Von der
Kundenfrage
zum Produktionssystem.
Ich bin Ian. Ich baue und betreibe Produktions-Datensysteme für Pensionsfonds, Immobilieninvestoren und Statistikämter. Ich nehme eine offene Kundenfrage, mache daraus eine Methode und liefere das System, das sie beantwortet.
Vier Schwerpunkte
Head of Data in der Praxis: die Dateninfrastruktur bauen, die Systeme darunter aufsetzen, die Kundenseite verantworten und die Analytics darüber betreiben.
Data Engineering
Datenpipelines und effiziente Speicherung bauen und warten, etwa drei Jahre wöchentliche Erhebung/Scraping aus 8 verschiedenen Quellen für einen Immobilienfonds mit 10 Mrd. € AuM, und diese Daten dann automatisch strukturieren, bereinigen und deduplizieren.
Systemarchitektur
Die Plattform darunter aufsetzen: Serverinstanzen, PostGIS, verteiltes Iceberg-Compute und Datenverarbeitungsserver, Netzwerk/VPN, APIs und Security. Beispiel: 8 verteilte Server laufen als dauerhafte Produktionsinfrastruktur für eine Menge komplexer Datenprodukte.
Kunden- und Stakeholderarbeit
Die Kundenseite der Arbeit: Methodik-Reviews mit Statistikern von Eurostat und CBS, Präsentationen vor Portfoliomanagern und langjährige Kundenbeziehungen zu Pensionsfonds, Immobilieninvestoren und Statistikämtern. Offene Fragen kommen rein; Produktions-APIs gehen raus.
Analytics & ML
Die Analyseschicht obendrauf: Nowcasting, ABM-Simulationen, Regressionen, statistische Methoden und angewandtes ML, das in Produktion geht: von hedonischen Preismodellen über Bildklassifikation bis zu statistisch sauberen Zeitreihenanalysen.
Projekte & Paper.
Acht Arbeiten über die vier Spuren: Produktionssysteme, ausgelieferte Produkte und die Forschung, die sie möglich machen.
Connectivity & walkability scoring
Ein Projekt, das ich bei KR&A geleitet habe: ein Konnektivitäts- und Walkability-Score, live berechnet für jede Koordinate in 38 Ländern in Europa, Nordamerika und APAC, mit einem vorberechneten 250-m-Raster als Fallback, mit Terabytes an Daten und hunderten Datenquellen. Es begann als Frage eines Kunden und wurde eine Produktions-API, jetzt integriert in die PULSE-Plattform von a.s.r. real assets investment partners.
Monthly house-price index · 13 EU countries
Eine mehrjährige Studie bei KR&A, bei der ich Technical Lead war: eine Web-Scraping-Pipeline über 13 EU-Länder, die hedonische Log-Preis-Regressionen speist, aus denen monatliche Indizes entstehen, getestet als Disaggregations-Indikatoren für Eurostats Quartals-HPIs; die Arbeit ist von Eurostat offiziell als Statistical Working Paper veröffentlicht.
Gentrification agent-based model
Meine MSc-Arbeit zu Gentrifizierung: ein agentenbasiertes Modell von Nachbarschaftswandel. Haushalte interagieren mit Nachbarschaften in den untersuchten Städten Amsterdam, Utrecht und Mailand, auf Basis ihres eigenen Einkommens, der Leistbarkeit der Nachbarschaft und ihrer Attraktivität, gespeist aus Elementen wie einer 'Beauty'-Klassifikation von Streetview-Bildern, GTFS-Konnektivität, Begrünung und der Online-Stimmung zur Nachbarschaft. Eine Erweiterung um sozialen Wohnbau mit zwei Mietformen ist in Arbeit.
Research pipelines as production systems
Meine Forschungsprojekte laufen auf Airflow-3-Datenpipelines, die in diesem Projekt gehostet sind. Es skaliert vom Laptop bis zum Multi-Maschinen-CeleryExecutor-Cluster. Gebaut mit Idempotenz-Guards, eigenen Operatoren und agentischem Monitoring.
LanguageBuddy: AI language tutor
Ein selbst gehosteter KI-Sprachtutor für Niederländisch, Italienisch und Spanisch, gebaut auf Spracherwerbsforschung, mit einem LLM-Tutor zum Chatten oder Telefonieren und SM-2-Wiederholung. Jeder Fehler landet in einer Spaced-Repetition-Warteschlange, die die Übungen des nächsten Tages steuert, und ein Scraper für echte Nachrichten liefert Lesetexte. Folgt dem CEFR-Rahmen mit 6.200+ Vokabeleinträgen.
SponsoredBye: sponsor-segment detection
Ein rein textbasierter Sponsor-Skipper für YouTube: Sentence-T5-Embeddings speisen einen BiLSTM-Sequenztagger, der gesponserte Sätze markiert und auf Timestamps zurückführt; der Segmentierungsfehler sinkt auf 16% WindowDiff gegenüber einer naiven Baseline von 99%.
FishFinder: photo-to-species ID
Eine Flutter-App, die 63 niederländische Fischarten vom Foto erkennt, vollständig on-device, und mit jedem Fang eine Pokédex-artige FishDex füllt. Die Trainingspipeline: ~3.000 handannotierte Fotos, maskiert mit dem Segment Anything Model, dann ein feingetuntes ResNet50 (das volle Modell: 90 MB), komprimiert auf ein 8,8-MB-TFLite-Modell für den Einsatz on-device.
Predicting flooding risk from local features
Meine BSc-Arbeit zur Frage, ob sich Hochwasserrisiko aus lokalen Merkmalen erklären lässt statt aus einer Black-Box-Hydrodynamiksimulation. 33 Merkmale über ~45.000 europäische Standorte gesammelt, etwa Bodenversiegelung, Bodentyp und Entfernung zum Fluss, über 100GB+ an Daten, und ein Random Forest auf den Zusammenhang angesetzt. Ergebnis: 97% auf der binären 20-Jahres-Frage, wobei umliegende Versiegelung und relative Höhe die meiste Arbeit leisten.
Papers.
Methoden, Daten und Ergebnisse hinter den Projekten. Alle Papers →