3min

Een afgeronde opleiding in data science is niet de enige aanwijzing dat iemand geschikt is voor een baan of een project in analytics. Softwaremaker Tableau identificeerde vijf vaardigheden die uitermate nuttig zijn in een datacultuur. Zie ze als aanwijzingen in hoeverre iemand geschikt is om aangenomen of opgeleid te worden tot dataprofessional.

Kritisch denken

Een kritisch denker neemt niet alles klakkeloos aan; evenmin trekt hij alles wat hij hoort of ziet in twijfel. Kritisch denken is het vermogen om vraagstukken, hypothesen en resultaten objectief te observeren en analyseren en op basis daarvan een mening te vormen. Dus los van de eigen gevoelens en/of persoonlijke situatie.

Kritische denkers bekijken een probleem vanuit meerdere invalshoeken en weten welke vragen beantwoord moeten worden om tot een mogelijke oplossing te komen. Ook de bronnen van de data nemen ze in ogenschouw. Ze onderscheiden hoofdzaken van bijzaken en relevant van irrelevante informatie.

Kritisch denken is van grote waarde in veel functies, maar vooral in het werken met data. In dat vakgebied moeten immers vragen worden geformuleerd waarvan de antwoorden bijdragen aan de bedrijfsdoelen. Bijvoorbeeld: wat is de volgende stap voor de organisatie? Welke vragen moeten dan gesteld worden? En welke data zijn relevant in het vinden van nuttige antwoorden?

Effectief communiceren

De vraagstelling, analyses en resultaten zijn waardeloos wanneer ze niet helder worden gedeeld met de organisatie. Effectief communiceren is juist belangrijk voor mensen die met materie werken die anderen moeilijk of oninteressant vinden. Het is enorm waardevol wanneer iemand duidelijk uiteen kan zetten tot welke inzichten de data hebben geleid, wat de relevantie is voor de organisatie en hoe het zich allemaal verhoudt tot de bedrijfsstrategie. Dit moet uiteraard voor verschillende soorten publiek, waarvan de kennis van technologie sterk varieert.

Tableau noemt effectieve communicatie doorslaggevend in het vergroten van de datavaardigheid van een organisatie. Wanneer een bedrijf een datacultuur wil creëren of uitbouwen, dan is iedereen die werkt met data ook een ambassadeur en een woordvoerder. Effectief betekent in deze een verhaal kunnen vertellen die resultaten begrijpelijk maken. Een prettige manier van presenteren, het onderscheid kunnen maken tussen wat leuk is om te vertellen en goed om te horen. Maar ook het vertellen van een compleet verhaal en de nadelen niet schuwen.

Probleemoplossend denken

Sommige mensen denken in problemen, anderen in oplossingen. Voor dataprofessionals is die laatste vaardigheid nuttig: lol beleven aan het doorgronden van kwesties en als een detective op zoek gaan naar de kern van de zaak.

Soms is het willen oplossen van problemen echter een innerlijke drang die zich moeilijk laat sturen. Probleemoplossend werken vraagt ook om het maken van keuzes: welke problemen zijn voor later, welke moeten nu worden opgepakt en met welke methode.

Iemand die probleemoplossend denkt, ziet kansen in problemen en weet welke middelen hij moet inzetten om effectief tot oplossingen te komen. 

Intellectuele nieuwsgierigheid

Het woord intellectueel geeft aan dat nieuwsgierigheid als vaardigheid van professionele aard is. Roddel en achterklap vallen hier niet onder. Nieuwsgierigheid als vaardigheid drijft mensen tot het uitdiepen van problemen, het grondig analyseren van oorzaken en het stellen van interessante vragen om tot de bodem van iets te komen. Tableau stelt dat ‘net genoeg’ voor succesvolle dataprofessionals nooit voldoende is, zij zullen blijven zoeken naar antwoorden tot de onderste steen boven is.

Mensen met een gezonde nieuwsgierigheid stellen vragen (en luisteren naar de antwoorden) en tonen vaak interesse in een breed scala aan onderwerpen.

Zakelijk inzicht

Het werd al genoemd onder kritisch denken: resultaten van data-analyse moeten bijdragen aan bedrijfsdoelen. Iemand met zakelijk inzicht begrijpt hoe een bedrijf functioneert en wat een organisatie nodig heeft. Zakelijk inzicht hebben betekent weten welke problemen moeten worden opgelost, zodat het bedrijf er beter van wordt. Denk aan het achterhalen van de oorzaak van een hardnekkig probleem, het fijnslijpen van een marktsegment en het voorspellen van verkooptrends.

Schaap met vijf poten

Wie op zoek gaat naar mensen die al deze vaardigheden in gelijke mate bezitten, heeft een lange en frustrerende reis voor de boeg. Goed nieuws: in een organisatie met een (beginnende) datacultuur hoeft dat ook niet. Niet iedereen heeft immers dezelfde mate van datavaardigheid nodig voor de dagelijkse werkzaamheden. Een data scientist hoeft geen uitmuntend communicator te zijn, wanneer een collega de schakel vormt tussen zijn werk en de organisatie. En zakelijk inzicht telt zwaarder voor degene die de opdrachten formuleert voor analytics, dan voor een uitvoerend analist.

Tip: Hoe creëer je een datacultuur in je bedrijf?