Een op de drie data-scientists is ontevreden over de resultaten van analytics-projecten. Het gebruik van analytics en de inzet van modellen door hun bedrijf leidt vaak tot frustraties. Iets meer dan veertig procent heeft moeite met de manier waarop analytics-inzichten door organisaties worden ingezet bij de besluitvorming. Eenzelfde percentage klaagt dat data-science-resultaten niet worden gebruikt door zakelijke besluitvormers.
Dit blijkt uit een internationaal onderzoek van het analytics-bedrijf SAS onder 277 data-scientists. De impact en waarde van analytics blijven beperkt als hiervoor geen draagvlak bestaat binnen organisaties of het management niets met de resultaten doet.
Aan data-scientists worden hogere eisen gesteld zeker nu de digitale transformatie door de pandemie in een stroomversnelling is geraakt. Uit het onderzoek komen een aantal tekortkomingen naar voren. Minder dan een derde van de respondenten zegt over gevorderde of deskundige vaardigheden te beschikken op gebied van programma’s zoals cloudbeheer en databasebeheer. SAS vindt dit een probleem omdat het gebruik van clouddiensten aanzienlijk is toegenomen. Ook signaleert SAS bezorgdheid over de ondersteuning van data-scienceteams en een tekort aan data-scientists.
Het onderzoek brengt ook een gebrek aan consistente aandacht voor ai-ethiek aan het licht. Meer dan veertig procent van de respondenten geeft aan dat hun organisatie geen specifieke controles doet op de analytics-processen met betrekking tot vooroordelen en discriminatie
Is er nou weer een schreeuwend tekort aan professionals met skills die door het management genegeerd worden ?
Mijn primaire reactie was: “Tja, managers hé, wat verwacht je anders?”
Dat is, vermoed ik, maar deels waar. Waar het onderzoek (in elk geval in dit artikel) geen onderzoek naar of uitspraak over doet is hoe de informatie in de uiteindelijke rapporten is verkregen of dat de wijze van verkrijgen in de uiteindelijke rapporten is uitgelegd.
Ook wordt niet ingegaan op de redenen waarom deze gegevens niet zijn gebruikt. Wellicht is dat perceptie van de data-analisten (misschien hadden zij een idee wat het besluit had moeten worden).
Ik sluit niet uit dat er managers zijn die de rapporten als bok-documenten (bok = Boven Op de Kast) of lade-vullers gebruiken (het blijven tenslotte managers, de uitkomst sluit misschien niet aan bij hun KPI en bonus). Maar ik vind de conclusie dat managers de uitkomsten massaal en en-bloc negeren wat prematuur.
AI dat moet aantonen hoe het resultaat is verkregen,
maar management dat niet hoeft uit te leggen waarom een besluit is genomen.
als de functie-elders in de politiek na de verkenners actie.
geen idee waar dat nou vandaan kwam, ineens stond het er 🙂
strategie om alleen resultaten te gebruiken die aansluiten op wat gewenst is.
niet nieuw.
Iets meer info op https://itdaily.be/nieuws/data/analytics-inzichten-worden-vandaag-nog-te-veel-genegeerd-bij-beslissingen/
Blijkbaar zijn de analisten meer bezig met het beheren van data dan met het onderzoeken ervan.
Dus als ik het goed begrijp, kunnen ze data manipuleren, het algoritme ook en trekt het management zich er niets van aan.
data-engineer, van hero tot bullshit baan.