Wat ga je doen?
Dataplatform:
Je bouwt en onderhoudt datapijplijnen die campagneresultaten, klantinformatie, AI-assistentgesprekken en andere externe bronnen betrouwbaar en tijdig verzamelen.
Datamodellering:
Je ontwerpt een eenduidig datamodel voor klanten, merken, kanalen en campagnes, ook wanneer externe platformen verschillende definities en structuren gebruiken.
Opslag:
Je bepaalt onderbouwd welke data in PostgreSQL blijft en welke data naar een warehouse of lake gaat, inclusief de manier waarop historische gegevens worden bewaard.
Datakwaliteit:
Je controleert op ontbrekende dagen, dubbele records en afwijkende cijfers, zodat klanten en AI-modellen met correcte gegevens werken.
Datatoegang:
Je maakt data beschikbaar voor de beslismotor, dashboards en AI-assistent via goed gedocumenteerde tabellen, views of API’s.
Beslismotor:
Je werkt samen met de AI engineer aan features, test aanbevelingen en meet welke resultaten ze in de praktijk opleveren. Daarbij bewaak je klantdataseparatie, privacy en een zorgvuldige verwerking van persoonsgegevens.
Technische keuzes:
Je adviseert over tooling voor transformaties en orkestratie en kiest oplossingen die passen bij de huidige werkwijze en kunnen meegroeien met het product.
Wat breng je mee?
Data-engineering:
Je hebt ervaring met productiegerichte datapijplijnen en datasystemen voor opslag, transformatie en orkestratie.
Technologie:
Python en SQL vormen je stevige basis. Ervaring met datamodellering, ETL, SQL-databases, externe API’s en Docker is relevant.
Analyse:
Je werkt analytisch, gestructureerd en nauwkeurig, met oog voor detail in schemawijzigingen, rate limits, historische data en datakwaliteit.
Verantwoordelijkheid:
Je begrijpt privacy en de AVG en kunt technische keuzes helder onderbouwen. Kennis van Google Ads, Meta, ongestructureerde data, feature stores of embeddings is nice to have.
Ontwikkeling:
Je kunt je inhoudelijk ontwikkelen in de
Wat krijg je?
Invloed:
Je zet een dataplatform grotendeels vanaf de basis op en bepaalt mee welke architectuur, opslag en tooling passend zijn.
Inhoudelijke groei:
Je krijgt ruimte om je te ontwikkelen richting data-architectuur of machine learning en om meer technische verantwoordelijkheid te nemen.
Directe impact:
Je ziet hoe betrouwbare data aanbevelingen voor klanten verbetert binnen een eigen AI-gedreven product.
AI-first werken:
Je gebruikt AI-tools als onderdeel van je dagelijkse ontwikkeling. Werkwijzen die aantoonbaar goed werken, worden samen verder toegepast.
Samenwerking:
Je werkt met korte lijnen in een team waarin technische discussies, kennisdeling en gezamen16.