Noël, een gepassioneerde Data Scientist met een achtergrond in technische bedrijfskunde en een specialisatie in data-intensieve industrieën, deelt zijn ervaringen en inzichten. Met meer dan een jaar ervaring bij Nobleo en een focus op het toepassen van kwantitatieve analysemethoden, biedt Noël zijn perspectief op de rol van een Data Scientist binnen Nobleo Manufacturing.
Waarom heb je voor Nobleo Manufacturing gekozen?
“Ik heb voor de functie Data Scientist bij Nobleo gekozen vanwege mijn interesse in Data Science, gecombineerd met mijn wens om betrokken te blijven bij de zakelijke context. Ik wilde niet alleen technische vaardigheden ontwikkelen, maar ook praktische inzichten kunnen toepassen om toegevoegde waarde te creëren.”
“Bij Nobleo vind ik een ideale balans tussen technische uitdagingen, klantinteractie en creatieve vrijheid. Verder vind ik de flexibiliteit en samenwerking binnen ons team fijn. We werken nauw samen aan diverse projecten, waarbij ieders expertise wordt benut en gewaardeerd.”
Met welke opdracht ben je momenteel bezig?
“Momenteel ben ik betrokken bij een langlopend project. Mijn rol daarin is het toepassen van kwantitatieve analysemethoden om praktische inzichten te genereren voor onze klanten. Een resultaat daarvan is de ontwikkeling van een planningstool voor een klant, waarbij we complexe fabriekssimulaties combineren met genetische algoritmen om een optimale productieplanning te genereren.”
“Om dit te kunnen doen werk ik nauw samen met zowel het Nobleo projectteam als de klant. Daarin komt een van de uitdagende aspecten van mijn rol naar boven, namelijk: het vertalen van complexe analytische concepten naar begrijpelijke taal voor de klant.”
Hoe ziet de aanpak van zo’n dergelijk project eruit?
“We proberen een project altijd gestructureerd aan te vliegen, maar de scope van het project moet continu gemanaged worden. Bij het project waar ik nu aan werk, komen naast het ontwikkelen van de tool ook veel andere vragen vanuit de klant naar boven: zo ben ik bezig met het bepalen van de theoretische eindsituatie van een fabriek. De klant probeert steeds meer doorvoer in die fabriek te creëren en wil graag weten: wat is nou onze maximale capaciteit? Om dat te kunnen inschatten, hebben wij dus de simulatie voor de planningstool gebruikt. We zijn gaan kijken: wat is nu eigenlijk de bottleneck binnen de fabriek? Hoe kunnen we deze verbeteren? Is dat realistisch? Het ideale is dat je niet daadwerkelijke in de fabriek hoeft te testen. Je test dit in de simulatie en kijkt vervolgens wat het effect is. Op die manier hebben we best wel wat verbeteringen vastgesteld. Bij een project is het belangrijk om vanuit het probleem/klantvraagstuk te blijven werken. We kijken heel erg naar de klant en welke oplossing het beste bij de klant kan passen. Op deze manier zijn projecten dus best dynamisch.”
Hoe vertaal jij vervolgens de concepten en bevindingen naar niet-technische belanghebbenden?
“Vaak is het nuttig om data te structuren of te visualiseren. Door een schematische weergave te maken van, bijvoorbeeld, de architectuur van de planningstool helpt dit de klant in het begrijpen hoe de tool werkt. Dan kun je heel duidelijk laten zien waar de informatie vandaan komt, wat we ermee doen en hoe alles met elkaar verbonden is. Dat vind ik ook leuk om te doen, het visualiseren van data, om op die manier uit complexe data simpele inzichten te creëren, door middel van bijvoorbeeld een dashboard.”
“Het is tevens interessant om bezig te zijn met de gebruiksvriendelijkheid van een tool. Dus hoe gaat iemand zo’n tool nou gebruiken? Het moet intuïtief en “bedrijfszeker” zijn. Je moet met best veel aspecten rekening houden.”
Wat doe je zoal dagelijks bij Nobleo als Data Scientist?
“Op een gemiddelde dag ben ik een deel bezig met de ontwikkeling van een tool. Er zijn altijd verbeteringen en/of aanpassingen die doorgevoerd moeten worden. Veder ben ik veelal bezig met het uitvoeren van experimenten. Dan gaat het over de “final state” van een fabriek. Nieuwe inzichten waar de klant naar vraagt moeten dan verwerkt worden. Die vertaal je naar een set van experimenten en die experimenten doe je dan met de simulatie. Daarnaast hebben we wekelijks overleg met het team en met de klant. Bij de ontwikkeling van de tool werk ik veel samen met collega’s, dus dat is veel sparren met elkaar.”
Wat zou je willen adviseren naar potentiële geïnteresseerden?
“Data Scientist klinkt natuurlijk best wel technisch en analytisch, en dat moet je inderdaad ook wel zijn. Maar ik denk dat de businesskant juist ook heel belangrijk is. Want het lijkt allemaal heel makkelijk van achter je computer, maar er komt natuurlijk veel meer bij kijken. Alle problemen die je voorgeschoteld krijgt op de universiteit, hebben allemaal een perfect antwoord. Maar in de werkelijkheid is dat niet zo, het is altijd een beetje wikken en wegen. Wat past het beste? En er is niet altijd één heel duidelijk antwoord. Dit betekent dat het niet voldoende is om simpelweg de resultaten van een data-analyse te interpreteren; je moet ze ook kunnen vertalen naar de realiteit. Daarvoor is het essentieel om de zakelijke context te begrijpen en te waarderen.”
Noël vertegenwoordigt het profiel van een toegewijde en veelzijdige Data Scientist bij Nobleo Manufacturing. Zijn expertise, enthousiasme en toewijding aan voortdurende groei maken hem een waardevolle aanwinst voor het Nobleo team en dragen bij aan het succes van Nobleo in het leveren van hoogwaardige oplossingen aan klanten.