Begrijpen hoe het werkt, kiezen wat past, en zorgen dat het blijft werken.

Ik voerde deze projecten uit als consultant bij een adviesbureau en in dienst van een netbeheerder. Ze zijn geordend naar vier rode draden in mijn werk.

Toon

Grip op complexiteit

Architectuur en transparantie als basis voor goede besluiten.

Vraag: Sectoren werken met referentiearchitecturen, zoals CORA en VERA bij woningcorporaties en NBility in de energiesector. Die blijven vaak op papier staan. De eigen systemen, processen en data sluiten er niet op aan, en het overzicht verdwijnt naarmate het landschap groeit.
Aanpak: Bij woningcorporaties en bij een netbeheerder vertaalde ik de referentiearchitectuur naar de eigen systeem-, proces- en data architectuur. Daarna haalde ik die uit de papieren wereld. Systemen en processen richtte ik zo in dat ze er aantoonbaar aan voldoen, en een change- en governanceproces borgt de aansluiting blijvend. Met data architectuur als code bleef de architectuur een levend document, dat realtime laat zien hoe de implementatie eruitziet en waar die afwijkt van de standaard.
Resultaat: Een architectuur die niet alleen beschreven is, maar ook werkt. Herkenbaar in systemen en processen, blijvend geborgd en altijd actueel.
Les: Een referentiearchitectuur krijgt pas waarde als hij de dagelijkse praktijk stuurt. Architectuur is een sturingsinstrument, geen documentatie achteraf.

Vraag: Assetdata stroomde van het centrale GIS-systeem naar ERP, onderhoudsplanning en datawarehouses. Alle logica zat ongedocumenteerd in code, waardoor de impact van een wijziging niet te overzien was.
Aanpak: Ik ontwikkelde een data lineage-oplossing die de datastroom op kolomniveau zichtbaar maakt. Daarnaast realiseerde ik een Python-toepassing die het datawarehouse omzet naar een datamodel als code, relaties tussen gegevens automatisch ontdekt en de kwaliteit ervan toetst.
Resultaat: Grip op de impact van wijzigingen, tijdig geïnformeerde afnemers en documentatie die altijd klopt.
Les: Hoe data werkelijk door systemen stroomt, zie je alleen in de techniek zelf. Transparantie begint bij de werkelijkheid zoals die gebouwd is.

Vraag: Het facilitair bedrijf van een academisch ziekenhuis wilde de informatievoorziening professionaliseren. Overzicht over de bestaande data architectuur ontbrak.
Aanpak: Ik bracht de huidige architectuur in kaart en ontwikkelde een routekaart voor stapsgewijze professionalisering. In de uitvoering stuurde ik junior consultants aan, die het datawarehouse en de dashboards ontwikkelden.
Resultaat: Een gedragen koers van analyse naar realisatie, in overzichtelijke stappen.
Les: Een routekaart werkt pas als hij aansluit bij waar een organisatie nu staat.

AI en data science met beleid

Voorspellen en automatiseren waar het aantoonbaar iets oplevert, controleerbaar ontworpen.

Vraag: Budgetten en planningen leunen vaak op de cijfers van vorig jaar. Hoeveel woningen komen vrij, hoe lang staan ze leeg, en wat kost het onderhoud de komende jaren?
Aanpak: Met klassieke machine learning en forecastingmethoden voorspel ik onder meer het aantal mutaties, de leegstandsduur en het onderhoudsbudget. De modellen maken ook de trends en drijfveren achter de kosten zichtbaar, zodat duidelijk is waar een ontwikkeling vandaan komt.
Resultaat: Meer grip op budgetten, beter portfoliobeheer en een onderbouwde financiële planning.
Les: Een goede voorspelling laat niet alleen zien wat er gebeurt, maar ook waarom. Juist dat inzicht maakt bijsturen mogelijk.

Vraag: Analisten krijgen vragen die diepgaande kennis vragen van zowel het vakgebied als de onderliggende data. Een AI-agent kan daarbij helpen, maar alleen als de antwoorden te vertrouwen zijn.
Aanpak: Ik ontwikkelde een AI-agent die analisten ondersteunt bij het opstellen van query's en het beantwoorden van datavragen. De nadruk lag op de randvoorwaarden. Ik stelde de juiste guardrails vast en legde een ground truth-dataset aan om de antwoorden tegen te toetsen. Daarnaast maakte ik de redenering van de agent transparant, zodat per antwoord te zien is hoe de cijfers tot stand zijn gekomen.
Resultaat: Een proof of concept die liet zien wat AI hier oplevert, en welke randvoorwaarden nodig zijn om het verantwoord in te zetten.
Les: Een AI-toepassing is pas bruikbaar als de uitkomst controleerbaar is. Validatie hoort in het ontwerp, niet achteraf.

Van data naar sturing

Dataplatformen en managementinformatie die het werk van mensen makkelijker maken.

Vraag: Corporaties hebben vergelijkbare sturingsvragen. Toch bouwden ze hun managementinformatie steeds opnieuw op.
Aanpak: Ik werkte een dataplatform uit als product, van marktaanbod en prijsstrategie tot architectuur. Het platform bestaat uit een laadproces, een datawarehouse en standaarddashboards over alle gegevensdomeinen, op basis van de sectorstandaarden CORA en VERA. Als lead architect stuurde ik het ontwikkelteam aan en realiseerde ik de complexe onderdelen zelf.
Resultaat: Een herbruikbaar platform waarmee corporaties snel over betrouwbare stuurinformatie beschikken.
Les: Een fundament op basis van sectorstandaarden maakt een oplossing schaalbaar en voorkomt architectuurschuld.

Vraag: Controllers besteedden veel tijd aan het verzamelen en opschonen van gegevens in Excel. Voor analyse en advies bleef weinig tijd over.
Aanpak: Ik verbeterde de architectuur en kwaliteit van het datawarehouse. Per afdeling bepaalden we samen met medewerkers de stuurindicatoren. De maand- en kwartaalrapportages automatiseerde ik op basis van actuele data.
Resultaat: Een complete managementrapportage. Controllers konden zich weer richten op hun vak.
Les: Automatisering is geen doel op zich. De winst zit in de aandacht die vrijkomt voor het werk dat ertoe doet.

Verder in de corporatiesector

Een datastrategie in co-creatie met een corporatie.
Advies en training over de adoptie van process mining.
Inzicht in de ketensamenwerking met aannemers, op basis van interne en externe data.
Managementrapportages en Power BI-training.
Een groeimodel waarmee corporaties stapsgewijs datagedreven gaan werken.

Duurzaam geborgd

Datakwaliteit en kennisoverdracht als vast onderdeel van het werk.

Vraag: Een corporatie legt over veel onderwerpen verantwoording af. Dat vraagt om gegevens waarop je kunt vertrouwen.
Aanpak: Ik realiseerde een datakwaliteitsdashboard dat per criterium toetst aan de norm die de corporatie zelf stelt. Daarnaast adviseerde ik over borging en sturing volgens DAMA-DMBOK.
Resultaat: Datakwaliteit werd een doorlopend en meetbaar proces, in plaats van een periodieke opschoonactie.
Les: Datakwaliteit verbeter je met eigenaarschap en een vaste plek in de bedrijfsvoering.

Vraag: Een corporatie wilde de managementinformatie digitaliseren, met minder fouten en sneller bijsturen als doel.
Aanpak: Ik ontwierp en realiseerde een nieuw datawarehouse met dashboards per organisatieonderdeel. Twee IT-medewerkers leidde ik tijdens ontwerp en realisatie op. Samen kozen we bewust voor een beheersbare oplossing.
Resultaat: De corporatie nam de oplossing na afloop volledig zelfstandig in beheer.
Les: Een oplossing is pas geslaagd als de organisatie hem zelf kan dragen. Kennisoverdracht begint op de eerste dag.

Vraag: De controllers van een revalidatie-instelling stelden hun rapportages op in Excel. Ze wilden de stap maken naar professionele, betrouwbare stuurinformatie.
Aanpak: Ik ontwikkelde een meerdaagse Power BI-cursus en leidde daarmee het controlteam op. Daarnaast realiseerde ik managementrapportages en adviseerde ik over de data architectuur, uitgewerkt in een routekaart.
Resultaat: Een controlteam dat zelfstandig met Power BI werkt, en een heldere koers voor de verdere ontwikkeling.
Les: Wie mensen iets leert en enthousiasmeert, maakt verandering blijvend.

Kennismaken?

Wilt u met data of AI aan de slag, maar is het startpunt nog niet helder? In een kennismakingsgesprek van een uur verkennen we uw vraagstuk, zonder kosten.

E-mail: ruud@datazinnig.nl
Telefoon: 06 1694 9354

Plan een kennismaking