Werk met behulp van de canvas toe naar uw eerste data project.


De Data science project canvas is een hulpmiddel waarmee een bedrijf concrete en haalbare projecten op het gebied van data science kan identificeren. Door de twaalf vakken in de canvas te vullen wordt duidelijk waar de kansen en uitdagingen liggen ten aanzien van het werken met data. De canvas kan je downloaden door op een van de onderstaande links te klikken:

Data science project canvas (Nederlands)
Data science project canvas (Engels)


De ingevulde canvas geeft een data scientist de informatie die nodig is om een concreet projectvoorstel op te stellen. De twaalf vakken op de canvas zijn bepaald op basis van meer dan vijftig data science projecten en wetenschappelijk onderzoek. Daaruit blijkt dat het voor bedrijven moeilijk is om een start te maken met data science. De Data science project canvas wordt andere gebruikt tijdens de data-driven business workshop.

Tijdens deze workshop vullen bedrijven met JADS studenten de canvas in en werken zij samen naar een concreet projectvoorstel. Dit gebeurt aan de hand van een stappenplan waarbij ook aandacht is voor de data-volwassenheid van het bedrijf en de kwaliteit van de data. De Data science project canvas is ook te gebruiken als op zichzelf staand hulpmiddel. De canvas is onderverdeeld in drie hoofdgroepen: Kennis infrastructuur, Randvoorwaarden project en Verwachtingsmanagement.

Data project canvas hoofdgroepen

Kennis infrastructuur
Veel bedrijven beschikken al over een bestaande kennis infrastructuur. Zo wordt er bijvoorbeeld gebruik gemaakt van een Enterprise Resource Planning (ERP) pakket of administratie software. Daarnaast heeft een bedrijf mogelijk ook zelf expertise in het exporteren, koppelen, of analyseren van de data. Soms wordt nu al samengewerkt met een externe Informatie Technologie (IT) partij.

Randvoorwaarden project
Om een start te maken met data science is het van belang data de Randvoorwaarden voor een project aanwezig zijn. Denk hierbij aan commitment vanuit de verschillende lagen van de organisatie; het heeft geen zin om iets te ontwikkelen wanneer niemand daar op zit te wachten. Verder zijn ook het beschikbare budget en de regelgeving van belang.

Verwachtingsmangement
Veel data science projecten stranden of belanden in de kast door te hoge of onjuiste verwachtingen. Dit kan worden voorkomen door van tevoren stil te staan bij de verwachte resultaten van het project. Daarnaast is het goed om te bekijken welke uitdagingen er nu spelen binnen de organisatie.

De Data science project canvas is ontwikkeld door JADS onderzoekers Daan Kolkman en Ruud Sneep. Meer informatie over het achterliggende onderzoek is onder andere hier te vinden. Voor meer informatie over de canvas zelf en het volgen of organiseren van een workshop kan je ons bereiken via dit contactformulier.