Jouw Data Science Dream Team
85% van de Data Science projecten mislukken volgens een onderzoek van Gartner (2018). Redenen hiervoor zijn fouten in de verzamelde data of algoritmes die niet blijken te kloppen. Volgens McKinsey (2018) wordt het succes van Artificial Intelligence (AI) en analytics ook bepaald door de impact en waarde die deze initiatieven hebben voor de organisatie. Door te beginnen met de juiste mensen zul je snel zien dat deze projecten winstgevend worden.
Business Intelligence (BI) en toepassingen van Kunstmatige Intelligentie beginnen vrijwel altijd met een klein project. Begin daarom klein en groei dan door. Een klein AI project met een klein team kan mooie resultaten opleveren. Op deze manier maak je het minder complex en kun je vanuit daar doorgroeien. Over het algemeen zul je eerst iemand nodig hebben die de data beschikbaar maakt en van goede kwaliteit voorziet (Data Engineer). Vervolgens iemand die beschrijvende inzichten genereert uit deze data (Data Analist). Een stap verder zou zijn om machine learning toe te passen (Data Scientist). Dit alles zal in context geplaatst moeten worden om er echt waarde uit te halen. Deze laatste rol wordt de Analytics Translator genoemd.
Data Engineer
/database administrator/data architect
Deze persoon is helemaal thuis in databases. Om BI te implementeren zal hij of zij een ETL (Extract, Transform, Load) proces toepassen op databases en zo een datawarehouse opzetten. Op deze manier wordt ervoor gezorgd dat de hele flow van data beschikbaar is en van goede kwaliteit. Voor deze rol is kennis nodig van programmeren, data mining technieken en het modelleren van data.
Data Analist
/business analist
Voor deze rol is minder technisch inhoudelijke kennis nodig, maar zal de focus meer liggen op het analyseren en visualiseren van historische data. De data engineer zorgt voor beschikbare data. Vervolgens zorgt de data analist dat deze data geanalyseerd wordt. Doordat deze persoon ook kennis heeft van de business, zal hij of zij de gemaakte analyses gebruiken om te vertalen naar acties.
Data Scientist
/statisticus
Deze rol wordt vervuld door iemand die door het gebruik van Machine Learning en Data Mining technieken data kan gebruiken om voorspellingsmodellen te maken. Programmeren en statistische analyses uitvoeren met de laatste tools en technieken is geen enkel probleem voor deze persoon. Verder zal hij of zij diepgaandere inzichten en geavanceerde analyses uitvoeren om de BI te boosten.
Analytics Translator
Tot zover heb je een team bij elkaar gekregen die inhoudelijk een data project tot een succes kan leiden. AI en analytics projecten zullen echter niet slagen met alleen inhoudelijke expertise. Er is iemand nodig die de waarde van AI & analytics projecten in context kan brengen: de analytics translator. Deze relatief nieuwe rol binnen AI projecten verbindt de technische experts met de operationele kennis. Deze rol wordt recentelijk erkent door onder andere Mckinsey, Growth Tribe en Harvard Business Review en de vraag naar deze rol zal variëren van 2 tot 4 miljoen in de komende jaren (VS). Om écht toegevoegde waarde te leveren met AI en analytics is deze rol onmisbaar.
Tips voor je team
Met deze rollen bouw je een solide basis team op voor een inhoudelijk en financieel aantrekkelijk AI en analytics project. Hier nog een paart tips om dit team als een geoliede machine te laten werken.
- Laat je data experts vrij in hun keuze om hun voortang in het veld te publiceren/delen. Al kan dit voelen als gratis weggeven van informatie, onthoudt dat kennis delen is kennis krijgen.
- Promoot het deelnemen aan de Data Science community. Zo blijft het team op de hoogte van de laatste trends en ontwikkelingen binnen het vakgebied.
- Zoals eerder gezegd: think big, act small. De toepassingen van AI en analytics zijn eindeloos, maar begin met focus op één specifiek onderdeel. Van daaruit kun je verder groeien.
- Breng structuur aan je project door het proces in kaart te brengen door middel van data architectuur. Check hier hoe dit eruit kan zien.
Heb je vragen over het opzetten van een Data Science project? Of wil je meer waarde halen uit je data? Neem vrijblijvend contact met ons op.
Referenties
https://abs.uva.nl/content/open-programmes-abs/analytics-translator/analytics-translator.html
https://corporate-rebels.com/guest-blog-mvt/
https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/analytics-translator
https://towardsdatascience.com/which-flavor-of-data-professional-are-you-5e01375584ce
Provost, F., & Fawcett, T. (2013). Data Science for Business: What you need to know about data mining and data-analytic thinking. ” O’Reilly Media, Inc.”.
https://hbr.org/2018/02/you-dont-have-to-be-a-data-scientist-to-fill-this-must-have-analytics-role