Staat de Data Scientist sexy buitenspel?

Behaal succes met Big Data met de juiste randvoorwaarden

Big Data heeft mogelijk veel potentie voor uw bedrijf of onderneming. Het terrein van Big Data is spannend en uitdagend. Data Scientists zijn de specialisten die Big Data weten te vertalen naar nuttige oplossingen. Het is belangrijk goed na te denken over de rol van de Data Scientist in uw organisatie. Zoals met meten=weten (leeshier) is ook de vergelijking “Big Data + Data Scientists = Waarde” te kort door de bocht. Voorkom dat de Data Scientist buitenspel staat. Wilt u weten hoe u Data Scientists in scoringspositie brengt? GuidOnline helpt u met het opstellen van een succesformatie van Data Scientists en de andere specialisten in uw team.

data_scientist

Big Data specialisten

“Data Scientist: The Sexiest Job of the 21st Century” schreef de Harvard Business Review in 2012. Het zijn de hotshots van de digitale economie. Deze data jongleurs zijn in staat om uit een gigantische gegevensberg nuttige informatie te halen die vervolgens wordt gebruikt door decision makers om zeer belangrijke beslissingen te kunnen nemen. Een eenduidige definitie van wat een Data Scientist is bestaat niet. Een typering kan wel gegeven worden (zie ook hier). Het is niet zomaar een verzamelnaam voor onder andere informatici, wiskundigen en econometristen met een sterk ontwikkeld vermogen om kennis uit grote hoeveelheden gegevens te halen. Het gaat om data specialisten met een goede antenne voor wat er in de wereld om hen heen gebeurt (“business savvy”). Zij zijn in staat om praktijkvragen goed te doorgronden en kunnen hier een diepe analyse op uitvoeren (“technically proficient” en “mathematically gifted”). De resultaten weten zij op een heldere manier te presenteren aan de verschillende stakeholders waarvoor ze werken (“great communicators”). Hierbij is het belangrijk om aan te merken dat ze de ruimte nodig om hun werk op hun manier te kunnen doen zodat ze kunnen excelleren. Daarnaast hebben ze ook duidelijkheid nodig over hun rol in de bredere organisatie.

Big Data successen

Er zijn fraaie succesverhalen te vinden op het internet en er zijn mooie initiatieven waar de Data Scientist zijn/haar kunsten kan vertonen. Zoals Kaggle. Kaggle is een online platform waar bedrijven wedstrijden uitschrijven waarin zij analysevraagstukken voorleggen aan de Data Science community. Deelnemers krijgen toegang tot een data set en het is de bedoeling dat er modellen worden ontwikkeld en opgeleverd die een goede kwaliteitsscore (bijvoorbeeld de juistheid van voorspellingen) behalen met betrekking tot het vraagstuk. Hoe beter de score hoe hoger de klassering. Uiteindelijk worden één of meerdere oplossingen beloond met een (geld)prijs. Bedrijf tevreden, Data Scientist tevreden. Het lijkt er dus op dat de Data Scientist er in een dergelijke setting in slaagt om allerlei problemen die bedrijven en organisaties hebben de wereld uit te helpen door vanuit een zolderkamer de data vakkundig door te spitten.

Nu leent zich waarschijnlijk niet ieder vraagstuk voor het uitschrijven van een dergelijke wedstrijd. Al was het maar vanwege de controle op de gegevens en het beschermen van kennis. Steeds meer bedrijven investeren in een eigen team met Data Scientists. Doordat de marktvraag naar Data Scientists toeneemt en het aanbod relatief klein is hangt er een stevig prijskaartje om de nek van deze specialisten. Dit creëert automatisch een hoog verwachtingspatroon over de bijdrage die de Data Scientist zal leveren. Van de Data Scientist wordt verwacht dat zij of hij kan scoren. Het is daarom logisch dat werkgevers en opdrachtgevers zich afvragen “wat het onder de streep oplevert“. Zij willen voorkomen dat heteen duur balletje hooghouden op de middenlijn* wordt.

Scoringsdrang kan er al snel toe leiden dat de Data Scientist buitenspel staat

Wat is de manier om de Data Scientist tot zijn recht te laten komen? Hierbij is het belangrijk om aan te merken dat ze de ruimte nodig om hun werk op hun manier te kunnen doen zodat ze kunnen excelleren. Een Data Scientist kenmerkt zich door een hoge mate van creativiteit en de behoefte aan uitdaging, afwisseling, zelfstandigheid en vrijheid. Dit zorgt ervoor dat zij goede ideeën kunnen uittesten en om kunnen zetten in nieuwe producten of diensten. Aan de andere kant hebben ze duidelijkheid nodig over hun rol in de bredere organisatie.

Alle ballen naar voren, op de Data Scientist! Tover fantastische resultaten. Een dergelijke houding en verwachting laat aan onduidelijkheid niet veel te wensen over. Toch zal dit in de praktijk niet werken. Hier loopt een Data Scientist het risico om als gevolg van de eigen scoringsdrang of vanwege het gevoel van de druk om te moeten scoren (veroorzaakt door de enorme hype die er is) vaak buitenspel te staan. Buitenspel betekent in de context van dit verhaal er op een geforceerde manier gezocht wordt naar “waarde”. Vroeg of laat zal worden teruggeflotenomdat de resultaten achter blijven bij de verwachtingen. De kans hierop is groot omdat er niet duidelijk is bepaald wat het doel van zijn/haar inzet daadwerkelijk is en wat er redelijkerwijs verwacht mag worden.

Wat wordt er dan daadwerkelijk van hem/haar verwacht? Het feit dat er meer data eenvoudiger beschikbaar is wil niet zeggen dat de totale manier van bedrijfsvoering en samenwerken veranderd is. De Data Scientist is onderdeel van een bredere organisatie. Zijn/haar werk staat wellicht aan de basis van zeer impactvolle (beleids)beslissingen, maar klanten worden (vooralsnog) niet rechtstreeks bediend met de uitkomsten van een data analyse of een voorspellend model. Data Scientists kunnen het niet alleen. De uitkomsten van de data analyse worden door anderen in de organisatie opgepakt om de dienstverlening te verbeteren. Deze wisselwerking bepaalt het succes.

Drie modellen om de Data Scientist te laten excelleren

Alleen al voor de bewustwording binnen een organisatie over wat een Data Scientist wel en niet kan én wat hij/zij nodig heeft is het dus verstandig om de rol concreet te benoemen. Het succes dat de Data Scientist kan boeken hangt sterk af van de rol in de organisatie en het financieringsmodel. Op hoofdlijnen zijn er drie modellen te onderscheiden:

Vraaggestuurd
Een team van Data Scientists levert oplossingen op verzoek van de operationele eenheden (zoals marketing, sales en logistiek). De operationele eenheden samen financieren het team van Data Scientists door te betalen voor de oplossingen voor vraagstukken die zij hebben.
Projectmatig
Data Scientists zijn een integraal onderdeel van alle projectteams en initiatieven die er genomen worden. Dit past in de filosofie dat alles wat online geïnitieerd wordt data oplevert, dus dient er van begin tot eind een specialist aan boord te zijn. In ieder projectbudget is een reservering gemaakt voor het werk van de Data Scientist.
Innovatiegericht
Data Scientists werken als interne consultants in opdracht van de directie of het management aan innovaties. Zij werken aan oplossingen binnen hun programma. Op gezette momenten “verkopen” zij succesvol hun nieuwe oplossingen aan de business of de organisatie doordat ze in staat zijn helder uit te leggen op welke manier er gebruikt gemaakt kan worden van de oplossing. Er is een specifiek budget om de activiteiten te kunnen bekostigen.

Elk van de drie modellen heeft zijn voors en tegens. Wat ze met elkaar gemeen hebben is dat er duidelijkheid is over de rol en hoe de financiering in elkaar zit. Op deze manier kan de vraag over de toegevoegde waarde gerelateerd worden aan de afspraken die vooraf met elkaar gemaakt zijn en de verwachtingen die zijn uitgesproken. Daarnaast zal ieder model vragen om een logische inrichting van de organisatie waarin Data Scientists werken. Vragen die hierbij spelen zijn onder andere hoe de aansturing wordt geregeld, welke criteria er gehanteerd zullen worden om vanuit een onderzoekssituatie te komen tot een oplossing klaar die is voor productie en welke infrastructuur er beschikbaar is om mee te werken.

Ook de Data Scientist wil net als alle andere medewerkers in uw organisatie begrijpen wat uw spelsysteem is. Wilt u bepalen wat de beste variant is voor uw organisatie? Neem vrijblijvend contact op. Samen werken we aan een succesformatie waarmee u ervoor zorgt dat Data Scientists in uw organisatie op de juiste manier kunnen excelleren en daardoor van toegevoegde waarde zijn.

* De betekenis van “een duur balletje hooghouden op de middenlijn” is als volgt. Wanneer een technisch begaafde voetballer de bal meerdere keren op de middenlijn hooghoudt, dan ziet het er zeer spectaculair uit. Het publiek raakt in extase. Maar scoren vanaf de middenlijn is een zeldzaamheid en het is geen garantie voor het winnen van de wedstrijd. Dus wanneer een Data Scientist indruk maakt met zijn data vaardigheden (en dat kan hij/zij makkelijk) dan is hij/zij niet automatisch in scoringspositie en geeft het zeker nog geen garantie op rendement voor de onderneming of organisatie.