RBI-Solutions blog

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.

Kun je iets vertellen over je rol als Senior Data/BI Consultant? Wat houdt je werk precies in?

Mijn rol bestaat uit het bespreken van vereisten met stakeholders en de Product Owner (PO) en uit technische inzichten/details verschaffen over de dataproducten waar ik aan heb gewerkt. Daarnaast geef ik functioneel en technisch advies over de dataproducten waar ik bekend mee ben, implementeer ik holistische dataoplossingen (van ruwe data tot datavisualisatie) op basis prioriteiten.

Je hebt veel ervaring in je vakgebied. Wat vind je het meest uitdagend en ook het meest bevredigend in je werk?

Bij het starten van een nieuw project is de grootste uitdaging om grip te krijgen op de sector van de klant, de bedrijfsprocessen te begrijpen en de belangrijkste aandachtspunten te identificeren. Het meest bevredigende aspect is om te zien dat mijn werk bruikbare en inzichtelijke resultaten oplevert voor de klant.

Welke technologieën en tools gebruik je het liefst en waarom?

Ik heb gewerkt met bekende tools (bijv. Visual Studio, SQL Server Management Studio, etc.) en andere niche tools (bijv. Jitterbit, Data Virtuality, etc.). Persoonlijk heb ik geen voorkeur voor specifieke platforms of tools, omdat de meeste leveranciers vergelijkbare functionaliteiten bieden om dagelijkse datataken uit te voeren.

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

Ik heb een dataproject, CMF bij een pensioenuitvoeringsorganisatie, overgenomen (90% voltooid) en wist de klant te overtuigen om functies te schrappen die theoretisch nuttig leken, maar in de praktijk nooit werden gebruikt. Hierdoor werd de verwerkingstijd van de batchjob teruggebracht van 2-3 dagen naar ongeveer 20 uur. Daarnaast heb ik de nauwkeurigheid van het premieberekeningsmodel aanzienlijk verbeterd (van een variatie van 1,5% naar slechts 0,001%).

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

Ik volg tech news, zowel professioneel als informee,l via techwebsites en sociale media. Daarnaast delen we kennis onder collega’s bij RBI Solutions.

Je komt oorspronkelijk uit China. Hoe heeft jouw achtergrond en internationale ervaring je werk beïnvloed?

Ik woon sinds eind 2001 in Nederland en heb hier al mijn hogere opleidingen gevolgd (bachelor & master). Ik heb nooit buiten Nederland gewerkt, maar wel voor een werkgever met een multinationale setting. Wat ik kan zeggen, is dat verschillende culturen verschillende kernwaarden kunnen hebben. Ik probeer altijd mijn best te doen om die verschillen te minimaliseren en de focus te leggen op de gemeenschappelijke basis om gewenste resultaten te behalen.

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

Bij RBI is er weinig hiërarchie, geen bureaucratie, en het bedrijf heeft een jonge en energieke sfeer.

Als je een tip zou mogen geven aan toekomstige collega’s die bij ons willen werken, wat zou dat dan zijn?

Open-mindness.

Hoe 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?

Door de jaren heen zijn termen rondom data flink geëvolueerd: van reporting naar business intelligence, naar big data analytics en AI. Maar empirisch gezien draait het nog steeds grotendeels om reporting. Bedrijven moeten focussen op tastbare aspecten van hun kernactiviteiten en vermijden om op elke hype in te springen. De focus moet liggen op de basis: het bouwen van een toekomstbestendige datafundering.

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 dataproduct, waarvoor ik de afgelopen vier jaar verantwoordelijk ben geweest, is gebouwd om de proceskwaliteit van facturatie te borgen. Je kunt er mee aantonen dat alle facturen echt correct zijn. Sindsdien wordt het gebruikt als validatiemethode voor het evalueren van de resultaten van het facturatieproces. Tegenwoordig worden facturen pas goedgekeurd nadat de resultaten zijn gevalideerd.

Bedankt Wensi, voor dit interview!

Meer weten over wat wij met data kunnen?

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

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.

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

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?

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!

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!

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

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

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

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?

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

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?

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.

« Older Entries