Werken als data engineer bij KPMG: ‘Geen stoffige programmeursfunctie’
Bij KPMG lopen steeds meer data engineers rond. Wat doen zij zoal? En wat onderscheidt werken voor het internationale adviesbureau van een rol binnen een IT-bedrijf? We vroegen het aan Karel Goense en Yizhen Zhao, allebei data engineer bij KPMG.
Het zijn mooie tijden voor data engineers. In een competitief bedrijfslandschap waarin organisaties massaal de vruchten willen plukken van data-analyse, hebben ze de interessante banen voor het uitzoeken.
Aan uitdagingen ontbreekt het ze ook niet. Zo bleek uit een recent rapport van Gartner dat bijna de helft van alle organisaties – ondanks enorme investeringen – worstelt met het succesvol uitrollen van hun data-analyse-initiatieven.
Als data engineer bij KPMG bieden Karel Goense en Yizhen Zhao uitkomst bij de meest prangende data-uitdagingen. Ze helpen uiteenlopende opdrachtgevers bij het realiseren van een optimale data-infrastructuur, zodat zij data effectief kunnen inzetten voor het realiseren van hun bedrijfsdoelstellingen.
Wereldwijde kenniskring
De twee data engineers deden voor hun komst naar KPMG reeds ervaring op bij IT-partijen. De overstap naar de adviesbranche bood een mooie nieuwe uitdaging, vertelt Yizhen Zhao: “Als data engineer dien je niet alleen te beschikken over sterke technische vaardigheden, je moet ook weten hoe je met klanten communiceert en technische oplossingen en ideeën voor de klant begrijpelijk maakt.”
Daarbij kan ze gelukkig voortbouwen op “het enorme netwerk” van het Big Four-kantoor. “KPMG geniet als internationaal bedrijf een sterke reputatie en biedt uitgebreide resources en mogelijkheden”, vertelt Yizhen, die inmiddels ruim anderhalf jaar voor KPMG werkt.
Karel Goense stapte drie jaar geleden over naar KPMG, nadat hij ruim twee jaar als softwareontwikkelaar had gewerkt voor IBM. Net als Yizhen werd hij positief verrast door de kracht van KPMG’s wereldwijde netwerk, waarbij hij in het bijzonder wijst op de manier waarop kennis beschikbaar wordt gemaakt voor alle consultants.
“Er is een wereldwijde kenniskring opgebouwd voor allerlei data engineering-specialiteiten”, legt hij uit. “Dit wordt steeds groter omdat alle KPMG-landen zijn aangesloten op hetzelfde IT-systeem, waardoor kennisuitwisseling heel makkelijk is en men elkaar steeds makkelijker weet te vinden.”
Altijd net even anders
Naast deze internationale slagkracht, geniet Yizhen ook de van afwisselende opdrachten. “We werken aan verschillende use cases van klanten, kunnen onze favoriete vakgebieden verkennen en krijgen de kans om daarin te groeien.”
De afgelopen anderhalf jaar werkte ze aan uiteenlopende projecten. “Ik was onder meer betrokken bij het opzetten van MLOps voor het operationaliseren van machine learning-modellen in productiegebruik, het opzetten van nieuwe change data capture-technologie in Azure data factory voor het kopiëren/verplaatsen van data en het opzetten van een cloudplatform voor een NLP-data science-project bij een vervoersbedrijf.”
“Binnen KPMG wordt van ons verwacht dat we jaarlijks minimaal twee externe trainingen doen om ons op persoonlijk vlak te helpen.”
Karel herkent de afwisseling helemaal. Zelf werkte hij bijvoorbeeld als architect, data engineer en scrum master voor een on-premise datawarehouse-migratie naar de cloud, maar ook als MLOps- en platform-engineer voor een cloudplatform dat oplossingen voor beeldherkenning host voor de Nederlandse overheid.
“Verder heb ik onder meer als softwareontwikkelaar en cloud-engineer meegebouwd aan een FastAPI-backend-applicatie voor een levensverzekeringsmaatschappij en fungeerde ik voor een netbeheerder als blockchain/fullstack-ontwikkelaar”, vertelt Karel.
Kortom: “Als data engineer binnen KPMG krijg je de mogelijkheid om in alle facetten van data engineering en science iets te doen”, vat hij het samen. “Per klant is het werk altijd net even anders.”
Blijven ontwikkelen
De enorme diversiteit aan projecten draagt ook bij aan de steile leercurve die Yizhen en Karel doormaken. Karel legt uit dat deze zeker binnen de data science van grote waarde is. “Ons veld kenmerkt zich door de snelle ontwikkeling van verschillende innovatieve technologieën en het pragmatische aspect. Een steile learning curve waar ik alle aspecten van data engineering meekrijg was voor mij daarom een absolute must.”
Naast het leren ‘on the job’ biedt KPMG ook volop mogelijkheden om extra te investeren in je eigen professionele én persoonlijke ontwikkeling. Yizhen: “Binnen KPMG wordt er van ons verwacht dat we jaarlijks minimaal twee externe trainingen doen om ons op persoonlijk vlak te helpen.”
“Dit zijn trainingen die we zelf kunnen uitkiezen uit een breed aanbod”, legt ze uit. “Voor mijn professionele ontwikkeling krijg ik de mogelijkheid om zelf (technische) trainingen te volgen en ook jaarlijks naar een conferentie te gaan.”
“KPMG biedt trainingen en begeleiding op het gebied van soft skills (bijvoorbeeld consultancyvaardigheden) en inzicht in de kernwaarden van KPMG”, vult Karel aan. “Hoewel we (data) engineers zijn, verlenen we diensten aan klanten. Het is dan ook van belang om bepaalde consultancyvaardigheden en onze communicatie richting klanten te blijven ontwikkelen.”
“Data engineering gaat niet alleen over data, maar raakt ook aan vele andere gebieden.”
Daarbij kunnen de collega’s bovendien een beroep doen op de kennis van het Advanced Analytics & Big Data-team. Yizhen: “De ervaren collega’s van dit team helpen ons bij het verbeteren van onze professionele en technische vaardigheden en het verkennen, bepalen en voortzetten van onze verdere groeipad en interessegebieden.”
Meer dan data
Al met al blikken de twee data engineers dik tevreden terug op hun overstap naar KPMG. Het stoffige stereotype beeld, waarin data engineers de hele dag data afspeuren en algoritmes programmeren, verwijzen ze alle twee meteen naar de prullenbak.
“Het werk is nooit saai en eentonig”, stelt Karel resoluut. “Het gaat niet alleen om code schrijven, maar ook presentaties maken om klanten uit te leggen wat wij willen implementeren of hebben geïmplementeerd.”
Yizhen benadrukt nogmaals de veelzijdigheid van de rol, waarbij veel meer dan alleen IT-vaardigheden komen kijken. “De grootste complexiteit zit het in het bepalen welke code geschreven moet worden. Daarbij krijg je dus te maken met de businessaspecten van een project en moet je vaak beslissingen nemen die veel impact hebben op de lange termijn, aangezien projecten nogal complex kunnen worden.”
“Om deze reden zal je altijd te maken hebben met verschillende stakeholders, dus soft skills – iets wat soms over ’t hoofd gezien wordt – zijn net zo belangrijk”, legt ze uit.
Karel knikt: “Data engineering gaat niet alleen over data of het combineren van data en het programmeren van algoritmen, maar raakt ook aan vele andere gebieden – van het bouwen van cloudplatforms en het opzetten van cloudomgevingen waar data science-algoritmes op ingezet kunnen worden, tot machine learning engineering, het bouwen van data pipelines, en ga zo maar door.”
“Al deze expertises behoren tot het vakgebied en maken dat data engineering vereist dat je over een breed scala aan kennis beschikt”, geeft hij tot slot mee. “Het is een rol die blijft boeien en blijft uitdagen!”
