Groot of klein, elk bedrijf heeft een Data Scientist nodig

Het is een gegeven: de hoeveelheid data groeit exponentieel. Elk bedrijf moet daar iets mee, want niets doen is geen optie; dan besta je wellicht over een jaar of vijf niet meer. Maar waar begin je en hoe pak je dat aan? “Wij als Data Science-specialisten kunnen bedrijven de weg wijzen”, zegt Joost Afman van ‘Data Science Lab.’ een jonge, ambitieuze startup, gevestigd te Amsterdam.

Data wordt steeds belangrijker, al was het alleen maar omdat er steeds meer data, in steeds hoger tempo beschikbaar komt. Denk aan bronnen als Social Media en het Internet of Things; steeds meer voorwerpen worden uitgerust met sensoren. Kijk naar een bedrijf met een wagenpark; daarin alleen al ligt een schat aan informatie verborgen.

Met de hoeveelheid neemt ook de complexiteit van die data toe, en daarmee weer de benodigde expertise om die data adequaat te analyseren. “De vraag naar Data Science-specialisten zie je dan ook enorm toenemen”, constateert directeur Joost Afman van Data Science Lab. “In die vraag is moeilijk te voorzien. En dat terwijl elk bedrijf, groot of klein, uiteindelijk een Data Scientist nodig zal hebben.”

Visie

Veel bedrijven worstelen dan ook met het concept Data Science en weten niet goed hoe ze dat aan moeten vliegen. Data Science Lab. (met punt!) wil dat probleem voor ze oplossen. “Wij willen bedrijven begeleiden op hun reis door hun datalandschap en samen met hen daarvoor een businessplan opstellen. Dat betekent: inventariseren wat ze precies voor data in huis hebben, welke tools ze daarop zouden kunnen loslaten, wat voor type Data Science-specialist ze daarvoor nodig  hebben, et cetera. Dus we willen bedrijven helpen bij het zetten van hun eerste schreden op gebied van Data Science, maar wel op onze geheel eigen manier. Het begrip ‘Lab.’ in de naam van ons bedrijf zegt wat dat betreft alles. Dat staat voor ‘experimenteren’. Bedrijven laten experimenteren op gebied van Data Science, dát staat in onze visie voorop!”

Zandbak in de cloud

Dat lab-aspect bestaat uit een in de cloud gebouwde omgeving. “Dat kun je zien als een soort zandbak”, verduidelijkt Afman. “Daarin draaien allerlei tools, afkomstig van een keur van partijen, dan wel open source, waarmee onze consultants kunnen experimenteren, maar waarmee ook de klant inzicht kan worden verschaft in welke tooling voor zijn data het best werkbaar is. Zodra we daar achter zijn, kunnen we die tooling óf in de omgeving van de klant implementeren, óf aan hem als service aanbieden.”

Trechter-aanpak

Data Science kent meerdere lagen en elke laag vraagt om zijn eigen specialist, vervolgt Afman. “Je hebt allereerst de Data Scientist zelf. Dat is veelal een academisch geschoold iemand die thuis is in de data-algoritmes en daaraan kan sleutelen om zaken bij te sturen. Dan heb je de Data Engineer, die de data uit de databases haalt, een ‘data lake’ creëert en applicaties aan elkaar knoopt, zodat uiteindelijk de Data Scientist ermee aan de slag kan. En dan heb je natuurlijk aan de outputzijde nog de gebruiker – wij noemen dat de Data Science Citizen – die met zo’n Data Science-omgeving om moet kunnen gaan.”

De trechteraanpak (Afman hanteert de term ‘Data Science-funnel’) die Data Science Lab. propageert, sluit hierop aan. “Het begint meestal met een klant die bijvoorbeeld zegt: ik wil mijn data beter benutten om mij scherper te differentiëren van mijn concurrent. Bij de beantwoording van die vraag zou allereerst zo’n Data Science Citizen een grote rol kunnen spelen. Die beschikt over de juiste businesskennis, snapt wat in Data Science wel en niet kan, en is prima in staat om een business-case samen te stellen. Vervolgens kan de Data Engineer zijn taak vervullen, waarna de Data Scientist met zijn algoritmes aan de slag kan, om uiteindelijk de uit de data geëxtraheerde kennis weer terug te koppelen naar de Data Science Citizen, die het verworven inzicht aan de business overdraagt.”

Gemêleerd team

Deze trechter-aanpak is volgens Afman dé oplossing voor de stress in de Data Science-markt die hij heeft zien ontstaan. “Bedrijven zijn doorgaans op zoek naar een Data Scientist die: én verstand heeft van de business, én data-technisch heel vaardig is, én met data-algoritmes kan spelen, én beschikt over kennis van statistiek… en dan als klap op de vuurpijl ook nog eens vijf jaar werkervaring heeft. Dat schaap met de vijf poten vind je natuurlijk maar zelden! Daarom delen wij dat op in stukjes, zodat het beter schaalbaar wordt en iedereen op zijn eigen specialisme werkzaam kan blijven. Bovendien wordt het voor bedrijven zo veel makkelijker om dit soort trajecten ter hand te nemen.”

Data Science Lab. (nog geen jaar geleden opgericht) heeft ondertussen een gemêleerd team opgebouwd van een tiental consultants en academisch geschoolde data-specialisten die elkaar uitstekend aanvullen. Ze doen interessante, leuke opdrachten, heel divers, bij zowel commerciële bedrijven als stichtingen en universiteiten, vertelt Afman. Maar men kan zeker nog nieuwe talenten gebruiken en werkt (samen met partners) ook aan de invulling van een Academy om mensen verder op te leiden of om te scholen. “Daarbij hanteren we een geheel eigen stijl”, hecht Afman daaraan toe te voegen. “Kijk naar mij: ik heb geen pak aan en geen stropdas om. En kijk naar onze locatie hier in Amsterdam: dit is dé startup-community van Nederland!”

Ondersteuning Nexyz!

Tijdens het interview is ook Rein Hoogland van Nexyz aangeschoven. Nexyz speelde een belangrijke rol bij het ontstaan van Data Science Lab. “Wij waren als adviseur vanaf de tekentafel betrokken”, vertelt hij. “Bij hoe het bedrijf eruit moest gaan zien, waarop het zich wel en niet zou moeten richten, et cetera.” Verder stelde Nexyz zijn netwerk van contacten ter beschikking aan Data Science Lab en deed het een stuk begeleiding wat de funding betreft. “We zijn zeer tevreden over die samenwerking met Nexyz”, sluit Afman af.