Een dag uit het leven van de Business Analytics Translator

In deze blog-post verdiepen we ons in de dagelijkse werkzaamheden van een Business Analytics Translator. We bespreken of en hoe deze expertise bijdraagt aan het succes van Data Science-projecten. Ook vergelijken we het ambacht van de Business Analytics Translator met het - in de jaren tachtig - zeer gewilde profiel van de BIKker. Wat zijn de verschillen? Wat zijn de overeenkomsten? Is de Business Analytics Translator oude BIK-wijn in nieuwe Data Science-zakken? Of doen we een van beide daarmee te kort?

Back to the Future?
We gaan terug naar de jaren tachtig. We programmeerden nog in Turbo Pascal. Talen als Python en Java bestonden nog niet. Microsoft was een obscuur bedrijfje dat alleen “MS-DOS” verkocht. Een product als Excel bestond nog niet. Het vakgebied informatica (wat klinkt dat woord hopeloos ouderwets) maakte destijds een enorme groei door, maar was wel nog het exclusieve speelveld van in communicatieve wiskunde-freaks. Tegelijkertijd was er wel het besef dat je met behulp van diezelfde informatica mooie dingen kon bereiken binnen een bedrijf: meer innovatie, hogere productiviteit, hogere omzet, lagere kosten, hogere klanttevredenheid en noem maar op.

Er ontstond daarom een behoefte aan mensen die én iets van informatica snapten, én hierover in begrijpelijke taal met “normale” mensen konden praten. Om in deze behoefte te voorzien, schoten opleidingen Bestuurlijke Informatiekunde (BIK) destijds als paddenstoelen uit de grond. Vele BIKkers kwamen daardoor op de arbeidsmarkt, de schrijver van deze blog is er eentje daarvan.

Dertig jaar later lijkt ditzelfde fenomeen terug te keren. De wereld wordt al een aantal jaren bestormd door data scientists en data engineers. Deze nieuwe bevolkingsgroep weet de meest waanzinnige voorspelmodellen te fabriceren. Maar opnieuw blijkt het voor velen moeilijk uit te leggen wat we kunnen met deze modellen. Er ontstaat daarmee opnieuw behoefte aan mensen die de brug vormen tussen business (=organisatie) en IT (=informatica). Zie daar: de wereld heeft behoefte aan Business Analytics Translators!

Wat zegt McKinsey
Als je in een bedrijf een onderbouwing van iets wilt geven, is het altijd handig om naar Gartner of McKinsey te verwijzen. Dit zeg ik zonder ironie, want zo werkt het echt in grote bedrijven. Voor zover ik kan overzien, heeft McKinsey al in 2018 de rol “Business Analytics Translator” geïntroduceerd in het artikel Analytics translator: The new must-have role (McKinsey, 2018).

In dit artikel wordt een aantal belangrijke ontwikkelingen geschetst:
• Bedrijven leunen bij besluitvormingsprocessen steeds vaker op Machine Learning en andere AI-technieken.
• Om Data Science-projecten succesvol te laten verlopen, heb je een “cross functional” team nodig. Dit team bestaat doorgaans uit Data Scientists, Data Engineers, “visualisatie experts” en, niet onbelangrijk, Business Analytics Translators.
• McKinsey verwacht in 2026 een tekort van twee á vier miljoen Business Analytics Translator in de Verenigde Staten.

Het artikel gaat vervolgens in op wat de werkzaamheden van de Business Analytics Translator zijn, maar het leek me wel aardig om dit in eigen woorden te beschrijven. Ik word namelijk regelmatig ingezet als Business Analytics Translator en ben dus een “man van de praktijk”.

De werkzaamheden van de Business Analytics Translator
De afgelopen jaren heb ik in verschillende klantprojecten de rol van (Senior) Business Analytics Translator vervuld. De werkzaamheden verschilden iets van project tot project, maar kwamen grotendeels neer op:
• Het achterhalen van de Y (“wat willen we voorspellen”) en de x’en (features: “welke informatie kan ik gebruiken”) om de Y te voorspellen. Voorbeeld: ik gebruik weersvoorspellingen (x1), omzetgegevens uit het verleden (x2) en bevolkingsdichtheid (x3) om de omzet (Y) van mijn ijskarretje te voorspellen. Wat hierbij goed kan helpen, is het maken van een DAPS-diagram (De Mast, Lokkerbol, 2024), waarin je business value en Y/x’en in één overzichtelijk diagram weergeeft.
• Het identificeren en beschrijven van scenario’s. In een project voor een spoorbeheerder wilden we bijvoorbeeld weten welke effecten een procentuele groei in reizigersvervoer of goederenvervoer zou hebben op het aantal wisselstoringen in 2030.
• Het vastleggen van product backlog items – in omgevingen waarom je volgens Scrum/Agile werkt. Typisch iets voor de Business Analytics Translator om te doen, hij/zij begrijpt immers wat het voorspelmodel functioneel moet gaan doen!
• Het voorbereiden en verzorgen van product demo’s van je voorspelmodel.
• Het uitleggen van de mogelijkheden van algoritmes zoals een binary decision tree, random forest, Arima et cetera. De ene Business Analytics Translator zal dit beter kunnen dan de andere. Ik ben zelf van mening dat een degelijke kennis van algoritmes je zeker helpt. Het artikel van McKinsey bevestigt dit trouwens.

Het is natuurlijk de vraag of een Business Analytics Translator zelf ook moet kunnen programmeren. Ik ben er zelf van overtuigd dat een technisch fundament je zeker helpt in je werkzaamheden als Business Analytics Translator. Je moet immers een brugfunctie vervullen en daarmee ook de taal van de data scientist en data engineers spreken.

Doet de Business Analytics Translator hetzelfde als wat de BIKker vroeger deed?
Eind jaren tachtig, begin jaren negentig studeerde ik Bestuurlijke Informatiekunde aan de (toenmalige) Katholieke Universiteit Brabant. Dit was toen nog een experimentele doctoraalstudie, die je kon volgen na een propedeuse Economie.

Ik denk dat er heel veel overeenkomsten zijn tussen de Business Analytics Translator en de BIKker:
• De BIKker van vroeger probeerde ook bedrijfsdoelstellingen te vertalen naar informatici. Vroeger gebruikten we daarbij methoden als ISAC, NIAM en Dataflow diagrammen. Tegenwoordig hanteren we methoden als CRISP-DM, UML en DAPS-diagrammen. Maar is er in de kern iets veranderd?
• De BIKker werkte vooral met S2020-spreadsheets en relationele databases zoals Oracle (versie 4). De Business Analytics Translator werkt met moderne Data Warehouses, Data Lakes, NoSQL databases en Excel. Maar is er in de kern iets veranderd?
• De BIKker werkte met 640Kb Personal Computers, die via een LAN aan elkaar geknoopt waren. De Business Analytics Translator werkt per definitie in de Cloud, waarbij hij/zij geholpen wordt met technologie van Microsoft, AWS, Google en andere leveranciers. Maar is er in de kern iets veranderd?
• De BIKker werkte in de jaren tachtig al met statistische technieken zoals lineaire regressie en beslisbomen. De Business Analytics Translator doet dit ook, maar heeft ten opzichte van de BIKker het voordeel dat veel code gratis beschikbaar is vanuit de Python-library Scikit-Learn.
• Ten slotte heeft de Business Analytics Translator het voordeel dat veel data gewoon beschikbaar is. Wil je weerdata toevoegen aan je model? Zoek maar op internet. Wil je CBS-bevolkingsdata toevoegen? Zoek maar op internet. Dat kon de Bikker vroeger allemaal niet.

Ten slotte
In dit artikel is geprobeerd aan te tonen dat de Business Analytics Translator een vergelijkbare rol heeft als de BIKker “van vroeger”. Oude wijn in nieuwe zakken dus?