In 2015 ben ik samen met Radboud Management Academy gestart met de post-master Business Data Scientist. In dit artikel wil ik vertellen over de unieke inhoud van deze opleiding en waarom we deze gemaakt hebben.
Elke organisatie die verandert, is op zoek. Die zoektocht heeft vaak betrekking op data: hoe kunnen we data beter toepassen? Hoe kunnen we nieuwe toepassingen voor data vinden? Hebben we wel de juiste data? Wat moeten we doen met data science en big data? Hoe kunnen we data inzetten om betere besluiten te nemen en dus ook beter te presteren?
Organisaties moeten een antwoord vinden op deze vragen. Deels onder druk van de verder ontwikkelende markt en veranderende concurrentie. Daarmee krijgt data een centrale plaats in de bedrijfsvoering en worden organisaties dus ‘data driven’.
Uiteraard heb je hier ‘data science’ voor nodig: de omgevingen en vaardigheden om data te ontleden, analyseren en te vertalen naar modellen, adviezen en besluiten.
We hebben de post-master business data scientist ontworpen omdat geen bedrijf met alleen tools en technieken succesvol gaat worden. Het is juist de business data scientist die de brug vormt tussen data science en de verandering die in organisaties plaats vindt.
Te vaak ligt bij organisaties de nadruk op de technologie (Hadoop? Spark? Data lake? Moeten we R leren?). Om succesvol te zijn met data heb je ook andere instrumenten nodig. Bedrijfskundige modellen, business analyse, strategievorming helpen om de juiste vragen te formuleren en doelen te stellen. Softskills en veranderkundige vaardigheden om die doelen zichtbaar te maken voor opdrachtgevers en stakeholders. Kennis van data science, architectuur, methoden en organisatiemodellen geeft de inzichten om data science in een organisatie in te passen. Visie en leiderschap is nodig om data science in een organisatie te laten werken. Ons doel is om deelnemers dit te laten zien. De opleiding is ontworpen om al deze aspecten samen te laten komen en bruikbare instrumenten te geven.
Wat ik het leukste vind van deze post-master? Steeds weer de brug maken naar: wat gaan we nu doen, hoe breng je de theorie in praktijk brengen. Elke deel theorie wordt vertaald naar een praktische toepassing in de casus. En dat is de eerste stap naar het halen van successen met data science in je eigen werk, team, afdeling, divisie of organisatie.
