Data engineer inhuren of detacheren

Wat jouw team nodig heeft: nieuwe bronnen ontsluiten, pipelines bouwen of herstellen, datamodellen opzetten, tests en monitoring toevoegen of een migratie uitvoeren. De engineer werkt als onderdeel van jouw team. Werken binnen het team van de klant kennen we ook uit projecten: bij Waternet hebben we als onderdeel van het Datalab-team de MLOps-workflow opgezet, en die onderhouden we nog.

Onze data engineers zijn in dienst bij Data Science Lab. Je hebt één aanspreekpunt voor selectie, onboarding en opvolging, en we blijven tijdens de inzet betrokken. De engineer kan terugvallen op collega's, ons interne lab en de Techdays waarop we kennis delen. Een freelancer selecteer en begeleid je zelf, en de afspraken over zelfstandigheid liggen dan bij jou.

De Belastingdienst handhaaft sinds 1 januari 2025 weer op schijnzelfstandigheid. Of iemand feitelijk in loondienst werkt, wordt beoordeeld op de praktijk, met onder meer gezag, inbedding in de organisatie en ondernemerschap. Huur je een zzp'er in, dan is dat een vraag voor jou als opdrachtgever. Bij detachering via Data Science Lab zijn onze collega's bij ons in dienst. Je eigen inhuurbeleid laat je toetsen door HR, inkoop of een adviseur.

Onder meer met Python en SQL op Azure, Databricks en Microsoft Fabric. Voor transformaties en datatests gebruiken we vaak dbt, en infrastructuur leggen we vast in code, bijvoorbeeld met Terraform. Voor Fokker Services Group bouwen we met Databricks, Azure, dbt en SQL een dataplatform dat data volgens de medaillonarchitectuur opschoont en modelleert. Werk je met Apache Airflow of een andere tool, noem dat in het eerste gesprek.

Een account in je identiteitsomgeving, zoals Microsoft Entra ID, toegang tot de repository en de ontwikkel- en testomgeving, en rechten op de data die het werk vraagt. Ken rechten toe via groepen en alleen voor wat nodig is, zodat je ze aan het eind ook eenvoudig intrekt. Leg verder vast wie de opdrachtgever is, welke standaarden gelden en waar de backlog staat.

Door overdracht vanaf het begin mee te nemen. Code staat in jouw repository, transformaties hebben tests en beschrijvingen, bijvoorbeeld in dbt, en ontwerpkeuzes staan op een plek waar je team ze terugvindt. Waar het past, werkt de engineer samen met een interne collega aan dezelfde taken. Kennis overdragen gebeurt wanneer jij dat wilt, niet pas aan het eind van de opdracht.

Als het werk structureel is, kun je beter zelf iemand aannemen. Wil je een resultaat in plaats van capaciteit, dan past een project beter. Ligt het probleem bij onduidelijke definities of eigenaarschap van data, dan lost extra engineering weinig op en begin je beter met data governance. Gaat het alleen om rapportages, dan is een BI-specialist vaak logischer dan een data engineer.