English version below: Five things you didn’t know about data scientists

Ter introductie van de laatste editie van Springco’s Spotlight samen met onze partner Rebel, vroegen we onze data scientists wat hen onderscheidt van andere mensen. Kamen Todorov (Rebel) zette vijf dingen op een rijtje.

1. Data scientists zijn ‘vraag-georiënteerde’ onderzoekers

Data scientists zijn analytische data-experts met de technische skills om complexe problemen op te lossen. Daarnaast bezitten zij een grote nieuwsgierigheid om te verkennen wat er nodig is om een vraagstuk op te lossen. Het definiëren van onderzoeksvragen op een manier dat het te meten en te analyseren is – gebruikmakend van data – is hun specialiteit. Dit blijkt vaker dan eens het belangrijkste en meest tijdrovende onderdeel van hun werk.

2. Data science gaat over kwantitatieve kwesties

Is er een verband tussen A en B? Hoe sterk is dat verband? Is het een simpel (lineair) verband of een complex (non-lineair) verband? Zouden we de B waarde kunnen voorspellen met nieuwe metingen van A? Dit zijn vragen waar data scientists hun bed voor uitkomen.

3. Data scientists gebruiken analytische tools om deze vragen te beantwoorden

Python, SQL en R zijn momenteel de populairste programmeertalen onder data scientists. Deze talen worden gebruikt om data te verkennen, op te schonen, rangschikken en analyseren. Data scientists combineren programmeerskills met hun begrip van statistiek en kunnen op deze manier interessante inzichten opdoen uit data.

4. Data scientists houden van visualisaties

Zij hebben de neiging om een hele hoop visualisatietechnieken in hun gereedschapskist te hebben, zodat zij flexibel genoeg zijn om voor een specifiek gebruik of een specifiek publiek de perfecte visualisatie te kiezen. Populaire tools zijn Power BI, Tableau, QGIS en Matplotlib.

5. Data science kost tijd!

Een diepe duik in een vraagstuk kan enkele dagen, weken of maanden duren. Des te duidelijker een vraag is afgebakend, des te sneller het proces gaat. Ben je niet zeker wat precies je vraag is? Neem dan contact op met een data scientist! Verkennende analyses zijn de meest tijdrovende klusjes en daarom is een scherp geformuleerde vraag essentieel. Daarom is het aan te raden om een dergelijke verkennende analyse alleen te vragen wanneer er geen korte termijn deadline staat.

Bonusfeitje

Data scientists zijn onderzoekers en houden er dan ook niet van een punt te maken. Zij hebben juist een voorkeur voor het belangeloos testen van een hypothese. Deze manier van werken houdt hen scherp en helpt hen zonder vooroordelen een onderzoek uit te voeren.

Five things you didn’t know about data scientists

By way of introduction to the latest edition of Springco’s Spotlight together with our partner Rebel, we asked data scientists what differentiates them from other people. Kamen Todorov took stock and described five things you didn’t know about the data scientists of Springco and Rebel.

1. Data scientists are ‘question’ scientists

Data scientists are analytical data experts who have the technical skills to solve complex problems, and the curiosity to explore what problems need to be solved. Defining research questions in a way where we can measure and analyze them – using data – is our specialty. It is often the most important and time-consuming part of our workflow.

2. Data science is about quantitative questions

Is there a relationship between A and B? How strong is the relationship? Is it a simple (linear) or complicated (non-linear) relationship? Can we predict the B value for new measurements of A?

3. Data scientists use analytical tools to answer these questions

Python, SQL and R are the most common programming languages that data scientists use to explore, clean, order, and analyse data. Data scientists combine programming skills with understanding of statistics, relationships between factors, and sheer data to gain useful insights.

4. Data scientists love visualizations

They tend to have many visualization tools in their toolkit, so that they have the flexibility to use one that works well for a specific use case and audience. Common tools are Power BI, Tableau, QGIS, and Matplotlib.

5. Data science takes time!

Deep dives into specific questions can range from a few days to several weeks. The more clearly defined a question is, the faster the process goes. Not sure exactly what your question is? Talk to a data scientist! Exploratory analysis is the most time-consuming task and benefits from being clearly defined. The best time to ask for an exploratory analysis is when you don’t have an immediate deadline.

Bonus fact

Data scientists are scientists and therefore don’t like proving points. They prefer testing hypotheses from an impartial perspective. It helps to keeps their mind open to the facts regardless of preconceptions.