Routekaart Data science - KWIV 4.3.4
Ben jij een (aankomende) datascientist? Dan is dit de plek om jezelf te ontwikkelen. Met deze routekaart kun je voor jezelf het beste ontwikkeltraject uitstippelen. De leeractiviteiten van de I-Routekaart Data science zijn ingedeeld in vijf kennisgebieden. Daarbij is er onderscheid tussen leeractiviteiten voor starters (fundament) en ervaren professionals (verdiepend of verbredend).
| Specifiek voor de rol | Alle leeractiviteiten die van belang kunnen zijn voor ontwikkeling in de rol, onderverdeeld in fundament, verdiepend en verbredend. |
| Werken binnen de Rijksoverheid | Leeractiviteiten en andere content die belangrijk zijn om optimaal te functioneren binnen de Rijksoverheid. |
| Gerelateerde vakgebieden | Welke vakgebieden zijn gerelateerd aan de rol van data scientist? Hier vind je ook algemene IV/ICT-leeractiviteiten als ITIL, DevOps en Agile. |
| Competenties en vaardigheden | Wat heb je zoal nodig op het gebied van competenties en vaardigheden voor de rol van data scientist? |
| Transversale aspecten | Zeven transversale aspecten die ook belangrijk zijn voor de rol van data scientist. |
Leeractiviteiten specifiek voor de rol van datascientist
|
Naam |
Omschrijving | Type |
|---|---|---|
| Datascience Leeractiviteiten | Overzicht van opleidingen en trainingen voor het gehele vakgebied van data science. | Overzicht |
| Statistiek voor Datascience | Voor data science is kennis en begrip van statistiek van groot belang. Hier een overzicht van een aantal trainingen voor statistiek. | Overzicht |
| Wiki- en forumomgeving Data & AI |
De vakgroep Data & AI biedt achtergrondinformatie en een overzicht van online trainingen op externe platformen over data science, data en AI. |
Vakgroep |
| Introduction Data Modelling | Data modelleren is niet alleen het terrein voor database-beheerders. In deze training leer je modeliering binnen DAMA-DMBOK. | Training |
| Programmeren | Overzicht van trainingen om te leren programmeren (meestal Python): | Overzicht |
| Artificial Intelligence (Ai) Essentials | Ontdek de typen van AI, het basisproces van Machine Learning (ML) en de uitdagingen en risico's verbonden aan een Al-project. | Training |
| Introduction to Exploratory Data Analysis (EDA) | A hands-on introduction. | Training |
| Exploratory Data Analysis: Iris Dataset |
A multivariate data set for testing various Machine Learning Algorithms. |
Artikel |
| Pandas | Solve short hands-on challenges to perfect your data manipulation skills. | E-learning |
| Git | Leer omgaan met Git voor versiebeheer van code, inclusief best practices. | Website |
| Journal of Statistical Software | Paper about a small but important component of data cleaning: data tidying | Bestand |
| Oefenen in de praktijk | Doe je voordeel met deze tips om het geleerde toe te passen in de praktijk. | Training |
| Data Driven Business Foundation |
Hoe je data uit verschil- lende bronnen verzamelt en er meerwaarde-uithaalt. |
Training |
| Basisopieiding data-analyse | Je bent geen data-analist, maar wil je inzicht krijgen in dit werk en de mogelijkheden van data-analyse? Volg dan deze basisopleiding. | Training |
| Weet jij al hoe je datagedreven kunt werken? | In dit thema leer je hoe je dit doet aan de hand van de fases van datagedreven werken. Dit thema is opgebouwd uit een introductie en de betreffende fases. | E-learning |
| Data Driven Business Foundation | Hoe je data uit verschil-lende bronnen verzamelt en er meerwaarde uithaalt. | Training |
| Kunstmatige intelligentie en algoritmes | Jim Stolze, Al-ondernemer op Amsterdam Science Park en FD-columnist, neemt je mee in de wereld van Al, vertelt wat algoritmisering is en laat de Nationale Al-cursus zien. | Webinar |
| Storytelling met data | Een datavisualisatie voor zakelijke professionals. | Boek |
| What is Data Visualization in 3 minutes | How to transform raw data into grahps, charts images and even videos. | Video |
| The 25 Best Data Visualizations of 2020 | Data is beautiful - it can inspire, improve lives and bring out the best in people. To keep you inspired, we've gathered the best data visualizations of 2020. | Artikel |
|
Naam |
Omschrijving | Type |
|---|---|---|
| Microsoft Power BI Data Analyst (PL-300) (M-PL300) | Tijdens deze training leer je de verschillende methoden voor het modelleren, visualiseren en analyseren van gegevens met Power Bl. | Training |
| Hoe brengen experimenten het datagedreven werken verder? | Inzichten, lessen uit de praktijk en aanknopingspunten om nú te beginnen met het datagedreven werken voor een inclusieve energietransitie. Gespreksleider: Paul Suijkerbuijk. | Webinar |
| De Nationale Al-cursus |
Al gaat meer verandering teweegbrengen dan het internet. Daarom een gratis basiscursus voor aile Nederlanders zodat iedereen goed geïnformeerd de discussie kan aangaan. |
Training |
| Samenvattingen SBIR-oproep AI | Projecten voor het ontwikkelen van prototypes voor publieke diensten. | Website |
| Digitale Overheid | AI | Overzicht van alle artikelen over AI van de Digitale Overheid en de drie kernthema's op dit gebied van het ministerie van BZK. | Website |
| Digitale Overheid | Innovatie met AI | De Nederlandse overheid experimenteert al met AI, vaak met chatbots, beslisalgoritmes en vertaalalgoritmes. Veel daarvan is waarschijnlijk breder toepasbaar binnen de overheid. | Website |
| The danger of AI is weirder than you think | TED-talk van Janelle Shane, april 2019. | Video |
| Data Agenda Overheid | Over het delen, combi- neren en de analyse van data en dit te bevorderen. | Website |
| AI I Publieke waarden en mensenrechten | Hoe AI het leven van mensen kan verbeteren maar ook de negatieve aspecten. | Website |
| AI, kans of bedreiging met neuro- informaticus Sennay Ghebreab | Sennay Ghebreab (UvA) gaat in op bedreigingen en kansen van Al-systemen, zoals het blootleggen en aanpakken van sociale vooringenomenheid, ongelijkheid en uitsluiting. | Webinar |
| WUR - Advies voor overheids- beleid | Wageningen Universiteit geeft ministeries advies over implementatie en validatie van data science. | Artikel |
| 5 mogelijkheden voor effectieve storytelling | Waarom storytelling zo effectief is en hoe je als organisatie je verhaal vertelt. | Artikel |
| EU I Excellente en vertrouwen in kunstmatige intelligentie | Betrouwbare Kl kan veel voordelen opleveren, zoals betere gezondheidszorg, schöner en goedkoper vervoer, efficiëntere productiemethoden en goedkopere en duurzamere energie. | Artikel |
| Aan de slag met AI binnen de overheid met Marloes Pomp | Tijdens dit webinar krijg je praktische tips en handleidingen over hoe je zelf met AI kunt experimenteren. Met concrete casussen van o.m. Rijkswaterstaat en het ministerie SZW. | Webinar |
| De ontwikkelingen binnen AI: fascinerend én controversieel | Kunstmatige intelligentie (Al) en big data kennen steeds meer toepassingen. Ze krijgen ook een steeds grotere invloed op ons dagelijks leven. Dat levert gemengde gevoelens op. | |
| Datastrategie en Al-visie (EC) | Visie van de Europese Commissie om samen met overheid en bedrijven de ontwikkeling van Al te versnellen. | Website |
| NORA I Visie op Al en Algoritmen | Wat zijn de gevolgen van Al en Algoritmen voor onze maatschappij? Welke koers zet de politiek in? Een overzicht van de meest significante Tweede Kamerstukken. | Artikel |
| Nederland is een goeie laatste' | De Nederlandse overheid heeft eindelijk een visie op AI. Al-expert Arnold Smeulders vindt die visie rijkelijk laat. Hij ziet een mengeling van koudwatervrees en ondernemingszin. | Artikel |
| NL-AI-Coalitie | Hoe kunnen algoritmen en AI een significant verschil maken bij de versnelling van de energietransitie en bij het realiseren van een efficiënt en duurzaam energiesysteem? | Website |
| Werken voor Nederland | AI | Als data-expert bij de Rijksoverheid werk je met gigantische hoeveelheden data en heb je volop de kans te innoveren met big data, rekenmodellen, algoritmes en tools. Onze data-experts over hun werk. | Website |
| Witwasbestrijding met AI | Netwerkvisualisaties zijn handig voor de rechercheur en analist. Zo kan de samenhang tussen bijvoorbeeld rekeningen in één oogopslag duidelijk worden. | Artikel |
| Het Data Science Platform Nederland (DSPN) | Het landelijk platform voor ICT-onderzoek binnen de data science. DSPN verenigt alle Nederlandse academische instel-lingen die data science vanuit informatica-perspectief bedrijven. | Website |
| Kennisnetwerk Data Science | Meetup-groep voor (aankomende) data scientists en ge'interesseerden in Noord-Nederland om kennis en ervaringen te delen. | Website |
| Algoritmen die werken voor iedereen. | Artificial Intelligence (AI) wordt sterk bepalend voor onze toekomstige welvaart en welzijn. Door het generieke karakter zal AI impact hebben op alle bedrijfssectoren, ons privé leven en de maatschappij. De Nederlandse ALCoalitie (NLAlC)-functioneert ais dé katalysator van AI in ons land. | Artikel |
| R Online Markdown Cookbook | Since the birth of the rmarkdown package (Allaire, Xie, McPherson, et al. 2021) in early 2014, R Markdown has grown substantially from a package that supports a few output formats, to an extensive and diverse ecosystem that supports the creation of books, blogs, scientific articles, websites, and even resumes. | Website |
| 40 Techniques Used by Data Scientists | These techniques cover most of what data scientists and related practitioners are using in their daily activities, whether they use solutions offered by a vendor, or whether they design proprietary tools. | Artikel |
| 4 Soorten data analyse | Uitleg van 4 verschwende soorten dataanlyse | Artikel |
| The future of AI is human | Kunstmatige intelligentie in Leiden | Artikel |
| Team Data Science Process | If you combine Scrum and CRISP-DM, you would get something that looks like Microsoft's Team Data Science Process. Launched in 2016, TDSP is "an agile, iterative data science methodology to deliver predictive analytics solutions and intelligent applications efficiently." (Microsoft, 2020 ). | Artikel |
| What is the Team Data Science Process? | The Team Data Science Process (TDSP) is an agile, iterative data science methodology to deliver predictive analytics solutions and intelligent applications efficiently. TDSP helps improve team collaboration and learning by suggesting how team roles work best together. | Artikel |
| Team Data Science Process for data scientists | This article provides guidance to a set of objectives that are typically used to implement comprehensive data science solutions with Azure technologies. | Artikel |
| The Mindset for Innovation with Data Science | Principles to nurture a healthy and innovative Data Science function | Artikel |
| 2 vragen die je als leider moet stellen over AI | ...stellen over artificial intelligence. Blog op authentiekleiderschap.nl | Artikel |
| Volg de leiders: Hoe haal je waarde uit Ai? | Microsoft en EY hebben 277 bedrijven in 7 sectoren en 15 landen ondervraagd om inzicht te krijgen in hoe AI wordt toegepast bij bedrijven in heel Europa. We hebben de acht meest genoemde punten op een rijtje gezet die je nodig hebt om waarde te halen uit AI | Artikel |
| Dit moeten Al-gedreven leiders doen | Deze leiderschapsfactoren zijn cruciaal bij leiders die de artificial intelligence gaan trekken in de organisatie. | Artikel |
|
Naam |
Omschrijving | Type |
|---|---|---|
| How to innovate in Data Science | Why innovation is critical - especially in the field of Data Science. | Artikel |
| The Data Visualisation Catalogue |
A list of charts categorised by their data visualization functions or by what you want a chart to communicate to an audience. |
Website |
| Coalition of the Willing | Met de Coalition of the Willing willen 8 Europese landen samen resultaten boeken én van elkaar leren bij digitalisering van de overheid. Op 5 Oktober 2020 vond de digitale startbijeenkomst plaats onder leiding van staatssecretaris Raymond Knops. | Website |
| TNO I Expertisegroep Data Science | De rol van TNO in datascience | Website |
| Handleiding voor datascience projectcen | Deze handleiding voor Al-projecten binnen de overheid is opgesteld in samenwerking met en aan de hand van het Al-project van Ariea Vermeulen en Arie van Kersen (Rijkswaterstaat). In 2019 startten zij een project om te onderzoeken of de combinatie-van_dronebeelden en inspectie van bruggen en andere kunstwerken. | Bestand |
| CIP | Samenwerken aan ¡nformatie-veiligheid en privacybescherming | Artikel |
| Regelgeving kunstmatige intelligentie AI | Steeds vaker maken we in ons dagelijks leven dankbaar gebruik van de technologieën van Al. Om dit te kunnen blijven doen, zijn niet alleen investeringen nodig, maar ook wet- en regelgeving. Daarmee blijven privacy en grondrechten van censen gewaarborgd. | Artikel |
| Wat is het verschil tussen anonimiseren en pseudonimiseren? | Blog van Edwin Küsters over de vraag waar hij de laatste jaren al menig discussie heeft gevoerd. | Artikel |
Overige kennisgebieden
Bekijk het overzicht van leeractiviteiten en andere content die belangrijk zijn om optimaal te functioneren binnen de Rijksoverheid.
Gerelateerde vakgebieden staan direct in samenhang met de dienstverlening in de keten of uitvoering van de rol. Vaak zijn datascientists daarom ook gedeeltelijk belast met – of betrokken bij andere rollen. Kennis hiervan is belangrijk om optimaal te kunnen samenwerken met collega’s op andere plekken in de IV/ICT-keten.
De volgende vakgebieden zijn gerelateerd aan de rol van data scientist:
- Applicatiearchitectuur
- Systeemarchitectuur
- Enterprise architectuur
- Datamanagement
- Informatieanalyse
- Business intelligence
- Informatiemanagement
- Business intelligence / data analyse
Algemene IV/ICT-kennisgebieden
Er zijn ook kennisgebieden die voor alle IV/ICT-rollen van belang zijn. Voor een goede samenwerking binnen een IV/ICT-organisatie is het noodzakelijk dat iedere professional op hoofdlijnen bekend is met deze algemene kennisgebieden. Dit omdat er vaak meerdere rollen betrokken zijn bij de levering van diensten. Daarbij zijn een eenduidige taal en werkwijze cruciaal.
In deze sectie vind je een overzicht van leeractiviteiten en content om je algemene vaardigheden te ontwikkelen, bijvoorbeeld op het gebied van advies, communicatie en governance.
Dit zijn aspecten die voor alle IV/ICT-rollen belangrijk zijn. Met deze zeven transversale aspecten behoor je altijd rekening te houden in je werk:
Bekijk deze video’s om een goed beeld te krijgen van de aspecten en hoe ze van invloed zijn op jouw werkzaamheden.
Overige
De indeling van de I-Routekaarten is mede gebaseerd op de IV/ICT-profielen zoals in het KWIV omschreven. Het KWIV is een rijksbrede tool en een aanvullend hulpmiddel op het Functiegebouw Rijk.
In deze video’s zie je hoe het KWIV werkt. Op elke routekaart vind je het KWIV-profiel voor de betreffende functie.
Hieronder het KWIV-profiel voor datascientist:
| Competentienaam | Competentieomschrijving | Niveau |
|---|---|---|
| D.07 Data science en analytics | het zoeken en verzamelen van data. Het voor analyses voorbereiden van data uit meerdere bronnen en formaten | 2 |
| A.04 Product- of serviceplanning | het gebruik maken van specifieke kennis om complexe documentatie te maken en te onderhouden | 3 |
| A.05 Ontwerpen van Architectuur | het gebruik maken van specifieke kennis om relevante IV-technologie en -specificaties te definiëren die kunnen worden ingezet bij de bouw van meerdere IV-projecten, toepassingen/of infrastructuurverbeteringen | 3 |
| A.08 Duurzame ontwikkeling | het bevorderen van bewustzijn, trainingen en borging (via hulpmiddelen) voor de ontwikkeling van duurzame ontwikkeling | 3 |
| A.10 Gebruikergedreven ontwerpen | het bewerkstelligen en cultiveren van relaties met klanten en gebruikers om hun taken, behoeften en doelen te begrijpen. Gebruikt een breed scala aan specialistische methoden om belangrijke gebruikersbetrokkenheid te krijgen | 3 |
| D.07 Data science en analytics | het ontwerpen en creëren van data-analysetools om de organisatorische datalevenscyclus te ondersteunen. Het verifiëren van de waarheidsgetrouwheid van de data. Het verwerken en visualiseren van data-analyseresultaten binnen het domein | 3 |
| D.10 Informatie- en kennismanagement | het analyseren van bedrijfsprocessen en bijbehorende informatie-eisen en het daarmee voorzien in de meest geschikte informatiestructuur | 3 |
| D.11 Behoeftemanagement | betrouwbare relaties met de klanten creëren en helpen in het identificeren van de klantbehoeften | 3 |
| E.01 Ontwikkelen van prognoses | de verantwoording nemen voor de eigen activiteiten en die van het projectteam, werken binnen de vastgestelde randvoorwaarden en daarbij afspraken maken en instructies geven, het optimaal afstemmen van activiteiten en resources, het leiding geven aan het projectteam, het vaststellen van het projectdoel en producten en het zorgen voor de benodigde documentatie | 3 |
| E.02 Project- en portfoliomanagement | de verantwoordelijkheid nemen voor de eigen activiteiten en die van het projectteam, werken binnen de vastgestelde randvoorwaarden en daarbij afspraken maken en instructies geven, het optimaal afstemmen van activiteiten en resources, het leiding geven aan het projectteam, het vaststellen van het projectdoel en producten en het zorgen voor de benodigde documentatie | 3 |
| E.03 Risicomanagement | het in staat zijn de juiste acties te ondernemen om de veiligheid te borgen en risicoblootstelling te vermijden, evalueert, managet en garandeert de validering van uitzonderingen, voert audits uit op IV-processen en -omgeving | 3 |
| E.05 Procesverbetering | het toepassen van specifieke kennis om bestaande IV-processen en oplossingen te onderzoeken zodat potentiële verbeteringen / innovaties bepaald kunnen worden en het aanbevelingen kunnen worden opgesteld | 3 |
| E.06 ICT kwaliteitsmanagement | het evalueren van kwaliteitsindicatoren en processen op basis van het kwaliteitsbeleid en indien nodig het voorstellen van herstelacties | 3 |
| A.01 Afstemming informatiesysteem en bedrijfsstrategie | het organiseren en borgen van de bouw en implementatie van innovatieve IV oplossingen op de lange termijn | 4 |
| A.04 Product- of serviceplanning | het organiseren en borgen van het ontwikkelen en onderhouden van de planning | 4 |
| A.05 Ontwerpen van Architectuur | het vanuit een brede verantwoordelijk definiëren van een strategie zodat IV-technologie overeenkomstig de behoeften van de organisatie geïmplementeerd wordt, rekening houdend met de huidige IV-platformen, legacy en de laatste innovatieve ontwikkelingen | 4 |
| A.07 Monitoren technologische ontwikkelingen | het gebruik maken van uiteenlopende specialistische kennis van nieuwe en opkomende technologieën, gekoppeld aan diepgaande kennis van de organisatie, om toekomstgerichte oplossingen te voorzien en te verwoorden; het leveren van begeleiding en advies aan het managementteam om de strategie te kunnen bepalen | 4 |
| A.08 Duurzame ontwikkeling | het bepalen van doel en strategie voor duurzame ontwikkeling van informatiesystemen in overeenstemming met het duurzaamheidsbeleid van de organisatie | 4 |
| A.09 Innoveren | het inzetten van onafhankelijk denken en technologische kennis om verschillende concepten te integreren zodat unieke oplossingen ontstaan | 4 |
| A.10 Gebruikergedreven ontwerpen | het bieden van deskundige begeleiding om continue verbetering te garanderen en een succesvolle omnichannel gebruikerervaring te bewerkstelligen. | 4 |
| D.07 Datascience en analytics | het interpreteren van data-analyseresultaten. Het uitvoeren van omvangrijke data-businessanalyse. Het leveren van inzicht in de organisatorische databehoeften, het plannen, ontwerpen, ontwikkelen en aanbevelen van nieuwe databronnen. Het creëren van nieuwe modellen en algoritmen voor data, gericht op de strategie. Het organiseren, samenvoegen en doorvertalen van informatie om besluitvorming te faciliteren | 4 |
| D.10 Informatie- en kennismanagement | de juiste informatiestructuur integreren in de organisatie omgeving | 4 |
| D.11 Behoeftemanagement | het organiseren en ondersteunen van strategische besluiten van de organisaties, het helpen van organisaties om nieuwe IV-oplossingen te bedenken, het bevorderen van partnerschappen en het creëren van waarde proposities | 4 |
| E.01 Ontwikkelen van prognoses | de verantwoordelijkheid nemen voor het ontwikkelen van lange termijn prognoses; het identificeren en evalueren van input uit de wijde omgeving inclusief de politieke en sociale context | 4 |
| E.02 Project- en portfoliomanagement | het managen van complexe projecten en/of programma’s, inclusief de interactie met andere projecten en/of programma’s, het beïnvloeden van de project- / programmastrategie op basis van nieuwe of alternatieve oplossingen waarbij de balans blijft tussen effectiviteit en efficiency, het herzien van regels en het kiezen van standaarden, het nemen van de volledige verantwoordelijk voor de project- / programma resultaten inclusief budget en resource management en het werken voorbij begrenzing van het project | 4 |
| E.03 Risicomanagement | het organiseren en borgen van het definiëren en toepasbaar maken van beleid voor risicobeheer door rekening te houden met alle mogelijke beperkingen, waaronder technische, economische en politieke kwesties en daarbij taken te delegeren | 4 |
| E.05 Procesverbetering | het organiseren en borgen van innovatieve implementaties / verbeteringen die bijdragen aan grotere efficiëntie; het aantonen aan de directie dat de organisatie voordeel heeft van potentiële wijzigingen | 4 |
| E.06 ICT kwaliteitsmanagement | het evalueren en inschatten in hoeverre aan kwaliteitseisen is voldaan en het organiseren en borgen dat het kwaliteitsbeleid wordt geïmplementeerd; het tonen van multifunctioneel leiderschap voor het stellen en overtreffen van kwaliteitsnormen | 4 |