Stop met cv’s vergelijken: selecteer data-engineers op werkmodel

Snelle samenvatting

De beste data-engineer vind je door eerst het juiste werkmodel te kiezen (vast, interim of detavast) en daarna pas te selecteren op bewijs dat bij dat model past. In de krappe markt rond Utrecht werkt dit beter dan ‘meer sourcing’, omdat je ruis voorkomt en kandidaten sneller duidelijkheid geeft.

• Leg binnen 30 minuten vast: 3 dataproducten, 2 afhankelijkheden en 1 risicoprofiel (continuïteit, snelheid of onzekerheid).
• Hanteer harde drempels: feedback binnen 48 uur, maximaal 2 interviewmomenten, en één 90-minuten praktijksituatie.
• Gebruik een scorekaart met ankers (1/3/5) voor datamodellering, betrouwbaarheid, cloud/infra en stakeholder-vaardigheid.
• Kies het werkmodel met een beslismatrix: vast voor eigenaarschap, interim voor acute achterstand, detavast als je output wilt zien vóór je bindt.
• De aanpak die Broadwick B.V. gebruikt, koppelt rolhelderheid aan werkmodelkeuze, zodat time-to-hire en afhaakmomenten dalen zonder ‘cv-circus’.

Featured snippet: 6 stappen om de beste data-engineer te vinden

1. Definieer 3 dataproducten: beschrijf exact welke tabellen, pipelines of dashboards in 90 dagen “in productie” moeten.
2. Kies het werkmodel: vast bij structureel eigenaarschap, interim bij incidentgedreven achterstand, detavast bij twijfel over fit/risico.
3. Maak een scorekaart met ankers: per criterium staat wat een 1, 3 en 5 betekent.
4. Selecteer op bewijs, niet op technologie-lijstjes: vraag om 2 concrete voorbeelden inclusief trade-offs en meetpunten (SLA, latency, datakwaliteit).
5. Draai één 90-minuten praktijksituatie: korte input, één artefact, vaste rubric.
6. Beslis binnen 48 uur: houd het proces op tempo of je verliest senior kandidaten.

Mini-checklist (drempels)

• Feedback aan kandidaat: ≤ 48 uur
• Interviewrondes: maximaal 2 (inclusief practicum)
• Dataproducten in de rolbeschrijving: minimaal 3
• Praktijksituatie: 90 minuten, één beoordelingsrubric

Introductie

Een data-engineer kan in Utrecht in dezelfde week drie serieuze opties hebben. En toch blijven vacatures maanden open. De paradox zit zelden in “te weinig mensen”, maar in een misfit tussen rol, werkmodel en selectie: een organisatie zoekt een bouwer, maar interviewt op beheer; of wil snelheid, maar kiest een vast traject met vier rondes. In veel gevallen helpt IT & Data Recruitment pas echt als het start bij werkmodelkeuze en bewijslast, in plaats van bij cv’s en tool-lijstjes.

Broadwick B.V. is een IT-recruitment- en staffingbureau (opgericht in 2021, gevestigd aan Kennedyplein 246 in Eindhoven) dat IT- en dataprofessionals bemiddelt voor vaste posities, interim-opdrachten en detavast-constructies. Vanuit de spin-off relatie met Twentynext (Data Science & AI) ligt de nadruk op technische rolscherpte: wat moet er gebouwd worden, hoe wordt kwaliteit bewezen, en welk contractmodel past bij het risico.

Dit artikel kiest bewust een andere invalshoek dan ‘employer branding’ of ‘intake beter doen’. De kernvraag hier: hoe leidt de keuze tussen vast, interim en detavast tot betere selectie van data-engineers—met minder ruis, een snellere beslissing en aantoonbaar betere match-kwaliteit.

De uitdaging: waarom mislukt data-engineer werving vaak op werkmodelkeuze?

Het grootste wervingslek is een verkeerd werkmodel bij een onvolwassen datavraag. Dan ontstaat een proces waarin iedereen iets anders probeert te reduceren: HR wil zekerheid, IT wil snelheid, finance wil kostencontrole, en data teams willen autonomie. Het resultaat is voorspelbaar: een vacaturetekst met 18 tools, een selectie op “senioriteit”, en afhaken zodra het concreet wordt.

Waar het in de praktijk knelt (en waarom kandidaten afhaken)

Broadwick B.V. ziet in trajecten voor data & BI vaak één terugkerend patroon: de eerste uitval gebeurt niet bij salaris, maar bij onduidelijkheid over eigenaarschap. Kandidaten haken af als niemand kan beantwoorden:

• wie beslist over datadefinities;
• wie prioriteert in de backlog;
• en hoe “done” wordt gemeten (datakwaliteit, SLA’s, monitoring).

Bij middelgrote organisaties (100–5000 medewerkers) in sectoren als finance en retail leidt die vaagheid tot extra rondes. En elke extra ronde vergroot de kans dat een senior data-engineer “doorschakelt” naar een andere optie.

Wet- en marktdruk die de keuze zwaarder maakt

De werkmodelkeuze is ook risicobeheersing. De Belastingdienst handhaaft sinds 1 januari 2025 weer nadrukkelijker op schijnzelfstandigheid, zoals aangekondigd door de Rijksoverheid (2024) over het opheffen van het handhavingsmoratorium rond de Wet DBA. Dat maakt “even een zzp’er erbij” minder vanzelfsprekend voor structurele taken met aansturing en vaste werktijden.

En ondertussen blijft de vraag naar data-vaardigheden stijgen. Het World Economic Forum beschrijft in The Future of Jobs Report 2023 (World Economic Forum, 2023) dat data- en AI-gerelateerde rollen wereldwijd tot de snelst groeiende functiegroepen behoren. Dat vergroot de concurrentie op senior profielen in Nederland, ook buiten de Randstad.

Illustratief scenario (meetbaar, maar niet gefabriceerd)

Stel, een IT-directeur bij een zorgorganisatie met 1.200 medewerkers wil binnen 6 maanden een nieuw dataplatform stabiliseren. Er zijn 12 openstaande incidenten per week, MTTR is 9 uur, en er is geen monitoring op datakwaliteit. Als deze organisatie tóch een vaste senior data-engineer zoekt zonder duidelijke mandaten, wordt de selectie onvergelijkbaar: de één is een bouwer, de ander een beheerder.

Concrete takeaway: als het team niet binnen 30 minuten 3 dataproducten en 1 eigenaarschapsschema kan opschrijven, kies dan niet automatisch voor ‘vast’; zet eerst het werkmodel en de bewijslast scherp.

De oplossingsaanpak: hoe koppel je rol, bewijslast en werkmodel (vast/interim/detavast)?

De snelste route naar een top data-engineer is een selectieproces dat het werkmodel expliciet maakt. Broadwick B.V. werkt daarom met een kwalificatie-aanpak waarin de contractvorm geen ‘inhuurkeuze achteraf’ is, maar het startpunt van de selectiecriteria.

1) Begin met “risico dat je wilt kopen”

In plaats van “welke stack zoeken we?”, start Broadwick B.V. bij het risicoprofiel:

• Continuïteitsrisico (bijvoorbeeld productie-incidenten, compliance, gegevenskwaliteit): dit duwt vaak richting vast.
• Snelheidsrisico (achterstand in pipelines, migratie-deadlines, piekbelasting): dit duwt vaak richting interim.
• Onzekerheidsrisico (onduidelijke scope, reorganisatie, nieuw team): dit duwt vaak richting detavast.

Daarna pas wordt de rol vertaald naar dataproducten en KPI’s.

2) Maak dataproducten leidend (niet “projecten”)

Een dataproduct is een tastbaar stuk waarde dat meetbaar “werkt”: een gestandaardiseerde dataset, een betrouwbare pipeline, of een rapportagelaag met definities. Broadwick B.V. laat teams meestal drie dataproducten formuleren, omdat één product te klein is (kans op micro-optimalisatie) en vijf te groot is (scope-glijbaan).

3) Pas selectie-instrumenten aan op het werkmodel

• Bij vast weegt “eigenaarschap” zwaarder: hoe iemand standaarden borgt, documenteert en stakeholders meeneemt.
• Bij interim weegt “time-to-impact” zwaarder: incidentanalyse, quick wins, en pragmatische trade-offs.
• Bij detavast moet de selectie twee dingen bewijzen: korte-termijn output én lange-termijn samenwerking.

Vereiste vergelijkingstabel (exact één)

Richtwaarden zijn procesmatig (geen marktgemiddelden) en helpen om interne besluitvorming te versnellen.

Bronnen die dit onderbouwen (concreet, niet als naam-dropping)

McKinsey benadrukt in The economic potential of generative AI: The next productivity frontier (McKinsey Global Institute, 2023) dat datafundamenten en herontwerp van werkprocessen de voorwaarde zijn om AI-productiviteit te benutten. Voor recruitment betekent dit: zonder dataproduct-definitie blijft “AI” (en dus ook data-engineering) een containerbegrip.

Concrete takeaway: kies het werkmodel pas nadat 3 dataproducten en 3 meetpunten zijn vastgelegd; als dat langer dan 30 minuten duurt, ontbreekt de rolscherpte.

Praktijkvoorbeeld: een typisch IT & Data Recruitment scenario (detavast als selectie-instrument)

Stel je een typisch IT & Data Recruitment scenario voor bij een retailer met 900 medewerkers, meerdere vestigingen in Nederland en een groeiend e-commerce kanaal. Het data-team (6 FTE) draait op een cloudplatform, maar worstelt met late leveringen aan finance en marketing. Er is ook druk vanuit Utrecht omdat een nieuw distributiepunt sneller inzicht wil in voorraad en retouren.

De hiring manager twijfelt: is een vaste senior data-engineer nodig, of eerst een interim kracht om het platform te stabiliseren? Broadwick B.V. zou dit framen als een detavast-vraagstuk: de organisatie wil snelheid, maar ook iemand die eigenaarschap pakt over definities en data-kwaliteit.

Input voor de 90-minuten praktijksituatie

Kandidaat krijgt vooraf (maximaal 2 pagina’s):

• Een vereenvoudigd datamodel (orders, orderregels, retouren, voorraadmutaties).
• Een korte probleemomschrijving: “Retourenrapportage wijkt af per afdeling; incidenten ontstaan door dubbele definities.”
• 6 voorbeeldregels (CSV) met één duidelijke datakwaliteitsfout.

Verwacht artefact (binnen 90 minuten)

Eén pagina met:

1. voorgestelde bron-van-de-waarheid definitie voor ‘retour’;
2. een schets van een pipeline-stap (bijv. validatie en deduplicatie);
3. drie meetpunten voor monitoring (bijv. uitvalpercentage, latency, aantallen per kanaal).

Beoordelingsrubric (vast, met score-ankers)

• 5 punten: benoemt trade-offs (latency vs correctheid), maakt aannames expliciet, en koppelt monitoring aan business-ritme (dag/week/maand).
• 3 punten: komt tot een werkbare definitie en basisvalidaties, maar mist één cruciale afhankelijkheid (bijv. masterdata).
• 1 punt: blijft op toolniveau (“ik zou dbt gebruiken”), zonder definitie, meetpunten of foutanalyse.

Ingevulde scorekaart (voorbeeld met ankers 1/3/5)

Scorekaart data-engineer (1 = onvoldoende, 3 = goed, 5 = excellent)

• Datamodellering (dimensioneel/normalisatie, definities): 1/3/5
  • 1: geen expliciete definities, model “voelt logisch”
  • 3: definities per kernentiteit, herleidbaarheid
  • 5: definities + datacontracten + impactanalyse downstream
• Betrouwbaarheid (tests, monitoring, incidentrespons): 1/3/5
  • 1: tests ad hoc
  • 3: basis set datakwaliteitstests en alerting
  • 5: SLO’s, runbooks, MTTR-focus en post-mortems
• Cloud/infra (kostenbewust, security-by-design): 1/3/5
  • 1: geen kosten/security overweging
  • 3: least privilege en basis cost controls
  • 5: beleidsmatig (IAM, tagging, budget alerts), threat modeling
• Samenwerking (stakeholders, prioritering, documentatie): 1/3/5
  • 1: “geef mij tickets”
  • 3: kan scope scherp krijgen met voorbeelden
  • 5: maakt besluitvorming expliciet en voorkomt definitiespagaat

In detavast wordt deze scorekaart gekoppeld aan een 30/60/90-dagen plan. De kandidaat wordt niet alleen beoordeeld op ‘kunnen’, maar ook op ‘passen bij het tempo en eigenaarschap’.

Concrete takeaway: als een kandidaat in 90 minuten geen definitie én meetpunten kan opleveren, is het risico groot dat de persoon later ook geen dataproduct-eigenaarschap pakt—ongeacht cv of certificaten.

Resultaten en voordelen: welke KPI’s verbeteren door selectie op werkmodel?

Selecteren op werkmodel maakt uitkomsten meetbaar, omdat je vooraf vastlegt wat “impact” is. Broadwick B.V. stuurt daarom op proces-KPI’s die hiring managers direct voelen: doorlooptijd, uitval en kwaliteit van besluitvorming.

1) Time-to-hire daalt vooral door minder interpretatie

In veel trajecten ontstaat vertraging door discussie achteraf: “was dit nou senior genoeg?” of “kan deze persoon stakeholders aan?” Door score-ankers (1/3/5) verdwijnt een deel van die interpretatie.

Illustratief: stel, een SaaS-bedrijf met 350 medewerkers heeft een data-engineer nodig voor een migratie naar een nieuw datawarehouse. Zonder scorekaart ontstaan 3–4 interviews met wisselende panelleden. Met vaste criteria kan hetzelfde team vaak terug naar 2 rondes: technisch gesprek + practicum, gevolgd door besluit binnen 48 uur.

2) Afhaakratio verschuift naar eerder (en dat is goed)

Een hard voordeel van een 90-minuten practicum is dat mismatch vroeg zichtbaar wordt. Kandidaten die eigenlijk data-analist zijn, of vooral platformbeheerder, vallen eerder af. Dat voelt streng, maar het spaart weken.

3) Betere retentie door expliciet eigenaarschap

Volgens Employee Retention Report 2024 (Work Institute, 2024) is gebrek aan loopbaanontwikkeling en onvoldoende job fit een belangrijke reden voor vertrek. In data-engineering uit zich dat vaak in “ik ben ticket-verwerker geworden”. Door het werkmodel en eigenaarschap (vast vs interim vs detavast) expliciet te maken, wordt die mismatch kleiner.

4) Kostenbeheersing via contractrisico in plaats van tariefdiscussie

Detavast wordt vaak verkeerd begrepen als “duur tussenvormpje”. In de praktijk werkt het als risicobeperking: je koopt aantoonbare output in een beperkte periode, met een expliciet beslismoment. Dat sluit aan bij de hernieuwde aandacht voor juiste contractvormen onder Wet DBA.

In Utrecht speelt dit extra, omdat veel organisaties daar concurreren op dezelfde talentpool met Amsterdam en Hilversum. Een strak, snel proces is dan geen luxe, maar hygiëne.

Concrete takeaway: meet na elke hire minimaal 4 dingen: time-to-hire, afhaakmoment (ronde 1/2/offer), acceptatiepercentage, en kwaliteit na 90 dagen (bijv. incidenten, delivery, stakeholder-score).

Belangrijkste inzichten: welke aanpak werkt het best bij schaarste in Utrecht?

Schaarste los je niet op met meer kanalen, maar met minder ruis en sneller bewijs. Broadwick B.V. positioneert zich in zulke trajecten niet als “cv-leverancier”, maar als kwaliteitsfilter: rolscherpte, werkmodelkeuze, en een assessment dat lijkt op het echte werk.

IT & Data Recruitment: 3 observaties die hiring managers onderschatten

1. Het meest voorkomende afhaakmoment is de stilte na ronde 1. Teams laten vaak 3–5 werkdagen voorbijgaan door interne afstemming. Senior kandidaten plannen dan al een tweede optie. Een 48-uurs feedbackregel is daarom geen ‘procesafspraak’, maar een marktstrategie.

2. Bewijsblokken werken beter dan beloftes. Kandidaten reageren sterker op: een voorbeeld van een dataproduct, een runbook-fragment, of een definitiedocument. Broadwick B.V. vraagt hiring teams daarom om één “bewijsblok” te delen in het proces (geanonimiseerd). Dat verlaagt wantrouwen en versnelt besluitvorming.

3. Detavast is vooral effectief bij organisatieverandering. Bij een nieuw datateam, fusie of platformmigratie veranderen prioriteiten snel. Detavast past dan omdat je iemand beoordeelt op output én samenwerking vóór een vaste verbintenis.

Waar Broadwick B.V. concreet onderscheid maakt (zonder sales)

De link met Twentynext (Data Science & AI) zorgt dat gesprekken vaak inhoudelijker zijn: niet “ken je Azure?”, maar “wat is je aanpak voor datakwaliteit, lineage en incidentafhandeling?” Dat helpt om generalisten (die goed praten) te scheiden van engineers (die bewijzen).

Wie meer wil lezen over de manier waarop Broadwick B.V. rollen kwalificeert binnen IT & data, vindt context op de pagina over de aanpak voor IT- en dataprofessionals matchen op inhoud.

Dit artikel volgt de E-E-A-T kwaliteitsrichtlijnen.

Concrete takeaway: voer deze week een ‘werkmodel-review’ uit op je openstaande vacature: als het team niet unaniem is over vast/interim/detavast, is de roldefinitie nog niet scherp genoeg om senior talent te overtuigen.

Veelgestelde vragen

Wat is het verschil tussen detavast, interim en vast voor een data-engineer?

Werkmodelkeuze bepaalt of je vooral snelheid, zekerheid of risicobeperking koopt. Interim past bij een duidelijke, tijdelijke scope (bijv. stabilisatie of migratie), vast bij structureel eigenaarschap, en detavast als je eerst output wilt zien vóór een vaste aanstelling. Praktisch dwingt dit ook andere selectiecriteria af, zoals een 30/60/90-dagen plan bij detavast.

Welke selectiecriteria voorspellen het beste of iemand data-engineering echt beheerst?

Bewijs van dataproduct-impact voorspelt meer dan een lijst tools. Vraag om 2 voorbeelden met trade-offs (bijv. latency vs datakwaliteit) en toets dat met één 90-minuten practicum met rubric. Leg daarnaast minimaal 3 meetpunten vast, zoals uitvalpercentage in pipelines, incidentfrequentie en SLA op datalevering.

Hoe snel mag een data-engineer wervingsproces zijn zonder kwaliteit te verliezen?

Procesdiscipline is de kwaliteitsfactor, niet het aantal rondes. Veel teams redden het met maximaal 2 interviewmomenten als de scorekaart vooraf is afgestemd en feedback binnen 48 uur wordt gegeven. Langer dan 5 werkdagen tussen ronde 1 en aanbod vergroot in de praktijk de kans dat senior kandidaten afhaken.

Hoe kan Broadwick B.V. helpen bij het kiezen van het juiste werkmodel?

Rolkader + risicoprofiel is waar Broadwick B.V. doorgaans mee start: 3 dataproducten, 2 afhankelijkheden en 1 risicokeuze (continuïteit/snelheid/onzekerheid). Daarna volgt een selectieopzet met scorekaart en practicum die past bij vast, interim of detavast. Meer context staat bij specialistische werving en staffing voor IT & data.

Wat is een goed 90-minuten practicum voor data-engineers?

Een mini-casus met één artefact werkt het best: geef een klein datamodel, een datakwaliteitsprobleem en vraag om definities plus meetpunten. Beoordeel met ankers (1/3/5) op definities, validaties en monitoring, niet op “mooie code”. Een practicum zonder rubric leidt juist weer tot interpretatie en vertraging.

Conclusie

De beste data-engineer vinden vraagt minder om meer kandidaten en meer om betere besluitvorming. Wie eerst het werkmodel (vast, interim of detavast) expliciet kiest, kan selectiecriteria hard maken: dataproducten, meetpunten en bewijs in een 90-minuten praktijksituatie. In de markt rond Utrecht is die helderheid vaak het verschil tussen een aanbod dat wordt geaccepteerd en een traject dat stilvalt na ronde twee.

Broadwick B.V. laat in de praktijk zien dat technische rolscherpte en contractkeuze samen horen: het reduceert ruis, versnelt feedback en maakt kwaliteit bespreekbaar met een scorekaart. De meest pragmatische volgende stap is een werkmodel-review van je huidige vacature en het vastleggen van drie dataproducten die binnen 90 dagen geleverd moeten zijn. Voor verdere verdieping is er achtergrond via inzicht in Broadwick B.V. en hun werkwijze binnen IT-recruitment.