Betekenis geven aan data; Data Scientist en Engineer Onno over werken bij AMIS
12 maart 2020 | Nieuws | Door: AMIS Conclusion
Deel
Werken bij AMIS is niet zomaar een job, maar een passie. We stellen je graag voor aan Onno Hartveldt; Data Scientist en Engineer. Hij verbindt de technologie aan de business door betekenis te geven aan data. Een gave job en erg waardevol voor organisaties. Maar wat houdt zijn werk als Data Scientist en Engineer in? En welk project doet hij nu? Lees het hier!
"Momenteel werk ik aan een platform waar automatisch alle data wordt verzameld uit verschillende bronnen, zoals CRM en meetgegevens. Het Data Science team trekt hier vervolgens conclusies uit die de business waardevolle inzichten geven."
Hi Onno, wie ben je en wat doe je?
Vanuit mijn studie Computional Science ben ik bij AMIS komen werken en direct gestart met de Talent Launch. Een goede aanvulling op mijn studie waar ik leerde de “wereld” uit te leggen met behulp van computer technologie ; moduleren en simuleren. Door gegevens te verzamelen en computermodellen te maken, kan je namelijk uitspraken en voorspellingen doen over verschillende problemen en vraagstukken. Een voorbeeld van een vraagstuk: wat moeten de afmetingen van een deur in een stadion zijn zodat deze zo snel mogelijk ontruimt kan worden? Deze voorspelling kan je doen op basis van simpele vaste regels. Door die regels heel vaak te combineren kan je uitspraken doen over een complexer geheel.
In de Talent Launch maakte ik vooral kennis met de praktische werkzaamheden in de IT. Hoe werken netwerkstructuren? Hoe maak je een API? Hoe zet je een database op?
Naast werk is watersport mijn grote passie. Zo gauw het een beetje waait en de golfen staan goed dan ga ik kitesurfen.
Je bent Data Scientist en Engineer bij AMIS. Wat houdt dat eigenlijk in?
De Data Scientist richt zich op het informatie halen uit gegevens en de Engineer zorgt ervoor dat die gegevens klaar staan zodat de Scientist hiermee aan de slag kan. Beide houden er rekening mee dat de data die ze gebruiken netjes door een automatische pijplijn wordt verwerkt. En op het moment dat er gegevens worden aangepast de voorspellingen die gemaakt worden ook veranderen naar mate er andere gegevens beschikbaar komen.
De Scientist traint, stelt voor en samen en evalueert modellen. Waar de Engineer vooral bezig is het met voorbereiden van gegevens, pre-processing en het automatisch inrichten van die tabellen, zodat de gegevens automatisch worden verbeterd. Die gegevens worden bewerkbaar gemaakt voor de Scientist. Bijvoorbeeld het omzetten van verschillende soorten tijdsfrequenties, filteren van afwijkingen of simpelweg een getal afronden; wanneer data binnenkomt op seconden, kan je deze ook omzetten naar uren of dagen omdat je ergens een samenvatting van wil geven.
"De Data Scientist richt zich op het informatie halen uit gegevens en de Engineer zorgt ervoor dat die gegevens klaar staan zodat de Scientist hiermee aan de slag kan."
Met welk project ben je momenteel bezig?
Momenteel werk ik aan een platform. In het bedrijf waar ik voor werk heb je verschillende bronnen met gegevens. Denk aan CRM en meetgegevens. Deze staan in verschillende databases en bronnen. Het Data Science team wil graag die bronnen graag combineren en er conclusies uit trekken die de business inzicht geven en weer gebruikt kunnen worden. Op dit moment kost het namelijk heel veel tijd voor de Data Scientist om die gegevens te verzamelen. Ik werk aan een platform waar automatisch alle data wordt verzameld uit verschillende bronnen en klaar worden gezet zodat Data Science ze kan gaan gebruiken.
Wat ik specifiek doe is de gegevens verzamelen in een cloud-omgeving. En die cloud-omgeving in te richten en de eerste stappen van die transformatie te formuleren. De uitdaging hierin is het goed beschikbaar maken van alle verschillende typen bronnen. Elke bron heeft weer een andere format, refreshrate en andere veiligheidsnormen. Die moet je allemaal in acht houden om de gegevens goed te kunnen verzamelen in dat platform.
Bijzonder is dat we hierdoor waardevolle inzichten kunnen geven aan de business. Data Science kan niet alleen conclusies trekken over de kwaliteit van de meetwaarden, maar deze ook koppelen aan een klant.
"AMIS is op zichzelf een ondernemend bedrijf dat zich continu durft te ontwikkelen en met alle technologieën meegaat die voorop lopen in de markt."
Werken bij AMIS; waarom is dat zo tof?
Wat ik gaaf vind is dat er heel veel expertise aanwezig is in veel verschillende disciplines. AMIS is op zichzelf een ondernemend bedrijf dat zich continu durft te ontwikkelen en met alle technologieën meegaat die voorop lopen in de markt. We zijn veel met nieuwe dingen bezig die gelijk aansluiting vinden op de business.
Je hebt er vast wel eens over nagedacht, maar wat zou je doen met €1.000.000,-? 😉
Vrij weinig. Ik denk een ander vliegertje kopen en precies hetzelfde doen als wat ik gisteren deed: vandaag kijken wat er morgen mogelijk is.
Wil je meer weten over mijn werk als Data Scientist en Engineer bij AMIS?
Neem gerust contact met mij op.
