Wat heb je nodig om succesvol te zijn als datagedreven organisatie? Melvin Agten, Data Scientist bij Inergy, geeft drie tips gebaseerd op ervaringen en valkuilen die hij in het verleden is tegengekomen.
Iedere organisatie beschikt over grote hoeveelheden data. “Data Science is een interdisciplinair vakgebied waarmee je relevante business vraagstukken vertaalt in oplossingen die waarde uit je data halen. Dat doen we door AI en Machine Learning technieken toe te passen”, legt Melvin uit. “In mijn werk zie ik dat organisaties het vaak lastig vinden hoe ze dat precies moeten aanpakken. Met mijn tips help ik ze graag een eindje op weg.”
Hoe maak je een goede start met Data Science?
Tip 1. Start met waarde gedreven use cases.
Wat zijn de strategische doelstellingen van je bedrijf? Waar liggen uitdagingen? Het is belangrijk om een Data Science project te starten met een concreet doel. Zorg ervoor dat het doel iets toevoegt aan de KPI’s van je organisatie. Bijvoorbeeld het verhogen van de klanttevredenheid, klantretentie, winst of omzet. Of misschien wil je een beter beeld hebben van de klangsegmenten die je bedient.
Denk ook alvast na over wie de gebruiker van de oplossing gaat zijn en welke acties die persoon moet kunnen nemen op basis van die oplossing. Het is immers erg zonde als je een oplossing maakt dat uitkomsten genereert waar niemand iets mee kan. Beschouw de oplossing als een faciliterend onderdeel van je bestaande bedrijfsprocessen. Hoe wil je die laten landen in de organisatie? Wie gaan ermee aan de slag?
Neem de context van het bedrijf en het operationaliseren van een model/oplossing mee bij het opzetten van een Data Science project. Pas als je eenmaal het doel, de te nemen acties en de gewenste output hebt bepaald, onderzoek je welke data je daarvoor nodig en beschikbaar hebt.
“Het is belangrijk om een Data Science project te starten met een concreet doel.”
Tip 2. Zorg ervoor dat je de juiste disciplines aan boord hebt.
Veel bedrijven zijn in de veronderstelling dat het inzetten van een Data Scientist voldoende is om alle problemen rondom hun data op te lossen. De Data Scientist vult echter slechts één rol binnen het gehele data analytics proces. Als je serieus aan de slag wil gaan met Data Science en oplossingen wil ontwikkelen die iets opleveren, dan heb je ook andere disciplines nodig. Denk hierbij bijvoorbeeld aan een Data Architect en een Data Engineer om zo data management op orde te krijgen. De data in je organisatie wordt dan verzameld, gestructureerd en gevalideerd in een datawarehouse. Ook bij Inergy werken we altijd op die manier.
Als organisatie zetten wij verschillende disciplines in die ervoor zorgen dat Data Science oplossingen daadwerkelijk business waarde opleveren. Een Data Scientist ontwikkelt data oplossingen met geavanceerde technieken, maar hij moet wel bij schone, betrouwbare data kunnen. En een werkend model levert pas zijn waarde op als deze in productie gebracht is en gebruikt kan worden in de organisatie. Samen met Data Engineers en Architecten ben je in staat dit te verwezenlijken.
Lees ook:
Het verschil tussen Data Science, Artificial Intelligence en Machine Learning
Tip 3. Focus niet blind op je eigen data.
Er is ook veel externe data beschikbaar waarmee je je eigen data kan verrijken. Er zijn steeds meer dataleveranciers die bijvoorbeeld markt- of prijsdatasets aanbieden, maar denk ook aan data van het CBS of de KvK. Data Scientist scrapen regelmatig ook zelf data van het internet. Dat is dé manier om externe data bij je organisatie naar binnen te halen. Je eigen data verrijken met externe databronnen levert vaak nieuwe inzichten en kansen op voor waardevolle use cases.
Whitepaper
We apply AI for you
In deze whitepaper geven we je uitleg over Artificial Intelligence (AI), Machine Learning en Data Science. Wat houden deze domeinen precies in? En op welke manier maken ze waardevolle data oplossingen mogelijk? Tot slot gaan we in op de samenhang tussen de drie domeinen.
Meer weten over Data Science?
Wil je meer weten over onze Data Science oplossingen? In onze whitepaper ‘Artificial Intelligence (AI) uitgelegd’ lees je alles over hoe je met onder andere Data Science tot waardevolle data oplossingen komt.
In onze serie van drie podcasts over AI en data science praten we je helemaal bij over AI en Data Science. Als je nog eens rustig alles over onze Data Science oplossing wil lezen, kan dat hier.
