Data worden steeds belangrijker. En dus worden mensen die hier verstand van hebben ook steeds meer gevraagd. We nemen je even mee in een korte ‘deep dive’ in de data & analytics arbeidsmarkt in Nederland.

Deze week kwam het weer in mijn LinkedIn-tijdlijn voorbij: ‘De lijst met de 20 snelst groeiende beroepen’. Wees niet bang, ik ga je hier geen opsomming geven. Maar wat me in elk geval opviel – en ook niet verbaasde – was dat het voornamelijk banen waren waarin data & analytics een hoofdrol spelen. Tegelijkertijd merk ik dat er ook nog steeds veel verwarring is over enkele van deze functies. Misschien kan ik in dit blog daarom wat zaken over data-functies op de arbeidsmarkt voor je ophelderen.

’10 jaar geleden was ineens alles Big Data…’

Toen ik het stuk op LinkedIn las moest ik terugdenken aan de tijd dat we met ons bedrijf DataJobs begonnen, zo’n 10 jaar geleden. Alles was ‘Big Data‘ en jongens en meisjes op de lagere school wilden opeens geen piloot, professioneel vlogger of dokter meer worden maar data scientist. Veel werkgevers haakten hier handig op in en doopten hun ‘data analist’ en ‘business analist’-vacatures om tot ‘data scientist’. Ook waren er organisaties die op de hype inspeelden door data science-traineeships te organiseren waarin vaak mensen met een andere vooropleiding werden omgeschoold tot… je raadt het al… data scientist. It’s all about marketing.

Big Data lijkt plots verdwenen

En Big Data? Die term hoor je veel minder tegenwoordig. Het is eigenlijk ook gewoon ‘veel data’, toch? Verder weet ik nog goed dat ik – zeker in die tijd – veel discussies heb gevoerd met werkgevers én data & analytics-professionals over wat nu precies wel en niet een data scientist is. Het kwam er meestal op neer dat ik ze uitlegde dat een data scientist een specialist is op het gebied van geavanceerde statistiek en A.I. Het zijn vaak mensen met een Master (of PhD) in statistiek of logica. Daarnaast moet je in principe ook een goede communicator én techneut zijn.

‘Iemand die op het hbo een 6 haalde voor statistiek, wordt waarschijnlijk niet gelukkig van een rol als data scientist.’

Ik vertelde ze ook dat je iemand die op de HBO een 6 haalde voor statistiek en die al 5 jaar gepassioneerd hobby-Excel’er is waarschijnlijk niet gelukkig gaat maken met een rol waarin statistiek een absolute hoofdrol speelt. Los van het feit dat deze persoon waarschijnlijk ook niet succesvol zal zijn.

Data scientist, analist, of toch engineer?

En wat is dan precies een data-analist? Dit is nog steeds een van de breedste functietitels in de datawereld. Sommige data-analisten houden zich enkel bezig met het maken van Excel-grafieken, terwijl anderen query’s schrijven en regressiemodellen gebruiken. In elk geval interpreteert en analyseert een data-analist gegevens om bruikbare informatie te krijgen en zo besluitvorming te ondersteunen. De context van de data – om wat voor data gaat het? – is in deze rol belangrijk, omdat zij vaak een vertaalslag maken vanuit de data naar de ‘business’-kant. Hier worden dus mensen blij van die graag met de betekenis van de data zelf bezig willen zijn. Personen die ook interesse én vaardigheden hebben om de inzichten uit die data met anderen in het bedrijf te delen.

‘De data-analist wordt blij van de betekenis van de data zelf.’

En een data engineer dan? Die bouwt en onderhoudt de infrastructuur om data binnen te halen, op te slaan, te verwerken en op te leveren aan datagebruikers. Hier is de context minder belangrijk. Het gaat hier puur om het bouwwerk; de data-pijplijn en het dataplatform. Je zoekt hier dus vooral technisch gedreven mensen, die het soort data minder interessant vinden, maar vooral blij worden van een soepel lopende datamachine. En heb je nog nooit een programmeer/scripting-taal aangeraakt? Dan is dit waarschijnlijk niet de rol voor jou. Overigens is data engineer een ideale rol om mee te starten in het data & analytics-werkveld. Vanuit deze positie kun je – mits je de vaardigheden en interesse hebt – namelijk prima doorgroeien naar vrijwel alle andere data & analytics-functies.

Ook oude wijn in nieuwe zakken

Zo zijn er nog tientallen andere data & analytics functies en komen er bijna dagelijks nieuwe bij. Daar ga ik je nu niet mee vermoeien. Voor de geïnteresseerden, een volledig overzicht vind je hier. Overigens moeten we ons ook niet laten leiden door allerlei moeilijke (nieuwe) functietitels. Want veel is ook oude wijn in nieuwe zakken.

‘Veel nieuwe data & analytics-functies zijn ook eigenlijk geen functies, maar rollen.’

Natuurlijk zijn er allerlei nieuwe technische mogelijkheden, maar een data scientist is nog steeds gewoon een samensmelting van een statistisch onderzoeker en een programmeur. Beide beroepen en skills die in de jaren 80 – en zelfs lang daarvoor – ook al bestonden. En veel nieuwe data & analytics-functies zijn ook eigenlijk geen functies, maar rollen (en dus vaak onderdeel van een andere functie).

Trends in data & analytics-rollen

Welke data & analytics-rollen zullen dit jaar een hoofdrol gaan spelen? Zelf verwacht ik dat de onderwerpen ‘Data Governance’ en, daarmee samenhangend ‘Data Security’ nog belangrijker gaan worden. Vooral in de publieke sector. Je moet dan denken aan functies als data management specialist, data steward, data quality specialist, of privacy officer. Je ziet dat – onder meer door wetgeving – de aandacht verschuift naar de beschikbaarheid, opslag en veiligheid van de data. Na al het pragmatische analysegeweld van het afgelopen decennium is het nu schijnbaar (eindelijk!) tijd het fundament op orde te krijgen. Daarin spelen deze functies een belangrijke rol.

‘Na al het pragmatische analysegeweld van het afgelopen decennium is het nu (eindelijk!) tijd het fundament op orde te krijgen.’

Zelf vind ik overigens de data storyteller ook een mooi nieuw data & analytics-beroep. Zo’n storyteller vertaalt complexe data naar begrijpelijke en boeiende verhalen om inzichten en beslissingen te ondersteunen. Zo heeft deze persoon een belangrijke rol binnen organisaties die hun data-inzichten willen communiceren op een boeiende en effectieve manier. Hij of zij voedt ons de saaie, droge data dus als smeuïge hapklare brokken. Heel belangrijk, want hier schort het nogal eens aan in het data-werkveld.

Ik hoop niet dat ik je verveeld heb met deze korte ‘deep dive’ in de data & analytics-arbeidsmarkt. Zelf vind ik het belangrijk dat HR-professionals en recruitmentspecialisten ook inhoudelijk namelijk goed op de hoogte blijven van de gebieden waarvoor ze werven. Ten eerste om een goede gesprekspartner te kunnen zijn voor de doelgroep en de juiste persoon te kunnen selecteren. En ten tweede weet ik uit ervaring dat je werk als recruiter leuker wordt zodra je meer inhoudelijke kennis hebt.

Dit artikel van Raymond te Veldhuis verscheen eerder in het vakblad voor werving en arbeidsmarktcommunicatie Werf&