Hoe kan het slimmer? is een korte interviewreeks van Kersten. We spreken collega’s die elke dag klantvragen vertalen naar slimmere uitvoering. Soms zit dat in de techniek maar vaker in de discipline om eerst te begrijpen wat er echt speelt. Nisa Aslan, Data Engineer E&B vertelt over haar vak.
Data engineering
Een Data Engineer ontsluit en automatiseert energiedata voor betrouwbare sturing en voorspelling van verbruik, flexibiliteit en kosten. Voor Nisa begint klantwaarde echt niet bij een mooi dashboard, maar vooral bij het nemen van betere beslissingen. Ze beoogt binnen een brede energievraag, een grote laadinfrastructuur of bij de complexe W-kant (warmte- en koude) steeds hetzelfde effect: minder giswerk, veel meer grip. ‘Door continu te meten wat werkt en wat niet werkt. Herhalingen te automatiseren en logica te gebruiken. Die combinatie maakt het mogelijk om situaties sneller te duiden en om oplossingen te bouwen die blijven werken als de omstandigheden daar om vragen.’
Van brede wens naar concrete vraag
Nisa ziet dat veel klantvragen groot beginnen. Ambitieus, maar diffuus. ‘Vaak onderzoek ik eerst wat zijn de concrete handvatten zijn in het totaalplaatje.’ Haar vak gaat over afbakening. Niet om de vraag kleiner te maken uit gemak, maar juist processen meetbaar en beter stuurbaar te krijgen. Ze noemt kaderen daarbij als haar belangrijkste instrument. ‘Eerst een onderzoeksvraag formuleren, dus wat wil ik weten? Wat ga ik doen? En dan de benodigde parameters verzamelen.’ Die stap bepaalt voor Nisa of een oplossing later reproduceerbaar wordt, en dus bruikbaar voor meer locaties, meer assets en meer teams.
Herbruikbare kern, klantspecifieke laag
Een ander terugkerend patroon in haar werkwijze is modulair bouwen. ‘Er zit wel een standaard core in elk proces. Die kern wil ik voorzien van unieke ‘proces-afslagen’ voor een specifieke klant.’ Voor klanten betekent het minder maatwerk dat vastloopt, meer schaalbaarheid en snellere iteraties. Daarmee verschuift data engineering van losse analyses naar een structurele versnelling in beheer en optimalisatie
Laadinfrastructuur slimmer sturen
Nisa’s meest tastbare voorbeeld ligt bij de laadinfrastructuur. ‘Laadpleinen, dat is de afgelopen maanden mijn focus geweest.’ De klantvraag draait niet om één belang, maar om die balans tussen gebruiker, exploitant en kosten. ‘Hoe kun je een laadplein optimaliseren zodat de gebruiker tevreden is en dat de businesscase aan de klantkant klopt.’ Wat data engineering hier toevoegt, is het automatiseren van het analyserende voorwerk. ‘Een standaard-rapportage als basis die pieken, patronen en afwijkingen snel zichtbaar maakt, dan kan ik me focussen op de outliers, waardoor de klant veel gerichter kan sturen.’
Data eerst, omdat het later tijd wint
Nisa is helder over waar het vaak misgaat. Data is er wel, maar verspreid, onduidelijk of van wisselende kwaliteit. ‘Er is wel data, maar men weet vaak niet wat voor soort data en in welke systemen dat zit.’ Haar advies aan klanten en teams is daarom niet het spektakel, maar juist die structuur. ‘Praat met je data ingenieurs!’
