De perfecte dataprofessional (m/v/x)
Daadwerkelijk aan de slag gaan met data en laten zien wat je ermee kunt is één van de belangrijkste katalysatoren voor de transformatie. Niet vreemd dus dat LinkedIn vol staat met vacatures met ‘data’ ergens in de functienaam. Wat mij daarbij opvalt is dat er vaak gezocht wordt naar alleskunners, en dat is ergens wel te begrijpen. Ik zou het ook ideaal vinden om iemand aan te nemen die verstand heeft van zowel Bayesiaanse statistiek als neurale netwerken, dit kan combineren met domeinkennis om tot een model te komen, en dat vervolgens ook nog eens op een robuuste manier naar productie brengen (uiteraard in de cloud). De perfecte kandidaat is een schaap met geen vijf poten, maar zeventien, en ik durf te beweren dat die heel schaars is.
De data-driehoek
Hoe moet het dan wel? Zoals de titel van de blog al enigszins doet vermoeden, gebruiken we hiervoor de data-driehoek. In een effectief datateam zijn drie rollen aanwezig, ieder met hun eigen expertises. Om de meest gebruikte benamingen aan te houden: de data scientist (met kennis van complexe analyse, statistiek en wiskundige modellen), de data engineer (verstand van ETL, cloud en robuust ontwikkelen), en de data analist (begrip van domein en businessprocessen). De rollen kunnen door meerdere mensen worden ingevuld en soms kan één iemand meerdere rollen invullen; het belangrijkste is dat alle rollen in goede balans aanwezig zijn, met betrekking tot de uitdaging waar het team voor staat. Een ontbrekende rol is eigenlijk altijd een valkuil, met een kleine uitzondering: zonder data scientist kan het fundament gelegd worden voor datagedreven werken, vooral wanneer de organisatie daar nog heel weinig ervaring mee heeft. Dat neemt natuurlijk niet weg dat mét een goede data scientist de echte potentie van data pas kan worden benut.
De felbegeerde data-driehoek. Klik op het plaatje voor een grotere versie!
Specialisatie en verbreding
Maar het gaat verder dan dat. Als je kijkt naar de data-driehoek, zie je dat de rollen binnen de driehoek zijn geplaatst, en niet erbuiten. Dat is heel bewust! Een team werkt namelijk pas goed samen als de teamleden in de basis verstand hebben van elkaars wereld. Ongeacht hoeveel gespecialiseerde kennis ieder met zich meeneemt, uiteindelijk is de samenkomst in een product (van eenmalige rapportage tot complexe streaming forecasting oplossing) en het gebruik ervan door de business hetgeen wat waarde oplevert. Deze combinatie van specialisatie en verbreding staat bekend als T-shaping, waar mijn collega Thanja eerder een blog over schreef.
Het goede nieuws
Dit alles is natuurlijk maar het topje van de ijsberg wat effectieve datateams betreft, en ik heb het nog niet eens gehad over de andere soorten datamensen die je in een organisatie nodig hebt, bijvoorbeeld voor data governance (dat is makkelijk een hele blog op zichzelf). Maar het goede nieuws is: wij van Infiniot helpen graag met het bouwen van effectieve datateams voor jouw organisatie! Je kunt bij ons terecht voor advies en de inzet van onze data scientists en data engineers, die gegarandeerd over relevante businesskennis beschikken dankzij onze Energy Academy. Daarnaast zoeken we ook altijd nieuwe collega’s om samen met ons de energietransitie te versnellen. Neem dus gerust contact op!
