Zijn ingenieurs sexy genoeg voor de 21-ste eeuw?

Met digitalisering als het centrale thema kon de general meeting van Namur moeilijk voorbijgaan aan het vakgebied data science. Als uitgangspunt werd een artikel genomen van de Harvard Business Review met als titel “Data Scientist: The Sexiest Job of the 21st Century”. Wat heeft data science de industrie te bieden en welke rol kunnen ingenieurs hierin spelen?

Het werd een geanimeerde workshop op de Namur general meeting – de sessie over data science. Enerzijds bestaat er bij ingenieurs heel wat scepsis over dit wat abstracte vakgebied. Anderzijds zwemmen process plants in enorme hoeveelheden data, wat het aantrekkelijk maakt om te zoeken naar manieren om hier meer wijsheid uit te halen.

Het bewuste artikel uit de Harvard Business Review wordt vaak aangehaald als het gaat over data science. Een merkwaardige vaststelling is dat het artikel intussen al dateert van 2012. Het merkwaardige daarbij is dat het artikel een aantal dingen noemt die over vijf jaar heel vanzelfsprekend zullen zijn. Vijf jaar later, dat is vandaag, maar de meeste van die voorspellingen klinken nu nog steeds even futuristisch.

Waar gaat het over? In het artikel wordt de data scientist voorgesteld als iemand die puur werkt op data, daar allerlei analyses op maakt en vervolgens vanuit zijn conclusies adviezen geeft voor business beslissingen. Door puur naar de data te kijken kan hij verbanden zien die men vanuit bestaande inzichten misschien niet zou verwachten. Logische verbanden doen voor hem ook niet ter zake, zolang ze niet door data analyse ondersteund kunnen worden.

Nieuwe methodes voor data analyse

Data science valt uiteen in twee domeinen. Een eerste is data engineering: het verzamelen en opslaan van data. Het tweede is data analyse: het trekken van conclusies gebruikmakend van tools als machine learning en deep learning.

Een pragmatische vaststelling die bij Namur werd gedaan, is dat er in de industrie vandaag al heel wat aan data science gedaan wordt. Enorme hoeveelheden meetwaarden van machines en instrumenten worden consciëntieus opgeslagen in databanken. Regelmatig worden daar ook statistische methodes op toegepast, iets wat de data scientist ook doet, al noemt hij dat dan machine learning. Met andere woorden, zo nieuw is het vakgebied in de industrie eigenlijk niet.

Tegelijk ziet men wel potentieel in het toepassen van nieuwe methodes voor data analyse want echt veel wordt er nog niet gedaan met de grote hoeveelheden data die in industriële processen verzameld worden. Het inzicht in processen is in ieder geval niet lineair toegenomen met de toenemende hoeveelheden data. Maar om dat te bekomen, zo denken althans de ingenieurs, zal die data scientist zich ook echt moeten verdiepen in de processen zelf, om de data die hij gebruikt betekenis te geven. Misschien is het dus aan de ingenieurs zelf om zich te verdiepen in data science.

© Productivity.be, 12/12/2017