Van
klantvraag
naar productiesysteem.
Ik ben Ian. Ik bouw en beheer productie-datasystemen voor pensioenfondsen, vastgoedbeleggers en statistiekbureaus. Ik neem een open klantvraag, vertaal die naar een methode en lever het systeem dat het antwoord geeft.
Mijn focusgebieden
Head of Data in de praktijk: de data-infrastructuur bouwen, de systemen eronder opzetten, de klantkant dragen en de analytics erbovenop draaien.
Data engineering
Datapijplijnen en efficiënte opslag bouwen en onderhouden, zoals drie jaar wekelijkse dataverzameling/scraping uit 8 verschillende bronnen voor een vastgoedfonds met €10B AuM, en die data vervolgens automatisch structureren, opschonen en ontdubbelen.
Systeemarchitectuur
Het platform eronder opzetten: serverinstances, PostGIS, gedistribueerde Iceberg-compute en dataverwerkingsservers, netwerken/VPN, API's en security. Voorbeeld: 8 gedistribueerde servers die als vaste productie-infrastructuur draaien om bergen complexe dataproducten aan te kunnen.
Klant- en stakeholderwerk
De klantkant van het werk: methodologiereviews met statistici van Eurostat en CBS, presentaties aan portfoliomanagers, en langdurige klantrelaties met pensioenfondsen, vastgoedbeleggers en statistiekbureaus. Open vragen komen binnen; productie-API's gaan eruit.
Analytics & ML
De analyselaag erbovenop: nowcasting, ABM-simulaties, regressies, statistische methoden en toegepaste ML die shipt: van hedonische prijsmodellen tot beeldclassificatie tot statistisch degelijke tijdreeksanalyses.
Projecten & papers.
Acht stukken werk verdeeld over de vier sporen: productiesystemen, geleverde producten en het onderzoek dat ze mogelijk maken.
Connectivity & walkability scoring
Een project dat ik leidde bij KR&A: een connectiviteits- en walkability-score die live wordt berekend voor elke coördinaat in 38 landen in Europa, Noord-Amerika en APAC, met een voorberekend 250 m-grid als fallback, met TB's aan data en honderden databronnen. Het begon als de vraag van één klant en werd een productie-API, nu geïntegreerd in het PULSE-platform van a.s.r. real assets investment partners.
Monthly house-price index · 13 EU countries
Een meerjarige studie bij KR&A waar ik technical lead was: een webscraping-pipeline over 13 EU-landen die hedonische log-prijsregressies voedt voor maandelijkse indices, getest als disaggregatie-indicatoren voor de kwartaal-HPI's van Eurostat; het werk is door Eurostat officieel gepubliceerd als statistical working paper.
Gentrification agent-based model
Mijn MSc-thesisonderzoek naar gentrificatie, waarvoor ik een agent-based model van buurtverandering bouwde: huishoudens interacteren met buurten in de onderzochte steden Amsterdam, Utrecht en Milaan op basis van hun eigen inkomen, de betaalbaarheid van de buurt en de aantrekkelijkheid, gebaseerd op elementen als 'beauty'-classificatie van streetview-beelden, GTFS-connectiviteit, groen en online buurtsentiment. Een uitbreiding met sociale huur als tweede huurvorm is in de maak.
Research pipelines as production systems
Mijn onderzoeksprojecten draaien op Airflow 3-datapijplijnen die in dit project gehost worden. Het schaalt van een laptop tot een multi-machine CeleryExecutor-cluster. Dit project is gebouwd met idempotentie-guards, custom operators en agentic monitoring.
LanguageBuddy: AI language tutor
Een zelfgehoste AI-taaltutor voor Nederlands, Italiaans en Spaans, gebouwd op taalleeronderzoek, met een LLM-tutor via chat of spraakgesprek en SM-2-herhaling. Elke fout wordt vastgelegd in een spaced-repetition-wachtrij die de oefeningen van de volgende dag aanstuurt, en een scraper van echt nieuws levert het leesmateriaal. Volgt het CEFR-raamwerk met 6.200+ woordenschat-items.
SponsoredBye: sponsor-segment detection
Een sponsor-skipper voor YouTube op basis van alleen tekst: sentence-T5-embeddings voeden een BiLSTM-sequencetagger die gesponsorde zinnen markeert en terugvertaalt naar timestamps, waarmee de segmentatiefout daalt naar 16% WindowDiff tegenover een naïeve baseline van 99%.
FishFinder: photo-to-species ID
Een Flutter-app die 63 Nederlandse vissoorten herkent van een foto, volledig on-device, en een Pokédex-achtige FishDex vult bij elke vangst. De trainingspijplijn: ~3.000 handmatig geannoteerde foto's gemaskeerd met Segment Anything Model, daarna een gefinetunede ResNet50 (het volledige model is 90 MB) gecomprimeerd tot een TFLite-model van 8,8 MB voor on-device gebruik.
Predicting flooding risk from local features
Mijn BSc-thesis, over de vraag of overstromingsrisico verklaard kan worden uit lokale kenmerken in plaats van een black-box hydrodynamische simulatie. 33 kenmerken verzameld over ~45.000 Europese locaties, zoals bodemverharding, grondsoort en afstand tot de rivier, uit 100GB+ aan data, en een Random Forest gedraaid om het verband te vinden. Bevindingen: 97% op de binaire 20-jaarsvraag, met omliggende verharding en relatieve hoogte als belangrijkste voorspellers.
Papers.
Methoden, data en resultaten achter de projecten. Alle papers →