RBI-Solutions blog

Codes maken voor de data-pijplijn

Yassine is Azure-specialist bij RBI-Solutions. Hij deed een ICT-opleiding die de basis legde voor dit werk. Ervaring en interesse deden de rest; hij beet zich vast in het platform en deelt die kennis nu met zijn collega’s.

Yassine is Azure-specialist bij RBI-Solutions. Hij deed een ICT-opleiding die de basis legde voor dit werk. Ervaring en interesse deden de rest; hij beet zich vast in het platform en deelt die kennis nu met zijn collega’s.

“Het gaat zó snel in de wereld van de automatisering”, weet Yassine. “Dachten we tien jaar geleden niet allemaal dat servers dé oplossing waren voor opslag en verwerking van data? Dat was het ook maar inmiddels is er ‘de cloud’ waar alles bewaard wordt en van waaruit wij onze data halen. Moeilijk voor te stellen dat er wellicht op (korte) termijn weer iets anders komt. Tot het zover is, werk ik het liefst met Azure, een cloud platform dat ik mezelf eigen heb gemaakt, waarin ik me heb verdiept en waar ik nu helemaal comfortabel mee ben.”

Elk bedrijf heeft data en het dagelijks werk van Yassine – en zijn collega’s – is om die data om te zetten in bruikbare informatie. Informatie waar de klant om vraagt. “Ik weet dat het soms lastig uit te leggen is aan mensen die er niet dagelijks mee te maken hebben. Zelfs klanten begrijpen het niet altijd. Hoeft ook niet, als de Data Engineer het maar snapt. Waar het op neerkomt is dat ik data binnenhaal met behulp van een datapijplijn. Die pijplijn bouw ik zelf en die lijn filtert de data die ik nodig heb voor de klant. Op de cloud maak ik folders of een database of een lakehouse – een combinatie van folders en database – aan en die vul ik met informatie die voor de klant begrijpelijk is en waar deze mee verder kan.”

Yassine schrijft de codes die de datastroom precies in goede banen leidt. “Voor elke klant moet je opnieuw beginnen want elke klant heeft behoefte aan specifieke informatie. Het halen en bewerken is steeds hetzelfde proces maar vraagt op detail steeds andere accenten. Daarom is mijn werk zo leuk, het is specialistisch en altijd klantspecifiek.”

“Ik werk nu een jaar voor RBI-Solutions en ik ben enorm gegroeid in dit vakgebied, maar ik heb niet de illusie dat ik álles al weet. Dat is bijna onmogelijk. Het is mooi om elke keer weer die uitdaging aan te gaan en ervoor te zorgen dat mijn kennis nog groter wordt. De mogelijkheden die Azure biedt, zijn groot en helpen mij in mijn dagelijks werk. Ik werk eigenlijk altijd met Azure, maar er zijn meer tools die dataverwerking kunnen verzorgen. Bij RBI-Solutions hebben we veel specialisten, voor elke tool meerdere. Bij elke opdracht wordt gekeken welke Data Engineer het best past, welke wens er van de klant ligt en welke tool daar dan voor geschikt is.”

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

DataOps, DevOps en MLOps: Oude wijn in nieuwe zakken of écht anders?

DataOps, DevOps en MLOps: Oude wijn in nieuwe zakken of écht anders?

In een data gedreven organisatie vliegen de samenwerkingstermen je om de oren: DevOps, DataOps, MLOps. Deze drie termen, die inderdaad erg hetzelfde klinken (en door sommige organisaties ingevuld worden door een beheerder in een ontwikkelteam te zetten), verschillen in de praktijk aanzienlijk in toepassing, focus en doel. Voor wie dagelijks werkt met data of systemen die op data drijven, is het essentieel om deze termen niet alleen te kennen, maar ook te begrijpen wat ze betekenen en hoe ze zich tot elkaar verhouden. Daar nemen we jullie in deze blog dan ook in mee.

INTERVIEW MET DATA ENGINEER/BI CONSULTANT Said Saoud

INTERVIEW MET DATA ENGINEER/BI CONSULTANT Said Saoud

Wat begon met een goed gesprek en een flinke dosis enthousiasme, groeide uit tot een veelzijdige carrière in data engineering bij RBI. In dit interview deelt Said Saoud zijn reis bij RBI: hoe hij begon, waar hij aan werkt en waarom hij zich thuis voelt in de wereld van data engineering en BI. Benieuwd naar zijn ervaringen, tools en visie op de toekomst van data? Lees het hele verhaal in deze blogpost.

Data Science: Een eenmalig model of integratie in de dagelijkse operatie?

Data Science: Een eenmalig model of integratie in de dagelijkse operatie?

In veel organisaties is data science inmiddels geen onbekende meer. Data scientists bouwen geavanceerde voorspellende modellen, werken met machine learning en experimenteren met AI om waarde te halen uit grote hoeveelheden data. Er zit echter vaak een kloof tussen het bouwen van een model en het daadwerkelijk creëren van impact in de dagelijkse operatie.

Wat betekent de overname van Informatica door Salesforce voor data en AI?

Wat betekent de overname van Informatica door Salesforce voor data en AI?

Salesforce heeft aangekondigd dat het Informatica overneemt voor zo’n $8 miljard. Wat lijkt op een strategische fusie tussen twee softwaregiganten, is in werkelijkheid veel meer dan dat.
Deze overname heeft directe impact op hoe organisaties omgaan met datakwaliteit, governance en AI-adoptie. Het is een duidelijk signaal: zonder betrouwbare, goed geïntegreerde data, geen succesvolle AI. In onze nieuwste blog geven wij een analyse van deze ontwikkeling en leggen wij uit wat dit betekent voor jouw datastrategie.

Big Bang of stapsgewijs? De kunst van datamigraties

Big Bang of stapsgewijs? De kunst van datamigraties

Datamigraties lijken op het eerste gezicht slechts een technische randvoorwaarde, maar zijn in werkelijkheid een strategisch en risicovol proces. Uiteraard willen bedrijven de data die ze al hebben weer terugzien in de nieuwe applicatie. Het klinkt misschien als een simpele verhuizing, maar bij een datamigratie komt een hoop kijken. Je hebt immers niet alleen te maken met de twee systemen waar de data uitkomt, maar ook met de kritische processen die erop draaien. Denk aan orderverwerking, voorraadbeheer of klantcommunicatie.

Een slechte aanpak kan zorgen voor kostbare downtime, verstoringen in processen of zelfs verlies van klantvertrouwen. Organisaties staan vaak voor de keuze tussen twee migratiestrategieën: de ‘big bang’-aanpak of een gefaseerde overgang.
Welke kies je en waarom? We nemen je mee in de afwegingen.

Van Inzicht naar Data gedreven: DE SPRONG van AWS Data Warehouse naar Data Lakehouse

Van Inzicht naar Data gedreven: DE SPRONG van AWS Data Warehouse naar Data Lakehouse

Veel organisaties vertrouwen op hun data warehouse voor analyse en besluitvorming. Maar data is allang niet meer alleen gestructureerd: e-mails, Excel-bestanden, afbeeldingen en sensordata vormen inmiddels het grootste deel. En daar zijn traditionele warehouses niet op gebouwd.
De oplossing? Een Data Lakehouse: schaalbaar, flexibel én kostenefficiënt – zonder de betrouwbaarheid van een warehouse te verliezen. Maar hoe zet je die stap als je huidige omgeving op AWS draait? En hoe voorkom je vendor lock-in?

Zo begin je vandaag nog met Fabric

Zo begin je vandaag nog met Fabric

Microsoft Fabric is niet zo maar wéér een tool om iets te doen met je data. Het is een platformshift. Een alles-in-één oplossing die data-engineering toegankelijker en resultaatgerichter maakt. Je bent minder tijd kwijt aan de infrastructuur en hebt meer tijd om echt impact te maken. Het andere grote voordeel: Automatisering, data visualisatie en data governance zitten er vanaf dag één ingebakken.

Gebruik de gratis 60-dagen trial. Test het: één bron, één flow, één dashboard. Meer heb je niet nodig om te zien of het werkt voor jou.

Encryptie-by-Design, het veilig en verantwoord beheren van persoonsgegevens en gevoelige data

Encryptie-by-Design, het veilig en verantwoord beheren van persoonsgegevens en gevoelige data

Als data engineer of manager weet je hoe belangrijk het is om persoonsgegevens veilig te verwerken, vooral met de AVG op de achtergrond. Bij RBI hebben we Encryptie-by-Design als uitgangspunt toegepast tijdens verschillende projecten: alle persoonsgegevens worden standaard versleuteld bij het ontsluiten van data.
🔐 De sleutel? Alleen decryptie wanneer het echt noodzakelijk is. Dit minimaliseert risico’s en zorgt dat je dataplatform compliant blijft.

Praten met je data, toepassing van AI om inzichten te halen uit je eigen data

Praten met je data, toepassing van AI om inzichten te halen uit je eigen data

Data is er genoeg. Maar hoe zorg je ervoor dat de juiste mensen de juiste informatie to zich kunnen nemen?
Bij RBI onderzochten we hoe AI-selfserviceplatformen medewerkers kunnen helpen om zelf inzichten uit data te halen. Denk aan een chatbot of custom GPT waarmee je team direct met hun data kunnen ‘praten’. De vraag die wij onszelf stelden: hoe kun je een self-serviceplatform voor datavragen implementeren?

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

“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.

Employee 360° – Hoe goed ken jij je medewerkers écht?

Employee 360° – Hoe goed ken jij je medewerkers écht?

In de war for talent is het niet genoeg om alleen te werven — je moet ook je huidige medewerkers goed begrijpen én behouden. Een Employee 360° view bundelt versnipperde data tot één compleet beeld van je mensen: hun skills, prestaties, ambities en betrokkenheid. Zo zie je sneller wie klaar is voor de volgende stap, waar risico’s liggen en hoe je gericht kunt ondersteunen. Ontdek wat een Employee 360° voor jouw organisatie kan betekenen in deze blogpost.

Van een dagelijkse batch naar streaming analytics, wanneer is dit relevant?

Van een dagelijkse batch naar streaming analytics, wanneer is dit relevant?

In sectoren waar elke seconde telt – zoals de farmaceutische industrie – maakt streaming analytics het verschil. Door inzichtelijke real-time data is er sprake van minder verspilling, snellere interventie én hogere klanttevredenheid. In deze blogpost lees je over de voordelen van streaming analytics.