Waarom het 'datavonkje' ging branden bij expert Job van den Berg

Sommigen worden nog wel eens zwetend wakker als ze dromen dat het statistiek vak toch niet gehaald is en opnieuw moet. Je kent het wel. Snel een voldoende halen en weer door. Ik was ook zo’n student. Gestresst over het tentamen statistiek en eigenlijk geen idee waarom ik dit vak moest doen. Snel door de zure appel heen bijten en weer door.

De wereld op z’n kop: mensen die naar mijn statistiek/data workshops komen

Inmiddels is het bijna 15 jaar verder en heeft statistiek en data een enorme revival. Ik ben een ambassadeur geworden voor het vak en adviseer over de waarde van data en statistiek en waarom en hoe dit kan helpen om betere beslissingen te nemen. De wereld op z’n kop: mensen die naar mijn statistiek/data workshops komen, blijken juist degenen te zijn die statistiek en data eerder verfoeiden - waar ik er overigens een van was. Nu hebben ze bijna spijt dat ze destijds niet beter hebben opgelet. Hoe paradoxaal. Het is relevant om stil te staan hoe dit kan en ook hoe je data laat vliegen: binnen je bedrijf/organisatie maar ook bij volgende generaties. De haat/liefde verhouding die men met data en statistiek heeft, is niet bevorderend om het data gedreven werken een boost te geven. De kracht en waarde van data en statistiek zijn niet voldoende geland.

Data en statistiek worden te veel als standalone discipline gepositioneerd. Net als wiskunde op de middelbare school. Dat doet het vak geen goed omdat een middel een doel op zich wordt gemaakt. Leren begrijpen wat significantie is, heeft niet zoveel zin als je niet precies weet waarom dit noodzakelijk is om te begrijpen. Het verschil tussen een correlatie en een regressie heeft weinige waarde als je niet weet waarom je verkeerde beslissingen neemt bij een onjuiste toepassing. Exponentiële verdelingen begrijpen - zonder te weten waarom exponentiële vergelijkingen überhaupt bestaan? Kortom, geen woorden maar daden en…data!

Data aanleren als een middel, niet als doel

De verleiding is groot om technische en theoretische concepten als doel op zich te positioneren in leergangen terwijl het enablers zijn. Middelen om dingen slimmer, beter, handiger, efficiënter te doen. De heersende logica is om eerst het fundament te begrijpen. De basisprincipes van data en statistiek en dan pas naar de toepassingen te gaan. Dat is een fundamentele fout. Focussen op het middel als zodanig heeft tot gevolg dat men uiteindelijk afhaakt. Niet wetende waarom we dit leren en niet de toepassingen proberen te begrijpen; hoe je door de inzet daarvan mooie dingen kunt bereiken. Kennis beklijft als je de toepassing begrijpt en het eigen kan maken. Op zich logisch want wat heb je er anders aan?

Begrijpen waarom men jouw bedrijf wel of niet relevant vindt

Even terugkerend naar mijn eigen situatie waar ik mee begon: het ‘datavonkje’ is echt gaan branden toen ik in mijn studie sociologie zag hoe je middels een model kan verklaren waarom mensen op een bepaalde partij stemmen. Of hoe je kunt verklaren waarom in de ene wijk meer ongelijkheid is dan in een andere wijk. Wat gaaf dat je middels survey-data en een model middelen hebt om verschijnselen te kunnen begrijpen en verklaren. Niet anders is het in marketing. Wat interessant als je middels data kunt begrijpen waarom men wel of niet jouw bedrijf relevant vindt en of je propositie kans van slagen heeft.

Toch wordt er in de gangbare data-leergangen op het middel gericht en te weinig op de toepassing. Ik probeer dat wel te doen in de dataworkshops en -tutorials die ik soms geef. Dan zie je dat mensen statistiek en data zeer interessant vinden. Focussen op de Why, How, What in plaats van enkel de How. Uiteindelijk zijn we allemaal bezig met het beantwoorden van (business) vragen. Weten hoe je bij het nemen van beslissingen de juiste data en modellen kunt gebruiken - daar gaat het om. Dat betekent dus ook dat het niet meteen complex hoeft te zijn. Data en statistiek staan in dienst van het vraagstuk en is geen doel op zich. Geen wedstrijd wie het moeilijkste model kan bouwen. In dat opzicht heeft corona er voor gezorgd dat data en statistiek weer meer in de interesse is gekomen bij vele mensen. Immers we zien allemaal dat de huidige corona-statistiek en -dashboards ons helpen om betere beslissingen te nemen. De ‘meaning’ van data en statistiek is glashelder in dit perspectief.

Omarm data om de business te verbeteren

Ik ben geen voorstander om data teams in silo’s, gescheiden van de business, te positioneren wat vaak gebeurt in met name grote organisaties. Want dan blijf je je focussen op het middel en raakt het doel uit zicht. Dan wordt de focus gelegd op het slimmer maken van modellen terwijl het gaat om het vinden van de juiste oplossing.

We zien nu steeds meer dat marketeers en niet-data professionals data gaan omarmen. Dat komt omdat ze de waarde van data meer gaan inzien ten diensten van hun vak. Ik zeg wel eens - data en creativiteit liggen dicht bij elkaar. Degenen die weten hoe je data uitkomsten slim en effectief kunt gebruiken om daadwerkelijk de business te verbeteren, zijn het hardst nodig. Want zij laten zien hoe data en statistiek een effectief middel kan zijn om betere beslissingen te nemen. En dan gaat men vanzelf van statistiek houden. Geen woorden maar data!