Programma

Data engineers zijn schaars, maar stel je voor dat je met GenAI zelf een data warehouse kunt bouwen! Victor de Graaff, oprichter van D-Data, zal in deze inspirerende sessie laten zien hoe het mogelijk is om zonder diepgaande technische kennis in slechts 45 minuten een compleet datawarehouse op te zetten, te vullen en er een BI-dashboard bij te maken.

Victor demonstreert dit proces met behulp van openbare APIs en GenAI, waarbij hij de kracht van automatisering en kunstmatige intelligentie inzet. In deze showcase staan Azure en ChatGPT hem bij als ‘digitale assistenten’, en maken ze het onmogelijke mogelijk.

Door GenAI-gegenereerde code te gebruiken, zullen we:

• Een datawarehouse aanmaken en configureren zonder ingewikkelde scripts
• Data direct vanuit publieke APIs ophalen en laden
• Deze data visualiseren in een overzichtelijk BI-dashboard

Deze sessie laat zien dat zelfs specialistische taken, zoals het bouwen van datawarehouses, bereikbaar zijn voor een breder publiek dankzij GenAI. Bereid je voor om “in awe” te zijn en ontdek de toekomst van BI en data-engineering met kunstmatige intelligentie!

Onze dataprocessen en -systemen worden steeds complexer en dynamischer. Veel bedrijven hebben moeite met het op peil houden van de datakwaliteit en het vergroten van het vertrouwen in het datalandschap.

Testen biedt inzicht in risico’s en kwaliteit van de data, de systemen en de datastromen. Het onderzoekt bijvoorbeeld de prestaties, de data-integriteit en de bedrijfslogica. Veel meer dan het vinden van problemen en bugs gaat het bij testen om het bieden en opbouwen van vertrouwen voor eindgebruikers in de oplossing die wordt gebouwd. Testen zou daarom een cruciaal onderdeel moeten zijn van elke business intelligence- en data omgeving.

In deze lezing ga ik in op testkennis gericht op data omgevingen met behulp van TMAP en het VOICE-model. Ik zal ingaan op de DAMA-kwaliteitskenmerken die je kunt overnemen en je aanmoedigen om het niveau van vertrouwen in de kwaliteit van uw systemen en gegevens te communiceren. Krijg inzicht en tips over het testen van BI- & Data-oplossingen.

Belangrijkste punten:

• Het belang van testen
• Het TMAP- en VOICE-testmodel
• Vertrouwen opbouwen door inzicht te geven in het kwaliteitsniveau
• Testen in een BI & Data omgeving door te kijken naar:
  • Data stromen; kijken naar hoe de data door het systeem heen beweegt
  • Data kwaliteit; welke KPI’s kunnen worden gebruikt?
  • Data Profiling; hoe je bugs kunt vinden nog voordat de oplossing is gebouwd.

In today’s data landscape, data engineering stands as one of the most in-demand fields. Join Joe Reis in this wide-ranging talk as he explores data engineering and its significance. Discover the fundamentals of data engineering, encompassing the data engineering lifecycle and its undercurrents. Joe will also explore key concepts crucial for designing and maintaining scalable, reliable, and efficient data architectures. Lastly, he will shed light on the intersections between data engineering and other data-related domains, providing insights into macro trends that will shape the future of data engineering in 2025 and beyond.

• Understand the role of data engineering in today’s data landscape
• Learn the data engineering lifecycle and its undercurrents
• “Shifting left”
• How data engineering enables data-centric AI
• Trends in data engineering in 2025 and beyond

Erasmus Universiteit en TU-Delft hebben in 2023 de krachten gebundeld om een nieuw tijdperk van onderzoekssamenwerking in te luiden met een innovatief platform voor het delen van (open) data. Gebouwd op de pijlers van gebruiksgemak, robuuste beveiliging en moderne infrastructuur maakt dit platform het delen en ontdekken van onderzoeksgegevens een fluitje van een cent. Onderzoekers profiteren van intuïtief databeheer met geautomatiseerde Digital Object Identifier (DOI) toekenning, terwijl geavanceerde beveiliging zorgt voor AVG-compliance zonder de toegankelijkheid in gevaar te brengen. Het platform biedt geautomatiseerde datasynchronisatie en unieke compute-to-data mogelijkheden, waardoor algoritmes veilig kunnen worden uitgevoerd met behoud van gevoelige informatie.Als open-source oplossing stimuleert het platform actieve deelname van de gemeenschap en continue verbetering. Of u nu een bank bent die markttrends analyseert, een verzekeraar die risico-inzichten zoekt, of een retailer die klantgedrag onderzoekt: ontdek hoe dit platform veilige datacollaboratie mogelijk maakt terwijl uw intellectueel eigendom wordt beschermd en u volledige controle houdt over uw gevoelige informatie.

Deze sessie zal het volgende belichten:

• Platform Architectuur: Ontdek de bouwstenen van een modern datadeelplatform met focus op beveiliging en gebruiksgemak.
• Praktische Toepassing: Leer hoe organisaties data kunnen delen met volledige controle over hun gevoelige informatie.
• Technische Realisatie: Verken de implementatie van beveiligingsmaatregelen en geautomatiseerde functies voor efficiënt datadelen.
• Community Ontwikkeling: Begrijp hoe je een actieve datagemeenschap opbouwt tussen kennisinstellingen en bedrijfsleven.
• Toekomstbestendigheid: Zie hoe open-source ontwikkeling zorgt voor continue innovatie en AI-gereedheid van het platform.

Je zou denken van wel, met al meer dan vijftig jaar ervaring met datamodelleren, data-architecturen, datastrategieën, datawarehouses en databases. Desondanks moeten we bekennen dat er nog steeds fouten gemaakt worden en grote projecten nog altijd mislopen. Wat kunnen we eigenlijk voor de toekomst leren van alle ervaringen die we hebben opgedaan? Wat moeten we veranderen om mee te kunnen draaien in deze steeds meer datagedreven economie waarin voor iedereen digitale transformatie het magische woord is? Het is niet alleen een kwestie van nieuwe technologie aanschaffen. Wij ICT-ers moeten ook veranderen. Data-disruptie vereist ICT-disruptie.

• Hoe goed is ons track record wat betreft ICT-projecten?
• Waarom adopteren we niet meer generatoren en self-driving technologie?
• Is datamodelleren eigenlijk wel veranderd de laatste 30 jaar?
• Welke eigenschappen moet de ICT-er veranderen?
• Het belang van gedegen ICT-kennis aan de top van de organisatie.

Jaap-Willem Verheij van Wijk will open the session with an introduction to Qlik then share customer insights including EWALS Cargo Care who have continuously innovated with data to stay ahead of the curve. See how they have solved the latest data challenges in logistics and how they automate the data warehouse lifecycle. Jaap will also share how AEGON have solved their manual data stream issues and are now able to enclose multiple data sources with a small team that supports the agility of their business demands.

APG is de grootste pensioenuitvoerder van Nederland en ziet vanuit huidige en toekomstige bedrijfsvoering data als een cruciale asset. De overheid trekt zich steeds meer terug uit een toereikende oudedagsvoorziening (verhoging AOW-leeftijd, verlaging pensioenopbouw) dus inzicht in de persoonlijke situatie van deelnemers en het bieden van handelingsperspectief is van cruciaal belang. Daarnaast wil APG als uitvoerder en belegger toonaangevend zijn.

Dit alles heeft geleid tot het oormerken van data als een strategische asset. Maar hoe kom je van die ambitie tot executie op de diverse assen techniek, capability, cultuur en organisatie? Deze presentatie vertelt een integraal verhaal over de reis die de afgelopen periode is afgelegd: wat ging er goed, wat niet, wat hebben we daarvan geleerd, waar staan we nu?
Er zal worden ingegaan op het neerzetten van een passende architectuur, het opbouwen van de juiste kennis en kunde, de combinatie met moderne werkvormen en de uitdagingen op samenwerking over bedrijfsonderdelen heen:

• Business drivers
• Architectuur en kennis
• Cultuur en wendbaarheid
• Organisatie en sponsorship
• Kritieke succesfactoren

Ensembling is one of the hottest techniques in today’s predictive analytics competitions. Every single recent winner of Kaggle.com and KDD competitions used an ensemble technique, including famous algorithms such as XGBoost and Random Forest.
Are these competition victories paving the way for widespread organizational implementation of these techniques? This session will provide a detailed overview of ensemble models, their origin, and show why they are so effective. We will explain the building blocks of virtually all ensembles techniques, to include bagging and boosting.

What You Will Learn:

• What are ensemble models and what are their advantages?
• Why are ensembles in the news?
• The two most influential ensembling approaches: bagging and boosting
• The core elements of ensembles and their application
• The challenge of applying competition strategies to organizational problems.

De digitale toekomst: denk groot, denk aan grootschalig gedistribueerde data, denk in ecosystemen. Welke Integratie-architectuur is benodigd om een belangrijke positie te krijgen in een ecosysteem van Fintech-bedrijven en andere banken? Hebben Enterprise Datawarehouses nog een functie in dit datalandschap? Over deze vragen gaat de presentatie. Ook komt aan bod:

• Data-integratie patronen
• Data ownership en Data Governance
• Metadata als bindmiddel
• Controle over gedistribueerde data
• Data distributie in de Cloud

Self-service analytics has been the holy grail of data analytics leaders for the past two decades. Although analytical tools have improved significantly, it is notoriously difficult to achieve the promise of self-service analytics. This session will explain how to empower business users to create their own reports and models without creating data chaos. Specifically, it examines seven factors for leading a successful BI program: right roles, right processes, right tools, right organization, right architecture, right governance, and right leadership. Ultimately, it will show how to build a self-sustaining analytical culture that balances speed and standards, agility and architecture, and self-service and governance.

You will learn:

• Trends and business dynamics driving analytics adoption
• The conundrum of self-service analytics
• Success factors for leading a successful BI program
• How to survive and thrive in the new world of big data analytics
• How to increase user adoption and facilitate self service

With data increasingly being seen as a critical corporate asset, more organisations are embracing the concepts and practices of Data Governance. As a result Data Governance is today one of the hottest topics in data management, focusing both on how Governance driven change can enable companies to gain better leverage from their data through enhanced Business Intelligence, Data Analytics and so on, and also to help them design and enforce the controls needed to ensure they remain compliant with increasingly stringent laws and regulations, such as GDPR.

Despite this rapidly growing focus, many Data Governance initiatives fail to meet their goals, with only around one in five fully achieving expectations. Why is the failure rate so high? There are many factors, but one key reason is that implementing Data Governance without aligning it with a defined enterprise and data architecture is fraught with dangers. Linking Architecture with data accountability, a core principle of Data Governance, is essential.
This session will outline why Data Governance and Architecture should be connected, how to make it happen, and what part Business Intelligence and Data Warehousing play in defining a robust and sustainable Governance programme.

This talk will cover:

• What is Data Governance and what it is not
• Key reasons for Data Governance failure & disappointment
• The key components of enterprise architecture – Business, Process and Data
• The synergies between architecture and Governance – how do they reinforce each other?
• How artefacts from both disciplines can be combined and applied to ensure success
• The implications for Business Intelligence and Data Warehousing
• Several use cases of successes and lessons learned

Cloud data warehousing helps to meet the challenges of legacy data warehouses that struggle to keep up with growing data volumes, changing service level expectations, and the need to integrate structured warehouse data with unstructured data in a data lake. Cloud data warehousing provides many benefits, but cloud migration isn’t fast and easy. Migrating an existing data warehouse to the cloud is a complex process of moving schema, data, and ETL. The complexity increases when architectural modernization, restructuring of database schema or rebuilding of data pipelines is needed.

This session provides an overview of the benefits, techniques, and challenges when migrating an existing data warehouse to the cloud. We will discuss the pros and cons of cloud migration, explore the dynamics of migration decision making, and look at migration pragmatics within the framework of a step-by-step approach to migrating. The tips and techniques described here will help you to make informed decisions about cloud migration and address the full scope of migration planning.

You Will Learn:

• The what and why of cloud data warehousing
• The benefits and challenges of cloud data warehousing
• Migration analysis and decision making
• Technology roles in migration to the cloud
• A step-by-step framework for data warehouse migration.