De analyse-, modellering- en bouwskills van een Data Engineer
  • Insight

De analyse-, modellering- en bouwskills van een Data Engineer

Gilbert foto thumbnail

Van de eerste generatie

Ik ben Gilbert Sopakuwa en werk sinds 2007 bij KVL. Na mijn afstuderen (Hogere Informatica, richting: Information Engineering) werd ik 'gerecruit' voor het allereerste Data & Analytics Programma van KVL. Na dat programma doorlopen te hebben kon ik meteen aan de slag. 14 jaar en 7 opdrachten later ben ik nog steeds erg gelukkig bij KVL.

"Mijn rol is vaak technisch maar de laatste paar jaren komt er meer data analyse bij. Ik doe ook de data modellering. Met data modellering zoek ik in feite uit hoe de werkelijke relatie is van de verschillende informatiedelen om uiteindelijk tot een werkbaar model te komen voor goede rapportages."

Verschillende branches en culturen

Het mooie aan de rol van Data Engineer is dat je opdrachten doet bij een hoop verschillende soorten bedrijven: grote, wat kleinere en wel vaak in de financiële hoek. De ene keer in Amsterdam, op de Zuidas, en dan weer in Leiden, Rijswijk of Den Haag. Je leert over allerlei soorten data: hypotheken, betaalautomaten, betaalrekeningen, credit cards, business lending, betalingsachterstanden, pensioenen en beleggingsfondsen en de andere keer gaat het over farmaceutische producten of leaseautoverzekering. Bij de grotere organisaties werk je vaak met mensen van verschillende nationaliteiten en ik heb ook bij een, van oorsprong, Amerikaanse- en Japanse organisatie gewerkt. Het is heel interessant om te ervaren hoe is om te werken met Fransen, Engelsen, Italianen, Japanners of mensen uit de Emiraten. In deze rol ben je constant aan het leren.

Techniek en data analyse

Mijn rol bij de opdrachtgever is vaak technisch maar de laatste paar jaren gecombineerd met analyse. Bij mijn huidige opdrachtgever ben ik nieuwe bronnen aan het toevoegen aan een datawarehouse. Ik neem de analyse, modellering en de bouw voor mijn rekening.

Met data modelleren zoeken we in feite uit welke data waarde heeft voor de organisatie. Daarna volgt het visualiseren van deze data en dan de data in tabellen definiëren. We kijken dus hoe de werkelijke relatie van de verschillende informatiedelen in elkaar zit. Daarna volgt een proces van omvormen en versimpelen naar een werkbaar model dat grotendeels geautomatiseerd kan worden. In de automatiseringsslag gaat het erom dat de verschillende data-elementen op de handigste plek staan voor de business om uiteindelijk rapporten te maken. Voor mijn huidige opdrachtgever is het bijvoorbeeld Google Analytics website data binnenhalen via BigQuery en beschikbaar stellen in een feit/ dimensie ster of data van een telefonische helpdesk en klant survey data met API-calls binnenhalen en beschikbaar stellen aan het reporting team.

Durf hulp te vragen

Anderhalf jaar geleden had ik hulp nodig bij het modelleren van de Google Analytics data en vroeg wie mij kon helpen. Een modelleringsguru collega nam een dag de tijd om mij op kantoor in de Van Nelle een heel eind op weg te helpen. Soms werk je ook met andere KVL-ers voor dezelfde opdrachtgever. Het afgelopen half jaar moest ik één van de meest ervaren KVL-ers helpen met de bouw van een kritisch proces voor de klant en er was niet heel veel tijd maar omdat je elkaar al kent en weet wat je aan elkaar hebt liep dat als een trein. Ik kan ontzettend genieten van zulke samenwerkingen.

Een Data Engineer voor jouw organisatie?

Wil je ook een Data Engineer die de analyse, modellering en de bouw doet voor jouw dataprojecten? Wij hebben specialisten die jou en je team willen helpen. Ben je geïnteresseerd? Stuur een mail naar h.chikhi@kvl.nl.

Groei door data

We geven data al 25 jaar waarde én een gezicht. Maak vrijblijvend een afspraak, we helpen je graag op weg met Data & Analytics.

Direct contact