×
OVER MIJ VAARDIGHEDEN CURSUSSEN HOBBY'S CONTACT
ENGLISH

PIM PHILIPPO



Wat ik tot nu toe heb gedaan

Corporate Business Analyst

Vion Food Group

Data Analytics Lead

Okt 2021 - Heden

Als Data Analytics Lead houd ik mij onder andere bezig met:

  • Aansturen van het Analytics Competence Center team en verantwoordelijk voor het identificeren en prioriteren van use cases.
  • Het Analytics Competence Center is een centraal team dat zich richt op het leveren van data-analyse producten (bijvoorbeeld dashboards, datasets) en het ondersteunen van de 4 Business Units bij het verkrijgen van de juiste inzichten uit data. Om data als strategische asset te benutten, wordt een Azure cloud gebaseerd dataplatform gebruikt voor het verzamelen, opslaan, verwerken en analyseren van data.
  • Het team bestaat uit Data Engineers, een Azure Cloud Architect, Data Visualization experts, Business Analisten, een IT Application Manager, een Data Architect en een Integration architect.
Data Analytics Lead

Corporate Business Analyst

Vion Food Group

Corporate Business Analyst

Okt 2020 - Sep 2021

Als Corporate Business Analyst bij de Group Control afdeling heb ik mij onder andere bezig gehouden met:

  • Uitvoeren van omzet- en kostenanalyses. Hierbij werd gebruik gemaakt van verschillende tools zoals Python, Power BI en Microsoft Excel.
  • Focusgebieden: Business Unit Beef en Corporate.
  • Direct rapporteren en presenteren aan de management groep en directie.
Corporate Business Analyst

Vijzelaar Financial Data Analytics Consultant

Vijzelaar.com

Financial Data Analytics Consultant

Okt 2019 - Sep 2020

Binnen Vijzelaar.com wordt een nieuwe divisie opgezet genaamd Vijzelaar.com Data Solutions. Als Financial Data Analytics consultant help ik mee bij het opzetten van deze nieuwe divisie en houd ik mij onder andere bezig met:

  • Het ondersteunen van organisaties op het gebied van (Financial) Data Analytics in de vorm van pilots, proof of concepts, projecten en ad hoc analyses. Hierbij wordt o.a. gebruik gemaakt van Python, SQL, Sklearn, Flask, Kubernetes en Docker.
  • De Analytics Translator rol (kansen op het raakvlak van Finance en business vertalen naar Data Analytics use cases).
  • Het voeren van brainstormsessies met verschillende middelgrote en grote bedrijven over de mogelijkheden van (Financial) Data Analytics.
  • Het geven van presentaties over (Financial) Data Analytics.
  • Het ontwikkelen van software/generieke tools in Python die gebruikt kunnen worden bij opdrachtgevers. Een voorbeeld is de Flawed Payments package, een tool die dubbele, foutieve en afwijkende betalingen kan identificeren.

Geven van trainingen, presentaties en brainstormsessies:

Vijzelaar Financial Data Analytics Consultant

KLM Data Analyst

KLM

Data Analyst - Financial Data Analytics

Dec 2017 - Sep 2019

Als Data Analyst bij KLM werkte ik nauw samen met Data Scientisten en Data Engineers in een speciaal (Agile) Product Team. Als team richtten we ons voornamelijk op vraagstukken gerelateerd aan het financiële domein. Voorbeelden: voorspellen van EU claims (EU261 claims), fraude detectie en het opstellen van quotes voor KLM Engineering & Maintenance (onderdeel van predictive maintenance).

Focusgebieden:

  • (Big) Data analyses
  • Datamodelleren
  • Machine Learning
  • Process-mining analyses

Lees meer over de projecten die ik heb gedaan bij KLM:


In de periode december 2017 - april 2018 heb ik samengewerkt met twee Data Scientisten van GoDataDriven. Samen hebben we aan verschillende projecten gewerkt waaronder het "EU Claims Forecast Model". Zie de casestudy Mastering Financial Information voor meer informatie over deze samenwerking tussen KLM en GoDataDriven.

KLM Data Analyst

Transavia Business Controller

Transavia

Business Controller IT & Corporate

Aug 2015 - Nov 2017

Als Business Controller bij Transavia had ik de overhead afdelingen en het innovatie portfolio als aandachtsgebieden.

Hoofdactiviteiten:

  • Direct rapporteren aan de management groep
  • Planning en control cyclus (forecast, budget en maandafsluiting)
  • Monitoren van het IT portfolio
  • Business en data analyes (bijv. CAO grond scenario analyse)
  • Maken van dynamische (Power BI) dashboards
  • Business improvement (proces optimalisatie, Lean)
  • (Redesign) Transavia Control Framework (internal control framework)

Naast de reguliere werkzaamheden heb ik ook gewerkt aan enkele projecten. Lees meer over enkele van deze projecten:

Transavia Business Controller


Erasmus Universiteit Rotterdam Finance

Erasmus Universiteit Rotterdam

Master of Science (MSc), Accounting, Auditing and Control

2013 - 2015

  • Specialisatie Accounting and Finance
  • Diploma behaald in mei 2015
Erasmus Universiteit Rotterdam Finance


De Haagse Hogeschool Finance

De Haagse Hogeschool

Bachelor of Business Administration (BBA), Bedrijfseconomie

2009 - 2013

  • Naast het behalen van mijn Bachelor of Business Administration (BBA) in Bedrijfseconomie heb ik in juli 2013 ook een getuigschrift behaald voor de academische doorstroomminoren van de Erasmus Universiteit Rotterdam
  • Diploma behaald in juli 2013

Lees hier meer over enkele (neven)activiteiten die ik heb gedaan tijdens mijn opleiding Bedrijfseconomie:

De Haagse Hogeschool Finance


Vaardigheden

Talen

Nederlands


Engels

Professionele vaardigheden

  • Data Analysis
  • Business Intelligence
  • Business Analytics
  • Data Visualization
  • Business Control
  • Financial Analysis
  • Data Modeling
  • Machine Learning
  • Process Mining Analysis

Computer

DATA VISUALISATIONS

Power BI
Power BI
Microsoft Office
Spotfire
Microsoft Office
Matplotlib
Dash by Plotly
Dash by Plotly
Microsoft Office
MS Excel
Microsoft Office
MS PowerPoint
DISCO
DISCO

DATA ANALYTICS / DATA SCIENCE

Python
Python
Spark
Spark
SQL
SQL
Jupyter Notebook
Jupyter Notebook
Microsoft Excel
MS Excel
Microsoft Azure
MS Azure
Microsoft SQL Server Management Studio
MS SSMS

WEB / API DEVELOPMENT

Flask
Flask
Celery
Celery
Redis
Redis
HTML
HTML
CSS
CSS
JavaScript
JavaScript

OVERIG

Git
Git
Linux
Linux
Docker
Docker
Kubernetes
Kubernetes
Anaconda
Anaconda
SharePoint
SharePoint
C#
C#


Cursussen

DataCamp

DataCamp

Unsupervised Learning in Python

2020

  • Clustering for dataset exploration
  • Visualization with hierarchical clustering and t-SNE
  • Decorrelating your data and dimension reduction
  • Discovering interpretable features
DataCamp
Unsupervised Learning Clustering t-SNE Hierarchical Clustering Dimension Reduction

DataCamp

DataCamp

Supervised Learning with scikit-learn

2019

  • Classification
  • Regression
  • Precision, recall, ROC curve and AUC
  • Hyperparameter tuning (GridSearchCV and RandomizedSearchCV)
  • Preprocessing data for Machine Learning
  • Machine Learning pipelines
DataCamp
Supervised Learning Scikit-learn Classification Regression Hyperparameter Tuning Preprocessing Data ML Pipelines

DataCamp

DataCamp

Importing Data in Python

2019

  • Importing file types such as pickled files, Excel spreadsheets, SAS files, Stata files, HDF5 files and MATLAB files
  • Working with relational databases in Python
  • Importing data from the Internet
  • Interacting with APIs to import data from the web
  • Diving deep into the Twitter API
DataCamp
Python SQL API Twitter API

DataCamp

DataCamp

Python Data Science Toolbox

2019

  • Custom functions (multiple parameters, multiple return values, default arguments and variable-length arguments)
  • Scoping in Python
  • Lambda functions
  • Error-handling
  • Iterators and iterables
  • List comprehensions and generators
DataCamp
Python Data Science

DataCamp

DataCamp

Intermediate Python for Data Science

2018

  • Visualize data with matplotlib's functions
  • Data structures (dictionaries, Pandas DataFrame)
  • Boolean logic, control flow and loops in Python
Python Data Science

Microsoft Virtual Academy

Microsoft Virtual Academy

Introduction to Programming with Python

2017

  • Basic syntax (e.g. data types, variables)
  • Working with dates and times
  • Decision statements (if/else and and/or statements and nested if statements)
  • Iteration statements (e.g. for loop, while loop)
  • Lists, dictionaries and tuples
  • Handling errors
Python Programming Language

Toon cursussen van voor 2017


Microsoft Virtual Academy

Microsoft Virtual Academy

C# Fundamentals for Absolute Beginners

2016

  • Working with code files, projects and solutions (Microsoft Visual Studio)
  • Decision statements (if/else and and/or statements and nested if statements)
  • Iteration statements, enumerations and the switch decision statements
  • Understanding arrays
  • Defining and calling methods
  • Understanding and working with classes
  • Understanding namespaces and working with the .NET Class Library
  • Creating and adding references to assemblies
  • Working with lists and dictionaries
  • Working with LINQ
  • Handling errors
C# Programming Language Visual Studio

Microsoft Virtual Academy

Microsoft Virtual Academy

From Data to Insight and Impact - The BI Revolution

2015

  • Spend less time struggling with data and more time driving insight and impact
  • Getting any type of data
  • Shaping any type of data
  • Turning your data into a visual story
  • Data exploration for everyone
Finance Business Intelligence Finance at Microsoft

Microsoft Virtual Academy

Microsoft Virtual Academy

Reimagine Finance

2015

De cursus bestaat uit twee onderdelen:

Managing Controls and Compliance

  • The evolution of Controls & Compliance at Microsoft
  • Controls & Compliance tools in action

Finance BI for Sales Organizations

  • The evolving role of Finance at Microsoft
  • Transformational technology in action
  • Understand the (on-premises and cloud) solutions that support this transformation
Finance Controls & Compliance

Verberg cursussen van voor 2017



Hobby's

Programmeren

In mijn vrije tijd vind ik het leuk om (kleine) apps te ontwikkelen en om zaken te automatiseren (bijvoorbeeld Smart Home).

Wielrennen

Ik heb een Pinarello Marvel en vind het leuk om High Intensity Interval Trainingen (HIIT) te doen.

Lezen

Ik hou van het lezen van thrillers en boeken over programmeren en Data Science.

Data Science wedstrijden

Onlangs ben ik begonnen met het meedoen aan Data Science wedstrijden.



Contact

Wil je contact met mij opnemen? Leuk!

Ik beloof zo snel mogelijk antwoord te geven.

Je kan natuurlijk ook contact met mij opnemen via LinkedIn.




Opdracht bij Meelunie

Meelunie Power BI consolidatie model

Feb 2020 - Apr 2020

Meelunie is een internationaal opererend bedrijf en is gespecialiseerd in de handel van zetmeel, zetmeel derivaten en plantaardige eiwitten voor met name de levensmiddelen- en diervoeding industrie. In het verleden maakte de financiële afdeling van Meelunie gebruik van een uitgebreid Excel bestand voor het consolideren van de (financiële) gegevens van de verschillende entiteiten die onder Meelunie vallen. Het bijwerken van het consolidatiemodel in Excel was een tijdrovende, foutgevoelige klus. Daarnaast was het consolidatiemodel in Excel een statisch overzicht waarbij de cijfers die in het consolidatiemodel naar voren komen moeilijk te controleren en te analyseren waren.

Voor de financiële afdeling van Meelunie heeft Vijzelaar.com Data Solutions een consolidatie model in Power BI gemaakt welke een Balance Sheet, P&L, Cash Flow Statement en een KPI overzicht bevat. Het nieuwe consolidatie model is sneller bij te werken, heeft een directe verbinding met het ERP systeem (Microsoft Dynamics) en brengt verschillende nieuwe functionaliteiten met zich mee waaronder:

  • Downdrillen Inzoomen op de cijfers; van het hoogste rapportage niveau tot op grootboek-niveau downdrillen om zo rapportage cijfers te analyseren.
  • Snelheid Doordat Power BI direct gekoppeld is aan het ERP systeem (Microsoft Dynamics in het geval van Meelunie) kan het consolidatiemodel sneller bijgewerkt worden en kan het consolidatiemodel ook effectief gebruikt worden bij bijvoorbeeld een maandafsluiting.
  • Rapporteren in verschillende valuta’s Doordat de verschillende valuta koersen verwerkt zijn in het consolidatiemodel is het mogelijk om de geconsolideerde gegevens in verschillende valuta’s te tonen. Zo is het bijvoorbeeld mogelijk om snel te schakelen tussen EUR en USD bedragen.
  • Flexibel In Power BI wordt er gebruik gemaakt van zogenoemde dimensietabellen. Deze dimensietabellen maken het mogelijk om bijvoorbeeld nieuwe doorsnedes te maken, maar zorgen er ook voor dat er bijvoorbeeld makkelijk in de toekomst entiteiten toegevoegd kunnen worden aan het consolidatiemodel. Daarnaast is het mogelijk om handmatige correcties toe te voegen aan het consolidatiemodel, denk bijvoorbeeld aan een Management Target.
  • Verschillende doorsnedes Door het gebruik van zogenoemde Power BI measures is het mogelijk om items in verschillende tijd-dimensies te tonen. Denk bijvoorbeeld aan het tonen van Year-to-Date, Month-to-Date en Previous Year cijfers.

Trefwoorden: Power BI Microsoft Dynamics Financial Statements KPI


Training gegegeven

Financial Data Analytics: een introductie

Feb 2020

Samen met een collega (Tom Huigsloot) heb ik twee keer voor een groep van 15-20 personen een training gegeven in het onderwerp “Financial Data Analytics”. Hierbij zijn we o.a. ingegaan op de volgende onderwerpen:

  • De transformatie van Finance Finance zal zich steeds meer proactief op gaan stellen en de rol van business partner omarmen, hierbij wordt vooruitgekeken in plaats van achteruit, wordt integraal gedacht en niet in silo’s, worden inzichten gecreëerd in plaats van statische rapporten en wordt geen statisch maar een continu lerend proces toegepast.
  • De ontwikkeling van Data Analytics Verschil tussen Descriptive Analytics, Diagnostic en Predictive Analytics en Prescriptive Analytics. Het beantwoorden van verschillende vragen: Wat is er gebeurd? Waarom is het gebeurd? Wat gaat er gebeuren? Wat is het beste wat kan gebeuren?
  • De verschillende fases van een Data Analytics project Proces analyse, verkrijgen van de data, data preprocessing, verkennende of ad hoc analyse, model bouwen (bijvoorbeeld: dashboard of optimalisatiemodel), en indien van toepassing de industrialisatie fase.
  • Data Analytics tools Welke tools gebruik je voor Advanced Data Analytics? Wat is het voordeel van Python t.o.v. bijvoorbeeld Microsoft Excel? Als Data Analyst gebruik je veel verschillende tools, van Data Analytics / Data Science tools zoals Pandas, PySpark en Sklearn tot Data Engineering tools zoals Docker en Kubernetes.
  • (Financial) Data Analytics use cases Een overzicht van verschillende praktijkvoorbeelden van (Financial) Data Analytics. Hoe worden technieken als Process Mining Analysis, Natural Language Processing en Machine Learning (Supervised Learning en Unsupervised Learning) in de praktijk gebruikt? Welke voordelen brengen deze technieken met zich mee?
  • Interactieve demo Op basis van een (demo) dataset van een supermarktketen hebben we samen met de groep een “Exploratory Data Analysis” (verkennende analyse) uitgevoerd in Python. Hierbij hebben we gebruik gemaakt van Jupyter Notebook, een tool waarbij je (Python) code kan combineren met tekst en de output van de code (bijvoorbeeld: een grafiek) direct kan tonen. Bij de demo zijn we ook ingegaan op een belangrijk concept genaamd “Feature Engineering”, het verrijken van een dataset met extra data afkomstig van andere datasets. Bij dit laatste onderwerp hebben we ook de techniek “Webscraping” laten zien waarbij we data (bijvoorbeeld: temperatuurgegevens) van het internet “scrapen”.

Presentatie gegegeven bij RAI Amsterdam

Process Mining analyse

Dec 2019

Veel processen binnen RAI Amsterdam worden bijgehouden in een ERP systeem. Hierdoor zijn er log gegevens beschikbaar van elke activiteit (processtap) binnen het proces. RAI Amsterdam heeft in het verleden al verschillende keren Process Mining analyses uitgevoerd maar door de hoeveelheid data en de complexiteit van de data en processen kwamen er veelal weinig nieuwe inzichten uit naar voren.

Door middel van een presentatie voor RAI Amsterdam heb ik laten zien welke Process Mining analyse technieken je kunt gebruiken om afwijkende procespaden, vertragingen, re-work, bottlenecks en doorlooptijd-overschrijdingen te identificeren in het geval van complexe processen. Hierbij ben ik o.a. ingegaan op de volgende onderwerpen:

  • Introductie tot Process Mining Wat voor type data heb je nodig voor het uitvoeren van een Process Mining analyse? Hoe kan je deze data verrijken (feature engineering)? Welke tools kun je gebruiken voor het uitvoeren van een Process Mining analyse? Wat zijn de drie vormen van Process Mining analyse (Process Discovery, Conformance Analysis en Process Enhancement)?
  • Process Discovery (vorm 1) Bij de eerste vorm van Process Mining analyse geef je antwoord op de vraag: Hoe ziet het huidige proces er in werkelijkheid uit? Hierbij is ingegaan op het maken van een zogenoemd “procesmodel”, is de theorie achter een Petri Net besproken en zijn vier type van Process Discovery algoritmen (Alpha Miner, Heuristics Miner, Inductive Minder en Fuzzy Miner) aan bod gekomen.
  • Conformance Analysis (vorm 2) Bij de tweede vorm van Process Mining analyse geef je antwoord op de vraag: Houden we ons aan wat we vooraf hebben gespecificeerd? Hierbij is ingegaan op twee belangrijke onderwerpen: afwijkingen identificeren tussen een normatief procesmodel en het werkelijke proces, en controleren of het werkelijke proces voldoet aan de “business rules”.
  • Process Enhancement (vorm 3) Bij de laatste vorm van Process Mining analyse geef je antwoord op de vraag: Hoe kunnen we het proces verbeteren? Hierbij is ingegaan op twee type processen (“Lasagne processen” versus “Spaghetti processen”) en welke procesverbeteringstappen gemaakt kunnen worden bij deze type processen.
  • Clustering (Machine Learning) Het analyseren van “Spaghetti processen” (complexe processen), wat van toepassing is bij RAI Amsterdam, kan ingewikkeld zijn. Om deze type processen te kunnen analyseren zou je (Trace) Clustering kunnen toepassen: de data in verschillende subgroepen verdelen en procesmodellen construeren. Hierdoor kunnen nauwkeurigere modellen verkregen worden.

DE TOEKOMST VAN FINANCE

Brainstormsessies

Okt 2019 - Heden

De rol van Finance verandert. "Data" wordt een steeds belangrijker onderwerp binnen organisaties. Hoe ga je slim om met data? Hoeveel waarde zit er in en welke aanpak is de sleutel tot succes? De juiste KPI's zijn het fundament van betere data gedreven beslissingen. Het in kaart brengen van welke gegevens gerelateerd zijn aan het succes van de organisatie is van groot belang. Welke gegevens zijn belangrijk en hoe verhouden deze zich tot de bedrijfsdoelstellingen? Door middel van brainstormsessies met bedrijven hebben we het onderwerp (Financial) Data Analytics besproken, hebben we Vijzelaar.com Data Solutions geïntroduceerd bij bedrijven en hebben we samen met het bedrijf een beoordeling gemaakt of Vijzelaar.com Data Solutions ondersteuning kan bieden op bovenstaande onderwerpen.

Enkele bedrijven waarmee we brainstormsessies hebben gevoerd zijn:

  • RAI Amsterdam
  • Schiphol Group
  • Royal Flora Holland
  • Infomedics
  • Hessing Supervers
  • Plantise
  • Nevi
  • McCain Cela Vita
  • IJsseltechnologie
  • Prologis
  • Cygnific
  • Cargonaut
  • MSREF
  • EMESA (vakantieveilingen.nl)
  • VEON
  • Datamatics
  • Mijksenaar
  • Van Oord

KLM

EU261 Claim Provisions Compliant with IFRS 15 (Service Recovery Cost)

Dec 2017 - Mrt 2018

Onvoldoende inzicht in de cost drivers met betrekking tot EU261 claims maken het moeilijk om een accurate financiële forecast en voorziening op te stellen voor deze type kosten. Dit levert daarnaast compliancy problemen op voor zowel KLM als Air France met betrekking tot IFRS 15. Als team hebben we een model opgesteld welke vele datasets combineert en door middel van een Machine Learning algoritme een financiële forecast en voorziening berekent.

Programming language(s): Python

Datasetomvang: 0-25GB

Trefwoorden: Machine Learning (ML) Spark Pandas Scikit-learn JSON Robotic Process Automation (RPA)


KLM

External Spend Process Mining analyse

Mrt 2018 - Apr 2018

Samen met Celonis hebben we een Process Mining analyse uitgevoerd voor KLM Inflight Services. Gebaseerd op deze analyse hebben we de proces-efficiëntie beoordeeld en inzichten verschaft met betrekking tot het Purchase to Pay (P2P) proces binnen KLM Inflight Services. Deze inzichten kunnen leiden tot beter en efficiënter koopgedrag.

Programming language(s): Python

Datasetomvang: 25-50GB

Trefwoorden: Process Mining Pandas Celonis P2P


KLM

Payments Online

Apr 2018 - Nov 2018

Er is een continue trade-off tussen het beschikbaar stellen van betalingsmethoden (denk bijvoorbeeld aan Credit Card, iDeal, PayPal) voor de klant en het maken van kosten als gevolg van het beschikbaar stellen van deze betalingsmethoden. Met behulp van verschillende geavanceerde data analytics/data science technieken hebben we ons geconcentreerd op verschillende aspecten:

  • De prestaties van de verschillende betalingsmethoden (bijvoorbeeld: hoe vaak zijn er problemen met bepaalde betalingsmethoden?).
  • De (netto) kosten van het beschikbaar stellen van bepaalde betalingsmethoden.
  • Betalingsmethode fraude (voorkomen van "review cases" en voorkomen van "reversed payments").

Programming language(s): Python

Datasetomvang: 50-100GB

Trefwoorden: Spark Pandas Machine Learning Scikit-learn Spotfire


KLM

E&M Time Registration

Jun 2018 - Jul 2018

De geregistreerde uren binnen Maintenix (tijdregistratiesysteem) geven aan dat de kwaliteit van geregistreerde uren niet op het gewenste niveau is. Dit resulteert in een uitdaging vanuit een benuttings-oogpunt (bijvoorbeeld over- of onderbenutting van beschikbare capaciteit). Met behulp van verschillende data analytics technieken hebben we inzichten in het uurregistratiegedrag verstrekt. Deze inzichten kunnen leiden tot betere planning van de medewerkers, FTE-prognoses en revenue management.

Programming language(s): Python

Datasetomvang: 25-50GB

Trefwoorden: Spark Pandas Machine Learning Scikit-learn Spotfire


KLM

E&M Quotes

Jun 2018 - Nov 2018

Telkens wanneer een (potentiële) klant een aanbesteding uitstuurt voor het onderhoud van 737-componenten, heeft het Cost Quotation team binnen E&M Component Services een grote rol bij het bepalen van een quote. Het team geeft een quote af op basis van een betrouwbare inschatting van toekomstige kosten, zodat Sales een concurrerend, maar toch winstgevend voorstel kan afgeven. We optimaliseerden en automatiseerden de berekening van de kosten per shopvisit. De PoC (Proof of Concept) bestond uit de volgende onderwerpen:

  • Door middel van Machine Learning de berekening van toekomstige kosten verbeteren (wat een aanzienlijke impact kan hebben op de gerealiseerde marge).
  • Met behulp van Python Flask, een mogelijke UI (User Interface) tonen waarbij gebruikers partnummers en peer groups (d.w.z. andere luchtvaartmaatschappijen) kunnen selecteren en relevante items kunnen filteren (bijvoorbeeld boekjaren).
  • Een pipeline maken met behulp van Object Oriented Programming (OOP):
    • Ingest (importeer en clean meerdere datasets)
    • Calibrate (creëer een model)
    • Predict (maak een voorspelling op basis van het model)

Programming language(s): Python

Datasetomvang: 0-25GB

Trefwoorden: Machine Learning Pandas OOP Scikit-learn Flask


KLM

Declaree

Feb 2019 - Mei 2019

Sinds 2017 maakt KLM gebruik van Declaree, een programma waarbij digitaal declaraties (onkosten, creditcarduitgaven, kilometers en reisdeclaraties) ingediend kunnen worden. Het project bestaat uit drie onderdelen:

  • Process Mining Analyse: een analyse naar de proces efficientie m.b.t. het goedkeuringsproces van declaraties in Declaree (denk o.a. aan doorlooptijden en process flows)
  • MI Dashboard: we hebben een dashboard gemaakt in Spotfire die gebruikt kan worden door verschillende domeinen/afdelingen binnen KLM
  • Process Automation: het automatiseren en ondersteunen (managers en controllers) van het goedkeuringsproces binnen Declaree met behulp van o.a. Machine Learning

Bij dit project heb ik de Process Mining analyse uitgevoerd en heb ik samen met de Data Scientisten gewerkt aan de Process Automation track. Denk bij dit laatste o.a. aan de exploratory data analysis, een text clustering analyse, het schrijven van een preprocessing script, opstellen van unittesten en het opstellen van een eerste opzet van het Machine Learning model.

Programming language(s): Python

Datasetomvang: 0-25GB

Trefwoorden: DISCO Pandas Machine Learning Scikit-learn Spotfire Pipeline Unittesting


KLM

Flawed Payments

Jun 2019 - Aug 2019

Op dagelijkse basis maakt KLM enorm veel (externe) betalingen. Binnen het betalingsproces vinden verschillende checks plaats, zowel in systemen als in het proces zelf, om er zeker van te zijn dat KLM invoices niet dubbel betaald en om zogenoemde “flawed payments” te voorkomen. In het verleden zijn externe partijen ingehuurd om dit proces te analyseren.

Om het internal control framework van KLM te verbeteren en het betalingsproces continue te monitoren zijn twee datamodellen geïmplementeerd. Een model vangt dubbele betalingen op op basis van “exact matching” en “fuzzy matching” en het andere model bepaald afwijkende betalingen (gebaseerd op een anomaly detection algoritme).

Programming language(s): Python

Datasetomvang: 0-25GB

Trefwoorden: Flawed Payments Dubbele betalingen Data Preprocessing Pipeline Fuzzy Matching Internal Control Anomaly Detection


KLM

Fuel Controlling

Aug 2019 - Sep 2019

Een groot deel van de kosten van KLM zijn gerelateerd aan het inkopen en distribueren van fuel. Deze kosten wordt bepaald op basis van het (verbruikte) volume en de prijs. Fuel Controlling is onder andere verantwoordelijk voor de “controlling” van dit proces en het hedgen van de gerelateerde kosten. Bij dit proces vinden verschillende, tijdsintensieve interne controles plaats.

Om bekend te raken met de verschillende beschikbare databronnen en processen hebben we dit proces van interne controlles voor een deel geautomatiseerd. Hiervoor is onder andere een data preprocessing pipeline opgesteld.

Na de proof of concept fase heb ik een webservice gemaakt zodat de business (Fuel Controlling department) de geautomatiseerde internal control zelf kan uitvoeren. Deze webservice is gebouwd in Flask (Python) en gedeployed op Kubernetes (in een Docker container).

Programming language(s): Python

Datasetomvang: 0-25GB

Trefwoorden: Robotic Process Automation (RPA) Webservice Flask Kubernetes Docker


TRANSAVIA

Airsuite

Mrt 2016 - Feb 2017

Onder de projectnaam "Airsuite" hebben we samen met Transavia Frankrijk, Capgemini en de Solmate Group een moderne cloud-based oplossing neergezet voor airline financieel management, route profitability en inkoop. Het project bestaat uit een mix van drie platforms:

  • NetSuite
  • Airpas
  • Adaptive Insights

Enkele belangrijke onderdelen waar ik aan heb meegeholpen zijn:

  • Opstellen van nieuwe Chart of Accounts (COA).
  • Initiële BI 'layer-structure' opstellen en afstemmen met Transavia Frankrijk.
  • Testen van de functionaliteit van NetSuite en Adaptive Insights.
  • Brainstormen over het maken van custom oplossingen binnen NetSuite en Adaptive Insights.

Live-gang: Januari 2017

Trefwoorden: NetSuite Airpas Adaptive Insights Transavia Franktijk Capgemini Solmate Group


TRANSAVIA

Nieuwe Digitale Werkplek

2016 - 2017

Onder de projectnaam "Nieuwe Digitale Werkplek" heb ik mij opgegeven als early adopter van de nieuwe Transavia (digitale) werkplek. Voor dit project heb ik o.a. verschillende programma's getest in de nieuwe werkomgeving en heb ik de gehele SharePoint Online (SPO) omgeving aangemaakt voor Transavia Finance (Accounting en Controlling & Reporting) en enkele andere afdelingen/teams binnen Transavia (bijvoorbeeld HR, scrum teams, change & innovate). Voor Controlling & Reporting specifiek heb ik o.a. het volgende opgezet:

  • Teamsite
  • Document libraries
  • Permission levels
  • Dashboards
  • Online formulieren

Pogramming language(s): JavaScript HTML/CSS

Trefwoorden: SharePoint Teamsites Digital Workspace


TRANSAVIA

Proof of Concept Power BI op de Finance afdeling

Nov 2016 - Mrt 2017

Samen met een Financial Controller heb ik twee Proof of Concepts (POCs) neergezet waarbij we de waarde van Power BI hebben aangetoond voor Transavia breed en Transavia Finance in het bijzonder. Deze dashboards met verschillende detailniveau's zijn verschillende keren getoond en besproken in een periodiek overleg met directie (inclusief managers van verschillende afdelingen) en worden nog steeds gebruikt. Het gaat om de volgende twee Power BI dashboards:

  • Overall dashboard - Een groot dashboard bestaande uit verschillende reports met de belangrijkste KPI's van Transavia op het vlak van:
    • Customer
    • Operational performance
    • Corporate / HR
    • Innovatie
    • Financial Performance
  • Route Profitability - Een dashboard met de weergave van Europa. Per land/route kan de route profitability (COI) gezien worden over de verschillende perioden (MoM, YoY) en versies (actual, forecast en budget).

Inmiddels wordt Power BI breder in de organisatie gebruikt.

Trefwoorden: Power BI SharePoint Dashboards


DE HAAGSE HOGESCHOOL

Tutoring gegeven aan eerstejaars studenten Bedrijfseconomie

Sep 2010 - Jun 2011

Werkzaamheden:

  • Tutoring gegeven in alle eerstejaars Bedrijfseconomie vakken (onder andere Financial Accounting, External Reporting, Cost Accounting, Excel, enzovoorts)
  • Studenten geholpen met het verbeteren van de studieaanpak
  • Ondersteuning gegeven bij het bereiken van het gewenste studieresultaat

Certificaat: Tutoring certificaat behaald in juni 2011


DE HAAGSE HOGESCHOOL

Communicatietraining in de Franse Ardennen

2010

Training in:

  • Individueel presenteren
  • Leiding geven aan een groep
  • Leren om informatie te verkrijgen via open en gesloten vragen
  • Leren feedback geven en ontvangen