In dit interview vertelt Gonzalo over zijn traject, dat buiten de technologiesector begon en zich ontwikkelde tot het werken aan complexe data-uitdagingen. Met ervaring in het bouwen van datagedreven oplossingen geeft hij inzicht in zijn dagelijkse werkzaamheden, belangrijke leerervaringen en de vaak onderschatte vaardigheden die bijdragen aan succesvolle dataprojecten.

‍

‍

Kun je ons iets vertellen over je achtergrond en wat je ertoe heeft gebracht je te specialiseren in data engineering en Python-ontwikkeling?
Ik heb oorspronkelijk human resources gestudeerd, maar vanaf mijn eerste tot mijn laatste opdracht in dat vakgebied werkte ik altijd aan het definiëren van KPI’s en processen voor het verzamelen ervan, evenals het stimuleren en soms direct implementeren van het gebruik van digitale tools binnen verschillende teams. Omdat ik graag grotere systemen wilde kunnen implementeren, ben ik data science, programmeren en alles daaromheen gaan leren. Vanaf dat moment ben ik me gaan richten op wat ik het meest uitdagend vond en waar ik dacht de meeste impact te kunnen hebben.

‍

Sinds je bij agap2 bent begonnen, hoe is je ervaring tot nu toe—zijn er momenten die eruit springen?
De ervaring tot nu toe is erg goed. De verwachtingen lijken duidelijk te zijn en er is weinig overhead bij het rapporteren en communiceren met zowel de klant als agap.

‍

Wat kun je delen over je huidige project, bijvoorbeeld je rol binnen het team, en wat dit project interessant of uitdagend voor je maakt?
Mijn rol begon meer met de focus op het opleveren van een dashboard voor tactisch capaciteitsmanagement van het elektriciteitsnet. Dit hield in dat ik verbinding maakte met verschillende interne bronnen, KPI’s definieerde in samenwerking met energie-experts en de berekeningen voor deze KPI’s verwerkte. Inmiddels is mijn rol meer richting development verschoven: ik los problemen op en refactor code in de repository die de belasting van assets voorspelt.

‍

Als je terugkijkt op je ervaring tot nu toe, wat zijn enkele belangrijke lessen of vaardigheden die je hebt ontwikkeld als data engineer?
Ik heb geleerd om slim om te gaan met beperkte rekenkracht en om me zo goed mogelijk aan te passen bij het werken met ongestructureerde databronnen.

‍

Welke vaardigheden denk je dat worden onderschat in data engineering, maar in de praktijk een groot verschil maken?
Ik denk echt dat eenvoudige oplossingen uit de beschrijvende statistiek soms worden onderschat. Een belangrijke vaardigheid die daaruit voortkomt, is het vermogen om stakeholders te laten zien dat je niet het hele dataverwerkingsproces moet aanpassen aan uitzonderingen.

‍