Data science is hot. Vrijwel elke organisatie doet of wil er iets mee, waardoor de vraag naar data scientists explosief is gestegen. Zeker in de afgelopen vier jaar zien we een gigantische groei. Veel organisaties zijn op zoek naar die ene goede data scientist, bijvoorbeeld wanneer ze hulp zoeken in de vertaalslag van data naar informatie en toepassingen. Is een data scientist wel de juiste persoon voor deze taak of ligt dit genuanceerder? In deze blog zal ik proberen om hier meer duidelijkheid in te creëren voor organisaties en professionals die graag willen weten hoe dit zit.

Geschreven door Luc Claassens, Managing Partner, 08-05-2019

Het aantal vacatures voor de functie data scientist heeft sinds 2011 een buitengewone groei gekend. Volgens Indeed is het aandeel van deze functie in het totaal aantal vacatures de afgelopen 4 jaar zelfs vervijfvoudigd. De vraag naar data scientists neemt aanzienlijk toe, maar wat drijft deze vraag? Komt dit doordat data science werkzaamheden ook met diezelfde factor groeien? Is het gewoonweg sexy om naar de markt toe te laten zien dat je er als organisatie mee bezig bent? Tel je als bedrijf nog wel mee als je je niet bezig houdt met data science? Of komt het door de snelle ontwikkelingen in het vakgebied, wat het steeds lastiger maakt om specifieke werkzaamheden te kunnen koppelen aan de juiste, specifieke rollen? En wordt als gevolg daarvan data science een steeds grotere vergaarbak van alle data & analytics functies binnen het werkveld en vacatureland?

Ik denk dat het een combinatie is van deze ontwikkelingen. Binnen de organisaties die al ver gevorderd zijn in data gedreven werken, nemen ‘de echte’ data science werkzaamheden in razend tempo toe. Organisaties die data nog niet als belangrijke brandstof gebruiken, of die dit nog in beperkte mate doen, zoeken soms naar een manier om hierin te versnellen. Data science lijkt dan vaak de juiste stap om zo snel mogelijk op niveau te komen in data gedreven werken. Maar is dit ook altijd de juiste stap? Moet je als organisatie er wel alles aan doen om zo snel mogelijk met data science bezig te zijn en wat is data science dan precies?

Data Scientist of Data Analist?

Data science is een interdisciplinair onderzoeksveld met betrekking tot wetenschappelijke methoden, technieken, systemen en processen om kennis en inzichten te halen uit zowel gestructureerde als ongestructureerde data.
Aardig vergelijkbaar met data analyse, echter zit het grote verschil in het vertrekpunt van de vertaalslag van data naar informatie. Data analyse heeft altijd een specifieke businessvraag of -behoefte als startpunt. Een data analist start daarom altijd met het in kaart brengen van de vraag, de doelen, de situatie en het plan (business understanding) om van daaruit de juiste analyse te kunnen uitvoeren. Een data scientist werkt vaak niet vraaggestuurd en gaat juist exploratief vanuit de data op zoek naar oplossingen en antwoorden op vragen of uitdagingen die de organisatie nog niet (in beeld) heeft. Machine learning en data mining worden daarbij vaak toegepast om patronen en inzichten te ontdekken zonder expliciete instructies of kaders. Er bestaat dus een wezenlijk verschil dus tussen data analisten en data scientists in de manier van werken, benadering van vraagstukken en dus ook in de manier waarop zij waarde toevoegen voor de organisatie. Als organisatie is het dan ook cruciaal om de behoefte en het doel inzichtelijk te hebben, om op basis daarvan de juiste professionals te werven en/of in te huren.

Organisaties waarbij data gedreven werken nog niet of nauwelijks wordt toegepast, hebben vaak meer baat bij een goede data analist. Die kan namelijk vanuit actuele businessvragen het gewenste inzicht en de juiste stuurinformatie bieden. Zo is de aansluiting met de business optimaal en kan de data analist een belangrijke rol spelen in de data savviness van de rest van de organisatie. Want wanneer die er nog niet is, kan een data scientist de meest wonderlijke inzichten halen uit de data, maar wordt daar doorgaans weinig mee gedaan vanuit de organisatie. En dan is de toegevoegde waarde nihil, want die zit juist in de verzilvering van die inzichten naar concrete acties en toepassingen.

Ergo: het is als organisatie belangrijk om goed te weten waar je staat met betrekking tot data gedreven werken en wat je ambities en doelstellingen in deze zijn in relatie tot de data professionals die je aanneemt en inhuurt. Een data scientist kan immers niet maximale waarde leveren in een organisatie die nauwelijks data heeft ontsloten en onbekend is met de mogelijkheden ervan. Andersom is het voor zo’n organisatie lastig om een data scientist te boeien en te binden. Geen rocket science, maar ook binnen data science is de juiste m3tch tussen professional en opdrachtgever cruciaal voor succes en plezier!

Vragen of opmerkingen naar aanleiding van deze blog? Mail ze gerust naar l.claassens@m3tch.nl of bel 06 – 46 76 78 00.