Door: Marielle van Gastel
De rekenkracht van computers maakt grote sprongen vooruit. Complexere algoritmes zijn mogelijk, en met elke nieuwe ontwikkeling zijn wij in staat om steeds meer, en steeds sneller, data te verzamelen. Maar hier stopt het nog niet. De alsmaar groter wordende berg van data moet ook worden omgezet in bruikbare informatie. Hiervoor gebruiken we data science. Vervolgens dient de gegenereerde informatie toepasbaar gemaakt te worden om de vragen van de klant, of je eigen bedrijf, te beantwoorden. Dit specifieke proces noemen we data analytics. Zowel data science als data analytics worden steeds belangrijker. Ze horen dan ook niet voor niets bij de meeste gevraagde en snelst groeiende werkvelden.
Data transformeert
Data voedt bedrijven in elke sector. Als gevolg hiervan zijn de behoeften naar personeel drastisch aan het veranderen. Voor HR professionals blijft dit niet onopgemerkt: de vraag naar jonge professionals met een achtergrond in data science en analytics groeit sterk. Steeds meer bedrijven zoeken naar hoogopgeleide professionals met een afgeronde academische opleiding in bijvoorbeeld Econometrie, Wiskunde en/of Operations & Research.
Data science en data analytics
Analytische functies kun je onderscheiden in twee categorieën: data science functies en de data analytics functies. Bij beide functies ligt de focus op andere vaardigheden. Functies met betrekking tot data science zijn over het algemeen de meest analytische rollen met een focus op vaardigheden waar typische innovators en ondernemers over beschikken. Deze professionals zijn vaak experts in programmeren en toegepaste wetenschap. Zij moeten bedreven zijn met een groot aantal gespecialiseerde analytische vaardigheden en tools, zoals bijvoorbeeld Python. Ze kunnen processen en systemen ontwikkelen en implementeren om kennis te extraheren of inzicht te geven uit data. Dit zijn zeer uitdagende functies om in te vullen, zoals Supply Chain Consultant, Life Cycle Management Analyst, Inventory Management Consultant of Data Science Business Analyst. Daarentegen wil je voor de functies gerelateerd aan data analytics professionals die goed snappen hoe een organisatie de analyses kan gebruiken om de behoeften van klanten te identificeren, hoe activiteiten in verschillende dashboards te detecteren zijn, en hoe je de voorraad kunt voorspellen m.b.v. forecasting analyses. Om te helpen bij het verzamelen en het onderzoeken van diverse gegevens, vereisen deze posities praktijkervaring met visualisatiesoftware en rapportages. Denk hierbij bijvoorbeeld aan warehouse specialisten, BI-architecten en business analisten. Deze specialisten ontwerpen, bouwen en onderhouden de gegevens van een organisatie en analytische infrastructuur.
JADS (De Jheronimus Academy of Data Science) en Tilburg University
Een goede basis voor de zojuist beschreven functies wordt bijvoorbeeld gelegd op het JADS. Nog maar vier jaar geleden werd deze universitaire instelling opgericht door Tilburg University en de Technische Universiteit Eindhoven. JADS biedt een geïntegreerd data science onderwijsprogramma aan, met elementen uit supply chain, statistiek, informatietechnologie en ondernemerschap. Daar waar bij de JADS data science centraal staat, biedt de Tilburg University een opleiding aan met een component data science. In een interview met Robin Buijs, Bachelor in Econometrie en Operations Research en “Fresh graduate” Master Business Analytics & Operations Research aan Tilburg University, zegt Robin dat zowel deze bachelor als deze master ook relevante opleidingen zijn. Er ligt veel focus op kwantitatieve analyses, waarmee (oud-)studenten zich duidelijk onderscheiden in het bedrijfsleven. Daarbij ontwikkelt data science zich nog steeds in een rap tempo en een functie op dit gebied vereist ook vaak programmeerkennis om de vernieuwingen bij te kunnen houden en te kunnen begrijpen. Tijdens deze opleiding aan Tilburg University leer je daarom ook analytisch denken, problemen opsplitsen en op een logische manier oplossen. Verder worden de colleges steeds aangepast aan wat bedrijven verlangen, vertelt Robin. De praktijkopdrachten worden over het algemeen op supply chain en logistieke problemen toegepast.
Data science en analytics succes in supply chain management
Om grote voordelen te behalen met data science en (big) data analytics in supply chain management, dien je te beschikken over goed opgeleid, deskundig en gespecialiseerd personeel, dat over goed ontwikkelde analytische vaardigheden beschikt om de analyse-modellen te maken. Tevens is kennis van de branche waarin de organisatie opereert belangrijk, zodat de modellen goed toegepast kunnen worden. Tot slot is het vooral belangrijk dat organisaties een duidelijke organisatie brede analytics-strategie hebben met tools en processen die hierin goed ingebed zijn. Wanneer aan deze aspecten voldoende aandacht wordt besteed, kunnen data science en data analytics in supply chain management een organisatie heel wat opleveren. Sterker nog, data science en analytics zijn tegenwoordig onmisbaar in een goed-functionerende supply chain. Het traditionele SCOR-model (Supply Chain Operations Reference model), een internationaal erkend en leidend supply chain framework, benoemt vier key supply chain processen: planning, inkoop, productie en levering. Maar door de alsmaar groter wordende relevantie van data science en analytics, vinden wij als Inspired Careers en Set supply chain professionals dat het traditionele SCOR-model niet meer volstaat. ‘Data science en analytics’ heeft ondertussen zijn plek als vijfde key supply chain proces dubbel en dwars verdiend.
Klik hier om vergelijkbare artikelen te lezen.