Vacancy description
Imported 2026-11-06 16:15:32.811124+00:00
Data Engineer | Ben jij de Data Engineer die een datawarehouse opzet en de architectuurkeuzes durft te maken? | Hybride werken | Tot 97K p/j | regio Noord – Brabant
De organisatie
Deze groeiende softwareorganisatie ontwikkelt een eigen platform waarmee klanten hun digitale prestaties beter kunnen analyseren, optimaliseren en automatiseren. Data speelt daarin een centrale rol, van het verzamelen van campagneresultaten tot het voeden van AI-gedreven aanbevelingen en beslissingen.
De organisatie bevindt zich in een fase waarin de technische basis verder wordt opgeschaald en geprofessionaliseerd. Daardoor is er veel ruimte om invloed uit te oefenen op architectuur, tooling en werkwijze. Je komt terecht in een compacte, productgerichte omgeving met korte lijnen en veel eigenaarschap. De cultuur is praktisch, technisch nieuwsgierig en sterk gericht op bouwen, testen en verbeteren.
De functie en het team
Als Data Engineer leg je de basis voor een nieuw dataplatform dat de organisatie helpt om klantdata betrouwbaar, schaalbaar en bruikbaar te maken. Je werkt nauw samen met collega’s binnen backend, product en AI, waarbij jij de brug vormt tussen ruwe databronnen en de toepassingen die daarop draaien.
Het team werkt aan een eigen softwareproduct waarin data direct invloed heeft op aanbevelingen, automatisering en klantwaarde. Omdat nog niet alle keuzes voor het dataplatform vastliggen, denk je actief mee over opslag, transformaties, orkestratie en datamodellering.
Je krijgt veel verantwoordelijkheid om technische keuzes onderbouwd te maken en deze praktisch werkend te krijgen. AI is een vanzelfsprekend onderdeel van de ontwikkelwerkwijze, waarbij jij kritisch blijft op kwaliteit, onderhoudbaarheid en betrouwbaarheid.
Wat ga je doen
Je bouwt aan een dataplatform dat grotendeels vanaf de basis wordt opgezet. De eerste focus ligt op het betrouwbaar binnenhalen, opschonen en structureren van data uit externe bronnen, klantinteracties en productdata. Vervolgens ontwerp je een datamodel waarin klanten, merken, kanalen en campagnes logisch en eenduidig met elkaar verbonden zijn. Daarbij houd je rekening met verschillen tussen databronnen, zodat collega’s op dezelfde definities kunnen bouwen.
Je denkt mee over de architectuur van het platform: welke data blijft in PostgreSQL, welke data gaat naar een warehouse of lake en hoe wordt historie zorgvuldig bewaard? Ook maak je data beschikbaar voor de beslismotor, dashboards en AI-toepassingen via goed gedocumenteerde tabellen, views of API’s. Datakwaliteit is daarin een belangrijk onderdeel: je signaleert ontbrekende data, dubbele records, afwijkende cijfers en inconsistenties voordat gebruikers of modellen ermee werken.
Omdat het platform verder moet kunnen groeien, houd je rekening met privacy, scheiding van klantdata, dataretentie en internationale schaalbaarheid. Daarnaast werk je mee aan features voor de beslismotor en help je testen of aanbevelingen inhoudelijk kloppen en in de praktijk waarde opleveren.
Sollicitatieprocedure
De procedure bestaat uit één gesprek op locatie met het bedrijf. Tijdens dit gesprek ga je technisch de diepte in en bespreek je onder meer je eerdere projecten, architectuurkeuzes en hoe je een dataplatform zou opzetten. Is er van beide kanten een goede match? Dan volgt een aanbieding en worden de voorwaarden met je afgestemd.
Enthousiast? Solliciteer direct en ontdek hoe jij met jouw analytische vaardigheden en commerciële inzicht het verschil kunt maken binnen deze organisatie.
Interesse? Deel je CV! Dan neem ik zo snel mogelijk contact op!
Full-text baseline
Classified 2026-11-07 12:47:20.830376+00:00
DataNeeds review
Explicit role/task wording or requested domain skills support the proposed scope; LTA review remains required.
Skills suggested
- Information reporting
Source passage
Ook maak je data beschikbaar voor de beslismotor, dashboards en AI-toepassingen via goed gedocumenteerde tabellen, views of API’s.
- SQL data queries
Source passage
Je denkt mee over de architectuur van het platform: welke data blijft in PostgreSQL, welke data gaat naar een warehouse of lake en hoe wordt historie zorgvuldig bewaard?
- Data pipelines
Source passage
Data Engineer | Ben jij de Data Engineer die een datawarehouse opzet en de architectuurkeuzes durft te maken?
Proposed e-CF links
Suggested links for review. They do not assess skill levels.
Information reporting to D.10: Information and Knowledge Managementrelated · draft aiet for amey review
Source passage
Ook maak je data beschikbaar voor de beslismotor, dashboards en AI-toepassingen via goed gedocumenteerde tabellen, views of API’s.
Task: The task maintains or structures organisational information.
SQL data queries to D.7: Data Science and Analyticsrelated · draft aiet for amey review
Source passage
Je denkt mee over de architectuur van het platform: welke data blijft in PostgreSQL, welke data gaat naar een warehouse of lake en hoe wordt historie zorgvuldig bewaard?
Task: The queries extract or combine data for an analytical question.
Data pipelines to B.2: Component Integrationrelated · draft aiet for amey review
Source passage
Data Engineer | Ben jij de Data Engineer die een datawarehouse opzet en de architectuurkeuzes durft te maken?
Task: The task integrates systems or components and checks compatibility.
Data pipelines to D.7: Data Science and Analyticsrelated · draft aiet for amey review
Source passage
Data Engineer | Ben jij de Data Engineer die een datawarehouse opzet en de architectuurkeuzes durft te maken?
Task: The task extracts and integrates data sources for analytics.
Other source passages
Data Engineer
AI suggestion
Classified 2026-11-07 16:07:51.928831+00:00
DataSuggestion
De beschreven kerntaken zijn het opzetten van een dataplatform, datamodellering, datatransformatie en kwaliteitsbewaking. AI-toepassingen zijn afnemers van data en er is werk aan de beslismotor en het testen van aanbevelingen, maar de vacature noemt geen concrete AI-ontwikkel- of evaluatiemethode; AI wordt daarom niet als taakdomein geclassificeerd.
Skills suggested
- Data pipelines, required
Source passage
De eerste focus ligt op het betrouwbaar binnenhalen, opschonen en structureren van data uit externe bronnen, klantinteracties en productdata.
- Data cleaning and quality, required
Source passage
Datakwaliteit is daarin een belangrijk onderdeel: je signaleert ontbrekende data, dubbele records, afwijkende cijfers en inconsistenties voordat gebruikers of modellen ermee werken.
- Responsible data handling, required
Source passage
Omdat het platform verder moet kunnen groeien, houd je rekening met privacy, scheiding van klantdata, dataretentie en internationale schaalbaarheid.
Proposed e-CF links
Suggested links for review. They do not assess skill levels.
Data pipelines to B.2: Component Integrationrelated · draft aiet for amey review
Source passage
De eerste focus ligt op het betrouwbaar binnenhalen, opschonen en structureren van data uit externe bronnen, klantinteracties en productdata.
Task: The task integrates systems or components and checks compatibility.
Data pipelines to D.7: Data Science and Analyticsrelated · draft aiet for amey review
Source passage
De eerste focus ligt op het betrouwbaar binnenhalen, opschonen en structureren van data uit externe bronnen, klantinteracties en productdata.
Task: The task extracts and integrates data sources for analytics.
Data cleaning and quality to D.7: Data Science and Analyticsrelated · draft aiet for amey review
Source passage
Datakwaliteit is daarin een belangrijk onderdeel: je signaleert ontbrekende data, dubbele records, afwijkende cijfers en inconsistenties voordat gebruikers of modellen ermee werken.
Task: The task prepares data for analysis.
Data cleaning and quality to D.10: Information and Knowledge Managementrelated · draft aiet for amey review
Source passage
Datakwaliteit is daarin een belangrijk onderdeel: je signaleert ontbrekende data, dubbele records, afwijkende cijfers en inconsistenties voordat gebruikers of modellen ermee werken.
Task: The task applies quality controls within an organisational information process.
Responsible data handling to D.10: Information and Knowledge Managementrelated · draft aiet for amey review
Source passage
Omdat het platform verder moet kunnen groeien, houd je rekening met privacy, scheiding van klantdata, dataretentie en internationale schaalbaarheid.
Task: The task applies privacy or IPR controls within an information process.
Responsible data handling to D.7: Data Science and Analyticsrelated · draft aiet for amey review
Source passage
Omdat het platform verder moet kunnen groeien, houd je rekening met privacy, scheiding van klantdata, dataretentie en internationale schaalbaarheid.
Task: The task applies ethical or privacy controls during analytical data work.
Other source passages
Data Engineer
Je bouwt aan een dataplatform dat grotendeels vanaf de basis wordt opgezet. De eerste focus ligt op het betrouwbaar binnenhalen, opschonen en structureren van data uit externe bronnen, klantinteracties en productdata.
Daarbij houd je rekening met verschillen tussen databronnen, zodat collega’s op dezelfde definities kunnen bouwen.