Hoe werk je een nieuwe data scientist optimaal in? (Hint: Denk als een reisleider)

24 mei 2023 door Han de Vries

Hoe werk je een nieuwe data scientist optimaal in

Gefeliciteerd! Na een intensief sollicitatietraject heeft de beste kandidaat je aanbod geaccepteerd en haar contract getekend. Over acht weken is haar eerste werkdag als data scientist. Laat je deze dag rustig op je afkomen, óf ga je aan de slag om haar inwerkperiode deze keer eens grondig voor te bereiden?

Het inwerken van een nieuwe data scientist lijkt op het eerste gezicht misschien vooral een proces van kennismaking en afwikkeling van formaliteiten. Maar vergis je niet: Feitelijk leg je in de eerste paar weken de fundamenten voor een interessante en nuttige reis die de nieuwe data scientist de komende jaren in jouw organisatie gaat maken.

De inwerkperiode fungeert als de voorbereiding van deze reis, waarbij de data scientist de reiziger is en jij de reisleider. Tijdens de inwerkperiode geef je de juiste tools, middelen en kennis aan de data scientist, vergelijkbaar met het uitrusten van een reiziger met een kaart, routebeschrijvingen en benodigdheden voor de reis. Het is belangrijk om ervoor te zorgen dat de reiziger / data scientist alles meekrijgt wat nodig is om succesvol te kunnen reizen / werken.

Een reiziger ontmoet aan het begin van zijn reis medereizigers, en leert over cultuur en waarden van de plaatsen die zullen worden bezocht. Op dezelfde manier leert een nieuwe data scientist tijdens de inwerkperiode het team en de organisatie kennen. Dit helpt bij het opbouwen van relaties, het begrijpen van de dynamiek binnen het team en het creëren van een gevoel van verbondenheid.

Tijdens de reis is er begeleiding en ondersteuning beschikbaar voor de data scientist, vergelijkbaar met een reisgids die haar helpt bij het navigeren langs uitdagingen en obstakels. Dit kan mentorship, training en feedback omvatten, zodat de data scientist zich kan ontwikkelen en groeien in haar rol.

Do's en Don'ts bij het inwerken van een nieuwe data scientist

Bij het inwerken van een nieuwe data scientist—laten we haar voor het gemak Frederique noemen—zijn er een aantal dingen die je vooral wel (do's) en niet (don'ts) moet doen:

Eerst de Do's:

1. Duidelijke verwachtingen stellen

Communiceer naar Frederique duidelijk de verwachtingen met betrekking tot de rol, verantwoordelijkheden en doelen van een data scientist in jouw organisatie. Zorg ervoor dat ze begrijpt wat er van haar wordt verwacht. Moet ze bijvoorbeeld zelf met ideeën komen voor analyses, of juist die van anderen implementeren?

2. Toegang tot relevante gegevens en systemen

Zorg ervoor dat Frederique tijdig toegang krijgt tot de benodigde gegevensbronnen en systemen, zodat ze haar werk effectief kan uitvoeren. Help haar bij het opzetten van de juiste autorisaties en begeleid haar door de systemen. Mijn ervaring is dat hier soms meer tijd nodig is dan gepland. Data scientists hebben vaak toegang tot veel meer gegevens dan een "gemiddelde" medewerker, en zeker wanneer het privacygevoelige gegevens betreft zoals in de zorg, kunnen autorisaties ingewikkeld zijn.

Een bijkomend probleem is dat autorisaties soms kunnen verschillen per data scientist, en dat het om relatief kleine aantallen medewerkers gaat (waardoor de procedure afwijkt van de standaardprocedure). Een extreem voorbeeld wat ik ooit heb meegemaakt is dat ik ineens zelf geen toegang meer had tot bepaalde databronnen nadat bepaalde profielen per ongeluk waren verwisseld tijdens de autorisatie van een nieuwe medewerker!

3. Introductie bij collega's

Laat Frederique kennismaken met belangrijke collega's in het ziekenhuis, zoals artsen, onderzoekers, IT-personeel en beleidsmakers. Dit helpt haar om relaties op te bouwen en beter te begrijpen hoe haar werk bijdraagt aan de organisatiedoelen. Houd er rekening mee dat het enthousiasme voor data (science) niet bij alle collega's even groot is; bereid Frederique hierop voor, maar laat haar vooral vrij dit zelf te ontdekken.

4. Opleidingsmogelijkheden

Stimuleer gelijk vanaf het begin dat Frederique zich voortdurend professioneel blijft ontwikkelen, door opleidingsmogelijkheden aan te bieden. Dit kunnen bijvoorbeeld trainingen zijn op het gebied van medische terminologie, privacyregelgeving of specifieke analysetechnieken en tooling. En wellicht kan dit ook in omgekeerde richting werken: Wat kan het bestaande team leren van Frederique?

5. Ondersteuning en mentoring

Wijs een mentor of coach toe aan Frederique, zodat ze een aanspreekpunt heeft voor vragen en begeleiding. Bied ook regelmatige feedback en erkenning voor haar werk om haar motivatie en betrokkenheid te bevorderen.

En dan nu de Don'ts:

1. Overweldigende complexiteit

Vermijd dat je Frederique overweldigt met te veel complexiteit in het begin. Zorg ervoor dat ze de tijd krijgt om te wennen aan de werkomgeving en de processen voordat ze aan uitdagendere projecten gaat werken. Begin met een enkel project, en knip dit eventueel op in afzonderlijke taken / analyses. Een combinatie van complexiteit en onhaalbare doelstellingen (met mislukte projecten als gevolg) tijdens de inwerkperiode kan desastreus zijn voor het verdere verloop. Met als risico dat Frederique (zeker in de huidige arbeidsmarkt) binnen afzienbare tijd weer is vertrokken...

2. Gebrek aan ondersteuning

Laat Frederique niet aan haar lot over. Zorg voor de nodige ondersteuning, zowel technisch als operationeel, om haar te helpen bij eventuele obstakels of vragen die ze tegenkomt. Wanneer complexiteit en/of uitdagende doelstellingen onvermijdelijk zijn, kan een goede ondersteuning juist het verschil maken ("Het is een hell-of-a-job, maar je staat er niet alleen voor en we gaan dit samen doen".)

3. Beperkte interactie met collega's

Het beperken van interactie met belangrijke collega's kan de effectiviteit van een data scientist belemmeren. Zorg ervoor dat Frederique voldoende gelegenheid heeft om met relevante mensen in het ziekenhuis te communiceren en samen te werken. Geen enkele data scientist zal gelukkig worden van een jaar lang data cleanen, dus neem haar mee naar meetings, en zorg dat haar resultaten zichtbaar zijn voor collega's.

De inwerkperiode van dag tot dag

De duur van de inwerkperiode kan variëren, afhankelijk van verschillende factoren, zoals de complexiteit van de organisatie, de aard van het werk en het niveau van de functie. Over het algemeen strekt deze periode zich uit over een periode van enkele dagen tot enkele maanden, waarbij de activiteiten geleidelijk veranderen:

Eerste dag: De eerste werkdag van de nieuwe data scientist is meestal een introductie- en oriëntatiedag. Je kunt daarbij denken aan het invullen van administratieve documenten, het verstrekken van essentiële informatie over de organisatie, zoals de missie, waarden, beleid en procedures, en het leren kennen van collega's en de werkomgeving.

Eerste week: Gedurende de eerste week kun je de focus leggen op het inwerken van de nieuwe data scientist in de specifieke functie. Dit omvat het verkennen van de systemen, tools en databronnen die nodig zijn voor het werk, en het introduceren van collega's.

Eerste maand: Tijdens de eerste maand werk je de nieuwe data scientist verder in en ondersteun je haar bij het uitvoeren van haar taken. Je geeft haar gelegenheid om praktijkervaring op te doen, bijvoorbeeld binnen een concreet project, vragen te stellen of bij te dragen aan de oplossing voor een probleem dat zich presenteert. Dit is ook een periode waarin ze meer bekend raakt met de bedrijfscultuur en haar rol binnen het team.

Eerste drie tot zes maanden: Het inwerkproces kan doorgaan gedurende de eerste drie tot zes maanden, afhankelijk van de complexiteit van de functie. In deze periode ondersteun je de nieuwe data scientist verder bij het ontwikkelen van vaardigheden, het opbouwen van relaties en het bereiken van productiviteit. Denk hierbij aan mentorship, regelmatige feedbacksessies en gerichte training. Omdat de data scientist nu meer vertrouwd is met de uitdagingen waar de organisatie voor staat, is dit het ook het moment om haar gelegenheid te bieden eigen ideeën in te brengen, problemen te signaleren, en projectvoorstellen uit te werken.

Risico's bij onvoldoende aandacht voor inwerkperiode

Het voorgaande mag duidelijk maken dat het belang van de inwerkperiode niet moet worden onderschat. Helaas zie ik in de praktijk nog vaak dat na het afwikkelen van formaliteiten en kennismaking met teamleden, er (te) weinig aandacht is voor bovenstaande zaken. Met als risico dat een data scientist als Frederique niet goed begrijpt hoe de organisatie (als geheel) werkt, onvoldoende oog heeft voor de specifieke behoeften en uitdagingen binnen de zorgsector, en onnodig fouten in haar analyses maakt, en hierdoor uiteindelijk minder productief is, of zelfs vertrekt.

Voorbeelden die ik helaas met eigen ogen heb gezien: beperkte kennis van het risicovereveningsmodel (zorgverzekering) en de daaruit voortvloeiende (netto) kosten van behandelingen, onvoldoende oog voor data die nog niet bekend zijn bij langlopende claims (medische aansprakelijkheid), verwarring over de betekenis en betrouwbaarheid van variabelen in datasets, en onvoldoende oog voor de soms onrealistische, (of sceptische) verwachtingen van collega's ten aanzien van data science.

Dilemma's

Laten we er voor het gemak van uitgaan dat er voldoende aandacht is voor het inwerken van Frederique, zodat we bovenstaande risico's even kunnen parkeren. Dan is het zaak een aantal afwegingen te maken bij de voorbereiding van de inwerkperiode:

Snel inwerken vs diepgaande training: Je kunt ervoor kiezen een nieuwe data scientist snel vetrouwd te maken met een beperkt aantal tools, modellen, databronnen, of analysetechnieken. Het voordeel is dat ze dan ook snel kan worden ingezet voor problemen die op korte termijn om een oplossing vragen. Anderzijds kun je kiezen voor een langer, maar grondiger, inwerktraject, waarbij je uiteindelijk meer flexibel bent, en de data scientist een breder scala aan problemen kan oppakken.

Autonomie vs richtlijnen: Data scientists hebben vaak behoefte aan een zekere mate van autonomie bij het uitvoeren van hun werk. Er kan echter een dilemma ontstaan tussen het bieden van vrijheid en het vaststellen van duidelijke richtlijnen en procedures om ervoor te zorgen dat hun werk in lijn is met de organisatiedoelen en -standaarden.

Balans tussen technische en domeinkennis: Bij het aanbieden van opleiding en training is de uitdaging een goede balans te vinden tussen technische vaardigheden en kennis van het domein (bijv. gezondheidszorg in het geval van een ziekenhuis). Dit zal van persoon tot persoon verschillen, afhankelijk van hoe deze balans op dit moment is bij de nieuwe data scientist, en binnen team waar ze deel vanuit gaat maken. Uiteindelijk wil je een data scientist hebben die zowel bekwaam is in gegevensanalyse als begrip heeft van de specifieke uitdagingen en context van de gezondheidszorg.

Conclusie

Met het grondig inwerken van een nieuwe data scientist leg je het fundament voor de rest van haar loopbaan binnen jouw organisatie. Belangrijk is ervoor te zorgen dat ze zich welkom voelt, en de juiste informatie en goede ondersteuning krijgt, zodat ze snel kan beginnen met haar werk en waarde kan toevoegen aan het team.

Ik hoop dat dit artikel je kan helpen de inwerkperiode optimaal vorm te geven, en de belangrijkste valkuilen te vermijden. Mocht er binnenkort in jouw team een nieuwe "Frederique" beginnen, dan is het wellicht een idee dit artikel binnen het team te bespreken. En samen te kijken hoe je de reis die je nieuwe collega binnen jouw organisatie gaat maken, zo interessant en nuttig mogelijk kunt maken. En tenslotte, heb je zelf (minder) goede ervaringen met je eigen inwerkperiode of die van een collega? Wellicht help je anderen door ze te delen via de LinkedIn post van dit artikel.

Meer lezen?

Wellicht bieden onderstaande artikelen nog meer inspiratie voor het voorbereiden van deze reis!

Afbeelding van marymarkevich op Freepik