RBI-Solutions blog

Interview met Meggie van den Boom: Van Film naar Data Engineering

Meggie maakte een indrukwekkende reis: van verhalen vertellen met film naar structuren bouwen met data. Haar creativiteit uit de filmwereld komt nu perfect tot zijn recht als data engineer bij RBI, waar ze de brug slaat tussen data-analyse en techniek. In ons nieuwste interview deelt Meggie hoe ze de overstap maakte van filmmaker naar data-expert, waarom samenwerken in een dynamisch team haar drijft, en wat haar werk zo uitdagend én boeiend maakt.

Kun je ons iets vertellen over je achtergrond en hoe je bent gekomen waar je nu bent?

“Mijn carrière begon op de kunstacademie, waar ik me specialiseerde in film (fictie). Het was ontzettend leuk te werken met acteurs, sound design en andere elementen van film. Ik ben daar afgestudeerd en het belangrijkste dat ik daar leerde, was hoe je je eigen visie kunt ontwikkelen. In de filmindustrie ligt de nadruk sterk op creativiteit en veel minder op de markt. Na mijn afstuderen ben ik als zzp’er aan de slag gegaan en heb ik verschillende commerciële films gemaakt. Ik kwam op allerlei verschillende plekken en kreeg een kijkje achter de schermen bij verschillende producties. Wat me echter steeds duidelijker werd, was dat de praktische kant van de organisatie me minder trok. Dat paste gewoon niet bij mij.”

Waarom heb je de overstap gemaakt van film naar data?

“Ik heb altijd al interesse gehad in wiskunde en het ontwikkelen van systemen, dus ik voelde me daar sterk toe aangetrokken. Mijn zus werkt al in de data-industrie en zij suggereerde dat het misschien iets voor mij zou zijn. Ze motiveerde me om cursussen te doen. Ik begon met zelfstudie en besloot uiteindelijk om me volledig om te scholen. Om een sterke basis te leggen besloot ik om een half jaar een fulltime bootcamp als data engineer te volgen, met veel focus op data-analyse en data science. Dat was een intensieve periode, maar ik heb het succesvol afgerond.”

Wat gebeurde er daarna?

“Na de bootcamp begon ik bij Maxaro, een bedrijf dat badkamers en tegels verkoopt. Ik startte als webshopbeheerder, maar al snel kwam ik in aanraking met PowerBI en Python, waarmee ik dashboards en rapportages ontwikkelde. Wat ik merkte, was dat ik het samenwerken met andere data engineers en analisten miste. Ik was daar eigenlijk de enige in die rol, waardoor ik weinig kon sparren met collega’s over inhoudelijke keuzes. Dit bracht me ertoe om verder te zoeken naar een rol die beter aansloot bij mijn interesses.”

Hoe ben je uiteindelijk in de consultancy en data engineering terechtgekomen?

“Ik ging aan de slag bij Eiffel, een consultancybedrijf, en dat bleek precies te zijn wat ik zocht. In de coronatijd werkte ik veel op afstand, maar ik kreeg uitdagende opdrachten en trainingen die mijn ontwikkeling stimuleerden. Ik heb veel geleerd van collega’s, bijvoorbeeld door een grote opdracht bij de Rabobank, waar ik werkte aan data-analyse en productoptimalisatie. Hier groeide mijn interesse in de technische kant van data engineering. Ik wilde begrijpen waar data vandaan komt en hoe deze ontsloten kan worden. Uiteindelijk maakte ik de overstap naar Alfa Accountants, waar ik samenwerkte met medioren en senioren in data engineering. Dat was precies de ervaring die ik zocht. Ik wilde werken in een bedrijf waar je elke keer nieuwe uitdagende opdrachten krijgt en waarin je voortdurend kunt groeien.”

En hoe ben je bij RBI terechtgekomen?

“Bij RBI werk ik sinds november 2023 als data engineer. Momenteel ben ik werkzaam bij Alpina, een verzekeringsbedrijf dat een aantal jaar geleden is ontstaan uit een fusie van verschillende bedrijven. Dat maakt het erg complex, want veel systemen zijn nog niet volledig geïntegreerd en de data komt uit verschillende bronnen die niet altijd makkelijk zijn samen te voegen. Mijn rol is om als bruggenbouwer tussen analisten en engineers te fungeren. Ik ontwerp en bouw datamarts voor de data-analisten en besteed veel aandacht aan de kwaliteit en juistheid van de data. Het testen of alles werkt, is een cruciaal onderdeel van mijn werk.”

Wat houdt je werk precies in bij Alpina?

“Ik werk veel met tools zoals DBT (Data Build Tool), SQL en Ninja voor dynamische queries. Databricks is de bron van de data, waar we bewerkingen uitvoeren voordat de data wordt teruggeplaatst. Daarnaast gebruik ik ADF (Azure Data Factory) voor data-integratie. Het is een technische uitdaging, maar ik vind het erg leuk om complexe problemen op te lossen en ervoor te zorgen dat de data betrouwbaar is voor de teams die ermee werken.”

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

“Mijn kennis is grotendeels zelf opgebouwd. Na de bootcamp had ik een basis, maar bij Maxaro ben ik veel gaan experimenteren en heb ik zelfstudie gedaan met behulp van YouTube tutorials en andere bronnen. Het belangrijkste voor mij is dat ik een goed begrip heb van architectuur en de keuzes die gemaakt worden bij het ontwikkelen van systemen. Veel online cursussen zijn vrij oppervlakkig; de echte uitdagingen ontdek je pas wanneer je er in de praktijk mee aan de slag gaat. Het blijven leren is dus essentieel. Ook voor nieuwe medewerkers stel ik altijd een plan op met theorie en use cases, zodat ze het ook kunnen toepassen in de praktijk.”

Wat is de reden dat je hebt gekozen voor een functie bij RBI?

“RBI sprak me aan vanwege de korte lijntjes en de open cultuur. Het is een klein bedrijf, en dat maakt het heel toegankelijk en dynamisch. Veel collega’s zitten in dezelfde ontwikkelingsfase, waardoor er een fijne balans is tussen werken en persoonlijke groei. De ontwikkelkansen die er zijn, vind ik ook aantrekkelijk. Ik ben hier bijvoorbeeld erg blij met de RBI-Friday, waarbij je al je collega’s ziet en gesprekken kunt voeren over alles, niet alleen werk. Je bouwt echt samen iets op met elkaar.”

Hoe zie jij de veranderingen binnen RBI?

“Er is de laatste tijd veel veranderd met de komst van Melvin en Desirée. Er is meer structuur gekomen, een plan, en wat vastigheid. Het is inspirerend om te zien hoe het bedrijf zich ontwikkelt en om daar deel van uit te maken. Het voelt als een plek waar je niet alleen zelf kunt groeien, maar ook kunt bijdragen aan de groei van het bedrijf.”

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

“Mijn belangrijkste tip is dat je in de datawereld altijd goed moet communiceren. Je werkt vaak met verschillende teams: de mensen die de data leveren, de mensen die de data gebruiken, en de mensen die er producten mee bouwen. Afstemmen en overleggen is cruciaal om ervoor te zorgen dat alles goed werkt. Ook voor mezelf is het een fijne combinatie van technische skills en sociale interactie. Je kunt daarnaast ook echt je creativiteit kwijt in het vinden van oplossingen voor complexe vraagstukken. Het is dus een vak waarin zowel je technische skills, sociale vaardigheden en zelf je creativiteit goed tot hun recht kunnen komen.”

Wat zijn je toekomstplannen?

“Ik zou graag verder willen leren en certificaten halen, bijvoorbeeld voor DBT en Databricks. Het is altijd goed om je kennis te blijven verdiepen en te zorgen dat je up-to-date blijft. En verder? Ik ben blij met de richting die ik ben ingeslagen en kijk ernaar uit om me verder te ontwikkelen binnen de data engineering.”

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

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.

van ruwe data naar waardevolle inzichten –  een interview met wensi

van ruwe data naar waardevolle inzichten – een interview met wensi

Hoe transformeer je complexe data tot bruikbare inzichten die écht impact maken? Wensi Ai, Senior Data/BI Consultant bij RBI, deelt in dit interview zijn ervaring en visie op de wereld van data engineering én business intelligence.

Van het doorgronden van nieuwe sectoren tot het optimaliseren van batchprocessen—Wensi laat zien hoe strategische keuzes en slimme data-oplossingen het verschil maken. Zo wist hij de verwerkingstijd van een batchjob terug te brengen van 3 dagen naar 20 uur én verbeterde hij de nauwkeurigheid van een premieberekeningsmodel drastisch.

Data, Technologie en Groei: in Gesprek met Teo

Data, Technologie en Groei: in Gesprek met Teo

We zitten om tafel met Teo, Data Engineer bij RBI Solutions. Teo heeft een scherpe expertise opgebouwd in SQL, Python en Dashboarding tools. In dit interview vertelt hij je over zijn passie voor data en de veelzijdige projecten die hij bij onze klanten heeft uitgevoerd.

De rol van data platform engineer

De rol van data platform engineer

Organisaties vertrouwen steeds meer op data om strategische beslissingen te nemen. Maar zonder een sterke data-infrastructuur blijft waardevolle data onbenut. Een Data Platform Engineer speelt een essentiële rol in het opzetten van deze infrastructuur. Van het ontwerpen van schaalbare data-architecturen tot het bouwen van robuuste data-pipelines – deze engineers zorgen ervoor dat data efficiënt, bruikbaar en veilig is. Vandaag een post over wat deze rol precies inhoudt.

Data Vault VS. Dimensionele Modellering

Data Vault VS. Dimensionele Modellering

Dat onze data-experts goed zijn in datamodellering kunnen we wel zeggen, maar we laten het liever zien! In deze blogpost deelt collega en Data/BI Consultant Wensi zijn kennis over datamodellering, specifiek rondom Data Vault en Dimensioneel Modelleren.