3 dingen om te overwegen voordat u een datawetenschapper inhuurt

Het is algemeen bekend dat datawetenschap een enorme waarde kan opleveren voor een organisatie. Dat gezegd hebbende, een valkuil voor bedrijven bij het nastreven van datawetenschapsinitiatieven is het inhuren van datawetenschappers zonder een duidelijke visie op hun doelen, zakelijke impact en verwachte resultaten.

Voordat u aan de lange (en dure) reis van het inhuren van een datawetenschapper begint, moet u een stapje terug doen en ervoor zorgen dat uw organisatie klaar is voor datawetenschap. Dit omvat het ontwikkelen van een concrete, resultaatgerichte datawetenschapsstrategie en het controleren van uw onderliggende gegevens om ervoor te zorgen dat uw gegevens nauwkeurig, consistent en volledig genoeg zijn om een ​​betrouwbare analyse te ondersteunen.

Stap 1: Ontwikkel uw datawetenschapsstrategie

Het proces van het inhuren van een datawetenschapper vereist een enorme hoeveelheid tijd, geld en inspanning. Het kan uw bedrijf tot $ 30.000 kosten om een ​​kandidaat te vinden met de gewenste vaardigheden en persoonlijkheid die bij uw bedrijf passen. Naast het gestaag stijgende salaris, dat momenteel gemiddeld rond de $ 113.000 ligt (exclusief voordelen), is het een enorme investering. Als u een datawetenschapper inhuurt zonder een duidelijk omschreven bedrijfsdoel voor datawetenschap te hebben, loopt u het risico die investering te verbranden en het talent op te branden.

Als u een kandidaat laat zien dat u een strategie heeft, krijgt u vertrouwen in uw organisatie en kunt u bepalen of ze de uitdaging aankunnen. Als u van plan bent een datawetenschapper in dienst te nemen en aan boord te nemen, moet u het niet aan hen overlaten om hun missie te bepalen en waar ze passen. Om aan de slag te gaan met het ontwikkelen van een strategie, laat u uw IT-team en bedrijfsleiders hun krachten bundelen om antwoorden te vinden op enkele van de onderstaande vragen:

  • Wat zijn onze zakelijke problemen en kansen? Passen de doelen van onze data science-initiatieven bij de doelen van onze organisatie?
  • Welke gegevens hebben we om analyses te ondersteunen?
  • Welke zakelijke of metrische definities verschillen per afdeling in onze organisatie? Waarom bestaan ​​deze kennissilo’s en hoe kunnen ze worden overwonnen?
  • Kan onze huidige infrastructuur de datawetenschapsbehoeften ondersteunen?
  • Zijn we bereid om als organisatie te veranderen op basis van data science-initiatieven?
  • Hoe kunnen we data science-resultaten effectief communiceren?

Stap 2: Evalueer de datawetenschapsgereedheid van uw bedrijf

Nauwkeurige en direct beschikbare gegevens zijn essentieel voor elk datawetenschapsproject. De kwaliteit van de gegevens die u voor analyse gebruikt, heeft een directe invloed op uw uitkomst. Met andere woorden, als niemand je resultaten vertrouwt, zullen ze die inzichten niet gebruiken om hun besluitvorming te informeren, en zal je hele datawetenschapsstrategie floppen. Stel uw data science-team klaar voor succes door schone en gecentraliseerde gegevens te leveren, zodat ze van de grond kunnen komen.

Hoewel uw gegevens niet perfect hoeven te zijn, moet u er in ieder geval voor zorgen dat uw gegevens gecentraliseerd zijn en geen dubbele records of grote hoeveelheden ontbrekende informatie bevatten. Het centraliseren van belangrijke informatie in een datawarehouse elimineert tijdverspilling bij het zoeken naar de gegevens of het vinden van manieren om datasilo’s te omzeilen. Het creëren van een systeem dat uw gegevens opschoont, organiseert en standaardiseert, garandeert betrouwbare informatie voor iedereen. Het zal uw nieuwe datawetenschapper niet alleen helpen om sneller resultaten te produceren, maar het zal ook het vertrouwen in hun resultaten binnen uw organisatie vergroten en uren besparen op het opschonen van gegevens door uw IT-team. Hoewel de stappen om datawetenschapsgereedheid te bereiken voor elk bedrijf anders zijn, moeten ze allemaal dezelfde doelstellingen in overweging nemen.

Stap 3: Definieer duidelijke en bruikbare businesscases voor datawetenschap

Een groot deel van een succesvolle datawetenschapsstrategie is inzicht te krijgen in de inzichten die datawetenschap kan bieden en hoe uw bedrijf op die informatie kan reageren. Begin met het brainstormen over verschillende use-cases. Bepaal welke het meest actiegericht en relevant zijn en het beste concurrentievoordeel bieden. Als een van uw ideeën geld kan besparen, is dat een geweldige plek om te beginnen. Tijdens dit proces zijn er geen foute antwoorden. Het identificeren van use-cases kan in eerste instantie intimiderend lijken, maar er zijn enkele zeer eenvoudige manieren om aan de slag te gaan:

  • Vraag medewerkers welke veelvoorkomende zakelijke vragen onbeantwoord blijven.
  • Kijk naar wat marktleiders (en uw concurrenten) doen. Of het nu gaat om het personaliseren van marketingberichten aan klanten of het gebruik van modellen om verzekeringsfraude te identificeren, datawetenschap heeft in elke branche toepassingsmogelijkheden.
  • Ontdek wat leidinggevenden zouden willen dat ze konden voorspellen over uw organisatie.
  • Schakel deskundigen in. Veel organisaties (adviesbureaus en leveranciers) hebben data science-oplossingen geïmplementeerd bij verschillende klanten.
  • Identificeer tijdrovende en gecompliceerde handmatige processen. Datawetenschappers kunnen deze waarschijnlijk automatiseren en betrouwbaarder maken.

Ryan Lewis is een Managing Consultant bij 2e horloge.

Kommentar verfassen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert