Vier manieren om data scientists te werven en boeien
Er is voor data scientists in de markt een heuse ‘war for talent’ gaande. Tegen de achtergrond van de stijgende populariteit van en toepassingen in artificial intelligence, machines learning en data analytics, zijn organisaties uit iedere sector met smart op zoek naar data scientists. De aanwas van deze talenten blijft echter sterk achter op de enorme vraag. Voor data-gedreven organisaties is het dan ook van cruciaal belang om een aantrekkelijke werkplek te creëren om deze schaarse groep van data scientists aan boord te kunnen halen en te houden.
Over het aantrekken van data scientists is de afgelopen periode veel gezegd en geschreven. Veel managers en recruiters zijn van mening dat alles bovenal draait om geld. Een fors salaris en goed gespekte arbeidsvoorwaarden – denk aan een leaseauto of een gratis sportabonnement – worden door tal van werkgevers uitgedeeld om data scientists over de streep te trekken. Ook wordt het vooruitzicht op een informele werkomgeving veelvuldig ingezet: te denken valt aan creatieve werkplekken, voldoende tijd om te brainstormen, pizza’s op woensdag avond en een pingpongtafel.
“Natuurlijk spelen dergelijke factoren een rol in de overweging van de data scientist”, zegt Marcel van Brenk, partner bij EY VODW. Vanuit zijn rol spreekt hij jaarlijks met tientallen data scientists en op basis van zijn uitgebreide ervaring, is hij van mening dat er een paar beweegredenen zijn die veel belangrijker zijn voor data scientists, en dan vooral diegenen die er een lange termijnblik op hun loopbaan op nahouden.
1. Onderneming moet zelf achter data staan
Eén van de belangrijkste factoren is volgens Van Brenk, “de mate waarin een bedrijf écht gelooft in het gebruik van data”. Hoe serieus is een bedrijf over het gebruik van analytics in de organisatie en hoe serieus is het bedrijf over het nemen van beslissingen op basis van de resultaten? “Indien het niet het geval is, zullen data scientists dit merken en uiteindelijk niet voor de organisatie willen werken”, legt de adviseur uit.
Volgens EY VODW wordt de impact van data in (te) veel bedrijven vaak nog onderschat en veel organisaties slagen er onvoldoende in de kennis vanuit de data daadwerkelijk in de bedrijfsvoering op te nemen. Een eenvoudige, maar effectieve oplossing is de data scientists tijd door te laten brengen met business of product units, om zo de échte problemen waarmee deze geconfronteerd worden beter te begrijpen. Van Brenk: “En laat ze hun bevindingen aan het hoger management presenteren. Zo voelen ze zich een gewaardeerd lid van het team en versterken ze hun analyses en begrip van het bedrijf. Het resulteert in betere producten en diensten.”
2. De juiste tools
Belangrijk voor managers om vast te stellen is of de data scientists voldoende technisch zijn uitgerust met de juiste en meest effectieve tools om hun werk naar behoren uit te voeren, vertelt Van Brenk: “Langzame dataclusters maken het moeilijk voor data scientists snel te itereren en brengen zowel hun motivatie als creativiteit in gevaar.” Belangrijk hierbij is volgens hem de “open source community” en de toegang daartoe van de data scientists. “Veel van de beste instrumenten zijn open source”, vertelt Van Brenk, die ervoor pleit dat data scientists hun favoriete tools kiezen, installeren en gebruiken. “Het gebruik van de juiste, geavanceerde tooling vormt een belangrijke indicator voor de werving van nieuw talent.”
3. De opleidings- en ontwikkelingsmogelijkheden
Het vakgebied van de data scientist ontwikkelt zich in razend tempo. Nieuwe tooling en nieuwe technieken volgen elkaar inmiddels alsmaar sneller op, stelt Van Brenk. Tegen deze achtergrond is het volgens hem daarom cruciaal dat data scientists zich gedurende hun loopbaan en binnen hun vakgebied blijven ontwikkelen, bijvoorbeeld via (online) opleidingen en trainingen. Hij pleit er dan ook voor dat bedrijven blijven “investeren in de opleiding van data scientists”, of dat deze “de ruimte krijgen voor ontmoetingen met academici en data scientists van andere bedrijven”.
Ook zouden data scientists, zo vervolgt Van Brenk, bijvoorbeeld een deel van hun tijd “echt exploratief bezig moeten zijn, met wat er morgen zou moeten gebeuren. Zeker in de eerste jaren van hun ontwikkeling is de honger naar kennis groot en is ‘inhoudelijk bijblijven’ een belangrijke motivator”, aldus de EY VODW partner.
4. Vernieuwing in het werk
De laatste factor is misschien wel de grootste uitdaging. Zoals veel professionals worden data scientists gemotiveerd door het oplossen van uitdagende problemen. Van Brenk wijst er op dat voor veel data scientists “de neiging tot het oplossen van een complex probleem, groter is dan het structureel goed oplossen van een traject”. Ook repetitieve taken die nu eenmaal horen bij ieder traject en cruciaal zijn voor een gezonde bedrijfsvoering, vormen voor veel data scientists een “grote dissatisfier”, aldus Van Brenk.
Hij adviseert organisaties daarom om er altijd voor te zorgen dat de uitgevoerde analyses, mits waardevol, geautomatiseerd worden en dat modellen daadwerkelijk in productie genomen worden. “Het vergt discipline van de organisatie en kent een grotere investering in resources, maar het schept ruimte voor nieuwe interessante vragen voor de data scientists om aan te werken”, legt hij uit. Ook zou data scientists gevraagd moeten worden om met hun eigen vragen te komen. “Dat houdt ze scherp en betrokken bij het bedrijf”, aldus Van Brenk.
Volledige potentieel benutten
Bij het managen van data scientists dienen organisaties de bovengenoemde factoren goed te laten meewegen, benadrukt Van Brenk. “We horen waarom ze stoppen met werken en waarom ze ongelukkig zijn in banen. Feit blijft dat veel data scientists aangeven dat ze bij hun werkgever niet hun volledige potentieel kunnen benutten.”
Tot slot adviseert Van Brenk adviseert bedrijven om bij zich zelf te rade te gaan en te achterhalen “of de organisatie wel voldoende dedicated is op het gebied van data en analytics, of medewerkers er voldoende kunnen floreren, of data scientists zich voldoende gestimuleerd voelen, en of de repetitieve taken voldoende geautomatiseerd zijn.”
Het in kaart brengen van juist die elementen is veel belangrijker dan enkel het kijken naar de standaard primaire en secundaire arbeidsvoorwaarden van data scientists, concludeert Van Brenk: “Het overstijgt in ieder geval de vraag naar een hoger salaris of een pizza pepperoni”, beluit de EY VODW partner.
