Tussen dashboard en directiekamer: wie vertaalt de cijfers eigenlijk?
Photo: Suryadi Sunuri, Public domain, via Wikimedia Commons
In Nederlandse vacatureteksten duikt de term tegenwoordig steevast op: kandidaat is 'datageletterd'. Vraag vervolgens wat dat inhoudt en het antwoord blijft vaag. Kan de kandidaat SQL schrijven? Een dashboard lezen? Of is het een modern kledingstuk op een cv, bedoeld om de sollicitant aantrekkelijker te maken? De realiteit is dat de meeste organisaties de eis stellen zonder te weten welke vaardigheden ze eigenlijk nodig hebben.
Geletterdheid is geen vaardigheid, maar een spectrum
Wie data begrijpt, hoeft geen datawetenschapper te zijn. Net zoals iemand die vloeiend Frans spreekt niet per definitie een vertaler is, verschilt datageletterdheid per rol. Een recruiter die begrijpt waarom een wervingsalgoritme bepaalde kandidaten bevoordeelt, is anders geletterd dan een marketer die A/B-testresultaten correct interpreteert of een teamleider die weet wanneer een gemiddelde misleidt.
De kernvaardigheden zijn echter wel te benoemen:
- Vraagformulering: de juiste vraag stellen aan data, in plaats van data afdwingen als antwoord
- Kritische interpretatie: herkennen wanneer een grafiek suggereert wat hij niet bewijst
- Begrip van beperkingen: weten welke aannames achter een model schuilgaan
- Communicatie: cijfers vertalen naar beslissingen die collega's begrijpen
Juist die laatste vaardigheid wordt het meest onderschat.
De tolk als knooppunt
Interessant is dat de organisaties die het beste slagen in data-adoptie, vaak niet investeren in massale SQL-trainingen. Zij opleiden wat we 'interne tolken' zouden kunnen noemen: medewerkers die beide talen spreken — die van de datateam en die van de business. Bij een Amersfoortse logistiek dienstverlener werd een ervaren planner twee dagen per week vrijgemaakt om tussen de analisten en de afdeling operations te bewegen. Binnen een jaar daalde het aantal mislukte data-initiatieven merkbaar, simpelweg omdat de vraagstelling verbeterde.
Dit soort rollen bestaat overigens vaak al informeel. Iedere afdeling heeft wel iemand die 'goed is met Excel' en bij wie collega's terechtkomen. De stap is die rol te erkennen, te trainen en te belonen — niet te formaliseren tot een nieuwe silo.
Wat werkt in opleiding, en wat niet
De Nederlandse markt biedt een overvloed aan cursussen, van korte e-learnings tot post-hbo-trajecten. De ervaring leert dat geïsoleerde trainingen weinig effect hebben. Een driedaagse 'Data Fundamentals'-workshop verandert niets als de dagelijkse besluitvorming daarna onveranderd op onderbuik blijft leunen.
Effectiever zijn aanpakken waarin leren en werken samenvallen:
- Casusgedreven leren: medewerkers brengen hun eigen werkvraag mee en werken die uit met begeleiding
- Buddy-systemen: een analist koppelt een dag per maand aan een business-team
- Besluitdocumentatie: bij elke grote beslissing noteren welke data eraan ten grondslag lag — en wat achteraf bleek
Dat laatste is eenvoudig maar krachtig. Organisaties die hun beslissingen terugkoppelen aan de data die ze onderbouwden, ontwikkelen vanzelf een gevoel voor wat goede data-inzichten onderscheidt van aannemelijke.
Van eis naar investering
Voor werkgevers ligt hier een les. Datageletterdheid als sollicitatie-eis verplaatst het probleem naar buiten: u zoekt iemand die het al kan. Maar de krappe Nederlandse arbeidsmarkt levert die mensen niet in overvloed. Organisaties die zelf opleiden — en daarbij specifiek de tolkrol koesteren — bouwen een duurzamer fundament dan organisaties die hopen op een reeds gevormde kandidaat.
De vraag voor de korte termijn is dan niet 'wie kunnen we aannemen?', maar 'wie in ons midden spreekt beide talen al — en wat blokkeert die persoon nog?'. Vaak is het antwoord verrassend goedkoop: tijd, erkenning en een paar gerichte trainingen. Dat is een investering met een rendement dat zich laat meten. Met data, uiteraard.
