RBI-Solutions blog

Van Economie naar Data Engineering: Een Interview met Jordi

Hoe word je een data engineer? Voor Jordi begon het allemaal tijdens een economiestudie en een beginnerscursus R. Wat volgde was een carrière vol leermomenten, technische uitdagingen en diverse werkvelden – van het CBS en een startup tot Defensie. In dit interview deelt hij zijn verhaal, ervaringen en waardevolle tips voor andere data professionals.

Hoe ben jij data engineer geworden?

“Het begon eigenlijk tijdens mijn economiestudie. Na een beginnerscursus R maakte ik er een sport van om waar mogelijk R of Python te gebruiken voor verschillende opdrachten, bijvoorbeeld voor het plotten van grafieken. Op die manier ben ik me steeds verder gaan verdiepen in Python en R. Dit bleek een gouden zet, want het leidde tot een stageplek bij het CBS. Ze zochten specifiek iemand met een economische achtergrond die ook kon programmeren.

Na mijn stage ben ik daar gebleven en in een data science traineetraject gerold. Ik hield me vooral bezig met het aanpassen en uitbreiden van productiesystemen, waarbij ik veel inhoudelijke controles en validaties uitvoerde. Het interessante was dat veel technisch werk werd gedaan door mensen zonder IT-achtergrond.”

Je hebt ook buiten het CBS gewerkt. Wat deed je toen?

“Ja, ik werkte een tijd bij een technische startup. Daar werkten we bijvoorbeeld aan het inzichtelijk maken van rijgedrag van vrachtwagenvloten. Ik kreeg te maken met streaming data, Kafka, CI/CD, DevOps, en microservices op een on-premise Kubernetes platform. Dit was een hele fascinerende tijd met werkzaamheden die uiteenliepen van het ontwerpen en bouwen van pipelines, het troubleshooten van productie-issues, onderzoeken van nieuwe bronnen tot het helpen zorgen dat IoT-devices correct werden geïnstalleerd in de voertuigen.”

Zie je jezelf meer als data scientist of data engineer?

“Zeker meer als data engineer. Ik ben altijd wel iets aan het leren, en mijn interesses wisselen regelmatig. Software engineering, web development, programmeertalen, containers, cloud, security, algoritmes, architectuur, testtechnieken, agile gedachtengoed, DevOps, etc. Juist voor data engineering komt dat van pas. Uiteindelijk gaat het me erom dat een oplossing waarde oplevert en dat collega’s er in de toekomst mee verder kunnen. Daarbij zou ik me niet willen beperken tot de wereld van ML/AI.”

Je bent uiteindelijk weer teruggegaan naar het CBS. Waarom?

“Eerlijk gezegd vooral vanwege zorgen om het voortbestaan van de startup. En ik had de kans om in een ontwikkelteam te werken waar we echt samen aan oplossingen bouwden. Het samenwerken en sparren had ik in eerdere teams bij het CBS gemist. In dit nieuwe team kon ik volop groeien, het voortouw nemen in verschillende projecten en uiteindelijk ook bijdragen aan teamoverstijgende uitdagingen.”

Je bent overgestapt naar RBI-Solutions, wat doe je nu?

“Ik heb verschillende prototypen gemaakt voor het laagdrempelig beheer van referentiedata, bijvoorbeeld door data stewards, in een cloud-oplossing op basis van object storage. De eerste prototypen maken gebruik van ADF en Snowflake.

Daarnaast heb ik een aantal trainingen voor collega’s verzorgd op het gebied van containers (Docker), orchestration (Kubernetes) en data management.

Voor RBI-Solutions ga je binnenkort naar Defensie?

“Heel binnenkort ga ik starten als data engineer bij Defensie, specifiek voor de Marechaussee, waar ik me bezig ga houden met streaming data en DevSecOps. Daar liggen hele mooie uitdagingen om hun bestaande omgevingen te migreren en een mooie bijdrage aan het nieuwe strategische data platform te leveren.”

Waarom heb je voor RBI gekozen?

“Vooral vanwege het team. Wat me direct opviel tijdens de sollicitatie was dat er meteen andere data engineers aanschoven bij het gesprek, niet alleen managers. De klik met de collega’s was er meteen – ze waren aardig, vriendelijk en gezellig. Ook waardeer ik de RBI-Friday voor studie en teambuilding. Daarnaast vind ik het fijn dat er niet één specifieke technologie of leverancier centraal staat. Na jaren bij het CBS wilde ik graag ervaring opdoen in verschillende contexten, en als consultant krijg je die kans.”

Heb je nog een tip voor andere data professionals?

“Absoluut: besteed meer aandacht aan testen! Ik zie vaak dat mensen denken ‘het is maar SQL, dat hoeven we niet te testen’ of ‘dat is ooit al getest’. Later blijkt dan dat je al lange tijd met foute data werkt. Testen is makkelijker en minder pijnlijk als je er al mee bezig bent aan het begin van je proces. Wacht er niet mee wacht tot er al een berg werk verzet is; een extra stap aan de voorkant bespaart je vaak drie stappen om het later te corrigeren.

En ja, dat past prima binnen een Agile werkwijze, je moet het alleen een goede plek geven: juist door er continu mee bezig te zijn kun je je systemen op zo’n manier vormgeven dat ze makkelijker (in losse delen) te testen zijn. Als het testen makkelijk is, geeft dat juist vertrouwen bij veranderingen.”

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

Hoe afhankelijk ben jij van je office software?

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.

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

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?

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!

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!

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

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

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

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?

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

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?

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.