Data engineering blijft mensenwerk: AI mist (nog) de business context

Van Fabric tot Databricks en Azure Data Factory: Tycho wil het liefst alles een keer gezien hebben. Als data engineer bij Creates werkt hij aan veel verschillende projecten en klussen. Een bewuste keuze, want zo bouwt hij in korte tijd veel kennis op. "Ik wil zoveel mogelijk kanten van het vak een keer gezien en gedaan hebben."

 

Technische diepgang in een complex datamodel

Al die projecten leveren meer op dan technische ervaring. Hij werkt zowel voor overheidsorganisaties als voor commerciële bedrijven. Zo ziet Tycho allerlei sectoren van binnenuit. "Ondanks dat data engineering veel programmeren is, krijg je ook heel veel business context te zien. Je ziet hoe verschillende bedrijven het doen."

Zijn leukste klus tot nu toe was een doorontwikkelingsproject bij een grote overheidsorganisatie. Samen met Ian en Mourad dook hij in een ingewikkeld datamodel. "Het was de eerste klus met echt veel technische diepgang. Leuk om te zien hoe het datamodel bij een grotere organisatie eruitziet en hoe je daar iets aan toevoegt."

 

Business logica blijft mensenwerk

Over de toekomst is Tycho nuchter. AI gaat veel veranderen, maar data engineering staat er volgens hem het verst vanaf. "Er zit nog heel veel business logica in. Context waar je pas achter komt na een gesprek met de klant. Het staat niet allemaal perfect in Excelletjes in de juiste kolom." Op de lange termijn krijgt het vak wel andere vormen, verwacht hij. De vraag is vooral hoelang die vertaalslag van business naar techniek mensenwerk blijft.

Mooie visuals in Power BI Dashboards zijn het eindplaatje, maar Tycho's werk zit daarvoor. Zijn werk is geslaagd als chaotische data foutloos wordt omgezet, en als fouten die toch ontstaan netjes worden afgehandeld. "Als het gewoon van A tot Z werkt." Creates wil dat consultants breed inzetbaar zijn, dus naast data engineering leert hij ook het visuele deel in Power BI. Toch blijft code zijn favoriet. "Het schrijven van code in notebooks vind ik het leukst."

 

De onderschatte kracht van AI met de juiste context

Wat volgens Tycho onderschat wordt: wat AI kan met de juiste context. Hij ziet een omslag naar tools die direct aan AI gekoppeld worden, zonder screenshots of geplakte Excelbestanden. "Als je direct de vraag kunt stellen over alle data die je hebt, dan gaat het gewoon vijf keer zo snel."

Binnen het vak zelf wordt vooral het afstemmen onderschat. Een klantvraag vertalen naar precies wat iemand nodig heeft, kost veel gesprekken. Tycho merkt het in zijn eigen inschattingen. "Het klinkt als een makkelijke feature, maar die businesslogica erin verwerken kost dan meer tijd dan je denkt."

 

Eigen AI-projecten en bewust omgaan met tokens

Naast zijn werk is Tycho graag actief. Op dinsdag voetbalt hij met collega's van Caesar Groep en verder vind je hem in de sportschool of op de padelbaan. Daarnaast knutselt hij aan eigen projectjes, meestal met AI. Zo bouwde hij een app die zijn banktransacties inleest, zodat hij ze razendsnel kan categoriseren met kaartjes. "Alsof het een soort Tinder was, maar dan voor transacties."

Met onbeperkt budget zou hij een persoonlijke assistent bouwen die je hele leven beheert, misschien zelfs in een klein kastje dat je telefoon vervangt. Al zit de grens volgens hem vaker in tijd en tokens dan in geld. "Je zou verwachten dat modellen goedkoper worden naarmate ze beter worden. Maar dat is niet zo." Een scherp omschreven taak scheelt kosten en energie. "Het dwingt je om goed te bedenken hoe je een vraag stelt."

 

Python, Data Lakes en een bug op vrijdagmiddag

Bij de snelle keuzes hoeft Tycho meestal niet lang na te denken. Hij werkt op Windows en bestelt gewoon een patatje in plaats van friet. Bellen gaat bij hem boven WhatsApp, al grijpt hij in de praktijk toch sneller naar zijn telefoon om een berichtje te sturen. Eigenlijk vindt hij dat jammer, want een appje kun je op zoveel manieren interpreteren. Mocht er op vrijdagmiddag een bug binnenkomen, dan gaat hij er gewoon voor zitten.

Ook in zijn vak weet hij wat hij wil. Een Data Lake wint het bij hem van een Data Warehouse en Python is zijn taal. Met Fabric heeft hij de meeste ervaring, maar stiekem denkt hij dat Databricks misschien wel de fijnste is. En als het allemaal anders was gelopen? Dan was hij iets in de psychologie of neurowetenschap gaan doen. Hoe het menselijk brein werkt, blijft hem namelijk boeien.