Rol · Data scientist
Wanneer heb je een data scientist nodig?
Een data scientist heb je nodig zodra een vaste regel of een berekening het niet meer doet en je een model wilt dat leert van wat er eerder gebeurde. Het bouwen van dat model is het makkelijke deel. Het verschil zit in of hij vanaf dag één nadenkt over beheer en uitlegbaarheid.
Wat doe je in deze rol?
Modellen en voorspellingen zijn het makkelijke deel. Een goede data scientist denkt vanaf dag één na over hoe het model straks beheerd en uitgelegd wordt.
- Modellen ontwikkelen en valideren
- Voorspellingen bruikbaar maken
- Van proefopstelling naar productie
Wat bedrijven zoeken in een data scientist
- Iemand die eerst vraagt of het probleem een model nodig heeft. Vaak is het antwoord nee, en dat hardop zeggen scheelt maanden.
- Iemand die een model kan uitleggen aan iemand die er een besluit op neemt: zeker als dat besluit over mensen gaat.
- Aandacht voor wat er ná de proefopstelling komt: beheer, hertraining, en merken dat een model stilletjes slechter wordt.
- Statistiek die klopt. Een mooie score op de testset zegt niets als de opzet lekt.
Wat ertoe doet
- Python, met de gebruikelijke gereedschapskist, en SQL om erbij te komen.
- Statistiek: niet alleen toepassen maar ook weten wanneer een aanname niet houdt.
- Kunnen valideren. Wie geen goede opzet voor validatie maakt, meet zijn eigen huiswerk.
- Genoeg engineering om een model uit een notebook te krijgen.
- Uitlegbaarheid, en weten waar dat wettelijk verplicht is.
Hoe de rol zich ontwikkelt
Het bouwen van een model is goedkoop geworden; het onderhouden ervan niet. De vraag verschuift daarom van "kun je een model maken" naar "kun je er een in productie houden en verantwoorden". Daarnaast eet generatieve AI een deel van het klassieke werk op: wat vroeger een eigen model vroeg, is soms een goed geformuleerde vraag aan een bestaand model. Wie hier doorgroeit gaat richting ML-engineer, of juist richting het vraagstuk zelf.
Hoe je opvalt tussen de andere honderd
Door één project te laten zien dat in productie is gekomen en daar is gebleven. Niet de Kaggle-score maar de vraag wie het nu gebruikt, hoe vaak, en wat er gebeurde toen de werkelijkheid veranderde. Dat onderscheidt iemand die modellen bouwt van iemand die er iets mee oplost, en het tweede is wat organisaties zoeken.
Wat elke rol gemeen heeft
Bedrijven zoeken steeds vaker iemand die breed inzetbaar is. Dat betekent niet dat je alles moet kunnen: het betekent dat je je verdiept in de disciplines eromheen.
Je hoeft als BI-specialist geen AI-specialist te zijn. Maar als je aantoonbaar AI gebruikt in je werk en je erin verdiept, ben je meerwaarde in plaats van vervangbaar. Hetzelfde geldt voor communiceren over afdelingen heen: wie de problemen, valkuilen en kansen van sales of finance herkent, levert werk af dat daar ook echt landt.
Wat je kunt verdienen
Onze eigen tarieven zijn gebaseerd op een bruto maandloon bij fulltime van € 3.000 tot € 3.200. Dat is de ondergrens waarmee wij rekenen voor een startende professional die fulltime werkt.
Een marktindicatie per rol staat hier bewust niet. Dezelfde functietitel loopt per bedrijf flink uiteen (een BI-specialist verdient als senior bij het ene bedrijf duidelijk minder dan bij het andere) en de regio telt zwaar mee: Amsterdam ligt boven Eindhoven, Eindhoven boven Rotterdam, en Rotterdam boven Drenthe. Een getal noemen zonder dat na te kijken zou je op het verkeerde been zetten in een gesprek waar het over jouw inkomen gaat.
Vraag het ons gewoon. Wij zien wat er in de markt betaald wordt en zeggen wat wij daarvan weten, inclusief wanneer wij het niet weten.
Actuele vacatures
Er staat op dit moment geen vacature open in deze rol. Meld je toch aan: het meeste werk dat wij doen staat nergens openbaar.
Via welk merk komt een data scientist binnen?
- New Data Student
- een student of starter, onder begeleiding, voor het werk dat blijft liggen
- New Data Squad
- een ervaren professional die de lijnen uitzet en de verandering begeleidt
- New Data Search
- iemand die de opdrachtgever zelf in dienst neemt
Welke vorm past, hangt af van de vraag en niet van ons aanbod.
Werk je als data scientist?
Laat je gegevens achter. Wij zoeken de opdracht bij wat je kunt, niet andersom.