De definitie van wetenschap bestaat uit twee onderdelen: zowel het proces van waarheidsvinding als het resultaat ervan. Hoewel er soms consensus is over algemeen geldende waarheden en conclusies, is de wetenschap altijd in beweging. De wetenschap creëert en gebruikt de werkelijkheid steeds opnieuw. Discussies over en binnen wetenschap resulteren dus bijna automatisch in een stap vooruit.
Binnen de wetenschap is data science een steeds groter en belangrijker vakgebied geworden. Data science of datawetenschap zijn de methoden om en het resultaat van het onttrekken van kennis uit data. Simpel gezegd zijn data het object van datawetenschappen.
Scientists & engineers
Door de exponentiële groei in het gebruik van digitale middelen is de hoeveelheid daarmee automatisch gegenereerde data binnen bedrijfsprocessen en klantinteractie steeds sneller gestegen. Deze data zijn niet altijd netjes gestructureerd, op de juiste manier opgeslagen, toegankelijk en inzichtelijk. Sterker nog: veel bedrijven weten niet eens welke hoeveelheid data ze in beheer hebben en waar de data zich bevinden. Hier komt data science van pas.
Data science, data engineering en data analyse worden veelal door elkaar gebruikt. Deze vakgebieden hebben ook overlap. Een data engineer is in de basis verantwoordelijk voor het beschikbaar maken van data en stelt zichzelf de volgende vragen:
- Welke data is er?
- Welke bronnen kunnen worden gebruikt?
- Waar bevindt de data zich?
- Hoe kunnen we erbij?
Daarna is het aan dezelfde engineer om de data te vervormen naar universele of leesbare formaten. Daarvoor is soms code nog, maar dat hoeft niet. De engineer is iemand die data opzoekt, opschoont en koppelt.
Een data scientist is vervolgens de persoon die analyses maakt op basis van de data. Daarvoor worden soms algoritmes gebruikt, bijvoorbeeld machine learning.
De samenwerking tussen data engineers en data scientists is als gezegd nauw en de rollen zijn niet specifiek afgebakend. Dat verschilt per bedrijf, per project en per vraagstuk.
Data Science Machine
Bij Newcraft is de Data Science Machine ontwikkeld. Deze machine is niet een fysiek object dat staat te ronken op ons kantoor, maar is een methode om snel en doelmatig voor ieder bedrijf en project de juiste data te ontsluiten, samen te voegen en naar toepassingen te zoeken. Door de jarenlange ervaring met verschillende databronnen en de verwerking ervan kunnen we data snel opzoeken, structureren, inzichtelijk maken, koppelen en een centraal punt in het dataweb maken. Op basis van deze single source of truth worden nieuwe toepassingen en oplossingen gevonden, maar de Data Science Machine bevat ook gestandaardiseerde oplossingen die snel kunnen worden toegepast.
Toepassingen
Voorbeelden van interne databronnen zijn (gedrag via) marketingkanalen, CRM-systemen, verkoopkanalen en webbezoeken. Deze data kunnen worden verrijkt met externe bronnen over bijvoorbeeld markten, trends en locatiegegevens. Zo kan er een zo compleet mogelijk beeld worden gemaakt dat kan worden beoordeeld en waarop beslissingen kunnen worden genomen.
Hoe ziet de klantreis er bijvoorbeeld uit? Welke klanten onderzoeken online maar kopen offline? Of juist andersom? Welke marketingkanalen zijn succesvol? Hoe kan de verhouding beter? Welke klanten zijn het meest waardevol? Waarom juist die? Hoe kan de serviceverlening beter? Wanneer is de beste tijd voor een campagne? En waar moet die campagne dan worden gevoerd? Hoe lang eigenlijk?
Maar ook: hoe verhoudt de data zich tot externe bronnen? Wat doet de markt? Waar liggen kansen? Wat is de invloed van sentimenten, het weer, trends en concurrentie?
De werkelijke kracht van data science ligt in het vinden van nieuwe vragen. De wereld verandert steeds, data blijft komen en inzichten vernieuwen zich. De Data Science Machine van Newcraft is een essentiële tool om hierbij te helpen.
De aanpak bij Newcraft
Bij Newcraft proberen we van data informatie te maken. Eerst doen we een assessment, waarin we proberen we de juiste vragen te stellen, zoals:
- Welke data is er nu beschikbaar?
- Waarom wordt data verzameld?
- Hoe wordt data verzameld?
- Waar wordt data verzameld?
- Wie in de organisatie heeft er behoefte aan informatie?
- Hoe helpt informatie de dagelijkse gang van zaken?
Daarna proberen we databronnen te combineren tot een single source of truth. Maar we zullen soms ook suggesties doen voor andere en nieuwe databronnen. Als we de databronnen compleet hebben, kunnen we onze magic worken. Het is nu zaak om zo rijk mogelijke inzichten te creëren. Hierbij gaan we uit van de dagelijkse werkzaamheden van onze opdrachtgever. We creëren analysetools en dashboards die zo duidelijk mogelijk zijn om zo goed mogelijke beslissingen te nemen.
Je eigen intelligentie ontwikkelen
Met data science kun je, met behoud van eigendom van data en technologie, je eigen bedrijfsintelligentie ontwikkelen. Zo kan data science bijvoorbeeld helpen met het maken van de juiste afweging tussen SEO en SEA. Of het bepalen van de waarde van klantsegmenten.
Bekijk hier meer informatie over onze data science machine en de toepassingen.
