Alumnus Fiënna over de opleiding Data Science
Van marketing management naar data science
Fiënna werkt al zes jaar bij de Rijksdienst voor Ondernemend Nederland (RVO), waar zij na het volgen van de opleiding in 2022 intern de stap heeft gemaakt van data-analist naar data scientist. Data science was destijds nog best nieuw binnen de organisatie. Daarom koos Fiënna bewust voor de opleiding Data Science bij de IT Academy om haar kennis te verbreden en de stap naar complexere analyses te kunnen maken. Toen ze hoorde dat de opleiding net was gestart, twijfelde ze niet lang en sloot ze na één week gemist te hebben alsnog aan.
Leren denken als data scientist
De opleiding gaf Fiënna vooral verdieping in de kern van het vak: data science zelf, programmeren en modelleren. Waar ze al ervaring had met data-analyse, zat haar grootste groei in het beter begrijpen van het volledige proces achter data science. Ze leerde meer over Python, programmeren en de onderliggende logica van code. Ook tools als Excel, Power Query en visualisatiesoftware zoals Tableau kwamen uitgebreid aan bod. Die kennis gebruikt ze nu dagelijks in haar werk.
Data science was een richting die mij steeds meer aansprak. Het analysewerk, de simpele analyses, daar was ik al heel snel klaar mee. Ik wilde juist verder kijken, naar de complexere vraagstukken en voorspelmodellen. Dat vond ik veel leuker en uitdagender!
Eindopdracht met voorspelmodellen
De eindopdracht vormde een belangrijk leermoment, omdat Fiënna direct data van haar werkgever kon gebruiken hiervoor. Ze werkte aan een binair voorspelmodel. Daarbij gebruikte ze technieken als decision trees en gradient boosting. Wat ze ook leerde, was het belang van datakwaliteit en het omgaan met datasets die niet altijd kloppen. Later kon ze deze kennis direct toepassen in haar werk, waar ze betrokken raakte bij terugkerende voorspelmodellen.
Bouwen aan een interne AI-tool
In de afgelopen jaren heeft Fiënna ook meegewerkt aan het bouwen van een generatieve AI-tool binnen haar organisatie. Deze AI-tool ondersteunt content specialisten door ruwe input, zoals interviews of transcripties, om te zetten in een eerste concept voor onder andere webblogs, nieuwsberichten en social media posts.
We hebben een AI-tool ontwikkeld waar ik vanaf het begin bij betrokken ben geweest. Daarbij draait alles om veilige toepassing: modellen worden lokaal gebruikt zodat gevoelige data binnen de organisatie blijft.
Een vak dat blijft uitdagen
Terugkijkend ziet Fiënna vooral hoe veelzijdig en snel het vak data science zich ontwikkelt, zeker met de opkomst van generatieve AI. Tegelijkertijd blijft ze kritisch op de rol van nieuwe technologieën.
Data science blijft gewoon een lastig vak, maar dat maakt het juist ook interessant. Je kunt tegenwoordig heel veel met tools zoals generatieve AI, maar je moet nog steeds zelf begrijpen wat er gebeurt. Alleen een code laten genereren is niet genoeg; je moet weten wat je doet en waarom je het doet. Dat blijft echt essentieel.
