De meeste bedrijven begrijpen tegenwoordig hoe belangrijk het is om data te benutten en deze om te zetten in bruikbare inzichten die waarde toevoegen aan het bedrijf. Veel bedrijven lopen echter nog steeds vast als het erom gaat dit in praktijk te brengen. Hoe mobiliseer je een data science-team? En wat is de optimale datateamstructuur? Wij hebben de antwoorden.
Datawetenschappers
Zonder datawetenschappers kun je geen succesvol datateam runnen. Datawetenschappers analyseren en interpreteren complexe digitale gegevens om te helpen bij het nemen van zakelijke beslissingen. Hoewel datawetenschapper nog een relatief nieuwe rol is, bestaan datawetenschappers al enkele jaren in vele vormen. Met het tijdperk van Big Data en de huidige data-boom die we ervaren, is het aantal datawetenschappers snel toegenomen. Dit komt vooral door twee factoren.
Ten eerste neemt de mondiale datasfeer (de hoeveelheid gegevens die we wereldwijd creëren, vastleggen, kopiëren en consumeren) exponentieel toe. Als collectief zullen we de komende drie jaar meer data genereren dan in de afgelopen dertig jaar. Meer data betekent dat er meer data-experts zoals datawetenschappers nodig zijn om de data te doorzoeken. De gegevens ondersteunen dit; het aantal datawetenschappers is de afgelopen vier jaar verdubbeld.
Ten tweede is ons vermogen om gegevens te analyseren de afgelopen tien jaar en zelfs de afgelopen jaren enorm verbeterd. Tools, technieken, oplossingen en processen voor data-analyse zijn nu zeer verfijnd en genereren daardoor aanzienlijke voordelen voor bedrijven.
De rol van datawetenschapper omvat de volgende verantwoordelijkheden, en meer:
- Het creëren van diensten die bedrijfsprocessen automatiseren. Bijvoorbeeld risicoscores in de financiële wereld, optimalisaties van het prijsbeleid in de verzekeringen of het verbeteren van kwaliteitscontroleprocessen in de productie
- Verborgen inzichten uit data halen om mensen te ondersteunen bij het nemen van beslissingen. Bijvoorbeeld kankerdetectie in CT-beelden, of het verbeteren van stedelijke omgevingen door gebruik te maken van verkeersdynamiek en satellietbeeldanalyse
- Nauw samenwerken met de business om problemen en patronen in data te identificeren en oplossingen voor te stellen
- Het gebruik van machine learning-tools, statistische technieken en kunstmatige intelligentie om oplossingen te creëren
- Het testen en bepalen van de beste dataminingmodellen voor verschillende projecten
- Het maken van duidelijke rapportages.
Welke vaardigheden zijn essentieel voor datawetenschappers?
Als u datawetenschappers voor uw bedrijf rekruteert, moet u op zoek gaan naar kandidaten met de volgende vaardigheden:
- Een sterke achtergrond in programmeren, statistiek en machine learning
- Uitstekend probleemoplossend vermogen, kritisch denken en analytische vaardigheden
- Uitzonderlijke communicatie- en presentatievaardigheden. Datawetenschappers moeten hun bevindingen kunnen vertalen naar de business op een manier die betere besluitvorming ondersteunt en aanmoedigt
- Goede aandacht voor detail
- Drive, veerkracht en creatief denkvermogen. Datawetenschappers moeten met minimaal toezicht kunnen werken, maar voortdurend datawetenschapsinitiatieven kunnen leiden.
Data-ingenieurs
Data-ingenieurs zijn een cruciaal onderdeel van elk data science-team. De belangrijkste focus van data-ingenieurs ligt op het creëren van een infrastructuur die effectieve gegevensverzameling, -verwerking en -opslag mogelijk maakt. Ze moeten schaalbare oplossingen kunnen ontwikkelen die onder meer zorgen voor hoogwaardige datacaptatie. Mensen gebruiken de termen datawetenschapper en data-ingenieur vaak door elkaar, maar het zijn verschillende rollen. Data-ingenieurs kunnen worden gezien als software-ingenieurs, maar met een specifieke focus op data. Ze zijn in de eerste plaats belast met het transformeren van gegevens naar een formaat dat gemakkelijk kan worden geanalyseerd, en dit doen ze door de infrastructuur te onderhouden, ontwikkelen en testen. Ze werken nauw samen met datawetenschappers en zijn vooral verantwoordelijk voor het ontwerpen van oplossingen voor datawetenschappers. Simpel gezegd: data-ingenieurs stellen datawetenschappers in staat hun werk te doen.
Naast het bovenstaande doen data-ingenieurs het volgende:
- Creëer en onderhoud een datapijplijnarchitectuur
- Implementatie van machine learning-oplossingen in productieomgevingen
- Schrijf de code voor dataoplossingen met hulp van datawetenschappers en DevOps
- Bouw optimale oplossingen voor gegevensextractie of -transformatie met behulp van SQL, AWS en andere technologieën
- Houd gegevens gescheiden en veilig
- Documenteren van bron-naar-doeltoewijzingen.
Welke vaardigheden zijn essentieel voor data-ingenieurs?
- Sterke achtergrond in softwareontwikkeling en een diep begrip van databases en algoritmen
- Diepgaande kennis van het dataontwikkelingsproces (moet datafeeds kunnen integreren en scheiden om nieuwe dataproducten te transformeren, in kaart te brengen of te produceren)
- Inzicht in datawarehousing-oplossingen, datamodellering, voorspellende modellering, ETL-tools, statistiek en wiskunde, en machine learning
- Sterke communicatievaardigheden.
De bovenstaande rollen omvatten de kernverantwoordelijkheden binnen een datateam; De lijst is echter niet uitputtend. Het is altijd een goed idee om het data science-team te combineren met een diverse groep professionals. Professionals met een MBA- en statistische achtergrond zijn bijvoorbeeld een geweldige aanvulling op elk datateam omdat ze over sterke overdraagbare vaardigheden beschikken. Professionals met deze achtergrond blinken uit in het definiëren van zakelijke problemen en het ontwikkelen van oplossingen door gebruik te maken van data. Op dezelfde manier zal een veerkrachtige specialist met een doctoraat in de natuurkunde of een verwante wiskundige discipline ook over sterke technische probleemoplossende vaardigheden beschikken en elegante oplossingen voor complexe problemen kunnen creëren.
Business Intelligence-specialisten
Business intelligence-specialisten definiëren Key Performance Indicators (KPI) op basis van zakelijke vereisten. Ze gebruiken ook dashboards om inzichtelijke visualisaties te creëren om zakelijke besluitvormers te helpen de gegevens en KPI’s te begrijpen. Simpel gezegd: business intelligence-specialisten zetten koude gegevens om in een formaat dat gemakkelijk te begrijpen is voor mensen, ongeacht hun achtergrond. Gegevens zijn alleen nuttig als ze worden begrepen, en moeten vooral bruikbaar zijn voor belangrijke besluitvormers.
De belangrijkste vaardigheden op het gebied van business intelligence zijn:
- Analytische vaardigheden
- Inzicht in zakelijke vereisten
- Kennis van ETL, SQL, Tableau, Looker
- Goed inzicht in visualisatiemethodieken (hoe je gegevens in één oogopslag begrijpelijk en verteerbaar kunt maken, effectief kleurgebruik, enzovoort).