Eisen:

• Minimaal 5 jaar ervaring met Agile softwareontwikkeling, quality engineering en testautomatisering
• Aantoonbare ervaring binnen data science-, analytics- of AI-omgevingen
• Sterke Python-kennis, inclusief testframeworks zoals Pytest, Unittest en bij voorkeur property-based testing
• Ervaring met datavalidatie en kwaliteitschecks (bijv. Great Expectations is een pré)
• Hands-on ervaring met CI/CD en MLOps-processen (bijv. GitHub Actions, Azure DevOps, GitLab CI)
• Kennis van data science- en ML-concepten zoals feature engineering, modeltraining, evaluatie, bias en drift
• Bekend met Scrum, DevOps en testconcepten zoals TDD, BDD en risk-based testing
• Ervaring met cloud-native omgevingen (Azure, AWS of GCP) en SaaS-integraties
• Sterke communicatieve vaardigheden en aantoonbare coachende kwaliteiten

Wensen:

• Pré: Ervaring met ML lifecycle tooling zoals MLflow, DVC of vergelijkbaar
• Pré: Ervaring met model governance en Responsible AI principes
• Pré: Ervaring met het uitvoeren van assessments/nulmetingen en het opstellen van verbeterroadmaps

Omschrijving:

Voor Enexis zoeken wij een Test Lead Engineer Data Science & Python. Je bent als Test Lead Engineer met een sterke focus op data science en Python omgevingen verantwoordelijk voor het verhogen van de testvolwassenheid en kwaliteitsborging binnen data gedreven oplossingen. Je start met het uitvoeren van een gedegen analyse van de huidige stand van zaken en het bepalen van concrete, uitvoerbare vervolgstappen. Je opereert in complexe, data-intensieve omgevingen waarin data science, analytics en machine learning centraal staan. Je werkt nauw samen met data scientists, ML engineers, DevOps teams en stakeholders om built-in quality en shift-left testing te realiseren. Hierbij heb je aandacht voor datakwaliteit, modelbetrouwbaarheid, reproduceerbaarheid, performance, security en compliance (zoals AVG en NIS2). De rol vraagt inhoudelijke diepgang en combineert dit met coaching en het geven van richting. Je begeleidt teams in het verbeteren van hun testaanpak volgens het principe: zelf doen → samen doen → laten doen, met als doel duurzame kwaliteitsverbetering. De kern van jouw opdracht is het in kaart brengen van de huidige situatie rondom testen en kwaliteit binnen de data science- en Python omgeving, en het vertalen van deze analyse naar concrete en geprioriteerde vervolgstappen. Je voert een nulmeting uit op het gebied van teststrategie, testautomatisering, tooling, processen en samenwerking tussen teams. Op basis hiervan formuleer je een praktisch verbeterplan met duidelijke aanbevelingen, quick wins en een roadmap voor verdere professionalisering. Jouw werkzaamheden starten nadrukkelijk met analyseren en adviseren, en ontwikkelen zich vervolgens richting implementeren, coachen en borgen.