Wat doet een data scientist?

Data scientists zijn big data experts, die grote sets van gestructureerde en ongestructureerde data verzamelen en analyseren. De rol van een data scientist beslaat een combinatie van informatica, statistiek en wiskunde. Ligt dit in jouw straatje? Lees verder om te ontdekken wat data science precies inhoudt en welke skills je nodig hebt in dit vakgebied.

Als data scientist analyseer, verwerk en modelleer je gegevens en interpreteer je deze om uitvoerbare plannen te maken voor bedrijven en andere organisaties. Data scientists zijn analytische experts die hun vaardigheden in zowel technologie als sociale wetenschappen gebruiken om trends te vinden en gegevens te beheren. Ze gebruiken kennis van de industrie of markt, contextueel begrip en scepticisme ten aanzien van bestaande aannames om oplossingen voor zakelijke uitdagingen te ontdekken.

Maar wat is nu precies het geheime sausje van de datawetenschapper, en wat doet deze moderne rolhouder eigenlijk elke dag op het werk? Onderstaand vind je een definitie van data science en de typische vaardigheden, kwalificaties en ervaring die je nodig hebt om dit beroep succesvol te beoefenen.

Wat is data science?

Data science is het studiegebied dat domeinexpertise, programmeervaardigheden en kennis van wiskunde en statistiek combineert om zinvolle inzichten uit gegevens te halen. Het is een vakgebied dat inzichten verschaft uit gestructureerde en ongestructureerde data, waarbij gebruik wordt gemaakt van verschillende wetenschappelijke methoden en algoritmen. Het helpt zodoende bij het genereren van inzichten, het doen van voorspellingen en het uitwerken van datagedreven oplossingen.

Taken data scientist 

Het werk van een datawetenschapper bestaat meestal uit het verwerken van rommelige, ongestructureerde gegevens uit bronnen zoals smartphones en andere slimme apparaten, feeds van sociale media en e-mails die niet netjes in een database passen.

​​Hier volgt korte lijst van veel voorkomende data science deliverables:

• Voorspelling (het voorspellen van een waarde op basis van bestaande gegevens)

• Classificatie (bijvoorbeeld: spam of geen spam)

• Aanbevelingen (zoals die van Amazon en Netflix)

• Patroondetectie en groepering (bijvoorbeeld classificatie zonder bekende klassen)

• Opsporing van anomalieën (bijvoorbeeld fraudedetectie)

• Herkenning (van beeld, tekst, audio, video, gezicht, etc.)

• Bruikbare inzichten (via dashboards, rapporten en visualisaties)

• Geautomatiseerde processen en besluitvorming (bijvoorbeeld goedkeuring van credit cards)

• Scoring en ranking (zoals de FICO-score)

• Segmentering (zoals demografisch gebaseerde marketing)

• Optimalisering (zoals risicobeheer)

• Prognoses (voor verkoop en inkomsten bijvoorbeeld)

Elk van deze systemen is bedoeld om een specifiek doel te bereiken en/of een specifiek probleem op te lossen. Maar de echte vraag is welk doel, en wiens doel is het?

Data scientists werken nauw samen met zakelijke belanghebbenden om hun doelen te begrijpen en te bepalen hoe gegevens kunnen worden gebruikt om die doelen te bereiken. Ze ontwerpen datamodelleringsprocessen, creëren algoritmen en voorspellende modellen om de gegevens te extraheren die het bedrijf nodig heeft. Ze helpen bij het analyseren van de gegevens en het delen van inzichten met collega’s. 

Hoewel elk project anders is, volgt het proces voor het verzamelen en analyseren van data over het algemeen het onderstaande pad:

1. Stel de juiste vragen om het ontdekkingsproces te beginnen;

2. Verkrijg de gegevens;

3. Verwerk de gegevens en maak ze schoon;

4. Integreer de gegevens en sla de data op;  

5. Start met het initiële gegevensonderzoek en de verkennende gegevensanalyse;

6. Kies een of meer potentiële modellen en algoritmen;

7. Pas data science-technieken toe, zoals machine learning, statistische modellering en kunstmatige intelligentie;

8. Meet en verbeter resultaten;

9. Presenteer het eindresultaat aan belanghebbenden;

10. Maak aanpassingen op basis van feedback;

11. Herhaal het proces om een nieuw probleem op te lossen.

Data science salaris 

In Nederland verdient een data scientist gemiddeld €3.340,- bruto per maand. Het salaris verschilt echte enigszins per stad, provincie, opleidings- en carrièreniveau, bedrijf en type dienstverband. Een junior met minder dan 2 jaar ervaring verdient bijvoorbeeld zo’n €2.460,- per maand, terwijl een medior (3 tot 5 jaar werkervaring) €4.365,- ontvangt. Het loon van een senior met meer dan 5 jaar ervaring is gemiddeld €4.420,- per maand.

De provincie waarin data scientist het meest verdienen is Friesland. Hier wordt €5.550,- verdiend. Het laagste salaris vind je momenteel in Groningen, met gemiddeld €2.100,-. In de stad Eindhoven is het bruto maandsalaris met €4.400,- hoger dan in elke andere grote stad in ons land. Amsterdam volgt met €3.595,- per maand op nummer 2.

Data science vacatures

Hoewel de vraag naar data scientists met de groeiende toepassing van big data naar verwachting alleen maar zal toenemen, is het baanperspectief volgens de spanningsindicator van het UWV op dit moment onbekend. Wel is bekend de huidige data- en tech-economie ervoor zorgt dat een goed opgeleide data scientist doorgaans werk kan vinden kan in veel verschillende posities en er diverse doorgroeimogelijkheden bestaan voor een data scientists in loondienst. Één daarvan is om voor jezelf te beginnen. Een andere is doorontwikkeling richting de strategische inzet van data. Dit groeipad kan leiden tot een positie als strategy consultant of chief data officer. 

Aangezien big data een relatief jong terrein is, is het ook in lijn der verwachting dat er nog andere gespecialiseerde beroepen binnen big data zullen ontstaan de komende jaren. 

Vaardigheden data scientist

Hoewel technische vaardigheden vanzelfsprekend belangrijk zijn, is dit zeker niet het enige dat telt. Data scientists werken vaak binnen een zakelijke omgeving en zijn belast met het communiceren van complexe ideeën en het nemen van datagedreven beslissingen. Daarom is het van groot belang dat zij effectief kunnen communiceren en naast analytische denkers van het hoogste niveau ook leiders en teamleden zijn. 

Ervaren data scientists en datamanagers zijn verantwoordelijk voor de ontwikkeling van de best practices van een bedrijf en voor het opschonen, verwerken en opslaan van gegevens. Ze werken daardoor cross-functioneel samen met andere teams in de organisatie, zoals marketing, customer success en operations. 

Hoewel data scientists vaak verschillende achtergronden hebben qua opleiding en werkervaring, diene zij vaak sterk ontwikkeld te zijn in vier fundamentele gebieden:

1. Business/domein

2. Wiskunde (inclusief statistiek)

3. Informatica (bijvoorbeeld software/gegevensarchitectuur en -techniek)

4. Communicatie (zowel schriftelijk als mondeling)

De meeste data scientists gebruiken de volgende kernvaardigheden in hun dagelijks werk:

• Statistische analyse: het identificeren van patronen in gegevens. Dit omvat het hebben van een scherp gevoel voor patroonherkenning en anomalie-detectie;

• Machine learning: het implementeren van algoritmen en statistische modellen om een computer in staat te stellen automatisch te leren van gegevens;

• Informatica: de principes van kunstmatige intelligentie, database-systemen, mens/computer interactie, numerieke analyse en software engineering kunnen toepassen;

• Programmeren: computerprogramma’s kunnen schrijven en grote datasets kunnen analyseren om antwoorden op complexe problemen te formuleren. Data scientists moeten zich op hun gemak voelen bij het schrijven van code in verschillende talen, zoals Java, R, Python en SQL;

• Data storytelling: het kunnen communiceren van bruikbare inzichten met behulp van data, vaak voor een niet-technisch publiek.

Data scientists spelen een sleutelrol binnen organisaties om goede beslissingen te nemen. Als zodanig hebben zij “zachte vaardigheden” nodig op de volgende gebieden:

• Zakelijke vaardigheden: contact kunnen maken met stakeholders om een volledig begrip te krijgen van de problemen die ze willen oplossen;

• Analytisch denken: analytische oplossingen kunnen vinden voor abstracte bedrijfsproblemen;

• Kritisch denken: objectieve data analyse kunnen maken van feiten alvorens tot een conclusie te komen;

• Leergierigheid: verder kunnen kijken dan wat er aan de oppervlakte ligt om patronen en oplossingen in de gegevens te ontdekken;

• Interpersoonlijke vaardigheden: kunnen communiceren met een divers publiek op alle niveaus van een organisatie.

Data science opleiding

De meeste werkgevers zijn op zoek naar data science-professionals met een Master of Science in data science. Kandidaten voor data science-functies beginnen meestal met een basis in computerwetenschappen of wiskunde en bouwen daarop voort met een masterdiploma in data science, data analytics, of een aanverwant gebied.

In deze programma’s op wo-niveau verwerven professionals kerncompetenties en vaardigheden zoals predictive analytics, statistische modellering, big data, data-mining-toepassingen, enterprise analytics, datagedreven besluitvorming, datavisualisatie en data storytelling.

Een andere mogelijke data science opleiding, is een graad in data analytics. Een dergelijk programma leert studenten hoe ze statistieken, analytische systeem-technologie en een business analist kunnen inzetten om specifieke doelen te bereiken. Met deze basiskennis ontdekken studenten hoe ze een logisch, datagestuurd pad kunnen vinden om een complex probleem op te lossen. Ze leren ook hoe ze data-obstakels kunnen overwinnen, zoals het omgaan met rommelige datasets en het met elkaar in overeenstemming brengen van gegevens uit verschillende bronnen.

Ontdek meer op Springest Beroepen

Op Springest Beroepen vind je duizenden beroepen, ingedeeld in dertien verschillende beroepsklassen, zoals ICT, onderwijs en vervoer en transport. In samenwerking met Textkernel, specialist in machine-intelligentie op het gebied van arbeidsmarktinformatie, heeft Springest de benodigde vaardigheden voor elk van deze beroepen verzameld en deze aan de bijpassende opleidingen, trainingen en cursussen gekoppeld. Zo ontdek je in een paar klikken welke skills je nodig hebt voor welk beroep en hoe je deze zo snel mogelijk aanleert.