De meeste data science projecten leveren uiteindelijk onvoldoende bruikbare inzichten op voor de besluitvorming. Verklaringen worden snel gezocht in de technische complexiteit van dergelijke dataprojecten. Toch zijn vaak niet de technologische, maar eerder de strategische en organisatorische aspecten van het project daar de oorzaak van.
Dit zijn de grootste niet-technische valkuilen bij data science projecten:
- Het project wordt als technische opdracht aangepakt, waardoor het data science team onvoldoende voeling heeft met de business. Dat is te voorkomen door multidisciplinaire teams met business en IT mensen te formeren.
- Het doel van data science is om beter onderbouwd te kunnen beslissen. Maar waarover? De taak van het datateam moet een afgeleide zijn van de strategische doelstellingen.
- Data science biedt niet voor elk businessprobleem een oplossing. Inventariseer daarom eerst de informatiebehoefte en zoek pas daarna een passende technische oplossing.
- Het kost enorm veel tijd om de datakwaliteit op 100 procent te krijgen, terwijl dat lang niet altijd nodig is. Denk daarom vanuit het einddoel.
Lees verder
- Alles over data analytics – Sectie op ICTinformatiecentrum.nl
- Goede managers beslissen niet op buikgevoel – Veelgelezen artikel
- Volledig artikel – Lees hier de complete tekst
Vaker dit soort berichten lezen? Meld u aan voor de ICT nieuwsbrief