Skip to content

Hoe vind je een geschikte data scientist?

Inzichten en tips voor het vervullen van je data science vacature

Steeds meer organisaties gaan aan de slag met data science. Een logisch gevolg hiervan is een groeiend aantal vacatures. Maar hoe stel je een goede vacature voor een data scientist op en vooral: hoe selecteer je een geschikte data scientist? We leggen je uit hoe het wél en vooral níet moet.

Hoe vind je een geschikte data scientist?

Inzichten en tips voor het vervullen van je data science vacature

Alex de Ronde
Data Science Consultant bij Digital Power
Laatst bijgewerkt: 8-10-2019

7 min.

Steeds meer organisaties gaan aan de slag met data science. Een logisch gevolg hiervan is een groeiend aantal vacatures. Maar hoe stel je een goede vacature voor een data scientist op en vooral: hoe selecteer je een geschikte data scientist? We leggen je uit hoe het wél en vooral níet moet. 

Waarom de juiste data scientist vaak niet gevonden wordt

Recruiters en managers weten vaak niet goed wat ze met data science aan moeten. Geregeld is de data science vacature zelfs een hoofdpijndossier. Ondertussen lukt het organisaties vaak niet om de beloofde waarde uit data science en big data te halen. Zo geeft maar 62% van de bedrijven aan meetbare waarde uit hun investeringen in Big Data en AI te krijgen.

Dit komt grotendeels door een gebrek aan ervaring in de algehele decision-making en een ongeschikte (data)infrastructuur. Een andere oorzaak is dat managers of HR geen goede vacatures opstellen en/of niet de juiste data scientists selecteren. Dit is jammer voor de organisatie, en ook voor de data scientists die werk moeten uitvoeren waar ze niet blij van worden.

Wat we in de praktijk vaak zien, is dat men niet weet hoe je de juiste data scientists selecteert. Door beter in kaart te brengen wat je als organisatie zoekt in een data scientist en de juiste verwachtingen te scheppen, is dit prima op te lossen.

"Na enkele jaren in de sector actief geweest te zijn als specialist, afdelingshoofd, en nu als consultant, valt het me steeds meer op hoeveel moeite recruiters, HR-mensen en managers hebben om de juiste data scientists aan te nemen. "

- Alex de Ronde, Data Science consultant, Digital Power

Wat organisaties in een data scientist zoeken

Om erachter te komen wie je moet werven en hoe, moet je eerst bedenken wát je eigenlijk nodig hebt. Data science zit op het snijvlak van (wiskundig) modelleren, IT, en organisatie of domeinkennis. Data scientists gebruiken dus allerlei wiskundige of technische technieken om dingen te doen waar de organisatie concreet iets aan heeft. Hier kun je echter je nog alle kanten mee op. Daarom zijn er ook veel verschillende typen data scientists. We zetten de vier belangrijkste op een rij.

De 4 belangrijkste typen data scientists

  • De all-rounder is goed in het begrijpen van het gehele proces en alles wat daarbij komt kijken. Van oorsprong is de all-round Data Scientist meer een analist. Daarnaast heeft hij/zij voldoende wiskundige en technische kwaliteiten in huis om data science projecten van begin tot implementatie uit te voeren. Dit is het profiel waar de meeste bedrijven momenteel behoefte aan hebben.
  • De onderzoeker is een specialist die moeilijk meetbare begrippen kan meten. Wat is bijvoorbeeld de ‘kwaliteit’ van een customer journey? Of hoe ‘goed’ is de beleving van jouw merk?
  • De IT-specialist komt uit de computer science hoek en zit meer tegen data engineering aan. Deze persoon kan een geavanceerde implementatie-omgeving voor modellen maken, of dingen inbouwen in de back-end van een applicatie. Zeer nuttige eigenschappen, maar ze zijn in de praktijk minder vaak nodig dan wordt gedacht.
  • De statisticus is een econometrist of wiskundige die zijn of haar eigen algoritmes kan bedenken specifiek voor een bepaalde use case en zo de prestaties van 95% naar 97% kan optimaliseren. Niemand kan wat deze persoon kan doen, maar dit is doorgaans alleen nuttig op gespecialiseerde plekken met hoge data-volwassenheid in grote organisaties.

Zoals je je kunt voorstellen, zijn dit zeer verschillende profielen en heeft het weinig zin om te zoeken naar één enkel persoon die over de vaardigheden van alle typen beschikt. Toch zien we in de praktijk heel veel vacatures voor ‘data science duizendpoten’ voorbij komen.

Hoe meer specialistische kennis, hoe beter? Think again!

Naast (technische) vaardigheden is senioriteit ook belangrijk. Hier wordt dan ook vaak om gevraagd in vacatures. Bedenk hierbij dat juist het sóórt senioriteit essentieel is om van data science een succes te maken. De moeilijkheid is in veel organisaties niet om iets technisch te bouwen – dit kan met tools en mensen opgelost worden – maar om het in de organisatie als geheel te implementeren.

Kunnen je eindgebruikers ook echt werken met wat je voor ze bouwt? En welk proces volgen we om te bepalen of een model na een half jaar nog up to date is?

Senioriteit op het gebied van data science gaat dus níet enkel om specialisme in het technische domein, maar om overzicht, organisatiekennis en leiderschap. Dit neemt natuurlijk niet weg dat specialisten enorm waardevol zijn wanneer ze op de juiste plaats, het juiste moment en op de juiste manier ingezet worden.

De 3 belangrijkste selectiecriteria bij de zoektocht naar een data scientist

Tenzij specifieke toolkennis absoluut noodzakelijk is, selecteer je de meest geschikte data scientist dus op:

  • type: zoek je een all-rounder, een onderzoeker, een IT-specialist of een statisticus?
  • mate van senioriteit: zoek je iemand met veel jaren werkervaring of kies je voor een recent afgestudeerde data scientist die opgeleid met de meest recente ontwikkelingen in het vakgebied?
  • soort senioriteit: zoek je een data science specialist of -generalist?

Zorg ervoor dat je deze criteria duidelijk vermeldt in je vacature. Zo voorkom je teleurstellingen voor beide partijen.

Hoe ziet jouw vacature voor een data scientist eruit?

Onze vraag aan jou als lezer is nu of je de meest geschikte data scientist voor je organisatie kunt vinden met gebruikelijke manier: 

Je checkt bijvoorbeeld voor ‘een data science rol’ op minimaal 3 jaar (relevante) werkervaring, moet ervaring hebben met én R, én Python, én cloud, én Spark, én Docker, en waarom niet nog een paar. Verder test je voor keywords, minimaal een afgeronde master econometrie (maar eigenlijk een PhD), 2 jaar ervaring in de financiële sector, en ‘moet helemaal enthousiast worden van spitten in een grote bak (ongestructureerde) data’.

Naar welke rol zoek je dan hier? Vraag jezelf dit eens af en kijk nog eens kritisch naar je vacature voor een data scientist en download hieronder onze extra tips.

Download onze 6 tips voor het vervullen van je data science vacature

Als je bovenstaande optie aanvinkt, ontvang je 5 wekelijkse e-mails van ons met persoonlijke tips, Daarna ontvang je +/- 1 keer per maand insights, klantcases, trainingen en events. Je kunt je onderaan elke e-mail eenvoudig afmelden.

Vind een geschikte data scientist

Natuurlijk hebben we bij Digital Power ons best gedaan en fouten gemaakt. We hebben, achteraf gezien, soms een goede kandidaat niet aangenomen, maar op deze manier hebben we wél een data science team gebouwd waar veel organisaties alleen maar van kunnen dromen.

Met de ouderwetse methode hadden we dit team zeker niet kunnen samenstellen. Ben je op zoek naar een geschikte data scientist? Vraag jezelf dan het volgende: wil je iemand die voldoet aan je checklist, of wil je de persoon die je nodig hebt?

We denken graag met je mee over hoe je dit aanpakt. Neem contact met ons op of je hierover wilt sparren. 

Mailtje ontvangen wanneer ons volgende artikel over Data Science gepubliceerd is?

Dit is een artikel van Alex de Ronde, Data Science Consultant, Digital Power
Alex is een all-round Data Scientist met leiderschapservaring bij meerdere organisaties en een passie voor pragmatische strategie. Hij helpt klanten bij het zien van het gehele plaatje, vinden van mogelijkheden, en zet deze om in concrete resultaten.

Lees onze andere artikelen over datagedreven werken