Vacancies

Je doorziet de dynamiek van een complexe, soms politieke omgeving en maakt risico’s rond besluitvorming, uitvoering en datakwaliteit tijdig bespreekbaar.

Je bent een stevige gesprekspartner voor IT-management, CIO’s, CTO’s en CISO’s. Je bespreekt technologische ontwikkelingen, stelt scherpe vragen en helpt hen vooruitkijken naar risico’s en kansen.

Je helpt klanten meer waarde uit hun data te halen. Je beoordeelt of zij op die data kunnen vertrouwen en denkt mee over hoe zij die kunnen gebruiken voor betere sturing en beheersing.

Oprechte interesse in technologie en innovatie, een groeimindset en de motivatie om jouw professionele en technische expertise verder te ontwikkelen.Wat ga je doen?Wat ga je doen?Als Senior Consultant binnen het Data Analytics & Technology Assurance-team van KPMG speel je een belangrijke rol bij het leveren en verder ontwikkelen van technologiegedreven oplossingen binnen onze Technology Assurance-dienstverlening.

3 jaar relevante praktijkervaring, waaronder ervaring met Databricks, PySpark, SQL, Microsoft Azure-cloudtechnologieën en AI-oplossingen voor het verwerken en analyseren van grote datasets en het verkrijgen van inzichten.

Betekenisvolle inzichten uit complexe datasets te genereren ter ondersteuning van opdrachtteams en besluitvorming.

Elke dag werk je aan uitdagende vraagstukken door data te analyseren, processen te doorgronden en slimme oplossingen te ontwikkelen met behulp van code.

Elke dag werk je aan uitdagende vraagstukken door data te analyseren, processen te doorgronden en slimme oplossingen te ontwikkelen met behulp van code.

Sterke relaties met stakeholders op te bouwen door open en transparante communicatie, verwachtingen effectief te managen en analyse-uitkomsten en bevindingen helder toe te lichten.

Geavanceerde data-analysetools, zoals Databricks, PySpark en SQL, Microsoft Azure-cloudtechnologieën en AI-oplossingen, in te zetten om besluitvorming te ondersteunen en auditinnovatie te stimuleren.

Je ontwikkelt dashboards, rapportages en analyses die marketingprestaties inzichtelijk maken en zet complexe vraagstukken om in concrete aanbevelingen.

Bij KPMG Marketing & Reputation speel je als Senior Marketing Data Analist een sleutelrol in onze datagedreven aanpak.

Versterken van datagedreven werken door het bewaken van datakwaliteit en compliance, het delen van kennis en het introduceren van best practicesDit neem jij meeDit neem jij mee8 jaar ervaring in marketing analytics, data-analyse, business intelligence of een vergelijkbare rol

Ontwerpen, automatiseren en verbeteren van dashboards en rapportages in onder andere Power BI voor sturing op marketingperformance en commerciële resultaten

Ervaring met het structureren en verbeteren van databronnen en datamodellen, gecombineerd met sterke vaardigheden in Power BI, Excel, SQL en stakeholdermanagement

Ervaring met het structureren en verbeteren van databronnen en datamodellen, gecombineerd met sterke vaardigheden in Power BI, Excel, SQL en stakeholdermanagement

Versterken van datagedreven werken door het bewaken van datakwaliteit en compliance, het delen van kennis en het introduceren van best practices

Monitoren van KPI’s, analyseren van trends en vertalen van data naar concrete aanbevelingen voor campagneoptimalisatie, leadgeneratie en digitale klantreizen

Sterke analytische vaardigheden: complexe data vertalen naar heldere inzichten, dashboards en aanbevelingen voor stakeholders

Ontwerpen, automatiseren en verbeteren van dashboards en rapportages in onder andere Power BI voor sturing op marketingperformance en commerciële resultaten

Ontwerpen, automatiseren en verbeteren van dashboards en rapportages in onder andere Power BI voor sturing op marketingperformance en commerciële resultaten

Sterke analytische vaardigheden: complexe data vertalen naar heldere inzichten, dashboards en aanbevelingen voor stakeholders

Kennis van tracking, tagging en meetplannen (zoals Google Tag Manager, Adobe Launch en GA4) én inzicht in datakwaliteit, privacy en AVG/GDPR

Je hebt affiniteit met (generatieve) AI en bent gemotiveerd om deze technologie actief toe te passen in je dagelijkse werk

You will support privacy assessments, access management, KPI monitoring, reporting and the execution of governance processes.

You will connect business and technology, strengthen data ownership and quality, and enable colleagues across KPMG to manage and use data effectively and responsibly.This is what you bringThis is what you bringYou have 3+ of experience in data governance, data management, and data quality.

Verbeteren van datakwaliteit, je ontwerpt en implementeert processen op om datakwaliteitsproblemen in kaart te brengen en op te lossen, zodat de data van onze klanten betrouwbaar en bruikbaar is.

Uitvoeren van metingen naar de datamanagementvolwassenheid van de organisatie, bijvoorbeeld door stakeholders te interviewen, documentatie te analyseren en workshops te organiseren.

Ontwerp data pipelines en feature stores die AI/ML-modellen ondersteunen voor intelligente automatisering en predictive analytics - AI Enablement.

Typische projecten waar je deel van uitmaakt zijn ERP-transformaties, M&A-projecten en/of specifieke datamigratie projecten met een gedefinieerde scope (dit kan vervanging van systemen zijn, datamigratie gedreven door regelgeving, etc.).

Enige vaardigheid in programmeertalen zoals Java, SQL, Python, Dax, Gitlab en andere programmeertalen is een pre (niet verplicht);

Je hebt affiniteit met (generatieve) AI en bent gemotiveerd om deze technologie actief toe te passen in je dagelijkse werk.

You'll work hands-on with our agentic AI infrastructure, helping to improve its resolution rate and answer quality, while independently handling escalated tickets that require real technical depth - think log analysis, API debugging, and coordinating with Engineering on code-level investigations.

AI tool fluency, able to use AI to increase productivity, analyze data, and actively contribute to support AI agent improvement loops

Work closely with our agentic AI infrastructure to continuously improve its resolution rate and the quality of the answers it produces

Clear and professional communication skills, both written and verbal, for customer-facing interactions

Concretely, you would be walking into billions of usage events flowing from our Excel Add-in, web apps and product backends through Azure Event Hubs into Snowflake;

You will also find real, named open problems rather than a tidy platform: event capture mid-consolidation, multiple methods of user attribution, and a data quality layer that is designed but not yet built.

Build and review dbt transformation pipelines that stay reliable as volume, source count and model complexity grow

Contribute to the event ingestion architecture end to end: Azure Event Hubs, Snowpipe, Fivetran, and our shared Python/TypeScript event client libraries

Deep SQL and strong Python, including query optimization and performance tuning on a cloud warehouse

Deep SQL and strong Python, including query optimization and performance tuning on a cloud warehouse

Experience with product analytics tooling (Mixpanel, RudderStack) and warehouse-native BI (Netspring/Optimizely Analytics, Omni, Embeddable, or similar)

Contribute to the event ingestion architecture end to end: Azure Event Hubs, Snowpipe, Fivetran, and our shared Python/TypeScript event client libraries

Strong product aptitude: you can challenge the framing of a request, translate stakeholder needs into technical solutions, and make roadmap trade-offs

Build the entitlements service that decides what every user and tenant can do, enforced consistently across the Excel add-in and Alwin

Build real-time usage metering and credit consumption for our agentic products, accurate down to the individual agent run

6+ years in software engineering, with strong, production-grade backend experience (ideally Python)

6+ years in software engineering, with strong, production-grade backend experience (ideally Python)

Event streaming and high-volume data pipelines

Excellent communication; you can work directly with Finance and commercial teams to define what "correct" means

Own the onboarding flow end-to-end: sign-up, trials, provisioning, SSO and SCIM, and the first-run experience

Build the shared evaluation platform: versioned datasets, experiment tracking, run and result schemas, reporting, and trace linkage back to the run

5+ years in backend or platform engineering, with strong production Python

Experience building or running LLM inference infrastructure: a gateway or routing layer with multiple providers, failover, rate limiting and cost attribution

Experience with cloud at the infrastructure level and infrastructure as code (we run across Azure and GCP with Terraform)

Experience with LLM or agent evaluation

Comfort with privacy and compliance work: PII handling, anonymisation, retention, access control

As a Senior Site Reliability Engineer, you won’t just maintain systems you’ll architect robust solutions that push the boundaries of cloud infrastructure, automation, and user management.

Implement agentic patterns such as sub-agent composition, planning modes, human-in-the-loop gates, and model routing across multiple providers

5+ years of software engineering experience with strong, production-grade Python

5+ years of software engineering experience with strong, production-grade Python

Experience shipping and operating an LLM-powered product in production: you have dealt with hallucinations, latency spikes, tool failures and cost explosions at scale, and can explain what broke and how you fixed it

Experience with evaluation: you have built datasets, run offline and online experiments, and used the results to make an AI system measurably better

Experience shipping and operating an LLM-powered product in production: you have dealt with hallucinations, latency spikes, tool failures and cost explosions at scale, and can explain what broke and how you fixed it

Define and build automatic processes that improve the agent continuously over time

Excellent communication; you can work directly with auditors and product partners to define what "correct" means

Hill-climb accuracy, latency and token cost, and make the trade-offs explicit for the teams building on the runtime

Familiarity with OWASP GenAI security practices and working in a regulated, privacy-sensitive environment

Minimum 5 years as a software engineer with a passion for building scalable, reliable, and high-quality software systems.

Experience building AI-powered products or platforms, ideally involving LLMs, agentic workflows, document processing, or automation systems.

Strong product aptitude; can challenge product framing, translate customer needs into technical solutions, and make effective roadmap tradeoffs.

Experience building AI-powered products or platforms, ideally involving LLMs, agentic workflows, document processing, or automation systems.

Experience building AI-powered products or platforms, ideally involving LLMs, agentic workflows, document processing, or automation systems.

Experience building and deploying GenAI applications in production.

5+ years as a software engineer

Partner with Product, Finance, Sales and Customer Success to shape pricing, packaging and licensing models.

Python, Azure and observability tooling

Uit diverse bronnen verzamel en combineer je informatie over digitale entiteiten zoals IP-adressen, personen, bedrijven en organisaties en geeft hier duiding aan.

Jouw bevindingen leg je helder en gestructureerd vast in intelligenceproducten.

Je hebt daarbij ervaring met zowel kwantitatieve als kwalitatieve onderzoeksmethoden.

kennis van analysemethoden en analysetooling, bij voorkeur kennis van crime scripting, programmeertaal(en), databasesoftware en visualistiesoftware;

kennis van analysemethoden en analysetooling, bij voorkeur kennis van crime scripting, programmeertaal(en), databasesoftware en visualistiesoftware;

Je analyseert structurele knelpunten in bijvoorbeeld het platform, zoals schaalbaarheid, performance, datakwaliteit en herleidbaarheid.

Daarnaast zet je samen met de Lead Data Engineer en de Lead Data Scientist de technische koers van het team uit en geven jullie daarmee richting aan het hele cyberdomein.

Je bent daarnaast ook bekend met een aantal kernelementen uit onze tech stack: programmeertalen (C#, .NET, Python), opslag (PostgreSQL, Elasticsearch, Redis), streaming (Kafka, RabbitMQ), test/kwaliteit frameworks binnen softwareontwikkeling, Kubernetes, Docker, GIT en CI/CD;

Daarnaast zet je samen met de Lead Software Developer en de Lead Data Engineer de technische koers van het team uit en geven jullie daarmee richting aan het hele cyberdomein.

Je bent daarnaast ook bekend met een aantal kernelementen uit onze tech stack: programmeertalen (C#, .NET, Python), opslag (PostgreSQL, Elasticsearch, Redis), streaming (Kafka, RabbitMQ), test/kwaliteit frameworks binnen softwareontwikkeling, Kubernetes, Docker, GIT en CI/CD;

Je bent daarnaast ook bekend met een aantal kernelementen uit onze tech stack: programmeertalen (C#, .NET, Python), opslag (PostgreSQL, Elasticsearch, Redis), streaming (Kafka, RabbitMQ), test/kwaliteit frameworks binnen softwareontwikkeling, Kubernetes, Docker, GIT en CI/CD;

data scientists die data inzichtelijk maken.

data engineers die onze ETL-straten optimaliseren

programmeertalen (C#, .NET, Python)

programmeertalen (C#, .NET, Python)

diepgaande kennis in het ontwikkelen van data science modellen en technieken die bijdragen aan het inzichtelijk maken van grote en onoverzichtelijke data sets.

Je bent daarnaast ook bekend met een aantal kernelementen uit onze tech stack: programmeertalen (C#, .NET, Python), opslag (PostgreSQL, Elasticsearch, Redis), streaming (Kafka, RabbitMQ), test/kwaliteit frameworks binnen softwareontwikkeling, Kubernetes, Docker, GIT en CI/CD;

Je bent daarnaast ook bekend met een aantal kernelementen uit onze tech stack: programmeertalen (C#, .NET, Python), opslag (PostgreSQL, Elasticsearch, Redis), streaming (Kafka, RabbitMQ), test/kwaliteit frameworks binnen softwareontwikkeling, Kubernetes, Docker, GIT en CI/CD;

Je bent daarnaast ook bekend met een aantal kernelementen uit onze tech stack: programmeertalen (C#, .NET, Python), opslag (PostgreSQL, Elasticsearch, Redis), streaming (Kafka, RabbitMQ), test/kwaliteit frameworks binnen softwareontwikkeling, Kubernetes, Docker, GIT en CI/CD;

diepgaande kennis in het ontwikkelen van data science modellen en technieken die bijdragen aan het inzichtelijk maken van grote en onoverzichtelijke data sets.

programmeertalen (C#, .NET, Python)

programmeertalen (C#, .NET, Python)

data engineers die onze ETL-straten optimaliseren

een onderzoekende houding, waarbij je wel in contact blijft met al je stakeholders;

Hierbij is het belangrijk dat dit fundament voldoet aan juridische en technische kaders zodat het ook in de rechtbank standhoudt.