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:

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

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?

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.