Naar de inhoud

Het datafundament,en de AI dieerop staat.

Datawarehouses en de AI-producten die erop draaien, van bronsysteem tot interface. Eén paar handen, en het draait in productie. Zie fig. 01.

Exploded aanzicht van vijf lagen. Van onder naar boven: bronsystemen, datawarehouse, semantische laag, AI-laag, applicatie. De dikte van elke plaat komt overeen met hoeveel werk erin zit; het datawarehouse is veruit het dikst.

Deel 02Het dimensionele model: feiten, dimensies, historie, lineage. Hier gaat de meeste tijd in zitten en hier praat niemand over. Vandaar de dikte van deze plaat.

Fig. 01 · Stapeling, exploded aanzicht · plaatdikte ~ werk

XBAS Business Intelligence · Almere NL · Doc 2026-07

Drie lagen, één paar handen.

De meeste opdrachten beginnen halverwege deze lijst en lopen vast op wat eronder ontbreekt. Ik bouw ze alle drie, meestal in de volgorde van onderaf: deel 02 uit fig. 01 draagt de rest.

  • DWH

    Datafundament

    Datawarehouses, pipelines, modellen. Het fundament waar rapportage en AI op moeten kunnen staan. Zonder dit deel is de rest een demo.

    • SQL Server · Azure · Snowflake
    • Dimensioneel modelleren · ETL · lineage
    • Datakwaliteit die productie haalt
  • AI

    AI-producten

    Taalmodel-applicaties die de productie halen: gegrond op jouw eigen data, geëvalueerd op antwoordkwaliteit, uitgerold in jouw eigen omgeving.

    • Claude · Gemini · OpenAI
    • RAG · tool use · agents
    • Prompt-engineering en evals
  • APP

    Webapplicaties

    De schil eromheen: de interface waarin het werk zichtbaar wordt. Snel uitgerold, en zo gebouwd dat er later iemand anders in verder kan.

    • Next.js · React · TypeScript
    • Tailwind · design systems
    • Azure · Cloudflare · eigen VPS

Het werk.

Eén systeem draait in productie bij een klant. De andere twee zijn demo's, in een avond gebouwd om te laten zien wat er in korte tijd kan. Dat verschil is groot genoeg om het er expliciet bij te zetten.

Illustratie van een DocumentChat-gesprek: een vraag over vakantiedagen, het antwoord met genummerde voetnoten, en daaronder de bronregel naar cao-hoofdstuk en pagina.

In productie

DocumentChat

Nederlandse vakbond (naam niet openbaar) · 2026

Een AI-kennisassistent over honderden cao's, in dagelijks gebruik bij een Nederlandse vakbond. Elk antwoord staat met een klikbare bron in het document.

  • Python
  • FastAPI
  • Azure AI Search
  • Azure OpenAI
  • SQL Server
Lees de case

Werkafspraken.

Eén developer inhuren roept een paar terechte vragen op. Hier staan de antwoorden, ook waar ze in mijn nadeel zijn.

  • Aanspreekpunt

    Je praat met degene die het bouwt.

    Geen accountmanager tussen jou en de code, geen contextverlies bij een overdracht. Wat je bespreekt, bouw ik.

  • Jouw data

    Het draait in jouw eigen omgeving.

    Je data blijft binnen je eigen Azure- of on-premise-omgeving. Bij DocumentChat was dat een harde eis van de klant, en dus de architectuur: er gaat geen documenttekst naar buiten.

  • Continuïteit

    Gebouwd om over te dragen.

    Dat ik alleen werk is een reëel risico, en dat los je niet op met een belofte. Wel met documentatie, een gangbare stack en code waar een volgende ontwikkelaar in kan. Je zit nergens aan vast.

  • AI

    AI versnelt het bouwen, niet het denken.

    AI schrijft mee, en dat scheelt weken. Het ontwerp, de datamodellen en de afwegingen zijn van mij, en ik kan ze stuk voor stuk verantwoorden.

Bas Stiekema, kijkt recht in de lens.
Plaat · Bas Stiekema · Almere

Bas Stiekema.

Ik bouw al ruim vijftien jaar datawarehouses. Voor retailgroepen, vakbonden, vastgoedbeheerders en een handvol anderen die moeten weten wat hun cijfers echt betekenen.

De laatste jaren is het werk verschoven. Diezelfde fundamenten voeden nu AI-applicaties: een assistent die de cao's van een organisatie echt kent, een semantische laag die de AI en de rapportage hetzelfde laat zeggen. De webschil brengt het samen zodat mensen er iets mee kunnen.

Stiekema Studio is waar die drie samenkomen. Eén persoon, AI als medebouwer, en werk dat in productie draait.

Rol
Data- en AI-developer
Ervaring
15+ jaar datawarehouses
Onderneming
XBAS Business Intelligence
Plaats
Almere, Nederland

Een half uur, en je weet waar je aan toe bent.

Geen verkoopgesprek. Je vertelt wat je wilt bouwen of wat er niet werkt, ik zeg wat ik zou doen en of ik daarvoor de juiste persoon ben. Als dat niet zo is, zeg ik dat ook.

Je kiest hiernaast zelf een moment uit mijn agenda. Direct daarna staat het er, met een Google Meet-link en een link om te annuleren als het toch niet uitkomt. Geen heen-en-weer over data.

Aanvraag · kennismaking · 30 min · Google Meet

Agenda ophalen...