Data wordt steeds strategischer voor bedrijven. Daarom zie je tegenwoordig soms de functie ‘Chief Data Officer’ of ‘Chief Analytics Officer’. Probleem is dat er te weinig mensen te vinden zijn voor deze functies. Dit panel ging over dat verschijnsel: Wat is nou dat werk, waarom is het tof, en wat zijn kwalificaties.

In het panel de Chief Analytics Officer van New York City, de Chief Digital Officer van het MoMa in New York en de oprichter van de Digital Officers Club. Alle info is hier te vinden als je dat wilt nazoeken.

De functies als ‘Chief Analytics Officer’ ontstaan niet zo maar, in een organisatie. Een effectieve manier om de noodzaak van die functie aan te tonen is door te gaan kijken naar een probleem wat op dat moment gezien wordt door de organisatie, en dat dan te proberen op te lossen met data. Daaruit volgt dan als vanzelf dat je mensen nodig hebt om dat werk uit te voeren en is de ‘data functie’ geboren.

De Chief Analytics Officer van New York vertelde hoe zijn dag er uit zag. Centraal voor zijn werk is altijd: Welke processen gebeuren er in New York, welke nieuwe diensten zijn er voor de New Yorkers, welke problemen zijn er daar mee. En als die problemen er zijn kijkt hij naar het landschap van data. Welke data is er allemaal. In New York heeft hij veel moeite gedaan om alle eilandjes van data te verbinden. Dat vereist praten, uitleggen, vragen. Een belangrijke skill voor een Chief Analytics Officer.

Hij gaf een mooi voorbeeld van het nut van analytics binnen New York. Vorig jaar zijn er bij een brand een aantal brandweermannen om het leven gekomen omdat het appartement illegaal verbouwd bleek te zijn. New York heeft inspecteurs die daar op toezien, maar die hebben natuurlijk een eindige hoeveelheid tijd en moeten kiezen waar ze langs gaan. Door analytics te draaien op onder andere de belastinggegevens van verhuurders konden ze een veel betere set maken van potentieel illegaal verbouwde appartementen. Het percentage sluiting op geïnspecteerde appartementen ging daardoor van 13 naar 70 procent, enorm veel beter dus. Analytics redt levens, mensen.

Vervolgens kwam de discussie op het onderwerp: Hoe kan je de vereiste mix van skills krijgen? Sreenivasan tipte een ‘Computational Journalism’ cursus die Columbia geeft. Mashariki vertelde dat de analytische skills een vereiste zijn, en daarnaast iets als gedragswetenschap of psychologie ook vereist is.

Hoe vind je die mensen, als organisatie? New York doet dat als volgt: Ze geven een bepaald probleem, en zeggen: Los dit op met data. Je hebt een week. De persoon die dit oplost, er een goed verhaal bij heeft, én die andere gemeente instanties heeft gebeld voor data, is geschikt voor de baan. Kijk op nyc.gov/analytics om te zien hoe dat er uit ziet.

En als je ze hebt, hoe richt je je organisatie dan in? Bij LinkedIn was er eerst een centraal team met data scientists, die alle vragen oplosten. Dit team was groot genoeg om een andere organisatie-structuur te testen, en ze werken nu decentraal. Per afdeling 2 data-scientists. Dit werkt goed omdat die de medewerkers van die afdeling dan gaan leren hoe ze dingen moeten aanpakken. De kennis wordt zo breder in de organisatie. Als je de luxe niet hebt van een dergelijk groot team moet het centraal. Het risico bestaat dat een eenzame data scientist alleen maar opdrachtjes krijgt van een product manager, en na een jaar gek wordt om alleen maar sql te tikken.

Hoe zien ze de toekomst van data science? Dat de resultaten meer ‘ambient’ worden. Nu is het rapportage op verzoek, dit moet veranderen in weergave van de dingen die je moet weten, op een meer laagdrempelige manier, bijvoorbeeld via wearables of andere meer ‘ambient’ displays.

Al met al een mooi overzicht van dit werkveld en nuttige tips.