Data Engineer Liana

Het is best wel breed: een stukje software engineering, een stukje cloud en veel programmeren. De rol van data engineer kan op verschillende manieren worden ingevuld, maar in mijn team focussen we ons vooral op machine learning. Ik denk dat mensen de term data scientist wel kennen. De data scientist maakt een AI model en een data engineer doet eigenlijk alles wat er nodig is om zo'n model ook echt in productie te krijgen. Ik zorg dus dat het model technisch geïmplementeerd wordt in de organisatie.

Om een voorbeeld te geven: we hebben een model ontwikkeld dat binnenkomende schadeclaims herkent aan de soort claim. Hierdoor kan een robot deze claims vervolgens in het juiste vakje stoppen. Dat bespaart veel handmatig werk. Daardoor kunnen we bijvoorbeeld meer zaken behandelen in minder tijd.

De wereld verandert heel snel, zeker nu met AI. De tools waarmee we werken vernieuwen constant. Daardoor moet je je blijven verdiepen en nieuwe dingen blijven leren. Dat vind ik erg leuk. En als wij zelf iets hebben wat we kunnen automatiseren, automatiseren we het. Zo is geen dag hetzelfde. In de drie jaar dat ik hier nu werk zie je dat wij ook best wat hebben opgezet waar we telkens op voortbouwen. Daarnaast vind ik het programmeren leuk, het is een soort van puzzeltjes oplossen. Dat ik helemaal in een programmeringsvraagstuk kan duiken en een hyperfocus krijg: dat werkt wel lekker.

Als team hebben we in-house geëxperimenteerd. Nu kunnen we dat ook echt uitdragen naar andere afdelingen. En ik ben druk geweest met het opzetten van een machine learning platform, waar ook andere teams en data scientists op kunnen werken om zelf hun eigen modellen naar productie te brengen. Het doorgegeven van kennis en dit beschikbaar stellen via het platform, dat geeft mij voldoening.

En het pasfotoproject, dat is nog wel in ontwikkeling. We zetten miljoenen documenten uit het archief die privacygevoelige informatie bevatten in een model dat pasfoto’s herkent. Die maskeren we dan vervolgens, vanwege de privacygevoeligheid. Technisch gezien is dat een challenge, erg leuk om mee bezig te zijn.

Ik heb biomedical engineering gestudeerd. Daarin was ik veel bezig met programmeren, met AI. In de wereld van de imaging en CT-scans werd AI heel erg groot. Ik realiseerde me dat ik daarin verder wilde. Toen ben ik een IT-traineeship gaan doen bij mijn huidige werkgever.

Ik had niet echt een beeld. Ik had zelf het gevoel dat er wel goede ontwikkelingsmogelijkheden lagen bij de grote financiële bedrijven. Het leek me dan ook een leuke uitdaging om te kijken wat ik daar kon bereiken. Want juist ook in dit soort branches, is technologie natuurlijk belangrijk en wordt het steeds belangrijker. Anders dan kom je gewoon niet mee. Het is natuurlijk geen snelle tech-start-up, dat wist ik van tevoren wel. En nee, niet alles gaat hier megasnel. Maar ondanks dat krijgen we toch veel voor elkaar.

Het is mooi om te zien wat er mogelijk is en we zijn over de jaren heen best wel vooruit gegaan op het gebied van data science. Het is een leuke, dynamische omgeving. Ik heb echt leuke collega's waar ik ook op informele basis goed mee kan samenwerken. Dat vind ik erg belangrijk. Ik wist van tevoren niet dat het zo leuk is bij een verzekeraar. En de flexibiliteit qua uren en de locatie waar je werkt heeft me ook verrast. Ik dacht dat het ouderwetser zou zijn.

Ik denk dat er genoeg doorgroeimogelijkheden zijn. Ik wil wel graag een technische functie houden, geen manager worden die te ver van de praktijk staat. Ik wil in touch blijven met de technologie en de code. En uiteindelijk zie ik mezelf dan meer richting een leadfunctie doorgroeien.