Van psychologie naar data science: maak kennis met Farah

We spraken met Farah, Senior Data Scientist, over haar functie en haar voorbije drie jaar bij Agilytic. Ontdek hoe ze overstapte van psychologie naar data science!
We spraken met Farah, Senior Data Scientist, over haar functie en haar voorbije drie jaar bij Agilytic. Ontdek hoe ze overstapte van psychologie naar data science!
Wat doet een data scientist bij Agilytic elke dag? Bedrijfsvereisten prioriteren, dataverzameling beheren, rapporten opleveren, data modelleren, resultaten analyseren, trends en patronen interpreteren of resultaten en vervolgstappen met klanten bespreken: het is een afwisselende rol die analytische vaardigheden en een probleemoplossende houding vraagt.
Farah Martens is senior data scientist bij Agilytic. Haar belangstelling voor data-analyse en visualisatie ontstond toen ze als academisch onderzoeker met complexe hersendata werkte. We spraken met Farah over haar overstap naar data science en haar traject bij ons tot nu toe.

Vertel eens iets over uzelf: wie is Farah?
Ik ben 33 jaar en woon bij Leuven met mijn vriend en 1,5 kinderen: er is er eentje op komst! Ik heb een doctoraat in cognitieve neurowetenschappen en psychologie van de KU Leuven. Begin 2019 begon ik als data scientist bij Agilytic.
Kunt u wat meer vertellen over uw achtergrond en opleiding? Hoe bent u bij uw huidige werk terechtgekomen?
Toen ik begon te studeren, bestond er nog geen master data science. Het vakgebied was nog niet zo bekend en volop in opkomst.
Ik begon als psycholoog en wilde onderzoek doen in de psychologie. Na mijn doctoraat wilde ik de academische wereld verlaten, maar mijn analytische onderzoeksvaardigheden wel blijven gebruiken. In mijn onderzoek had ik ervaring opgedaan met data-analyse en statistische pakketten om grote datasets met complexe hersendata te analyseren. Met MatLab schreven we onze eigen analysescripts.
Mijn weg naar data science was misschien niet de meest gebruikelijke. Maar ik ken verschillende mensen die hun analytische achtergrond uit de academische wereld hebben gebruikt om zich om te scholen en in dit vakgebied te stappen. De data- en statistische tools kunnen verschillen, maar met inzet kunt u zeker data scientist worden.
Wat is uw rol bij Agilytic en hoe is die geëvolueerd?
Toen ik bij Agilytic begon, was de bedrijfswereld nieuw voor mij. Ik startte samen met een andere data scientist op een kleiner project, als praktische kennismaking. We krijgen veel kansen om al doende te leren, met nieuwe uitdagingen, technieken en programma's. Ik ben zeker gegroeid en heb nu veel meer vaardigheden dan toen ik begon.
Data science is nog een relatief jong vakgebied en blijft uitbreiden. Bedrijven die nog niet zijn ingestapt, zullen dat binnenkort doen, of zouden dat toch moeten doen. Ik zie mezelf op een dag wel specialiseren in een of enkele deelgebieden. Waar mogelijk maak ik tijd voor opleidingen om nieuwe domeinen en technieken te leren kennen.
Elk nieuw project brengt natuurlijk wat ongemak en aanpassing mee, alsof u aan een nieuwe job begint. U moet de IT-architectuur leren kennen, de mensen, de data waarmee ze werken, het nieuwe doel en wat de klant meer of minder belangrijk vindt. Ik weet hoe ik met klanten moet communiceren en resultaten helder moet presenteren. Ik herken ook wanneer mijn kennis een opfrissing nodig heeft. Met de jaren ben ik zelfstandiger en autonomer geworden in mijn rol.
We vieren uw derde werkverjaardag hier. Hoe kijkt u terug op uw ervaring?
Ik kreeg veel kansen om allerlei kanten van de job te leren kennen. Om de paar weken of maanden start er een project en leer ik weer iets nieuws. Dat moedigt me aan om nieuwe opleidingen te volgen en is een groot voordeel van werken bij Agilytic.
Wat sprak u aan bij Agilytic?
Ik kwam uit een klein academisch labo waar iedereen, net als bij Agilytic, dicht bij elkaar staat. Iedereen kent iedereen en u weet precies bij wie u terechtkunt. Hier doet iedereen zijn best om kwaliteitswerk te leveren, maar de sfeer is losser. We hebben een kleinschalige, open cultuur waarin u zich gehoord voelt. Dat zocht ik, liever dan medewerker nummer x te zijn in een groter bedrijf.
Wat vindt u uniek aan onze dienstverlening?
Wat ik fijn vind aan Agilytic, is dat we duidelijk zijn over wat haalbaar is en met doeltreffende middelen echte waarde voor klanten creëren. We maken waar wat we beloven en verspillen geen tijd en geld aan overbodige technologie en modewoorden. Daarom horen we van klanten dat onze diensten voor hen bijzonder nuttig zijn.
Aanvankelijk benaderden veel bedrijven data science met eenmalige analyseprojecten: ze hadden een dataset en wilden weten welke waarde daarin zat. Steeds meer projecten stappen daarvan af, nu de hoeveelheid data en de complexiteit toenemen. We werken bijvoorbeeld vaker aan het automatiseren van analyses door de juiste data-infrastructuur, modellering, rapportage en visualisatie op te zetten. Zo kan de klant die voortdurend gebruiken om zijn werking te ondersteunen. Dat geeft een project meer waarde op lange termijn.
Voelt u zich nog uitgedaagd en blijft u groeien?
Ja, zeker. Vergeleken met het begin heb ik met de jaren meer taken gekregen in het beheer van mijn projecten. Door mijn recente promotie tot senior data scientist krijg ik meer verantwoordelijkheid. Ik kijk ernaar uit om meer junior collega's te helpen en te coachen.
Ik werk ook wat mee aan rekrutering door onze datacases tijdens sollicitatiegesprekken te begeleiden. Ik heb geleerd om het potentieel van kandidaten beter te herkennen. Dat betekent natuurlijk ook goede feedback geven en soms slecht nieuws brengen. In een ondernemende organisatie moeten we af en toe ook op andere terreinen bijspringen. Ik vind het fijn om zo te kunnen helpen.
Waar kijkt u het meest naar uit als u komt werken?
Ik ben graag bij mijn collega's en geniet van onze traditie om op vrijdag chocoladekoeken te eten!
Wat vindt u het leukste aan werken met ons team?
We hebben een cultuur waarin we graag kennis en ideeën delen. Ik heb het gevoel dat ik mijn ideeën kan uitspreken. Onze vrij vlakke hiërarchie helpt daarbij: ik hoef niet door veel lagen om met het management te praten.
Welke eigenschappen vindt u het belangrijkst voor een data scientist?
U moet analytisch kunnen denken. Zeker in klantenprojecten moet u flexibel zijn en kunnen meebewegen, omdat de vereisten tijdens een project kunnen veranderen. Leergierigheid is ook belangrijk: het vakgebied groeit snel. En volgens mij hebt u oog voor detail nodig om kwaliteitswerk te leveren.
Wat doet u graag in uw vrije tijd?
Ik reis graag en vind het leuk om reisroutes te plannen. Enkele jaren geleden trokken we een paar maanden door Zuid-Amerika en haalden we ons duikbrevet. Duiken is heel rustgevend, omdat u onder water alleen de luchtbelletjes hoort. Het is ook behoorlijk sportief. Sindsdien heb ik ook in Griekenland gedoken. Dat was prachtig.
Hartelijk dank, Farah, voor uw inzet, uw brede glimlach en om uw ervaringen met ons te delen. Ook een fijne werkverjaardag gewenst, op nog vele jaren!
Wilt u ook met data science een meetbare impact hebben voor klanten? Wilt u uw vaardigheden uitbreiden met verschillende tools, projecten en sectoren?
We zoeken sterke kandidaten voor verschillende openstaande functies. Solliciteer vandaag!
Wat doet een data scientist bij Agilytic elke dag? Bedrijfsvereisten prioriteren, dataverzameling beheren, rapporten opleveren, data modelleren, resultaten analyseren, trends en patronen interpreteren of resultaten en vervolgstappen met klanten bespreken: het is een afwisselende rol die analytische vaardigheden en een probleemoplossende houding vraagt.
Farah Martens is senior data scientist bij Agilytic. Haar belangstelling voor data-analyse en visualisatie ontstond toen ze als academisch onderzoeker met complexe hersendata werkte. We spraken met Farah over haar overstap naar data science en haar traject bij ons tot nu toe.

Vertel eens iets over uzelf: wie is Farah?
Ik ben 33 jaar en woon bij Leuven met mijn vriend en 1,5 kinderen: er is er eentje op komst! Ik heb een doctoraat in cognitieve neurowetenschappen en psychologie van de KU Leuven. Begin 2019 begon ik als data scientist bij Agilytic.
Kunt u wat meer vertellen over uw achtergrond en opleiding? Hoe bent u bij uw huidige werk terechtgekomen?
Toen ik begon te studeren, bestond er nog geen master data science. Het vakgebied was nog niet zo bekend en volop in opkomst.
Ik begon als psycholoog en wilde onderzoek doen in de psychologie. Na mijn doctoraat wilde ik de academische wereld verlaten, maar mijn analytische onderzoeksvaardigheden wel blijven gebruiken. In mijn onderzoek had ik ervaring opgedaan met data-analyse en statistische pakketten om grote datasets met complexe hersendata te analyseren. Met MatLab schreven we onze eigen analysescripts.
Mijn weg naar data science was misschien niet de meest gebruikelijke. Maar ik ken verschillende mensen die hun analytische achtergrond uit de academische wereld hebben gebruikt om zich om te scholen en in dit vakgebied te stappen. De data- en statistische tools kunnen verschillen, maar met inzet kunt u zeker data scientist worden.
Wat is uw rol bij Agilytic en hoe is die geëvolueerd?
Toen ik bij Agilytic begon, was de bedrijfswereld nieuw voor mij. Ik startte samen met een andere data scientist op een kleiner project, als praktische kennismaking. We krijgen veel kansen om al doende te leren, met nieuwe uitdagingen, technieken en programma's. Ik ben zeker gegroeid en heb nu veel meer vaardigheden dan toen ik begon.
Data science is nog een relatief jong vakgebied en blijft uitbreiden. Bedrijven die nog niet zijn ingestapt, zullen dat binnenkort doen, of zouden dat toch moeten doen. Ik zie mezelf op een dag wel specialiseren in een of enkele deelgebieden. Waar mogelijk maak ik tijd voor opleidingen om nieuwe domeinen en technieken te leren kennen.
Elk nieuw project brengt natuurlijk wat ongemak en aanpassing mee, alsof u aan een nieuwe job begint. U moet de IT-architectuur leren kennen, de mensen, de data waarmee ze werken, het nieuwe doel en wat de klant meer of minder belangrijk vindt. Ik weet hoe ik met klanten moet communiceren en resultaten helder moet presenteren. Ik herken ook wanneer mijn kennis een opfrissing nodig heeft. Met de jaren ben ik zelfstandiger en autonomer geworden in mijn rol.
We vieren uw derde werkverjaardag hier. Hoe kijkt u terug op uw ervaring?
Ik kreeg veel kansen om allerlei kanten van de job te leren kennen. Om de paar weken of maanden start er een project en leer ik weer iets nieuws. Dat moedigt me aan om nieuwe opleidingen te volgen en is een groot voordeel van werken bij Agilytic.
Wat sprak u aan bij Agilytic?
Ik kwam uit een klein academisch labo waar iedereen, net als bij Agilytic, dicht bij elkaar staat. Iedereen kent iedereen en u weet precies bij wie u terechtkunt. Hier doet iedereen zijn best om kwaliteitswerk te leveren, maar de sfeer is losser. We hebben een kleinschalige, open cultuur waarin u zich gehoord voelt. Dat zocht ik, liever dan medewerker nummer x te zijn in een groter bedrijf.
Wat vindt u uniek aan onze dienstverlening?
Wat ik fijn vind aan Agilytic, is dat we duidelijk zijn over wat haalbaar is en met doeltreffende middelen echte waarde voor klanten creëren. We maken waar wat we beloven en verspillen geen tijd en geld aan overbodige technologie en modewoorden. Daarom horen we van klanten dat onze diensten voor hen bijzonder nuttig zijn.
Aanvankelijk benaderden veel bedrijven data science met eenmalige analyseprojecten: ze hadden een dataset en wilden weten welke waarde daarin zat. Steeds meer projecten stappen daarvan af, nu de hoeveelheid data en de complexiteit toenemen. We werken bijvoorbeeld vaker aan het automatiseren van analyses door de juiste data-infrastructuur, modellering, rapportage en visualisatie op te zetten. Zo kan de klant die voortdurend gebruiken om zijn werking te ondersteunen. Dat geeft een project meer waarde op lange termijn.
Voelt u zich nog uitgedaagd en blijft u groeien?
Ja, zeker. Vergeleken met het begin heb ik met de jaren meer taken gekregen in het beheer van mijn projecten. Door mijn recente promotie tot senior data scientist krijg ik meer verantwoordelijkheid. Ik kijk ernaar uit om meer junior collega's te helpen en te coachen.
Ik werk ook wat mee aan rekrutering door onze datacases tijdens sollicitatiegesprekken te begeleiden. Ik heb geleerd om het potentieel van kandidaten beter te herkennen. Dat betekent natuurlijk ook goede feedback geven en soms slecht nieuws brengen. In een ondernemende organisatie moeten we af en toe ook op andere terreinen bijspringen. Ik vind het fijn om zo te kunnen helpen.
Waar kijkt u het meest naar uit als u komt werken?
Ik ben graag bij mijn collega's en geniet van onze traditie om op vrijdag chocoladekoeken te eten!
Wat vindt u het leukste aan werken met ons team?
We hebben een cultuur waarin we graag kennis en ideeën delen. Ik heb het gevoel dat ik mijn ideeën kan uitspreken. Onze vrij vlakke hiërarchie helpt daarbij: ik hoef niet door veel lagen om met het management te praten.
Welke eigenschappen vindt u het belangrijkst voor een data scientist?
U moet analytisch kunnen denken. Zeker in klantenprojecten moet u flexibel zijn en kunnen meebewegen, omdat de vereisten tijdens een project kunnen veranderen. Leergierigheid is ook belangrijk: het vakgebied groeit snel. En volgens mij hebt u oog voor detail nodig om kwaliteitswerk te leveren.
Wat doet u graag in uw vrije tijd?
Ik reis graag en vind het leuk om reisroutes te plannen. Enkele jaren geleden trokken we een paar maanden door Zuid-Amerika en haalden we ons duikbrevet. Duiken is heel rustgevend, omdat u onder water alleen de luchtbelletjes hoort. Het is ook behoorlijk sportief. Sindsdien heb ik ook in Griekenland gedoken. Dat was prachtig.
Hartelijk dank, Farah, voor uw inzet, uw brede glimlach en om uw ervaringen met ons te delen. Ook een fijne werkverjaardag gewenst, op nog vele jaren!
Wilt u ook met data science een meetbare impact hebben voor klanten? Wilt u uw vaardigheden uitbreiden met verschillende tools, projecten en sectoren?
We zoeken sterke kandidaten voor verschillende openstaande functies. Solliciteer vandaag!
Klaar om uw doelen met data te bereiken?
Wilt u uw doelen bereiken door data en AI slimmer te gebruiken? Dan bent u hier op de juiste plek.
Klaar om uw doelen te bereiken met data?
Wilt u uw doelen bereiken door data en AI slimmer te gebruiken? Dan bent u hier op de juiste plaats.
Klaar om uw doelen te bereiken met data?
Wilt u uw doelen bereiken door data en AI slimmer te gebruiken? Dan bent u hier op de juiste plaats.
Klaar om uw doelen te bereiken met data?
Wilt u uw doelen bereiken door data en AI slimmer te gebruiken? Dan bent u hier op de juiste plaats.