Kunstmatige intelligentie (ai) is overal. Overtuigd van de kracht van data, trekt de moderne bedrijfswereld nu resoluut de kaart van ai De vraag naar relevante expertise en de juiste profielen stijgt dan ook snel. Data scientists zijn gegeerd wild op de arbeidsmarkt maar deze functie, vooral in combinatie met een consultancyrol, is nog relatief nieuw, alsook de omkadering die ze op de werkvloer nodig heeft. Wat is nu net de ideale voedingsbodem voor data scientists en welke elementen heb je als werkgever nodig om deze vruchtbare werkomgeving te creëren?
Veel bedrijven tasten op dit vlak nog in het duister. Ze hebben geen ervaring met data science maar wel met it. Ze leggen de link tussen beide en denken dat data scientists ook wel zullen gedijen in de werkomgeving die ze decennia geleden hebben gecreëerd voor hun it’ers. Dat werkt echter niet.
Creativiteit
Veel meer dan it is data science synoniem aan creativiteit. Om creatief te kunnen zijn moeten data scientists kunnen werken in een dynamisch kader waar ze de vrijheid krijgen om te verkennen, uit te proberen en samen te werken met anderen. Bovendien verandert hun sector razendsnel. Er worden continu nieuwe technologieën ontwikkeld en computerkracht wordt alsmaar goedkoper. Het snel aanleren en toepassen van nieuwigheden is dus erg belangrijk.
Veel bedrijven creëren te weinig van deze leeropportuniteiten. Hun data scientists worden niet gestimuleerd om te leren en te groeien. Veel van hen trekken dan ook al snel de deur achter zich dicht op zoek naar uitdaging. Wie wil uitgroeien tot een referentie in een bepaald domein moet de juiste mensen vinden en ze ook kunnen houden. Deze organisaties moeten snel werk maken van een frissere, transparante en stimulerende werkomgeving. Maar hoe groter ze zijn, hoe logger, en hoe langer deze shift kan duren.
Vrijheid en transparantie
Vrijheid is essentieel voor de data scientist. Die vrijheid kan je als werkgever enkel faciliteren als je weet welke richting hij of zij uit wil. Transparantie en open communicatie zijn daarom even belangrijk. Bij Dataroots bewaar ik te allen tijde een open dialoog met het team. Als teamleader ben ik dan ook geen people manager maar de schakel tussen hen en de firma. Ik zit op regelmatige basis individueel samen met onze mensen om hun projecten te bespreken en te luisteren naar hun ideeën en professionele interesses.
Deze interesses moet je vervolgens durven voeden. Wij voorzien daarom een trainingsbudget. Dit kunnen onze data scientists gebruiken om deel te nemen aan conferenties, trainingen te volgen … Anderen behalen bijvoorbeeld ook bepaalde certificaten omdat dit de klanten ten goede komt.
Samen leren voor de klant
Sommige bedrijven wakkeren competitiviteit op de werkvloer aan maar dat werkt niet in data science. Synergie en het uitbouwen van een sterk team tussen data scientists moeten altijd primeren. Wij houden voor onze data scientists daarom bijvoorbeeld vaak korte presentaties waarin ze toelichten aan welke projecten ze werken en met welke technologieën. Wanneer iemand voor een uitdaging staat bij de start van een project wordt er samen gebrainstormd. Dit is belangrijk: Samen leren voor de klant. Die krijgt dan het gevoel dat hij kan rekenen op de expertise en inzet van het volledige bedrijf.
Denk ook: Goed begonnen is half gewonnen. Men kan niet genoeg aandacht besteden aan onboarding. Dit gaat niet alleen om het selecteren van de juiste profielen maar ook hoe die worden opgevangen en gelanceerd. Het is belangrijk om steeds voor mensen te kiezen die leergierig en nieuwsgierig zijn. Ze moeten zich bovendien goed voelen in hun rol als consultant waarin ze snel moeten kunnen inspelen op veranderende factoren.
Uiteindelijk verwezenlijk je een circle of growth waarin goede werkkrachten leiden tot tevreden klanten die leiden tot meer projecten. Hierdoor kun je weer meer goede krachten aantrekken met de belofte van uitdagend werk in een constructieve werkomgeving.
Pablo Cogis, teamleader de startup Dataroots
