Menu
the REFERENCE

Wat zijn data scientists voor jouw business: vriend of vijand?

"We zijn niet op zoek naar de veel te complexe analyses van een data scientist; we hebben iemand nodig die ons simpelweg inzichten kan opleveren om ons te helpen onze business beter te begrijpen". Het was de opmerking die ik onlangs kreeg toen ik ging pitchen bij een groot bedrijf dat op zoek was naar een datagedreven marketeer. De stelling greep mijn aandacht, aangezien het botste met mijn visie op een data scientist. Tot dan toe had ik altijd de term 'data science' geassocieerd met het vermogen om ruwe data om te zetten naar waardevolle bedrijfsinzichten. Daarom stelde ik mezelf de vraag: is het helpen van bedrijven om hun eigen business beter te doorgronden niet de exacte functie van een data scientist? Kennelijk, denken niet alle managers daar zo over.

 Wat is een data scientist eigenlijk?

Het punt is dat er in de bedrijfswereld van vandaag een sterke tegenstelling bestaat in de manier waarop er naar data scientists gekeken wordt. Sommigen stellen dat data scientists de manier waarop er tot nu toe aan business gedaan wordt op alle vlakken zal veranderen. Anderen reageren meer getemperd en durven hun nut in vraag te stellen. Daarom besloot ik om wat onderzoek te doen. Meer bepaald, wou ik raakvlakken vinden tussen wat een data scientist in theorie zou moeten zijn en wat zij of hij in de praktijk werkelijk doet.
Volgens SAS, een gevestigde marktleiders in software oplossingen, is een data scientist iemand die "diep graaft en bedrijfsinzichten opdelft waar niemand ooit had gedacht ze te gaan zoeken". Dit betekent dat het bedrijf in hun beschrijving van een data science profiel de nadruk legt op diens meerwaarde op het vlak van business intelligence. Hoewel vaak beconcurreerd door SAS, herbevestigt IBM door te stellen dat de primaire focus van een data scientist zou moeten liggen op het behalen van bedrijfsobjectieven en niet op de technologie die daarvoor gebruikt werd. In een eerder academisch opzicht spreekt ook Harvard Business Review over data scientists als diegenen die handig gebruik maken van data om belangrijke vragen binnen een organisatie te beantwoorden. Je snapt het wel. Hoewel hun formulering vaak verschillend is, lijken zowel professionelen als academici het erover eens te zijn dat het creëren van bedrijfswaarde de prioriteit van een data scientist zou moeten zijn.

De goeden, de slechten en zij tussenin


indien de consensus heerst dat data scientists er zijn om het leven van het management te vergemakkelijken, waarom zijn veel bedrijfsleiders dan nog steeds zo weerhoudend om data scientists aan te nemen in een zakelijke omgeving? Dat is omdat in de praktijk, veel - en zo niet de meeste - data scientists niet de klassieke definitie van hun job volgen. Ik geloof dat er drie groepen data scientists bestaan.

De eerste groep bestaat uit zij die werken volgens het 'u vraagt wij draaien' principe. Zonder het stellen van vragen focussen deze wetenschappers zich uitsluitend op het met de grootste precisie uitvoeren van een technische analyse of het ontwikkelen van een bepaald data product . De interpretatie in termen van praktische inzetbaarheid wordt achteraf overgelaten aan een derde partij. Afgaande op de klassieke definitie van een data scientist zou je kunnen stellen dat dit slechte data scientists zijn. 

Daarnaast heb je de groep van zij die zich ergens tussenin bevinden. Deze data scientists zorgen ervoor dat eens hun analyse vervolledigd of hun data product afgewerkt is, ze de resulterende inzichten duidelijk rapporteren aan de groep van stakeholders. Op die manier slagen zij erin een meerwaarde te creëren door een antwoord te bieden op de meest prangende vragen en noden van het management.

Goede data scientists zetten het echter nog een stap verder. Naast het uitvoeren van een uitstekend data project en de rapportering aan het management, durven zij de centrale opgave op voorhand in vraag te stellen. Meer bepaald denken deze data scientists samen met de vragende partij proactief na over de relevantie van de vraag en de mogelijke impact op bedrijfscijfers.

Proactieve evaluatie


Neem bijvoorbeeld de veelvoorkomende vraag naar een voorspellende analyse. Vandaag de dag kan een data scientist nagenoeg elke vorm van klantengedrag gaan voorspellen. De vraag is echter of het bouwen van een bepaald predictief model rondom die vraag relevant genoeg is om bij te dragen aan de vooropgestelde KPI's van het bedrijf. 

Zo zou een data scientist voor de komende maanden het aantal blauwe t-shirts kunnen voorspellen dat een webshop zal verkopen. In het geval dat blauwe t-shirts instaan voor 95 percent van de totaalomzet, zou dit in termen van het bepalen van de vooruitzichten een goed idee kunnen zijn.

Maar wat als de voorspelling van blauwe t-shirts irrelevant blijkt te zijn voor onze business? Indien we een bedrijf zijn dat zich specialiseert in het drukken van t-shirts zouden we onze analyse misschien kunnen uitbreiden naar andere kleuren zoals groen en geel? Indien we een algemenere e-commerce zijn dan zijn er misschien andere productcategorieën die bepalender kunnen zijn voor de omzetcijfers dan t-shirts? Het zou zelfs kunnen zijn dat andere types modellen een grotere impact hebben op de verkoopcijfers zoals modellen voor het voorspellen van afhakers of customer lifetime value.

Naast vele andere mogelijkheden zijn dit voorbeelden van vragen die een goede data scientist zich zou stellen alvorens hij overgaat tot het daadwerkelijk ontwikkelen van een bepaald data project.

Het beantwoorden van de vraag


We wilden een antwoord vinden op de vraag wat data scientists nu concreet betekenen voor jouw business, vriend of vijand? Wel, het hangt af van de groep waartoe zij behoren: de goeden, de slechten of zij die zich ergens tussenin bevinden. Data scientists bij The Reference streven ernaar om te behoren tot de eerste groep. Dat is waarom wij de term 'data consultant' gebruiken voor elk van onze teamleden. Hoewel data consultants de volledige waaier aan technische capaciteiten van een data scientist bezitten, kozen wij ervoor de nadruk te leggen op het bredere plaatje: de concrete begeleiding doorheen een data project die het management in staat stelt om goed geïnformeerde beslissingen te maken.

Wil je weten wat wij voor jouw business kunnen betekenen?

CONTACTEER ONZE DATA CONSULTANTS


Op de hoogte blijven?

top
more than digital
The Reference is niets zonder haar klanten. Carglass is de specialist in het herstellen en vervangen van autoruiten, waarvoor we een volledige responsive Sitecore website gebouwd hebben. Lees meer over deze klant.