RBI-Solutions blog

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.

Kun je vertellen hoe lang je al bij RBI werkt en hoe je bent begonnen?

Ik werk inmiddels ruim vier jaar bij RBI. Ik ben destijds via een oude klasgenoot en goede vriend, Haci, in contact gekomen met het bedrijf. Zijn enthousiasme over de organisatie en de projecten waar hij aan werkte, wekten mijn interesse. Na een goed gesprek en een positieve kennismaking ben ik gestart en dat bleek een hele goede keuze.

Wat voor soort opdrachten heb je sinds die tijd gehad en wat doe je nu precies?

Sinds mijn start bij RBI heb ik voornamelijk gewerkt als Data Engineer, met af en toe een rol als BI-specialist. Ik heb opdrachten uitgevoerd in diverse sectoren, waaronder telecom, hypotheken, advertising en entertainment.

Momenteel werk ik bij een grote entertainmentorganisatie als Data Engineer. In deze rol ben ik verantwoordelijk voor alles wat met data te maken heeft: van het ontsluiten van databronnen tot het uitvoeren van complexe transformaties en het bouwen en vullen van datamarts. Het is een veelzijdige functie waarbij ik echt van begin tot eind betrokken ben bij de dataketen.

Kun je iets vertellen over je rol als Data Engineer? Wat houdt je werk precies in?

Als Data Engineer richt ik me op het beschikbaar maken van betrouwbare en bruikbare data, zodat de business de juiste beslissingen kan nemen. Mijn werk draait om het bouwen van datastromen: van het ontsluiten van ruwe databronnen tot het transformeren van die data naar gestructureerde en inzichtelijke datasets.

Het uiteindelijke doel van mijn werk is om vraagstukken vanuit de business te beantwoorden met behulp van data. Ik werk dan ook vaak samen met analisten, BI-specialisten en andere stakeholders om ervoor te zorgen dat de data aansluit bij hun behoeften en inzichten oplevert die er écht toe doen.

Wat vind je het meest uitdagend en ook het meest bevredigend in je werk als data engineer en BI consultant?

Wat mij het meest motiveert, is om ruwe, en op het eerste gezicht onbeduidende data, om te zetten in iets waardevols; informatie die de business écht verder helpt. Het geeft veel voldoening om te zien hoe data, mits goed bewerkt en gepresenteerd, kan bijdragen aan betere beslissingen en strategische inzichten.

Tegelijkertijd zit daar ook direct een van de grootste uitdagingen: datakwaliteit. In veel gevallen is de data incompleet, inconsistent of verspreid over verschillende bronnen. Het vergt vaak veel creativiteit en technische kennis om daar iets betrouwbaars van te maken. Daarnaast haal ik veel energie uit de samenwerking met stakeholders en collega’s. Die interactie zorgt ervoor dat ik het bredere plaatje blijf zien en mezelf blijf ontwikkelen, zowel inhoudelijk als in mijn communicatieve vaardigheden.

Welke technologieën en tools gebruik je het liefst in je werk en waarom?

In mijn werk maak ik het liefst gebruik van cloudplatforms zoals AWS en Azure, omdat ze schaalbaar en flexibel zijn en veel mogelijkheden bieden voor data-integratie en automatisering. Ze sluiten goed aan op de behoeften van moderne data-architecturen. Qua tooling werk ik graag met Power BI voor het visualiseren van data en het vertalen van complexe datasets naar heldere inzichten voor de business. Voor data-integratie en ETL-processen gebruik ik onder andere SSIS en Azure Data Factory (ADF), omdat ze krachtig zijn in het bouwen van herbruikbare en onderhoudbare datastromen.

Daarnaast blijft SQL voor mij een essentiële tool: het is nog altijd de basis voor veel datawerk, en ik gebruik het dagelijks voor het modelleren, transformeren en analyseren van data. De combinatie van deze tools stelt me in staat om zowel data-engineering als BI-vraagstukken effectief aan te pakken.

Kun je een voorbeeld geven van een project waar je echt trots op bent en wat je bijdrage was aan dat project?

Een project waar ik bijzonder trots op ben, is mijn werk bij een organisatie in de advertising sector. Tijdens verschillende projecten daar vond ik het werk extra leuk omdat ik de impact van mijn bijdrage direct kon zien, zowel op operationeel, als strategisch niveau.

Naast het opzetten van data pipelines om data centraal en toegankelijk te maken, was ik ook verantwoordelijk voor het ontwikkelen van dashboards voor verschillende afdelingen, waaronder management, sales en operatie. Hierdoor konden verschillende teams hun werk beter sturen en optimaliseren, wat leidde tot meetbare verbeteringen binnen de organisatie. Het directe verband tussen mijn werk en de positieve impact op meerdere niveaus maakte dit project erg waardevol en motiverend voor mij.

Hoe blijf je op de hoogte van de nieuwste ontwikkelingen in de wereld van data engineering en business intelligence?

Ik blijf continu leren en ontwikkelen door het volgen van certificeringen die mijn kennis en vaardigheden verdiepen. Daarnaast vind ik het heel waardevol om regelmatig te communiceren met collega’s; zo leer ik welke tools en methodes zij gebruiken en krijg ik inzicht in hun projecten en best practices.

Ook experimenteer ik graag met nieuwe tools en technologieën, wat mij helpt om up-to-date te blijven en mijn werk steeds verder te verbeteren. Deze combinatie van formeel leren, kennisdeling en praktische toepassing zorgt ervoor dat ik altijd mee kan bewegen met de snelle ontwikkelingen in ons vakgebied.

Hoe zou je de bedrijfscultuur bij ons omschrijven en wat maakt het voor jou aantrekkelijk om voor ons te werken?

De bedrijfscultuur bij RBI kenmerkt zich voor mij vooral door de sterke collegialiteit en het ‘familiegevoel’ dat er heerst. Dat geeft me echt het gevoel dat ik bij de juiste organisatie hoor. Daarnaast wordt kennisdeling tussen collega’s actief gestimuleerd, wat zorgt voor een inspirerende en leerzame werkomgeving waarin iedereen groeit. Deze combinatie van een warme, hechte cultuur en een focus op samenwerken en ontwikkelen maakt het voor mij aantrekkelijk om bij RBI te werken.

Wat zou je zeggen tegen iemand die overweegt om bij ons te komen werken? Waarom zou je RBI als werkgever aanbevelen?

Als je overweegt om bij ons te komen werken, zou ik vooral willen benadrukken dat de sfeer en cultuur hier écht bijzonder zijn. Er heerst een open, collegiale omgeving waarin je jezelf kunt zijn en waarin samenwerken centraal staat.

Daarnaast biedt RBI volop kansen voor persoonlijke ontwikkeling. Je krijgt ruimte om te groeien, nieuwe skills te leren en jezelf professioneel te blijven uitdagen. Deze combinatie maakt RBI een aantrekkelijke en stimulerende werkgever, waar je met plezier aan interessante projecten kunt werken.

Zie je de rol van data engineering en business intelligence evolueren in de komende jaren? Wat moeten bedrijven volgens jou doen om voorop te blijven lopen?

De rol van data engineering en business intelligence blijft zich sterk ontwikkelen, vooral doordat de markt en de behoeften van bedrijven continu veranderen. Om voorop te blijven lopen, is het belangrijk dat organisaties goed blijven luisteren naar wat de markt vraagt en inspelen op nieuwe trends en tools die aansluiten bij die behoeften.

Daarbij is het essentieel om flexibel en adaptief te zijn in de manier waarop data-infrastructuren worden opgebouwd, zodat ze snel kunnen meebewegen met veranderende vraagstukken. Ook investeren in de juiste talenten en innovatie helpt bedrijven om relevant te blijven en maximaal te profiteren van de waarde van data.

Wat denk je dat de belangrijkste trends zijn in de wereld van data en BI, en hoe spelen wij daarop in?

Een van de belangrijkste trends die ik zie, is de toenemende adoptie van cloudplatforms, zoals Microsoft Fabric, die verschillende data- en analysefuncties integreren en zo het werken met data eenvoudiger en efficiënter maken. Daarnaast speelt de toevoeging van AI een steeds grotere rol, waardoor analyses slimmer en sneller worden uitgevoerd en er meer voorspellende inzichten beschikbaar komen.

Wat voor impact denk je dat jouw werk heeft op de beslissingen van onze klanten? Kun je een voorbeeld geven van hoe jouw werk het verschil heeft gemaakt?

Het feit dat data gebruikt wordt om beslissingen te onderbouwen is al een belangrijke stap. Het helpt organisaties om keuzes te maken op basis van feiten in plaats van gevoel. Mijn werk levert die inzichten aan door data toegankelijk, betrouwbaar en bruikbaar te maken.

Bij een advertising organisatie heb ik bijvoorbeeld dashboards ontwikkeld die inzicht gaven in de performance van advertentiecampagnes per klant, inclusief opbrengst per frame per impressie. Deze informatie was voorheen versnipperd en lastig te combineren, maar door het goed modelleren van de data en het bouwen van overzichtelijke dashboards konden verschillende afdelingen, zoals sales en accountmanagement, beter onderbouwde gesprekken voeren met adverteerders.

Meer weten over wat wij met data kunnen?

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

Data-APK: inzicht en zekerheid voor jouw bedrijfsdata

In een tijd waarin beslissingen steeds meer op data leunen, is het essentieel om zeker te weten dat die data klopt. Net als een auto die regelmatig een APK nodig heeft om veilig te blijven rijden, vraagt ook jouw bedrijfsdata om een periodieke check. Bij RBI Solutions noemen we dat de Data-APK: een slimme, laagdrempelige manier om jouw data in kaart te brengen, problemen te signaleren en waardevolle inzichten te bieden die jouw organisatie helpen sneller en beter beslissingen te nemen.

de transitie met Microsoft Fabric

In veel MKB-organisaties is het verzamelen en rapporteren van data nog steeds een tijdrovende en foutgevoelige klus. Excel-bestanden circuleren overal, gegevens worden handmatig gecorrigeerd in verschillende systemen en rapportages worden met de hand bijgewerkt. Het gevolg is dat managers en analisten vaak worstelen met verouderde inzichten, inconsistente cijfers en een gebrek aan overzicht. Hierdoor duurt het langer voordat er goede beslissingen genomen kunnen worden en het vertrouwen in de data neemt af.

Een bekend probleem is dat data uit verschillende systemen, zoals een boekhoudpakket, CRM of HR-software, niet automatisch met elkaar verbonden zijn. Dit leidt tot dubbel werk, handmatige controles en fouten bij het overzetten van data. Denk bijvoorbeeld aan het handmatig aanpassen van uitzonderingen in BTW-tarieven of het dubbel moeten invoeren van klantgegevens. Deze werkwijze kost veel tijd en brengt risico’s met zich mee.

Metagegevens als motor: hoe gebruik van information_schema je dataplatform slimmer kan maken

Hopelijk weet iedereen die met databases werkt van het bestaan van standaard metagegevens waarmee er gemakkelijk inzicht verkregen kan worden over de structuur, data en opzet van de database. Ook voor dataplatforms zijn deze objecten enorm waardevol. Toch wordt het potentieel van metagegevens nog vaak onderschat, terwijl vrijwel elke (moderne) relationele database, van PostgreSQL tot Snowflake, een krachtig en vaak onderbenut startpunt biedt in de vorm van information_schema.

In deze blog duiken we dieper in hoe metagegevens via information_schema je dataplatform slimmer, transparanter en beheersbaarder maken. Voor zowel data engineers die pipelines bouwen, als analisten die vertrouwen op stabiele datasets, bieden deze metagegevens enorme voordelen. Van automatisch documenteren tot het voorkomen van incidenten: wie information_schema goed gebruikt, bouwt een robuuster platform.

Van tijd naar trigger: De weg naar een event-driven data architectuur

Sinds het begin van het gebruik van Business Intelligence hebben organisaties vertrouwd op periodieke dataverwerking, de zogenaamde ’batch jobs’ die elke nacht draaien. Sindsdien is de behoefte aan snelheid, flexibiliteit en realtime inzichten enorm toegenomen. Die behoefte zorgt dan ook voor een fundamentele verschuiving in hoe we data-architecturen ontwerpen: weg van batch processen, op weg naar een event-driven benadering.

Maar wat betekent dat eigenlijk: ’event-driven’? En waarom zou je hier als data engineer, analist, data scientist of business gebruiker wakker van moeten liggen? In deze blog duiken we in de wereld van event-driven data-architecturen, hun voordelen, uitdagingen, en de tools die deze transitie mogelijk maken.

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.

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?

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

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

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

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

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

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?

« Older Entries