Hoi! Ik ben Bas, naast Senior Data Scientist en coach bij Data Science Lab houd ik mij graag bezig met koken voor vrienden en familie, ga ik graag enkele keren per jaar op skivakantie, lees en schrijf ik graag en ben ik een echt gezelschapsmens met een borrel of een feestje op zijn tijd.

Waar heb je gewerkt voordat je bij Data Science Lab startte?

Voordat ik bij DSL ging werken, ben ik data-analist en –scientist geweest bij enkele grote banken (ING en ABN Amro). Daarvoor ben ik mijn carrière ooit begonnen als consultant bij KPMG. Het mooie is dat bij DSL de data science én mijn verleden als consultant mooi bij elkaar worden gebracht.

Wat zijn de werkzaamheden als ‘Senior data scientist’ bij Data Science Lab en wat vind jij het meest interessant hiervan?

Bij diverse opdrachtgevers ben ik aan het werk als project lead en/of agile coach: hierbij bewaak ik het ritme van het project, haal ik nieuwe wensen op bij stakeholders en vertaal die naar data science vraagstukken voor onze data scientists en wil ik zelf ook nog wel eens een rondje Python- of SQL-en. Daarnaast help ik bij de inhoudelijke ondersteuning bij offerte en tendertrajecten en speel ik een grote rol bij het doen groeien van de project- en consultancy-vaardigheden van DSL in het algemeen; in mijn ogen zijn wij namelijk allereerst adviseurs/consultants voor wie data science de belangrijkste tool in hun toolkit is, maar voor wie bepaalde soft-skills minstens net zo belangrijk zijn om het complexe verhaal van data science over te kunnen brengen aan onze opdrachtgevers.

Wat ik hierin leuk vind is het samenwerken met onze gedreven en intelligente data scientists waarvan ik iedere keer weer versteld sta met welk ogenschijnlijk gemak zij uit een poel datawaarde kunnen halen in de vorm van een model, dashboard of app. Als ik vervolgens onze opdrachtgevers kan enthousiasmeren met het verhaal dat hiermee wordt verteld en hun daarmee kan inspireren en kan interesseren voor andere toepassingen van data science, dan krijg ik daar veel energie van. Energie waarmee ik hoop bij te kunnen dragen aan een algehele groei van Data Science Lab.

Hoe voer je de werkzaamheden in de huidige situatie uit?

Door de corona-crisis werk ik natuurlijk noodgedwongen bijna volledig vanuit huis. Gelukkig zijn mijn collega’s én opdrachtgevers comfortabel genoeg in het gebruik van MS Teams en worden meetings hierdoor misschien wel efficiënter gevoerd. Wat ik wel mis zijn de casual gesprekjes met collega’s op kantoor of bij de klant: even bij de koffie-automaat de weekendplannen doornemen of even over elkaars schouder proberen de laatste bugs uit een stukje code halen is er op die manier niet meer bij. Dat is wel jammer. Silver lining is dat wij in januari en februari ons huis grondig hebben verbouwd, dus kan ik daar nu extra van genieten.

Wat is binnen jouw huidige project de grootste technische uitdaging?

Bij één van mijn huidige projecten ben ik ge-onboard nét toen de corona-beperkingen in al haar hevigheid losbarstten. Ik ken mijn collega’s bij de klant dus voornamelijk van de videocalls (al dan niet met actieve peuter op schoot). Bij deze klant moet ik onder andere bijdragen aan de rationalisatie van de BI-activiteiten: mogelijke rapportages en dashboards samenvoegen, vereenvoudigen of uitzetten. Hiervoor zou het natuurlijk heel handig zijn om met je collega’s bij de klant samen achter één scherm dashboards door te nemen, maar dat moet nu allemaal op afstand waardoor je mogelijk details misloopt. Extra opletten dus!

Wat is volgens jou de grootste misvatting van data science?

Dat wij als data scientists een soort magiers zijn die met behulp van algoritmen alle problemen kunnen oplossen als je ze maar genoeg data geeft. Hierdoor zijn de verwachtingen soms torenhoog. De plek die artificial intelligence in boeken en films inneemt helpt natuurlijk niet echt mee: hierdoor zou je bijna denken dat we slechts enkele maanden verwijderd zijn van de zgn. singularity waarin de ontwikkeling van kunstmatige intelligentie sneller gaat dan de menselijke. Data science is echter nog altijd gewoon mensenwerk: een data scientist kan onmogelijk alle algoritmes tot in de puntjes beheersen en inherente complexiteiten van problemen zijn vaak niet in modellen te vatten. Hierdoor is ons werk vaak veel experimenteren, proberen, vallen en weer opstaan. Niet door het zwaaien met een toverstaf, maar door in je code eindelijk die komma goed te zetten en zo de laatste bug uit je model te halen.

Hoe zie jij data science over 10 jaar?

Ik denk dat de vaardigheid om waarde uit data te halen steeds meer gemeengoed zal worden: in de toekomst zijn er geen specialistische data science teams binnen bedrijven meer, maar zullen deze eigenschappen verweven zitten in de organisatie. Enerzijds zal dit komen doordat tools zoals wij die gebruiken steeds meer als ‘commodity’ worden aangeboden door grote tech bedrijven (machine learning as a service); anderzijds zullen mensen ook steeds meer deze vaardigheid ontwikkelen. Net zoals kinderen tegenwoordig op jonge leeftijd leren programmeren, zullen data science vaardigheden in de toekomst ook in zekere mate tot het curriculum gaan behoren. Het succes zal ‘m vervolgens zitten in het juist toepassen van die vaardigheden en uitrollen van de oplossingen. Een goed data scientist in 2030 is dus vooral een consultant en engineer.

Welk probleem zou jij ooit nog willen oplossen middels data science?

Niet zozeer een probleem oplossen, maar toepassingen van data science en artificial intelligence in de kunst vind ik heel interessant. Onlangs hadden we een leuke presentatie van een collega over “schilderijen” die hij samen met zijn vrouw had gemaakt en enige tijd geleden had ik een gesprek met kunstenaar over het toepassen van speech-to-tekst en Natural Language Processing in kunst. Hierbij bedachten we dat het een mooi kunst-project zou zijn om 150 chatbots te verdelen volgens de samenstelling van onze huidige Tweede Kamer. Deze chatbots zouden we dan trainen met de verkiezingsprogramma’s van de afgelopen –zeg- eeuw om ze vervolgens met elkaar in debat laten gaan. Ik betwijfel of er uiteindelijk werkbare oplossingen op problemen zouden volgen, maar het lijkt me allicht een leuk experiment.

Meer collega's ontdekken