De Analytics Engineer
Datawarehouse Automation is een manier om sneller en efficiënter jouw datawarehouse te ontwikkelen. Doordat je handmatige bewerkingen gaat automatiseren wordt het veel minder complex om werkzaamheden te verrichten aan je datawarehouse. Dit maakt het mogelijk om meerdere stappen in het data-proces samen te brengen. Hierdoor zie je de traditionele rollen in een datateam veranderen. Het is niet meer nodig om een team samen te stellen met verschillende specialisten bij deze nieuwe manier van werken. Zo ontstaat er een nieuwe rol: de Analytics Engineer. Om dit te illustreren vergelijk ik hieronder de situatie zonder en met datawarehouse automation.
De traditionele werkwijze
Wanneer je een datawarehouse ontwikkelt op de traditionele manier (zonder automatisering) zijn er veel stappen en specialisten nodig om ruwe data om te zetten in waardevolle inzichten. Specialisten zoals database administrators, data engineers, front-end ontwikkelaars en business analisten zijn allemaal betrokken bij dit proces. Omdat er zoveel specialisten betrokken zijn in dit proces, is de kans op fouten door miscommunicatie of ruis groter. Dit leidt vaak weer tot vertraging.
De nieuwe werkwijze met datawarehouse automation
Low-code Datawarehouse Automation tools, zoals TimeXtender, zorgen ervoor dat er minder specialisten nodig zijn bij het bouwen van data-oplossingen. Hierdoor gaat het proces van ruwe data naar inzichten veel sneller. De Analytics Engineer, kan de stappen die voorheen door verschillende specialisten uitgevoerd werden namelijk zelf uitvoeren. Zo ben je als organisatie minder afhankelijk van personeel dat vaak moeilijk te vervangen is.
Het profiel van de Analytics Engineer
Door de technologie die low-code tools bieden is diepgaande technische kennis bij het ontwikkelen van een datawarehouse niet meer nodig. Hoewel het werken met low-code automation platforms nog steeds kennis van data en modellering vraagt, is dit wel makkelijk trainbaar. Een beetje tech-savvy persoon met een goede dosis Excel kennis kan het zo leren. Hierdoor kan dezelfde persoon die nu dashboards maakt straks ook de datastructuren in het datawarehouse gaan bouwen.
Hieronder zie je het verschil tussen de tradionele werkwijze en de nieuwe werkwijze met een Analytics Engineer:
De voordelen van de Analytics Engineer
- Eigen talenten benutten: Analytics Engineers kunnen intern opgeleid worden. Technische onderlegde medewerkers met domeinkennis zijn hier zeer geschikt voor.
- Snelle leercurve: Dankzij intuïtieve low-code software zoals TimeXtender kunnen verschillende rollen zich snel ontwikkelen tot Analytics Engineer.
- Kortere lijnen: De Analytics Engineer beheert de hele (data)keten, van vraag tot rapportage.
- Talent availability: Brede vaardigheden kunnen sneller worden aangeleerd. Dit maakt het makkelijker om geschikt talent te vinden en op te leiden voor Datawarehouse Automation.
Werken met een Analytics Engineer
Bij E-mergo zien we dat werken met een Analytics Engineer goed werkt. We geloven sterk in het zelfredzaam maken van onze klanten met behulp van low-code tools. Voor veel MKB-bedrijven is het vaak niet haalbaar om meerdere specialisten aan te nemen. Met een aantal Analytics Engineers kan een bedrijf toch effectief werken zonder afhankelijk te zijn van één bepaalde specialist. Zo is er geen single point of failure meer. Bovendien staan Analytics Engineers ook dichterbij de business waardoor ze organisatievraagstukken vaak sneller begrijpen. Dit maakt het makkelijker om te schakelen met andere stakeholders in de organisatie.
Meer weten over deze aanpak? Neem contact op met onze collega’s. We delen graag onze ervaringen.
Geschreven door Stefan Timmerman
BI Consultant
