In 2011 noemde Harvard Business Review data science “de sexyste baan van de 21e eeuw”. De vraag naar data science is sindsdien alleen maar toegenomen. Fortune meldde dat het aantal vacatures voor data scientists een stijging van 480% sinds 2016 heeft gezien. Deze groei is zo enorm dat er in 2020 nog steeds een tekort van 250.000 data science‑professionals was.
Helaas kunnen mensen die een rol in data science ambiëren ontmoedigd raken. Een blik op een vacaturetekst voor data science onthult een indrukwekkende lijst aan vaardigheden. De hevige concurrentie om data science‑posities heeft er ook toe geleid dat sommige kandidaten hun droombaan aan zich voorbij hebben zien gaan.
Toch realiseren velen zich niet dat het carrièrepad van een data scientist niet per se lineair is. Banen die niet de titel “data scientist” dragen, kunnen je nog steeds waardevolle data science‑skills bijbrengen! Deze vaardigheden omvatten statistiek, datamanipulatie, machine learning, programmeren, bedrijfskundig inzicht en verhalend presenteren–allemaal essentieel voor een data scientist.
Hier zijn een paar rollen die als springplank kunnen dienen naar je doel om data scientist te worden. Deze technische en niet‑technische functies kunnen je helpen de sector binnen te komen.
Niet-technische datarollen
Data-/Analytics Translator
Door McKinsey bestempeld als “de nieuwe onmisbare rol,” helpt een analytics translator businessleiders hun bedrijfsproblemen te prioriteren en deze doelen vervolgens over te brengen aan dataprofessionals. Een analytics translator zorgt voor draagvlak bij businessleiders en ziet erop toe dat de oplossing die door datateams wordt gebouwd, ook daadwerkelijk bedrijfswaarde oplevert.
“Je bent constant technische concepten aan het vertalen en zorgt dat iedereen dezelfde taal spreekt,” zegt Gruschow, technical analyst bij Fortive, wanneer ze haar rol beschrijft. Volgens McKinsey heeft een goede kandidaat voor analytics translator een ondernemende instelling, sterke projectmanagementvaardigheden en algemene technische taalvaardigheid (al is programmeerexpertise optioneel). Als je deze vaardigheden hebt, is de rol van analytics translator misschien echt iets voor jou.
Data Science Product Manager
Data science productmanagers (PM) zijn eigenaar van de roadmap van data science‑producten, van concept tot lancering. In samenwerking met businessteams identificeren ze hoe data science zakelijke pijnpunten kan aanpakken. PM’s werken vervolgens nauw samen met dataprofessionals en developers om productvereisten op te stellen, de productontwikkeling te begeleiden en succesmetrics te definiëren.
Een productmanager staat voortdurend in contact met een diverse groep stakeholders (Bron)
Elk bedrijf heeft zijn eigen, unieke data science‑product. Een data science productmanager bij een business intelligence‑bedrijf kan toezicht houden op de ontwikkeling van een datavisualisatietool, terwijl een andere productmanager bij een streamingbedrijf de roadmap van een in‑app aanbevelingsfunctie beheert. Wie uitblinkt in stakeholdermanagement en een brede kennis van data science heeft, past goed bij deze rol.
Data Strategy Consultant
Datastrategieconsultants ontwerpen, bouwen en implementeren datastrategieën die de bedrijfsprestaties verbeteren. Consultants werken met businessleiders om de datacapaciteiten van een bedrijf te beoordelen en stellen roadmaps voor richting een datagedreven organisatie.
Een consultant identificeert hoe bedrijven datatechnologieën kunnen inzetten om hun problemen aan te pakken. De strategie verschilt waarschijnlijk per volwassenheidsniveau van het bedrijf. Voor een jonge organisatie kan de consultant voorstellen om tools voor datamanagement en datagovernance te implementeren. Voor een volwassen organisatie kan de consultant het gebruik van innovatieve cloudoplossingen suggereren. Wie al ervaring heeft in consultancy, kan deze rol aantrekkelijk vinden. Bovendien zijn kandidaten met praktische kennis van diverse dataframeworks (zoals datagovernance, datamanagement, business intelligence, advanced analytics, machine learning en cloudplatforms) een uitstekende match voor de functie.
Technisch Projectmanager
Technische projectmanagers plannen, organiseren en sturen technische data science‑projecten aan. Projectmanagers beheren de middelen die voor een project beschikbaar zijn en zorgen ervoor dat het op tijd, binnen budget en binnen scope wordt opgeleverd.
Omdat projectmanagers een project van concept tot lancering overzien, is hun rol behoorlijk divers. Ze plannen projectkaders, plannen taken, evalueren projectfasen, communiceren met stakeholders en bewaken de productvisie. Voor het aansturen van cross-functionele projectteams gebruiken ze ontwikkelmethodologieën zoals Scrum en Agile.
De Agile‑methodologie (Bron)
De rol van technisch projectmanager is geschikt voor mensen met eerdere managementervaring. Kandidaten met een technische achtergrond in data science, software‑engineering of UI/UX hebben waarschijnlijk een streepje voor bij het bemachtigen van een technische PM‑rol.
Technisch Schrijver
Naarmate het aantal en de schaal van data science‑producten toenemen, groeit ook de behoefte aan technische documentatie. Goede en beknopte documentatie is een van de beste manieren voor een developer om instructies aan eindgebruikers over te brengen.
Voorbeeld van technische documentatie door Twilio (Bron)
Een technisch schrijver vult deze leemte door startersgidsen, diepgaande productdocumentatie en API‑referentiemateriaal voor technische producten te leveren. Ze werken ook nauw samen met development‑engineers, productmanagers en programmamanagers om de documentatie te ontwerpen. Technische schrijvers hebben idealiter een technische achtergrond, zodat ze gemakkelijk met technische teams kunnen schakelen. Als je interesse hebt in technisch schrijven, kun je voorbeelden van je technische schrijfwerk aan je portfolio toevoegen voordat je met je zoektocht naar een baan begint.
Technische datarollen
Business Intelligence Analyst
Een business intelligence‑analist gebruikt data-analyse en visualisatie om organisaties te helpen datagedreven beslissingen te nemen. Het dagelijkse werk van een BI‑analist bestaat uit het interpreteren van kerngegevens om inzichten te genereren. Om deze inzichten te communiceren, beheren BI‑analisten metrics en visualisaties in de vorm van dashboards of presentatieslides. Een BI‑analist is daarom bedreven in databasetools (SQL), business intelligence‑tools (zoals Tableau) en spreadsheettools (zoals Excel).
Een spannend project voor BI‑analisten is het automatiseren van bestaande rapportageprocessen. Zo maakten BI‑analisten bij HelloFresh handmatige datarapportage overbodig door realtime dashboards te creëren. Het marketingteam gebruikte deze rapporten vervolgens om marketingcampagnes te optimaliseren en daarmee klantbehoud te verbeteren.
Voorbeeld van een PowerBI‑dashboard
Data Analyst
Een data‑analist vertoont veel overeenkomsten met een BI‑analist. Net als een BI‑analist is een data‑analist verantwoordelijk voor het leveren van nauwkeurige zakelijke metrics en het extraheren van bruikbare inzichten voor stakeholders om datagedreven beslissingen te nemen.
In sommige bedrijven kan een data‑analist betrokken zijn bij advanced analytics‑projecten. Dergelijke projecten kunnen vereisen dat een data‑analist samenwerkt met product‑, business‑ en engineeringteams om cruciale bedrijfsbeslissingen te ondersteunen. Zo kan een data‑analist de opdracht krijgen om een klantsegmentatie te maken, die vervolgens kan worden gebruikt om segmentspecifieke strategieën te ontwikkelen.
Data‑analisten kunnen klantsegmentatie uitvoeren (Bron)
Afhankelijk van de scope van de functie kan van een data‑analist worden verwacht dat hij niet alleen SQL, BI‑tools en spreadsheettools beheerst, maar ook een programmeertaal (zoals Python of R). Sterke kennis van statistiek helpt data‑analisten bovendien bij het werken aan advanced analytics‑projecten.
MarketingOps Analyst
Een marketing operations‑analist implementeert marketingprocessen en analyseert marketingprestaties. Dergelijke processen kunnen onder meer leadmanagement en klantbetrokkenheid via CRM‑software omvatten. Marketinganalisten analyseren klant‑ en leveranciersdata om kansen te ontdekken en marketingprocessen te optimaliseren. Zo kan een analist een funnelanalyse uitvoeren om de zwakste schakel in het klantconversieproces te vinden.
Voorbeeld van een funnelanalyse (Bron: Clevertap)
Bovendien kunnen marketing ops‑analisten hypothesetests uitvoeren om marketingprestaties te optimaliseren. Met de juiste A/B‑tests kan een analist bijvoorbeeld ontdekken dat emoji’s in e‑mailonderwerpen de doorklikratio onder jongere doelgroepen aanzienlijk verbeteren. Deze rol is een uitstekende springplank voor wie gevoel heeft voor marketing. Het is ook ideaal voor pas afgestudeerden, aangezien NCSU meldt dat tot 45% van de vacatures voor marketing ops‑analisten minder dan 2 jaar ervaring vereist en 80% van de vacatures om een bachelordiploma vraagt.
Financieel Analist
Financieel analisten onderzoeken financiële data, identificeren investeringskansen en evalueren de uitkomsten van bedrijfsaanbevelingen. Concreet analyseren ze de wisselwerking tussen macro-economische factoren, micro-economische omstandigheden en de fundamenten van een bedrijf. Financiële kengetallen zijn het dagelijks brood van financieel analisten. Om de gezondheid van een bedrijf te beoordelen, kijken ze naar metrics zoals brutomarge, nettomarge, groeipercentages, return on equity en winst per aandeel, en meer.
Analisten maken ook prognoses over de toekomstige prestaties en waarde van een bedrijf met statistische methoden (zoals regressieanalyse) en geavanceerde financiële modellering (zoals discounted cash flow‑analyse).
Een voorbeeld van een eenvoudige regressieanalyse uitgevoerd door een financieel analist (Bron)
Degenen met een bachelordiploma–bij voorkeur in accounting, economie, finance of statistiek– of een MBA maken volgens Investopedia een goede kans om financieel analist te worden.
Machine Learning Engineer (MLE)
Volgens LinkedIn is MLE een van de 25 snelst groeiende functietitels in 2022. MLE’s ontwerpen, bouwen en brengen machine learning‑modellen in productie. Ze zijn dus bedreven in het ontwerpen van modelarchitecturen, het orkestreren van machine learning‑pipelines en het monitoren van ML‑oplossingen in productie.
Een MLE bij een ritdeelplatform kan bijvoorbeeld de tijd monitoren die de productie‑matchmaking‑AI nodig heeft om een chauffeur aan een passagier te koppelen. De MLE werkt samen met data scientists om ervoor te zorgen dat die tijd een vooraf bepaalde drempel niet overschrijdt. De MLE‑rol is geschikt voor mensen met sterke programmeervaardigheden, zoals software‑engineers of data‑engineers. MLE’s hebben ook een stevige basis in wiskunde en statistiek nodig en een solide begrip van machine learning‑modellen.
Bouw je datacarrière uit
Enthousiaste werkzoekenden die zich vastbijten in de rol van data scientist, kunnen deze functietitels over het hoofd zien tijdens hun zoektocht. Ons advies? Wees niet bang om functies na te jagen buiten data scientist als je de skills van data science on the job kunt leren. Zoals Steve Jobs het mooi verwoordde: “je kunt de punten niet met elkaar verbinden als je vooruitkijkt… dus je moet erop vertrouwen dat die punten zich in de toekomst op de een of andere manier met elkaar verbinden.”
Dit artikel verscheen oorspronkelijk op de DataCamp Certified Community, een exclusief platform voor alle learners die een van DataCamp’s certificeringen succesvol hebben afgerond. Wil je toegang tot deze community voor nog meer content die je helpt voorop te blijven in de datawereld, haal dan vandaag nog je certificaat!
