Wat is een Data Scientist?

Wie ze zijn, wat ze doen en waarom u er een wilt zijn

Data scientists zijn een nieuw type analytische gegevensexperts die de technische vaardigheden hebben om complexe problemen op te lossen, maar ook de nieuwsgierigheid om te onderzoeken welke problemen moeten worden opgelost.

Ze zijn deels wiskundige, deels computerwetenschapper en deels trendspotter. En omdat ze zich zowel binnen de bedrijfswereld als de IT-wereld bewegen, zijn ze erg gewild en worden ze goed betaald. Wie wil er nou geen data scientists zijn?

Ze zijn ook een 'sign of the times'. Tien jaar geleden vlogen data scientists vooral onder de radar, maar hun plotselinge populariteit weerspiegelt hoe bedrijven nu denken over big data. Die enorme massa ongestructureerde informatie kan niet langer worden genegeerd. Het is een virtuele goudmijn die de omzet kan helpen verhogen, als er maar iemand is die gaat graven om bedrijfsinzichten boven water te halen waar niemand eerder naar zocht. En dat is de data scientist.

Waar kwamen ze ineens vandaan?

Veel data scientists begonnen hun loopbaan als statisticus of data-analist. Maar naarmate big data (en technologieën voor de opslag en verwerking van big data zoals Hadoop) gingen groeien en evolueren, evolueerden ook die rollen. Gegevens zijn niet langer een bijzaak voorbestemd voor de IT-afdeling. Ze bevatten essentiële informatie waarvoor analyse, creatieve nieuwsgierigheid en een talent voor het vertalen van hightech-ideeën naar nieuwe manieren om winst te maken, vereist zijn.

De rol van een gegevenswetenschapper heeft ook een academische oorsprong. Een paar jaar geleden signaleerden universiteiten dat werkgevers op zoek waren naar mensen die zowel programmeur als teamspeler waren. Professoren pasten hun lessen aan om hieraan tegemoet te komen, en sommige programma's, zoals het Institute for Advanced Analytics aan de North Carolina State University, bereidden zich voor om de volgende generatie data scientists voort te brengen. Er zijn nu in de VS al meer dan 60 vergelijkbare programma's op universiteiten.

"Mijn dagen kunnen erg op elkaar lijken, maar het werk kan van week tot week sterk verschillen. Zo werk ik enkele weken aan een text mining-project, om vervolgens een voorspellend model rond de klant maken. Daartussendoor zijn er meetings over analyses en hoe het verschillende onderdelen van het bedrijf kan helpen.”

Alex Herrington
Data Scientist voor een grote Amerikaanse retailer
Lees het verhaal

Kirk Borne, PhD, Principal Data Scientist bij Booz Allen Hamilton, gaat in op de misvatting dat gegevenswetenschap een IT-functie is - en hoe data scientists kunnen helpen in het nieuwe tijdperk van grotere, complexe data.

Meer over Data Scientists

Maak kennis met een data scientist: interview met Kristin Carney.
Download een white paper over Getting Value From Your Data Scientists (Waarde halen uit uw datawetenschappers).

Typische werkzaamheden voor data scientists

Er is geen vastomlijnde functieomschrijving voor de rol van data scientist, maar er zijn enkele zaken die van u verwacht worden of die op uw bordje zullen belanden:

Het verzamelen van grote hoeveelheden weerbarstige gegevens en het omzetten daarvan in een bruikbaarder formaat.
Het oplossen van bedrijfsgerelateerde problemen met behulp van datagestuurde technieken.
Werken met verschillende programmeertalen, waaronder SAS, R en Python.
Goed inzicht in statistiek, inclusief statistische tests en verdelingen.

Analytische technieken zoals machine learning, deep learning en tekstanalyse de baas blijven.
Communiceren en samenwerken met zowel IT als de business.
Zoeken naar orde en patronen in gegevens, en trends signaleren die het resultaat van een onderneming kunnen helpen.

Wat moet een data scientist zoal kunnen?

Deze termen en technologieën worden algemeen gebruikt door datawetenschappers:

Gegevensvisualisatie: de presentatie van gegevens in een picturaal of grafisch formaat zodat ze gemakkelijk kunnen worden geanalyseerd.
Machine learning: een tak van de kunstmatige intelligentie gebaseerd op wiskundige algoritmen en automatisering.
Deep learning: een gebied van machine learning-onderzoek dat gegevens gebruikt om complexe abstracties te maken.

Patroonherkenning: technologie die patronen in gegevens herkent (vaak door elkaar gebruikt met machine learning).
Gegevens voorbereiden: het proces van het omzetten van onbewerkte gegevens naar een ander formaat, zodat ze gemakkelijker kunnen worden geconsumeerd.
Tekstanalyse: het proces van het onderzoeken van ongestructureerde gegevens om belangrijke zakelijke inzichten te verkrijgen.

"Op een doorsnee dag brainstorm ik met mijn team en los ik problemen op om vragen vanuit de business te beantwoorden, bekijk ik analyses en aanbevelingen van mijn medewerkers en woon ik diverse vergaderingen bij."

Kristin Carney
Data scientist, World’s Foremost Bank
Lees het verhaal

Hoe wordt u data scientist?

Uzelf voorbereiden op een carrière in de gegevenswetenschappen kan een slimme zet zijn. Er zijn tal van kansen op de arbeidsmarkt en het is een kans om in de technologiesector te werken met ruimte voor experiment en creativiteit. Dus, wat is uw strategie?

Als u student bent
Het kiezen van een universiteit die een opleiding in gegevenswetenschappen aanbiedt, of ten minste een die lessen in gegevenswetenschappen en analytics aanbiedt, is een belangrijke eerste stap. In de VS zijn Oklahoma State University, University of Alabama, Kennesaw State University, Southern Methodist University, North Carolina State University en Texas A&M allemaal voorbeelden van opleidingen die gegevenswetenschapsprogramma's aanbieden.

Als u een professional bent die van loopbaan wil veranderen
De meeste data scientists hebben een achtergrond als data-analist of statisticus, maar anderen hebben een niet-technische achtergrond, bijvoorbeeld in het bedrijfsleven of de economie. Hoe kunnen professionals met zulke uiteenlopende achtergronden in hetzelfde vakgebied terechtkomen? Het is belangrijk te kijken naar wat ze gemeen hebben: een gave om problemen op te lossen, het vermogen om goed te communiceren en een onverzadigbare nieuwsgierigheid naar hoe dingen werken. Leer hoe de SAS Academy for Data Science u de tools geeft om een gecertificeerd data scientist te worden.

Naast die kwalificaties, heeft u gedegen inzicht nodig in:

Statistieken en machine learning.
Codeertalen zoals SAS, R of Python.
Databases zoals MySQL en Postgres.
Gegevensvisualisatie en rapportagetechnologieën
Hadoop en MapReduce.

Als u deze vaardigheden niet alleen wilt leren, volg dan een online cursus of schrijf u in voor een bootcamp. En vergeet ook niet te netwerken. Maak contact met andere data scientist in uw bedrijf of vind een online gemeenschap. Zij geven je insider-informatie over wat data scientists doen - en waar u de beste banen vindt.

Wanneer is een bedrijf klaar om een data scientist aan te nemen?

Voordat u een positie als data scientist accepteert, zijn er enkele zaken over het bedrijf die u moet overwegen:

Wordt er gewerkt met grote hoeveelheden gegevens en zijn er complexe problemen die moeten worden opgelost? Bedrijven die echt behoefte hebben aan data scientists hebben twee dingen gemeen: ze beheren enorme hoeveelheden gegevens, en ze worden dagelijks geconfronteerd met gewichtige vraagstukken. Ze bevinden zich meestal in sectoren zoals financiën, overheid en farmacie.
Worden gegevens gewaardeerd? De cultuur van een bedrijf is van invloed op het al dan niet aannemen van een datawetenschapper. Heeft het een omgeving die analyse ondersteunt? Heeft het de steun van de directie? Zo niet, dan is investeren in een datawetenschapper weggegooid geld.
Is het klaar om te veranderen? Als data scientist verwacht u dat u serieus wordt genomen, en onderdeel daarvan is dat u uw werk tot resultaat ziet komen. U besteedt uw tijd aan het vinden van manieren waarop uw bedrijf beter kan functioneren. Als reactie hierop moet een bedrijf klaar zijn - en bereid - om de resultaten van uw bevindingen op te volgen.

Het inhuren van een data scientist om zakelijke beslissingen op basis van gegevens te begeleiden, kan voor sommige organisaties een sprong in het diepe zijn. Zorg ervoor dat het bedrijf waar u voor werkt de juiste instelling heeft - en bereid is om veranderingen door te voeren.

"Ik werk voor een wendbaar bedrijf, wat van mij verlangt dat ik flexibel ben en me aanpas aan omstandigheden. Zo was ik vorige week bezig met verschillende taken, waaronder het verbeteren van aanbevelingsscores, het afstemmen van de integratie met het operationele contentmanagementsysteem, het creëren van nieuwe getransformeerde variabelen op basis van consumentengedrag om te gebruiken voor affiniteitsmodellen en wat herstructurering van bestaande prestatierapporten/analytische dashboards."

Manuel-David Garcia
Data Scientist voor een middelgroot bedrijg in Heidelberg, Duitsland
Lees het verhaal

Technologieën voor de data scientist

Het aanbod van SAS^® Viya^® voor data science is specifiek ontworpen voor de data scientist. Met de selfservice AI- en machine learning-mogelijkheden kunt u snel modellen bouwen en implementeren. Naast de krachtige algoritmen beschikt u over cruciale mogelijkheden voor gegevensvoorbereiding, gegevensvisualisatie en modelbeheer.

Ontdek meer over ons aanbod voor data science