Als ik aan mensen vertel dat ik in maart begonnen ben met het traineeship Business Analytics en Data Science krijg ik meermaals de vervolgvraag: “Dat heeft toch niets met je studie te maken?”. Met een achtergrond in de neuropsychologie is het logisch waar deze vraag vandaan komt. Doorgaans denkt men bij het beroep ‘psycholoog’ aan iemand met een bril en een serieuze blik, in een kamer met cliënt die comfortabel op een sofa ligt, en vage vragen stelt over ‘hoe iemand zich voelt’…
Los van het feit dat bovenstaand beeld incorrect is, zijn er eigenlijk best veel overeenkomsten tussen de opleiding Psychologie die ik heb gevolgd en werken in het gebied van data science.
Overeenkomsten psychologie en data science
Denk eens aan dit scenario: Als neuropsycholoog zie je een patiënt met geheugenklachten op de poli. Jij als neuropsycholoog hebt de taak om de hulpvraag van de patiënt naar boven te krijgen (zijn het echt geheugenklachten, of is er juist sprake van overzichtsverlies?). Om dit te kunnen doen, voer je als eerste een gesprek met de patiënt waarbij je luistert en gericht doorvraagt om de hulpvraag helder en concreet te krijgen. Als je aan het werk gaat als data scientist, is dit eigenlijk niet anders. Ook daar voer je (vaak meerdere) gesprekken met iemand binnen een bedrijf met een hulpvraag. De persoon tegenover je is dan alleen geen patiënt, maar bijvoorbeeld een unitmanager – en de hulpvraag betreft geen mogelijke cognitieve stoornis, maar bijvoorbeeld een evaluatie van een werkproces. De essentie heeft grote overeenkomsten: Iemand wil iets oplossen, weten of bereiken – maar weet misschien zelf niet helemaal hoe of welke middelen daarvoor nodig zijn.
De vervolgstap
Vervolgens ga je naar de volgende stap. Als neuropsycholoog voer je meestal een onderzoek uit. Je test de patiënt op verschillende cognitieve domeinen (geheugen, aandacht, etc.), vergelijkt dit met de normgroepen en komt zo tot een resultaat van de testgegevens. Uit dit resultaat valt af te leiden wat goed gaat en wat eventueel minder goed gaat. Dit integreer je met het verhaal van de patiënt om tot een conclusie (bijvoorbeeld een diagnose) te komen. Ook hier is overlap in het werkveld van een data scientist. De psycholoog en de data scientist stellen zichzelf dezelfde vraag: welke data heb ik nodig om tot een antwoord op de vraag te komen. Door het afnemen van de testen bij de patiënt, is de psycholoog data aan het verzamelen die zij nodig heeft om de vraag te kunnen beantwoorden. Dit kan ook het geval zijn als data scientist, maar vaak is er al een heleboel data beschikbaar – en is het de kunst om hierin de juiste variabelen te vinden die nuttig zijn voor het beantwoorden van de vraag.
Waar de psycholoog verbanden legt tussen verhaal van de patiënt en de verschillende testresultaten, worden deze door de data scientist gelegd tussen bijvoorbeeld het huidige werkproces en een aantal variabelen die daarvan op invloed kunnen zijn. Uiteindelijk kom je in beide situaties uit bij het delen van de conclusie met de persoon in kwestie, en waar mogelijk met adviezen. Bij de psycholoog is dat bijvoorbeeld een advies over een mogelijke behandeling. In een bedrijf kan het zijn om een element in het werkproces te veranderen, zodat er efficiënter gewerkt wordt en het proces soepeler verloopt.
Data Science ligt niet ver van psychologie
Zo blijkt dat Data Science misschien niet zo ver van psychologie af staat dan je misschien zou denken. Om nog maar te zwijgen over de statistische- en research vaardigheden waar je de opleiding mee verlaat. Waar je in de academische wereld sneller artikelen zult schrijven met een theoretische achtergrond – onderbouwd met getallen en statistiek – bouw je binnen Data Science een product op basis van die getallen en statistiek. Het is in die zin als toegepast onderzoek, maar dan in een wereld die letterlijk van dag tot dag verandert – in een hoog tempo – en waarbij al een klein detail een grote impact kan hebben.
Wil je ook aan de slag met Data Science? Bekijk de vacatures voor het traineeship Business Analytics en Data Science!
