Als Data (Analytics) Engineer bij Floryn werk je op het snijvlak van engineering en analytics en bouw je aan de schaalbare datafundering waarop de organisatie vertrouwt. Je schrijft code, modelleert data, definieert metrics en automatiseert kwaliteitscontroles. Jouw werk heeft direct invloed op hoe snel en betrouwbaar teams beslissingen kunnen nemen. En wat je vandaag bouwt, kan morgen al in productie staan.
Floryn is een snelgroeiende Nederlandse fintech die zakelijke financiering sneller, transparanter en flexibeler maakt met eigen technologie. Sinds 2016 heeft Floryn voor meer dan €800 miljoen aan financiering verstrekt aan het mkb en inmiddels werken er meer dan 80 Nederlandse en internationale collega's.
Floryn is geen dashboardfabriek. Vraagt iemand om een nieuwe metric of rapportage? Voordat je begint te bouwen, wil je eerst weten wat diegene daadwerkelijk probeert te begrijpen of welke beslissing ermee genomen moet worden. Dat kritische denken stopt niet zodra je iets hebt gebouwd. Komt er uit een analyse 43,2%? Dan controleer je niet alleen of je query technisch klopt, maar vraag je jezelf ook af of die 43,2% überhaupt logisch is.
Hetzelfde geldt voor technische verbeteringen. Zie je een proces dat onnodig handmatig verloopt of een codebase die betrouwbaarder kan? Dan duik je erin, stel je een betere aanpak voor en bouw je de oplossing. Bij Floryn krijg je de vrijheid om een probleem te onderzoeken en een oplossing van eerste idee tot implementatie te brengen.
Wat ga je doen?
Technologie
Floryn werkt met data over onder andere klantgedrag, marketing, sales, CRM, leningadministratie en bedrijfsfinanciën.
dbt wordt gebruikt voor transformaties en datamodellering, Metabase voor BI, Hightouch voor reverse ETL en Fivetran en Estuary voor data ingestion. Prefect draait terugkerende jobs, terwijl Python wordt gebruikt voor prototyping en zwaardere analyses.
Je hoeft nog niet met iedere tool uit deze stack te hebben gewerkt. Ervaring met dbt is bijvoorbeeld geen harde eis. Belangrijker is dat je begrijpt hoe je betrouwbare, schaalbare en herbruikbare datamodellen bouwt en test.
Jullie gaan samen zitten en onderzoeken welke businessbeslissing hier eigenlijk achter zit. Zo'n gesprek eindigt regelmatig ergens anders dan waar jullie begonnen. Het model dat je uiteindelijk bouwt, geeft daardoor een beter antwoord dan waar oorspronkelijk om werd gevraagd. Daarna ga je bouwen.
Python gebruik je waar het daadwerkelijk waarde toevoegt en Claude Code neemt een serieus deel van het typewerk voor zijn rekening. Een groene build betekent nog niet dat het antwoord klopt. Je controleert de grain, joins en edge cases en schrijft tests die ervoor zorgen dat dezelfde fout de volgende keer wordt opgevangen.
Heeft iemand een aanpassing nodig in een Metabase-dashboard? Met onze eigen Metabase skill kost dat eerder een paar minuten van je aandacht dan een hele middag.
Die snelheid werkt alleen wanneer de technische fundering eronder goed staat. Daarom worden reviews, testing en eenduidige definities van modellen juist belangrijker, niet minder belangrijk.
Het beïnvloedt ook wat je bouwt. We maken onze metric-definities toegankelijk voor agents, zodat collega's vanuit de business zelf vragen kunnen stellen. Jouw modellen vormen dus de basis waarop die agents redeneren. Een onduidelijke definitie kan misschien nog overeind blijven in een dashboard, maar niet wanneer een agent ermee moet werken.
Prototypes laat je vroeg zien, ook wanneer ze nog niet mooi zijn. Feedback op een ruwe versie is waardevoller dan een perfect uitgewerkt antwoord op de verkeerde vraag.
Dezelfde metric blijkt op drie verschillende plekken te zijn gedefinieerd, met drie verschillende uitkomsten.
En soms verandert een backend developer het datatype van een kolom zonder backfill, waardoor jouw model ongemerkt onzin begint te produceren die een week lang niemand opmerkt.
Het signaleren van zo'n probleem, achterhalen waar het vandaan komt en vervolgens zorgen dat hetzelfde niet opnieuw kan gebeuren: dat is onderdeel van je werk. Houdt jouw oplossing technisch stand? Dan kan het zomaar je volgende project worden tijdens de wekelijkse planning.
Daarna klap je je laptop dicht. We bouwen hier voor de lange termijn en daarvoor zijn je avonden niet nodig.
Je wordt onderdeel van Data Operations: een compact team waarin verschillende technische en analytische specialismen samenkomen. Je werkt nauw samen met een Analytics Engineer en Senior Data Analyst en schakelt daarnaast regelmatig met Data Science, Development en teams als Marketing, Risk en Sales.
Als Data (Analytics) Engineer ben je binnen het team een technische sparringpartner. Jullie reviewen elkaars werk, dagen elkaar uit op keuzes rondom modellen en code en zorgen er samen voor dat de technische lat hoog blijft liggen.
De manier van werken is autonoom en gefocust. Er is een korte dagelijkse stand-up en wekelijks bespreken jullie de voortgang en nieuwe projecten. Buiten die momenten heb je langere blokken waarin je daadwerkelijk kunt bouwen. Mis je context? Dan wordt van je verwacht dat je achter je scherm vandaan komt, vragen stelt en de mensen opzoekt die je verder kunnen helpen.
We maken graag kennis met je. Solliciteer direct met je cv en een korte motivatie via het sollicitatieformulier.
Steamz ondersteunt Floryn gedurende het werving- en selectieproces. De geselecteerde kandidaat treedt rechtstreeks in dienst bij Floryn.
Heb je vragen over de functie of Floryn? Neem gerust contact op met Thijs Dings via 06 30716086 of thijs@steamz.nl.
Data worden bij Floryn ,
hoe werkt dat?
Deel vacature: