Sociale Verzekeringsbank
Data Modelleur
Vandaag toegevoegd
Sommige details van deze opdracht zijn niet publiek beschikbaar.
Word gratis lidOver de opdracht
Opdracht en context
Als Data Modelleur ontwerp, structureer en optimaliseer je de data-architectuur binnen een grote, dynamische organisatie die gegevens en analytics inzet voor beleid en de verwerking van sociale verzekeringsuitkeringen. Je werkt samen met beleidsmedewerkers van de directie die verantwoordelijk is voor verschillende regelingen en vertaling van informatiebehoeften naar inzichten die bijdragen aan betere beslissingen.
Je vertaalt complexe informatie naar logische datamodellen en zorgt dat data consistent, betrouwbaar en eenvoudig te gebruiken is voor analyses en rapportages. Daarbij ligt de focus op databehoeften vanuit nieuwe wet- en regelgeving, sturing op formatie, implementatie van workforcemanagement (roosterdata) en de ontsluiting van nieuwe klantapplicaties en bronsystemen.
In samenwerking met collega’s in verschillende rollen werk je aan de ontwikkeling en optimalisatie van informatieproducten zoals analytics, rapportages en dashboards. Dankzij jouw werk kan de organisatie datagedreven beslissingen nemen.
Werkzaamheden
Je stelt vanuit informatiebehoeften en businessprocessen een logisch datamodel op, werkt dit uit naar een technisch datamodel en vertaalt het vervolgens naar een dimensioneel model voor rapportage- en analysedoeleinden, bijvoorbeeld in de vorm van een stermodel. Je werkt daarbij in een lakehouse-omgeving en ondersteunt de keten van bronsystemen naar verwerkte datasets. De modelleerlaag omvat onder meer een bronstreng proces van historie, een relationele laag met historie en een dimensionele laag voor rapportages.
Daarnaast modelleer je datasets ten behoeve van onderzoeksvragen, beschrijf je hoe het model wordt gevuld vanuit bronsystemen en welke transformaties daarvoor nodig zijn. Je werkt in een korte cyclische manier volgens Agile Scrum en stemt je aanpak nauw af met ontwikkelaars om informatieproducten en datastromen doorlopend te verbeteren.
Eisen
- Azure
- Business Intelligence
- Data warehousing
- DP900
- ERwin
- ETL
- Inmon
- Kimball
- Microsoft Data Fundamentals
- Python
- Spark pools
- SQL
- Synapse