Dubbelinterview

Data om van te leren

Leestijd : 3 minuten

Academie IT en Mediadesign. Portretfoto Stijn Hoppenbrouwers en Astrid Hoge.

Onze wereld wordt steeds digitaler. Data science speelt daarin een steeds belangrijkere rol: datagedreven werken is niet meer weg te denken. Denk aan de arts, die in geval van nood heel snel bij patiëntgegevens moet kunnen. "De rem mag er af."

Veel HAN-studenten, -docenten en -medewerkers hebben nog niet zo’n beeld bij data science. Ze vinden het misschien ook nog wel enigszins eng. Wat is data science precies? Waarom is het belangrijk, en wat kun je ermee?

Wie dat haarfijn kunnen uitleggen, zijn Stijn Hoppenbrouwers en Astrid Hoge. Stijn is lector Data & Knowledge Engineering, en Astrid is directeur van de Academie IT en Mediadesign. Zij zijn het beide hartgrondig met elkaar eens: een toekomst zonder data science is ondenkbaar.

Beslissen op basis van data

Maar wat is het nou precies? Stijn: “Kort gezegd is data science het baseren van informatie en beslissingen, op allerlei gebieden, vanuit data. Heel veel data. Vaak wordt het ook data analytics genoemd. Het is het verkrijgen en kneden van data, waarna er algoritmes op los gelaten kunnen worden die in het dagelijks leven en werken beslissingen kunnen beïnvloeden.”

Dat is toch nog wat vaag. Algoritmes? “Dat zijn wiskundige formules of computerprogramma’s die beslissingen kunnen nemen, vaak in combinatie met artificial intelligence. Denk bijvoorbeeld aan social media: dankzij data science en algoritmes krijg jij daar ‘toevallig’ precies te zien wat je interessant vindt, op basis van eerder gebleken interesse. Ook de overheid werkt met data science. Soms gaat dat fout, zoals je hebt gezien bij de toeslagenaffaire. Toch heb je data science nodig om enorme hoeveelheden informatie te kunnen verwerken."

Portretfoto Stijn Hoppenbrouwers. Lectoraat MBIS Arnhem. Academie IT en Mediadesign.

Je hebt data science nodig om een enorme hoeveelheid informatie te kunnen verwerken.

Die enorme informatiestroom is er natuurlijk op de HAN. Daar gebeurt dan ook ontzettend veel met data science, vertelt Astrid. “Data science, data innovatie, learning analytics: het gebeurt hier allemaal. Dat laatste kun je bijvoorbeeld gebruiken om vast te stellen of een leerling een bepaald vak gehaald heeft. Docenten hoeven niet handmatig vast te stellen of een leerling is geslaagd: dat doet data.” Stijn: “Denk ook aan het opsporen van plagiaat. Daar heeft elke hogeschool een systeem voor, maar data science maakt het mogelijk werkstukken en literatuur tegen elkaar te houden en plagiaat op te sporen.”

Data science wordt op de HAN in heel veel domeinen gebruikt: van zorg tot economie en automotive. Volgens Stijn is het ook belangrijk dat data science bij alle opleidingen wordt ingezet. “Zorgopleidingen gaan echt niet aan de slag met harde data en algoritmes, maar docenten en studenten krijgen er in de praktijk steeds meer mee te maken. Patiëntengegevens verzamelen, zorgrobots inzetten: het werkt alleen maar op basis van data science. Het is dan ook belangrijk dat studenten weten wat het is, dat het terugkomt in minoren. En dat je doet aan data awareness: je moet als student weten dat je met data werkt, maar ook hoe je daarmee omgaat.”

Dat is niet zo eenvoudig, vult Astrid aan. “Een app als Instagram werkt natuurlijk alleen maar met data science en algoritmes. Maar weet jij waar je allemaal toestemming voor geeft als je akkoord gaat met de voorwaarden? Zij mogen van alles doen met jouw persoonlijke data. Stijn vult aan: “In de zorg zijn patiëntengegevens nog steeds omstreden. Wat mag je zomaar open gebruiken? In de maatschappij gaan nog steeds veel valse rode vlaggen omhoog. Instagram en Facebook mogen alles weten, maar patiëntengegevens zijn heilig. Van dat enorme wantrouwen voor datadeling moeten we, binnen bepaalde grenzen, af. In geval van nood hebben artsen heel snel informatie nodig. Het is pure angst voor het digitale."

Digi- en datavaardige profs

Om data science normaler en minder intimiderend te maken, is één van de strategische doelen van de HAN: studenten en medewerkers worden digi- en datavaardig. Astrid is overtuigd kartrekker van dat doel. “We willen onze studenten voorbereiden op een toekomst vol data science: je bent altijd met data bezig. Je slaat data van een patiënt op bij een behandeling, maar wat doe je daar dan mee?"

"Als HAN zijn we ook volop bezig een digitaal bedrijf te worden. Als voorbeeld zien wij netbeheerder Alliander, die een hele digitale strategie voor zich laat werken. Er is een lappendeken aan toepassingen voor data science binnen de HAN waar we werk van willen maken. We gaan data science in onze onderwijssystematiek integreren.”

Academie IT en Mediadesign. Portretfoto Astrid Hoge

We willen onze studenten voorbereiden op een toekomst vol data science: je bent altijd met data bezig.

Astrid vult aan: “Het is ook van enorm belang voor de regio. Denk aan de energietransitie. We laten studenten bij Alliander onderzoek doen naar hun bedrijfsdata. Op basis van die data bepaalt Alliander weer hoe ze hun energienet in moeten richten. Dat is multidisciplinair: het kunnen studenten van allerlei opleidingen zijn. Het gaat er allemaal om: hoe kunnen we data inzetten om een bepaald probleem op te lossen?”

De academiedirecteur pleit ervoor om de rem van datagedreven werken af te halen. “Op feiten gebaseerd werken is gewoon niet meer weg te denken. Onze data is al algemeen en breed beschikbaar, behalve bij partijen die er niet open en eerlijk mee omgaan. Daarom is goeie wetgeving belangrijk. We hebben data nodig om van te kunnen leren en te ontwikkelen: in alle curricula van de opleidingen en in bedrijven. Open en transparant datagebruik is dan essentieel. Iedereen krijgt op een bepaald moment te maken met data science. Het zou zonde zijn als we de mogelijkheden niet ten volle benutten.”

Master Applied Data Science

"Behoefte aan praktijkmensen"

De Academie IT en Mediadesign werkt aan een nieuwe masteropleiding: Applied Data Science. Stijn: “We ontwikkelen deze master omdat er in de praktijk zeer veel behoefte is aan praktijkmensen, die op het gebied van data science ‘onder de motorkap’ kunnen kijken. Het is een deeltijdmaster waarbij we mensen uit de praktijk op masterniveau bijscholen: denk aan ICT’ers of technisch bedrijfskundigen die de overstap willen maken naar data science. Bedrijven vragen hier massaal om."