Van startupcultuur naar ondernemerschap en terug: een loopbaan in data science

Waar het begon: kiezen voor Agilytic

1. Cultuur als basis

Voordat Alex in 2018 als pas afgestudeerde van Solvay bij Agilytic begon als data scientist, kreeg hij een aanbod van een groter consultancybedrijf. Agilytic onderscheidde zich door zijn gespecialiseerde focus op data science en iets minder tastbaars, maar minstens even belangrijk: de organisatiecultuur.

Het contrast was groot. Na de sollicitatierondes bij het grote consultancybedrijf, met formele handdrukken en pakken, ontdekte Alex bij Agilytic een andere sfeer. We vinden het belangrijk dat kandidaten hun toekomstige collega's ontmoeten voor ze tekenen. Die ongebruikelijke aanpak gaf voor hem de doorslag. Toen hij collega's zoals Jérôme geavanceerde voorspellende modellen zag demonstreren, kreeg hij zicht op de technische expertise waarmee hij zou samenwerken.

Die nadruk op het team boven de merknaam weerspiegelt een van onze basisprincipes bij aanwerving: professionals kiezen eerst voor een team van mensen, pas daarna voor een bedrijfsnaam. Vooraf technische competentie, aansluiting bij de cultuur en de omgang met conflicten kunnen beoordelen, levert essentiële informatie op die niet in een functieomschrijving staat.

1. Projecten die impact tastbaar maken

Tijdens zijn jaren bij Agilytic werkte Alex aan uiteenlopende projecten die de brede waaier aan data-sciencetoepassingen tonen, waaronder lead scoring en automatisering.

Lead scoring

Deze projecten richten zich op het verbeteren van de marketingefficiëntie door te voorspellen welke klanten het meest geneigd zijn specifieke producten te kopen. De modellen combineren interne bedrijfsdata met gescrapete, publiek beschikbare informatie, wat vooral in B2B-contexten waardevol is. Ze helpen organisaties hun budgetten in te zetten waar ze de grootste impact hebben.

Kosten verlagen door automatisering

Een van Alex' belangrijkste projecten draaide om maandelijkse rapporteringsprocessen, die alleen terugblik boden, om te vormen tot dagelijkse rapportering. Dankzij die dagelijkse in plaats van maandelijkse zichtbaarheid konden managers knelpunten herkennen en meteen bijsturen, in plaats van weken te wachten op bruikbare informatie.

De stap naar ondernemerschap

1. Een nieuw avontuur

Na vier jaar technische expertise in data science te hebben opgebouwd, richtte Alex mee Leadix op. Een studievriend had hem benaderd met steeds technischere vragen over een nieuwe onderneming.

Wat begon als informele adviesgesprekken, mondde uit in een onverwachte vraag: waar zou je een CTO zoeken? Alex stelde eerst alumninetwerken en specifieke personen voor, voordat hij zei: “Of ik zou het kunnen doen.” Zo begon een ondernemershoofdstuk van tweeënhalf jaar.

Die ervaring versterkte Alex' bereidheid om verantwoordelijkheid te nemen. Agilytic heeft al een sterke cultuur van eigenaarschap, maar een bedrijf oprichten tilde dat nog een niveau hoger. Moet er in een klein startupteam iets gebeuren, dan komt het bij de oprichters terecht, of het nu saaie administratie is of het rechtzetten van andermans fouten. Dat betekent vaak onverwacht laat doorwerken en weekendwerk. Jonge ondernemingen lopen immers risico's die hun voortbestaan bedreigen, waarbij de uitvoering het verschil maakt.

1. Terug naar waar het begon

Toen Leadix was gegroeid tot een team van 7 mensen, leidde een verschil in visie met zijn medeoprichter tot een afscheid in goede verstandhouding. Alex verkocht zijn aandelen. In plaats van meteen op een volgende kans in te gaan, nam hij bewust tijd om na te denken over wat hij wilde:

• technisch interessant werk,

• erkenning voor zijn eigen bijdrage, zonder de allesoverheersende intensiteit van een startup oprichten,

• een cultuur die eigenaarschap en samenwerking centraal stelt.

Door die criteria op te sommen, werd het antwoord duidelijk: Agilytic voldeed al aan alles, dus terugkeren was logisch. Die beslissing getuigt van het besef dat uitzonderlijke kansen zeldzaam zijn. Wie voortdurend naar iets beters zoekt, kan de waarde van een bewezen omgeving uit het oog verliezen.

1. Verandering en continuïteit

Toen hij na twee jaar terugkeerde naar Agilytic, zag hij zowel continuïteit als groei.

De kerncultuur, de energie van het team en de samenwerkingsgeest waren intact. Wat wel was geëvolueerd, was de methodologie, verfijnd tijdens meer dan 400 succesvolle klantprojecten. Die opgebouwde ervaring maakt een snellere, zekerder aanpak van vertrouwde problemen mogelijk.

We professionaliseerden onze documentatie, onboarding, afspraken over klantcontact en projectopvolging, met behoud van onze kerncultuur.

1. Leren van misstappen

Als Alex terugkijkt op zijn loopbaan, is “wees voorzichtig met wat je wenst” een belangrijke les. Snel willen doorgroeien en steeds meer verantwoordelijkheden verzamelen omwille van status en loonstijgingen is geen echte loopbaanstrategie. Extra verantwoordelijkheid heeft gevolgen die verder gaan dan een titel op LinkedIn.

Zijn advies aan zijn jongere zelf: neem uw tijd. Een loopbaan duurt 40 tot 50 jaar. Beslissingen in de eerste vijf jaar bepalen niet alles wat volgt. Mensen overschatten wat ze in één jaar kunnen bereiken en onderschatten wat mogelijk is in tien jaar. De richting is belangrijker dan kortetermijndoelen. Fixeer u niet op promoties tegen een bepaalde datum, maar zorg dat uw huidige pad aansluit bij de richting die u op lange termijn uit wilt.

Dat geldt ook voor beslissingen. De meeste voelen groter dan ze zijn, en veel hebben beperkte gevolgen of zijn omkeerbaar. Beoordeel beslissingen op hun mogelijke impact en omkeerbaarheid om te bepalen hoeveel zorgen ze verdienen. Bij de meeste loopbaankeuzes, ook een eerste baan, zijn fouten beheersbaar en bestaan er alternatieven.

Waar Alex zich bij Agilytic voor inzet

1. Organisaties helpen omgaan met onzekerheid

Organisaties die met macro-economische schommelingen en snelle technologische veranderingen worden geconfronteerd, vragen vaak: wat moeten we met data doen? Alex put zijn advies uit de stoïcijnse filosofie: richt u op wat u zelf kunt beïnvloeden. Macro-economische omstandigheden vallen daarbuiten; operationele processen, commerciële inspanningen en interne optimalisatie niet.

In onzekere tijden presteren projecten gericht op kostenverlaging en operationele optimalisatie het best. Automatisering, een betere inzet van middelen en efficiëntieverbeteringen worden dan bijzonder waardevol.

Onzekerheid maakt organisaties ook voorzichtiger bij de keuze van leveranciers. Gevestigde consultancybedrijven met tien jaar ervaring en honderden afgeronde projecten wekken meer vertrouwen dan nieuwkomers die AI-expertise verkopen op basis van alleen hun vertrouwdheid met ChatGPT.

Kleinere expertteams leveren vaak meer waarde dan grote consultancybedrijven die veel juniorprofielen inzetten. Ervaren professionals die vergelijkbare problemen al meermaals hebben opgelost, bieden meer garanties op het vlak van impact, timing en budgetbewaking.

1. Data-sciencecapaciteiten opbouwen

Bij het opbouwen van interne data-scienceteams is technische competentie de basisvereiste. Door het ruime aanbod aan gratis materiaal en formele opleidingen zijn technische vaardigheden toegankelijk. Het echte verschil zit in niet-technische competenties.

Zo is inlevingsvermogen in de klant, problemen begrijpen voordat u oplossingen voorstelt, een cruciaal concept dat verrassend moeilijk blijkt in de praktijk. Het verschil tussen een degelijke en een uitstekende data scientist zit vaak in hoe goed die de behoeften van betrokkenen begrijpt.

Daarbij biedt het userstorymodel uit de Agile-methodologie (“Als [role] heb ik [function] nodig om [benefit] te bereiken”) een sterke structuur. Het stimuleert rolgericht denken en verduidelijkt het gewenste resultaat tegenover de functionaliteit. Zo vermijdt u voorbarige oplossingen voordat de echte vereisten duidelijk zijn.

1. Strategisch advies bij data-initiatieven

Wanneer sceptische beslissers investeringen in data in vraag stellen, is Alex' korte antwoord helder: organisaties bouwen elke dag concurrentieachterstand op. Het beste moment om een boom te planten was 20 jaar geleden. Het op één na beste moment is vandaag. Hetzelfde geldt voor AI- en datacapaciteiten.

De doeltreffendste aanpak keert de gebruikelijke AI-gesprekken om. Begin niet met technologie, maar breng betrokkenen per afdeling samen om problemen te bespreken:

• wat te veel tijd kost,

• wat extra verkoop verhindert,

• wat hen 's nachts wakker houdt…

Pas na het in kaart brengen van die knelpunten moet het gesprek gaan over de vraag of AI of data science oplossingen kan bieden.

Die volgorde, eerst het probleem, dan de technologie, zorgt dat data-initiatieven echte organisatiebehoeften aanpakken. Oplossingen invoeren waarvoor nog een probleem moet worden gezocht, is een veelvoorkomende valkuil die veel goedbedoelde projecten ondermijnt.

Een blik op de sector

Onmisbare tools voor modern datawerk

1. Tools voor gespreksopname en transcriptie

Deze tools maken automatisch vergaderverslagen, samenvattingen en actiepunten. Ze doen dat werk nu beter dan juniorconsultants enkele jaren geleden. Ze niet gebruiken is daardoor bijna niet meer te verantwoorden.

1. Large language models

Hoewel ChatGPT en vergelijkbare tools vaak beter presteren op zich, biedt de integratie van Copilot in het Microsoft-ecosysteem beveiligingsgaranties die gelijkwaardig zijn aan die van SharePoint en Outlook. Organisaties die Microsoft vertrouwen voor vertrouwelijke informatie, kunnen dat vertrouwen uitbreiden naar Copilot.

Daarnaast bieden oplossingen voor bedrijven, waaronder professionele Perplexity-licenties of eigen interne AI-systemen, extra beveiligingslagen en mogelijkheden voor finetuning.

1. Tools die werk vlotter laten verlopen

Deze tools moedigen geen luiheid aan, maar versterken de menselijke intelligentie, zodat professionals werk van hogere kwaliteit kunnen leveren. Met tekstuitbreidingstools zoals TextExpander kunnen ze bijvoorbeeld snel promptbibliotheken en standaardtekstblokken inzetten.

Door gedeelde verzamelingen van doeltreffende prompts voor ChatGPT, Copilot en andere AI-tools op te bouwen, ontstaan ook herbruikbare vertrekpunten voor veelvoorkomende taken.

De recente evolutie van het beleid bij Agilytic weerspiegelt die realiteit. Eerdere beperkingen op AI-tools, vooral voor codegeneratie, maakten plaats voor het besef dat winst in productiviteit en denkkracht een ruimere toegang rechtvaardigt. Daar horen wel opleiding over de beperkingen van tools en veilige omgevingen bij. Wie geen doeltreffende interne tools aanbiedt, riskeert dat medewerkers openbare versies zoals ChatGPT gebruiken. Vertrouwelijke informatie die ze daar in prompts plakken, veroorzaakt ernstige beveiligingsrisico's.

Meer over Alex

Een digitale tweeling van de aarde maken

Buiten data science is Alex nieuwsgierig naar ambitieuze ideeën zoals een digitale tweeling van de aarde. Daarmee zouden beleid, de impact van startups en macro-economische scenario's kunnen worden getest. Dat kan beslissingen over mondiale uitdagingen verbeteren, ook rond ecologische duurzaamheid.

De technische uitdaging van zo'n project is niet complexiteit creëren, maar veel eenvoudige modellen samenbrengen in één samenhangend systeem. Net zoals afzonderlijke data-sciencemodellen samen hele organisaties optimaliseren, zou een simulatie op planetaire schaal fysieke, chemische en sociale modellen moeten verbinden om complexe verschijnselen uit hun onderlinge wisselwerking weer te geven.

Boekentips

Een van Alex' belangrijkste leestips is Storytelling with Data. De basisgedachte is eenvoudig: als klanten uw visualisaties niet begrijpen, ligt dat aan de maker, niet aan het publiek. Ondanks die schijnbare eenvoud vraagt de toepassing van deze principes discipline. Het boek is meerdere lezingen waard om de basis te onthouden: houd het eenvoudig en begrijpelijk.

Doorheen Alex' traject, van startupmedewerker tot oprichter en terugkerende manager, loopt bewust kiezen als rode draad. Behoeften en langetermijnrichtingen zorgvuldig afwegen werkt consequent beter dan reactief beslissen onder druk van buitenaf of op basis van status. Voor dataprofessionals en bedrijfsleiders biedt die doordachte aanpak houvast bij zowel technologische versnelling als economische onzekerheid.