Ik breng bronnen samen in een gemodelleerd, getest data warehouse: pipelines die elke dag draaien, cijfers die voor elke afdeling hetzelfde zijn, en rapportage die niemand meer met de hand in elkaar hoeft te zetten.
Dat werk deed ik als data engineer bij het Nederlands Lucht- en Ruimtevaartcentrum en als data-analist bij de Politie Noord-Holland — twee omgevingen waar een verkeerd cijfer echte gevolgen heeft. De projecten op deze site laten dezelfde aanpak zien, met de code in de openbaarheid.
Wat een team van mij kan verwachten
01
Modelleren vóór bouwen
Eerst de grain en de dimensies op papier, dan pas SQL. Een sterschema dat gedocumenteerd is, blijft ook begrijpelijk als ik er niet meer naast zit.
02
Tests op elke wijziging
Not-null, uniciteit en relaties als tests in de pipeline, en CI die ze op elke pull request draait. Een fout valt op vóór hij in een dashboard staat.
03
Batch én streaming
Dagelijkse ELT waar dat volstaat, Kafka en vensters waar cijfers binnen minuten moeten kloppen — inclusief dead-letter queue en replay voor het foutpad.
04
Uitlegbaar voor de afdeling
Een warehouse is pas af als de mensen die ermee werken het snappen. Documentatie en overdracht horen bij het werk, niet erna.
Waar ik dit deed
2024
Data Specialist - Cryptocurrency
Politie Noord-Holland
Data-analyse en automatisering binnen het strafrecht, onder harde eisen aan privacy en informatiebeveiliging. Pipelines waarin privacy by design het uitgangspunt is, niet een bijlage.
2023
Data Engineer
Nederlands Lucht- en Ruimtevaartcentrum (NLR)
Uiteenlopende dataprojecten in een onderzoeksomgeving waar de cijfers worden nagerekend — en waar de pipelines erachter dat moeten kunnen dragen.
Sinds 2020
Docent
Udemy
Cursussen over data en techniek voor mensen zonder technische achtergrond: 241 cursisten met een 4.2-rating. Dezelfde vaardigheid die een team nodig heeft bij elke overdracht.
Eén definitie per cijfer, voor elke afdeling dezelfde.
Fouten vallen op in de pipeline, niet in het dashboard.
Alles reproduceerbaar: vanaf nul met één commando.
Projecten die dit laten zien
Twee eigen projecten, van ruwe bron tot werkend resultaat — met de volledige aanpak en de code open en bloot.
Open-data-warehouse: een Kimball-sterschema op RDW en CBS
End-to-end ELT-platform op Nederlandse open data: Python-ingestie, dbt-transformaties en een gedocumenteerd sterschema — met tests en CI op elke pull request.
Realtime OV-streamingpipeline op Kafka
Elk voertuig in het Nederlandse openbaar vervoer, live gestreamd — van GTFS-realtime feed tot een kaart van het hele land, met de correctheidsgaranties erbij: per-partitie watermarks, at-least-once met idempotente upserts, een dead-letter queue en replay uit het ruwe archief.
Een warehouse dat klopt, voor jouw team?
Ik zoek een team waar ik dit werk goed kan doen. Een gesprek is zo gepland.