Data-vaardigheid voor niet-datafuncties

Wanneer het over data gaat, denken veel professionals dat het onderwerp vooral anderen aangaat. Data scientists, analisten, IT-specialisten. Wie geen “datafunctie” heeft, kan zich er gemakkelijk buiten plaatsen.

Toch zie ik dat datagedreven werken vrijwel elk specialistisch vak raakt. Niet omdat iedereen moet programmeren, maar omdat beslissingen steeds vaker op data worden gebaseerd.

En daar hoort een vorm van data-vaardigheid bij.

Wat data-vaardigheid níet is

Data-vaardigheid betekent niet dat elke vakspecialist dashboards moet bouwen of complexe modellen moet ontwikkelen. Het betekent ook niet dat statistiek een tweede beroep moet worden.

Wat het wél betekent, is dat je begrijpt:

• waar cijfers vandaan komen
• hoe ze tot stand zijn gekomen
• en welke beperkingen ze hebben

Zonder dat inzicht wordt data iets wat je overkomt in plaats van iets waar je bewust mee werkt.

De valkuil van schijnzekerheid

Data geven vaak een gevoel van objectiviteit. Grafieken ogen overtuigend, percentages lijken helder. Maar achter elke dataset zitten keuzes.

Welke variabelen zijn meegenomen?
 Welke aannames zijn gedaan?
 Wat is buiten beeld gebleven?

Een vakspecialist die deze vragen stelt, versterkt de kwaliteit van besluitvorming. Niet door cijfers te wantrouwen, maar door ze serieus te nemen.

Vertalen tussen data en praktijk

In veel organisaties zie ik een kloof tussen data-afdelingen en inhoudelijke experts. De één levert inzichten, de ander moet ermee werken. De echte waarde ontstaat wanneer die werelden elkaar begrijpen.

Voor niet-datafuncties betekent data-vaardigheid daarom ook:

• kunnen uitleggen wat je nodig hebt
• herkennen wanneer data niet aansluiten bij de praktijk
• en samen zoeken naar betere indicatoren

Het is een dialoog, geen overdracht.

Van rapportage naar reflectie

Data-vaardigheid vraagt om een actieve houding. Niet alleen rapportages ontvangen, maar ze ook bevragen. Niet alleen trends signaleren, maar ze in context plaatsen.

Wat betekent deze ontwikkeling voor onze risico’s?
 Welke gedragingen zien we hierachter?
 Welke onzekerheid zit er in deze prognose?

Dat zijn vragen die geen data-specialist alleen kan beantwoorden.

De grens van data

Misschien wel het belangrijkste onderdeel van data-vaardigheid is het besef dat niet alles meetbaar is. Professioneel oordeel, ervaring en intuïtie blijven nodig.

Data kunnen richting geven, maar niet alle afwegingen vervangen.

Tot slot

Data-vaardigheid is geen extra vak, maar een laag over het bestaande vak heen. Wie begrijpt hoe data werken, vergroot zijn eigen invloed en verkleint afhankelijkheid.

Niet-datafuncties bestaan steeds minder. Professionals die data begrijpen, zonder hun vak te verliezen, blijven van waarde.

— Caro Lumen