst gevierd bij Brava, een café om de hoek van ons kantoor. We hebben heerlijk geborreld, het jaar met elkaar afgesloten en natuurlijk ook onze kerstcadeaus uitgepakt. Dit jaar was een RBI-kersttrui onderdeel van het kerstpakket.

Maak kennis met Sara, onze nieuwe Data Consultant!

Met veel plezier stellen we Sara Herrebout aan jullie voor, één van onze nieuwste collega’s bij RBI-Solutions.

Sara heeft een achtergrond in Econometrie en werkte eerder als data-analist bij een energieleverancier. Inmiddels draait ze vol mee op haar opdracht bij InShared, samen met Mark Kronenberg, die hier begin dit jaar via ons is gestart. Samen werken ze aan de Duitse autoverzekeringspropositie. Omdat deze tak nog relatief jong is, ligt er veel ruimte om processen slimmer, schaalbaarder en efficiënter te maken. Dat is precies het soort uitdaging waar Sara energie van krijgt.

Zonder businessdoelen geen duurzame data-architectuur

Vorige week gaf ik met veel enthousiasme een introductie over data-architecturen aan nieuwe collega’s. We bespraken de historie van architecturen, de plek van een Data Architectuur binnen een Enterprise Architectuur en hoe zo’n architectuur het werk van Data Engineers, Data Analisten en Data Scientists beïnvloedt. Data Architectuur wordt vaak gezien als een IT-feestje, maar een goede architectuur wordt altijd gedreven door heldere businessdoelen. Zonder die doelen is een data platform als een Ferrari bij een off-road rally: technisch en esthetisch indrukwekkend, maar totaal ongeschikt voor het terrein waarin het moet presteren. Zo verliest een architectuur zonder richting snel zijn waarde en wordt data engineering meer een technologisch experiment dan een strategisch fundament.

MCP: De nieuwe AI standaard

Een begrip dat je online steeds vaker tegenkomt binnen al de buzz rond AI is ‘MCP’; weer zo’n afkorting die voor heel veel mensen cryptisch klinkt. Binnen de AI wereld is het echter wel een heel belangrijke vooruitgang: standaardisatie. Het verbinden van AI met bestaande APIs biedt heel veel mogelijkheden. Echter bouwt elke organisatie hun oplossing net weer anders. De ene bot praat zo tegen een API, de andere weer anders, en voor je het weet heb je een kerkhof aan connectors. Het idee is goed, de uitvoering vaak rommelig. Dit is precies waar MCP om de hoek komt kijken.

AI Agents: meer dan een slimmere chatbot

De meeste mensen zien AI nog steeds als een soort papegaai die tekstjes en plaatjes maakt zodra je iets vraagt. Handig, maar ook best oppervlakkig. Sinds enige tijd is er echter ook iets nieuws in opkomst: ‘Agentic AI’. AI-agenten dus die autonoom te werk kunnen gaan.

In plaats van pure generatie, kunnen ze een probleem ontleden, stappen zetten richting een oplossing, hun eigen werk checken en zelf andere tools gebruiken. We stappen dus richting zelfstandig werkende oplossingen. Je kunt het bijna zien als een leger van volledig virtuele assistenten en stagiaires. Dit belooft veel maar, brengt zeker ook gevaren.

AutoML: Machine Learning op de automatische piloot?

Geautomatiseerd Machine Learning ook wel ‘AutoML’ is het automatiseren van de tijdrovende, iteratieve taken bij het ontwikkelen van machine learning-modellen. Je laat als het ware het bouwen van de modellen aan de machines zelf over.

Voor een paar tientjes een model dat kan voorspellen welke klanten over een paar maanden gaan vertrekken. Klinkt een beetje te goed om waar te zijn. Dan heb je natuurlijk ook geen Data Scientists meer nodig, toch? Nou, er zitten uiteraard wel wat haken en ogen aan. De specialisten op het gebied van Machine Learning verdwijnen ook zeker niet zo maar. Even een stap terug dus.

Data mesh: principes en praktische implementatie

Elk relatief groot bedrijf bestaat uit verschillende afdelingen, elk met zijn eigen vraagstukken. Op datagebied is dat niet anders: marketing wil weten hoe campagnes performen, operations wil de huidige voorraad kunnen inzien, finance bewaakt de cashflow en productontwikkeling volgt klantgedrag.

Datamigratie afgerond… en nu?

Binnen veel organisaties is een datamigratie een enorme mijlpaal. Maandenlang werk je toe naar dat ene moment waarop alle data succesvol is overgezet naar de nieuwe operationele applicatie. Tijdens dat migratietraject worden allerlei controles ingericht: validatieregels, datakwaliteitschecks en integriteitscontroles die ervoor zorgen dat iedere klant, transactie of productrecord correct wordt overgezet. In de praktijk zien we alleen dat die regels direct na de migratie verdwijnen uit beeld. Terwijl ze juist ook dan van grote waarde zijn.

« Older Entries