artikel

Maak gebruik van onontgonnen data science talent op de werkvloer

Innovatie

De vraag naar kennis van artificial intelligence (AI), data science en business analytics is groter dan ooit, zowel op universiteiten als in het bedrijfsleven. Er is een numerus fixus ingesteld voor deze studies op elke Nederlandse Universiteit, en sinds 2016 is het aantal AI-gerelateerde vacatures met 207 procent toegenomen. Bedrijven die behoefte hebben aan personeel met zulke vaardigheden, hebben dus een probleem. Toch is er hoop voor die bedrijven. Er valt namelijk nog een wereld te winnen door gebruik te maken van onontgonnen talent op de werkvloer.

Maak gebruik van onontgonnen data science talent op de werkvloer

Om te beginnen is het goed nieuws dat het belang van AI en datawetenschap breed wordt onderkend. Het heeft positieve impact op onze samenleving, en ook voor bedrijven lonken concurrentievoordelen. Het onderzoeks- en adviesbureau Gartner voorspelde vorig jaar nog dat in 2021 zo’n 30 procent van de inkomstengroei van marktspecifieke digitale oplossingen te danken zal zijn aan AI-technologie. Niet voor niets zijn bedrijven naarstig op zoek naar data scientists, maar het aanbod is beperkt. Universiteiten worstelen met een numerus fixus-probleem, en Europa moet alle zeilen bijzetten om de AI-kenniskloof met de rest van de wereld te dichten.

Aan de goden overgeleverd?

Ben je als bedrijf met een kennisbehoefte op het gebied van data science dan aan de goden overgeleverd? Gelukkig niet. Bij de trajecten waarbij we organisaties trainen in de laatste data science vaardigheden lopen namelijk altijd mensen rond met onontgonnen talent op dit gebied. Door deze talenten de juiste basis aan te leren en trainingen te geven, kunnen zij zich ontwikkelen naar een rol die het leven van de data science specialist makkelijker (en dus: effectiever) maakt. Denk aan analisten, business translators, of een soort data scientist-light: een werknemer zonder data science achtergrond met de juiste software en toegang tot data zelf nuttige analyses kan doen. Analyses die direct waarde opleveren in de operatie of op de werkvloer. Gartner verwacht dat deze citizen data scientists, zoals zij genoemd worden, al in 2019 een grotere hoeveelheid analyses zal produceren dan de specialisten.

Door die aanverwante rollen intern in te vullen, kan een organisatie op een efficiënte manier capaciteiten opbouwen rond data-analyse, en tegelijkertijd minder afhankelijk worden van krapte op de data science-arbeidsmarkt. Als bijkomend voordeel krijgen huidige werknemers hiermee nieuwe kansen voor persoonlijke ontwikkeling, wat weer leidt tot een hogere werknemerstevredenheid. Blijft de vraag: hoe kun je personeel om- of bijscholen, terwijl er een tekort is aan docenten bij de traditionele opleidingsinstituten? Daarvoor bestaan tal van alternatieven. Denk aan praktijkgerichte professionele/executive studies, cursussen rond analysesoftware, MOOC’s (Massive Open Online Courses), zelfstudie of interne opleidingen.

Mix van opleidingsvormen voor data science talent

Voor organisaties die datagedreven willen worden, ligt de oplossing in een mix van deze opleidingsvormen. Daarbij is het combineren van theorie en praktijk van cruciaal belang om de vertaling naar bruikbare vaardigheden te kunnen maken. Dit moet in een breed intern programma gebeuren, waarin meerdere lagen van de organisatie (van directie tot analist) de juiste vaardigheden kunnen ontwikkelen. Kennis rondom data wordt zo breed ingebed in de organisatie, en vergroot daarmee draagvlak voor – en begrip van – datagedreven initiatieven.

Uiteindelijk heb je nog steeds volwaardige data scientists nodig voor de complexere (strategische) analyses. Zij kunnen samen met intern opgeleiden de meeste waardevolle kansen herkennen met betrekking tot data. De intern opgeleide mensen vullen het technisch inzicht van de data scientist perfect aan met hun kennis van de specifieke markt waarin zij opereren. Daarnaast  kunnen ze zelf ad hoc de eenvoudigere analytische uitdagingen oplossen. De ervaren data scientist kan zich vervolgens op de meer uitdagende projecten richten. Op die manier wordt kennis op de meest efficiënte manier ingezet.

Zo’n organisatiebrede aanpak voor het oplossen van de kennisbehoefte rond data zorgt er daarnaast voor dat het enthousiasme over data science zich razendsnel door een organisatie verspreidt. Het wordt leuker voor de werknemers; ze ontwikkelen nieuwe vaardigheden, kunnen hun beslissingen onderbouwen met gegevens, en krijgen meer voldoening in hun werk. Daarnaast leidt het vaak tot een stortvloed aan zakelijke vragen waar de data scientists hun geavanceerde analyses op los kunnen laten. En dat is waar organisaties uiteindelijk behoefte aan hebben: datagedreven oplossingen vinden voor al hun zakelijke uitdagingen.

Door: Robert Monné, Manager bij The Analytics Academy, een initiatief van ORTEC en de Universiteit van Amsterdam

 

Reageer op dit artikel