Vendor neutraal omdat de business het verschil maakt, niet de tool

Gartner stelt in zijn Magic Quadrant for Data Science and Machine Learning Platforms van 2024 dat de meeste leiders inmiddels overlappende capaciteiten bieden voor data engineering, analyse en machine learning, en dat de keuze tussen vendoren steeds meer wordt gedreven door bestaande stack, skills en commerciële afspraken dan door functionele verschillen. De Snowflake versus Databricks versus Microsoft Fabric discussie kost veel organisaties maanden, terwijl het verschil zelden in de tool zit.

Wij hebben geen vaste leverancier en geen omzetafspraken die onze keuze sturen. Wij kiezen op basis van jullie business, organisatie, mensen, stack, budget en governance eisen. Een keuze die op één dimensie klopt en op de andere niet, houdt niet.

H

Met welke tools werken wij

Onze stack groepeert zich in vier categorieën.

Cloud data platformen

De opslag, compute en governance laag waar jouw dataproducten op draaien. Wij bouwen op Microsoft Fabric, Databricks, Snowflake, Google Cloud Platform en AWS, soms in combinatie. Welk platform past hangt af van jullie stack, skills en business vragen. Een Microsoft huis kiest zelden voor Snowflake. Een organisatie met zware machine learning workloads vaak juist wel voor Databricks.

Lees meer over de toepassing van: Microsoft Fabric, Databricks, Snowflake, Google Cloud Platform en AWS

BI en analyse tools

De laag waar dashboards, rapportages en self service analyse op draaien. Wij werken hoofdzakelijk met Power BI en Tableau, naast open source opties zoals Apache Superset of Metabase. Power BI past doorgaans bij Microsoft huizen, Tableau bij organisaties die platform onafhankelijk willen blijven. Open source past bij organisaties met een sterke engineering cultuur die zelf kan dragen wat een commerciële vendor anders levert.

Lees meer over de toepassing van: Power BI en Tableau

AI en LLM stack

De laag voor generatieve AI, retrieval, agents en machine learning toepassingen. Wij werken met LLM platformen van de grote leveranciers en bouwen RAG architecturen op vendor neutrale componenten, zodat een wissel van model of leverancier later geen verbouwing is. De keuze tussen gemanaged en een eigen stack hangt sterk af van skills en governance eisen.

Lees meer over de toepassing van: LLM en RAG

Pipeline en transformatie tooling

De laag waar data van bron naar dataproduct stroomt. Wij gebruiken dbt voor transformaties, Airflow voor orkestratie en open table formats zoals Iceberg en Delta waar dat past. Deze componenten horen op een modern platform vaak bij de stack, ongeacht welke vendor je kiest.

Hoe wij kiezen: business, organisatie en mensen op nr. 1

Een tool kiezen begint niet bij een feature lijst. Wij stellen vijf vragen voordat een tool jullie platform binnenkomt.

Welke business vraag moet hij beantwoorden. Hoe past hij bij de organisatie en stack die er al staat. Welke skills zijn in huis of haalbaar, en wat vraagt het beheer aan dagelijkse aandacht. Welke governance eisen gelden, vanuit AVG, AI Act, DORA of interne audit. En welke totale kosten over drie jaar staan tegenover de waarde, inclusief licenties, compute, onderhoud en de mensen die het moeten dragen.

Een voorbeeld dat vaak terugkomt. Een open source data platform klinkt aantrekkelijk omdat licentiekosten ontbreken. In de praktijk vraagt het meer technische expertise om stabiel te draaien en ligt het beheer bij jullie team. Dat brengt kosten, doorlooptijd risico en sleutelpersoon afhankelijkheid mee. Voor de ene organisatie een uitstekende ruil. Voor de andere is een gemanaged platform met hogere licenties uiteindelijk goedkoper én rustiger.

H

Wat onderscheidt ons‍

Vendor neutraal omdat dat jullie geld scheelt

Wij hebben geen partnerprogramma dat onze keuze stuurt. Wij kiezen op basis van jullie business, organisatie en mensen, niet onze omzet aan de achterkant. Dat scheelt geld, en het scheelt de vendor lock-in waarmee veel organisaties drie jaar later vastzitten.

Data en AI experts die met de tools werken

Onze mensen kiezen niet alleen, ze bouwen. Wat wij vanmorgen op de Snowflake omgeving van de ene klant inrichten, leveren we vanmiddag op de Fabric stack van een andere. Die praktijkkennis is het verschil tussen een keuze op papier en een keuze die over drie jaar nog steeds klopt voor business, organisatie en de mensen die ermee werken.

Kennisoverdracht in ons DNA

Een stack die alleen wij begrijpen is een risico voor jouw bedrijf. Daarom bouwen we met heldere patronen en documentatie, en dragen we eigenaarschap over aan jouw team. Klopt de tool keuze bij de mensen die er straks mee werken, dan wordt de overdracht een formaliteit.

Plan een Data Impact Sessie

Een Data Impact Sessie duurt 90 minuten en is kosteloos. We schuiven aan, kijken naar jullie stack, de business vragen op tafel en de mensen die er straks mee moeten werken, en laten zien waar tool keuzes het meeste verschil maken. Aan het einde liggen er minimaal drie aanknopingspunten, of we nu samen verdergaan of niet.

Plan een: Data Impact Sessie