Hoi! Ik ben Rick! Naast al het data science vind ik het leuk om bezig te zijn met sport en dan vooral met voetbal. Zo sta ik op maandagavond altijd op het veld bij A.V.V. Sloterdijk. Ook ben ik wel regelmatig te vinden in de sportschool. 

Wat heb je gedaan voordat je bij Data Science Lab startte?

Voordat ik bij Data Science Lab ben begonnen heb ik een data science traineeship gedaan bij een vergelijkbaar bedrijf in Amsterdam. Tijdens deze traineeship werkte ik vier dagen in de week voor een klant, in mijn geval voor KLM. Op de vijfde werkdag kregen we diverse trainingen van het bedrijf zelf. Hierin leerde ik de laatste technieken op het gebied van data science, maar ook de zogeheten ‘soft skill’ trainingen, die bijdroegen aan mijn consultancy vaardigheden.

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

Als data scientist help ik bedrijven, groot en klein, om hun data optimaal te benutten. De manieren waarop dit kan gebeuren verschillen enorm. Van het ontwikkelen van dashboards om de asfaltkwaliteit te monitoren, tot aan het voorspellen van de verkoop van ventilatoren, alles is mogelijk! Deze diversiteit vind ik dan ook het allerleukste aan het werken bij Data Science Lab. Je komt in contact met veel verschillende sectoren, waardoor je elke dag weer nieuwe werkgebieden verkent en methodes leert.

Hoe voer je de werkzaamheden in de huidige situatie uit?

Gelukkig is het thuiswerken voor mij geen probleem. In mijn woonkamer staat een lange tafel met extra monitor waaraan ik kan werken. Ik woon samen met twee huisgenoten waarvan één altijd tot laat aan het werk is en de ander tot laat in zijn bed ligt. Hierdoor kan ik altijd lekker rustig werken. Wel mis ik de gezelligheid van mijn collega’s. Gelukkig gaan wij vanaf volgende week weer ons kantoor beetje bij beetje openstellen, waardoor ik weer een paar dagen op kantoor kan werken.

Wat is binnen jouw huidige project de grootste technische uitdaging?

Afgelopen week startte ik samen met mijn collega Martijn aan een nieuw project voor de voetbalclub AZ. Aan ons de taak om een applicatie te maken die inzichten geeft in de trainingsinspanningen van spelers. Tijdens een training wordt via GPS-trackers enorm veel data bijgehouden. Er worden zoveel verschillende factoren en activiteiten gemeten dat je door de bomen het bos niet meer ziet. Voor ons is de grote uitdaging om deze grote bak van data te gieten in een strakke applicatie waarin de gebruiker snel de prestaties van de speler kan bekijken, en daaraan verbonden doelen kan meten.

Wat is volgens jou de grootste misvatting van data science?

De grootste misvatting is dat de menselijke taak volledig wordt vervangen. Veel werknemers zijn bang dat hun baan in de toekomst volledig geautomatiseerd gaat worden door kunstmatige intelligentie of data science. Ik denk data science eerder als hulpmiddel gebruikt moet worden waardoor mensen nog beter hun taak kunnen uitvoeren. Voorbeeld: zo heb ik ooit meegewerkt aan een model dat creditcard fraude kon voorspellen aan de hand van de transacties. Dit werk wordt normaal gesproken gedaan door fraude analisten. Het doel van het model was niet om de fraude analist te vervangen, maar om potentiële fraudegevallen eruit te halen die de analisten vervolgens met hun expertise beter konden onderzoeken.

Hoe zie jij data science over 10 jaar?

Over 10 jaar? Ik denk dat data science onmisbaar zal zijn bij veel bedrijven. Bedrijven uit alle sectoren zullen de mogelijkheden die data science biedt, volledig omarmt hebben. Keuzes vanuit de business zullen hierdoor allemaal data gedreven zijn in plaatst van acteren op onderbuikgevoel. Het ‘onderbuikgevoel’ is subjectief en wordt vaak beïnvloed door ervaring en visie van deze persoon, waardoor het mogelijk is dat hij/zij minder openstaat voor andere invalshoeken. Bij datagedreven werken is dit niet het geval, hier ga je uit van alle invalshoeken, alle data.

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

Er wordt al een hele hoop gedaan met data in het betaald voetbal. En een team kan simpelweg met de beste spelers de Champions League winnen. Maar er is zoveel meer mogelijk door data science te gebruiken om opstellingen, tactieken en individuele spelers naar een hoger niveau te tillen. Ik zou heel graag het Nederlands voetbal verder willen helpen om nog competitiever in Europa te zijn, door middel van data science.

Meer collega's ontdekken