Architect

Opdrachtomschrijving

Je bent een ervaren Data & AI Architect die zelfstandig richting geeft aan de verdere ontwikkeling van de enterprise data-architectuur en de AI-architectuur. Je legt verbinding tussen businessbehoeften, data, AI, applicaties en technologie. Je vertaalt strategische en operationele vraagstukken naar concrete architectuurkeuzes, doelbeelden, principes, standaarden en roadmaps, met nadruk op dataplatformen, gegevensuitwisseling, datamodellering, data governance, metadata/lineage, datakwaliteit en master-/referentiedata. De opdracht is resultaatgericht en vereist overdracht en borging in projecten en veranderinitiatieven.

Werkzaamheden

• Ontwikkelen en realiseren van de doelarchitectuur voor data, inclusief de strategische transitie van Azure Data Lake naar Microsoft Fabric, met roadmap, architectuurprincipes, governance en implementatiekaders.
• Ontwikkelen en borgen van een organisatiebrede AI-architectuur, inclusief governance, security, compliance en standaarden voor veilige en betrouwbare AI-toepassingen; vertalen van businessdoelen naar data- en AI-capabilities en ontwerpprincipes.
• Ontwerpen en reviewen van conceptuele en logische datamodellen en bijdragen aan een consistente gemeenschappelijke informatietaal.
• Definiëren van architectuurprincipes, standaarden en patterns voor data-opslag, data-integratie, gegevensuitwisseling, analytics, BI, machine learning en generatieve AI.
• Richting geven aan inrichting en doorontwikkeling van dataplatformen en positionering van data lake/lakehouse, data warehouse, streaming en API-/eventgedreven gegevensuitwisseling.
• Uitwerken van architectuur voor data governance: eigenaarschap, classificatie, metadata, catalogisering, lineage, datakwaliteit, toegangsbeheer en lifecycle.
• Uitwerken van architectuurkaders voor AI, waaronder betrouwbare databronnen, model- en AI-asset governance, traceerbaarheid/lineage, toegangsbeheersing en monitoring, en aansluiting op security/privacy/compliance.
• Beoordelen van projecten en oplossingsontwerpen op aansluiting bij de data- en AI-doelarchitectuur en expliciteren van afwijkingen, risico’s en afhankelijkheden.
• Adviseren over rationalisatie, hergebruik en standaardisatie van data- en analyticsvoorzieningen en het voorkomen van datasilo’s en onnodige platformcomplexiteit.
• Ondersteunen van relevante initiatieven (BI/Power BI, dataproducten, gegevensuitwisseling, AI-use-cases) zonder de rol van implementatielead over te nemen.
• Actief overdragen van kennis en werkwijzen aan interne architecten, data-specialisten en teams.

Gevraagde kennis en ervaring

• Minimaal 5 jaar relevante ervaring binnen data-architectuur in complexe omgevingen; aantoonbare ervaring als Data Architect, Information Architect of vergelijkbare rol.
• Aantoonbare ervaring met het opstellen van doelarchitecturen, architectuurprincipes, roadmaps en besluitvormingsstukken.
• Sterke kennis van conceptuele en logische datamodellering, data-integratie en gegevensuitwisseling.
• Ervaring met moderne dataplatformarchitecturen (data lake/lakehouse, data warehouse), analytics/BI en cloudomgevingen.
• Aantoonbare kennis van data governance, metadata management, data lineage, datakwaliteit en master-/referentiedata.
• Ervaring met architectuur voor AI/ML en bij voorkeur generatieve AI, inclusief governance, lifecycle, monitoring en relatie met betrouwbare data.
• Ervaring met architectuurmethodieken en modellering, bij voorkeur TOGAF en ArchiMate.
• Ervaring met Azure en het Microsoft data-/analytics-ecosysteem is een sterke pre.
• Ervaring in mobiliteit, openbaar vervoer, asset-intensieve organisaties of publieke dienstverlening is een pre.
• Vaardig in het helder vertalen van complexe architectuurvraagstukken naar zowel bestuur/management als engineers en dataspecialisten.
• Zelfstandig, resultaatgericht, pragmatisch en sterk in stakeholdermanagement en kennisoverdracht.

Resultaten en deliverables

1. Data & AI Architecture Baseline – Een gevalideerd beeld van het huidige data- en AI-landschap, inclusief kernbronnen, platformen, belangrijke datastromen, eigenaarschap, afhankelijkheden, knelpunten en technische schuld.
2. Doelarchitectuur Data & AI – Een bestuurlijk en technisch bruikbaar doelbeeld voor data en AI, inclusief architectuurkeuzes, bouwblokken, verantwoordelijkheden en samenhang met de enterprise architectuur.
3. Architectuurprincipes en standaarden – Een set principes, standaarden en ontwerpregels voor data-integratie, opslag, data sharing, datamodellering, kwaliteit, metadata/lineage, security/privacy en AI.
4. Conceptueel en logisch datamodel – Een eerste samenhangend model voor prioritaire bedrijfsobjecten en gegevensdomeinen, inclusief definities, relaties en uitgangspunten voor verdere uitwerking.
5. Data governance architectuur – Een uitgewerkt architectuurkader voor data ownership/stewardship, catalogisering, metadata, lineage, datakwaliteit, classificatie, toegangsbeheer en master-/referentiedata.
6. AI-architectuur en governancekader – Een praktisch kader voor AI- en GenAI-toepassingen met uitgangspunten voor data-toegang, model-/AI-assets, traceerbaarheid, evaluatie/kwaliteit, monitoring, security/privacy, lifecycle en hergebruik.
7. Referentiearchitectuur / patterns – Herbruikbare architectuurpatterns voor veelvoorkomende data- en AI-vraagstukken (batch/streaming, API/event-uitwisseling, BI/analytics, dataproducten, AI/ML/GenAI).
8. Roadmap en transitieadvies – Een geprioriteerde roadmap van huidige naar gewenste situatie, met afhankelijkheden, beslismomenten, randvoorwaarden en voorstellen voor rationalisatie en standaardisatie.
9. Kennisoverdracht en borging – Gedocumenteerde werkwijze, overdracht van modellen/kaders en werksessies zodat de organisatie de architectuur zelfstandig kan onderhouden en toepassen.

Eisen:

1. Minimaal 5 jaar relevante ervaring binnen data-architectuur in complexe omgevingen; aantoonbare ervaring als Data Architect, Information Architect of vergelijkbare rol
2. Aantoonbare ervaring met het opstellen van doelarchitecturen, architectuurprincipes, roadmaps en besluitvormingsstukken
3. Sterke kennis van conceptuele en logische datamodellering, data-integratie en gegevensuitwisseling
4. Ervaring met moderne dataplatformarchitecturen, data lake/lakehouse, data warehouse, analytics/BI en cloudomgevingen
5. Aantoonbare kennis van data governance, metadata management, data lineage, datakwaliteit en master-/referentiedata
6. Ervaring met architectuur voor AI/ML en bij voorkeur generatieve AI, inclusief governance, lifecycle, monitoring en de relatie tussen AI en betrouwbare data
7. Ervaring met architectuurmethodieken en modellering, bij voorkeur TOGAF en ArchiMate
8. In staat om complexe architectuurvraagstukken helder te vertalen naar zowel bestuur/management als engineers en dataspecialisten
9. Zelfstandig, resultaatgericht, pragmatisch en sterk in stakeholdermanagement en kennisoverdracht

Wensen:

• Ervaring met architectuur voor AI/ML en bij voorkeur generatieve AI, inclusief governance, lifecycle, monitoring en de relatie tussen AI en betrouwbare data
• Ervaring met architectuurmethodieken en modellering, bij voorkeur TOGAF en ArchiMate
• Ervaring met Azure en het Microsoft data-/analytics-ecosysteem is een sterke pre
• Ervaring in mobiliteit, openbaar vervoer, asset-intensieve organisaties of publieke dienstverlening is een pre

• De meeste functies zijn tijdelijke functies voor een langere periode. Soms met uitzicht op vast.
• ZZP is niet altijd mogelijk.
• Goede beheersing van het Nederlands is voor alle functies vereist
• Ervaring bij een overheidsorganisatie is een grote pré, soms een eis.
• We ontvangen graag jouw CV in het Nederlands, liefst in Word format.
• Vermeld je functies en werkzaamheden inclusief jaartallen en maanden, meest recente bovenaan.