Wat kan ik bieden?
Ik ben een allround data specialist met verstand van Business Intelligence, Artificial Intelligence en data analyse. Ik kan mee denken met een gebruiker en daarmee een informatie-aanvraag ontleden en een dashboard ontwerpen. Ik ben ook ontwikkelaar en kan ETL schrijven en data modelleren. Ook de toepassing zien in Artificial Intelligence-modellen en deze maken hoort bij het goed omgaan met data waar ik bij help.
Grote organisaties
Organisaties die al een BI-team of medewerkers hebben kunnen vaak ondersteuning gebruiken. Als ontwikkelaar kan ik informatie-producten maken, en data-modellen ontwerpen en vullen. Ook met de informatie-analyse kant heb ik ervaring: het structureren en laten prioriteren van wensen van gebruikers en het vertalen hiervan naar dashboards of andere informatie-producten. Ook ben ik in te zetten als data analyst: er zijn bijna altijd afdelingen die achter blijven met veel verzoeken, die al dan niet te halen zijn uit de bestaande producten. Ik kan de brug vormen tussen datawarehouse en gebruikers, zowel met coaching en laten zien wat er wel kan uit de bestaande tools, als met data analyse als dit niet kan met de bestaande tools.
Kleine en middelgrote organisaties
De lijntjes zijn kort en dat wil je graag zou houden. Misschien komt alle stuurinformatie nu wel uit een excel overzicht dat eens per kwartaal gemaakt wordt, en dit wil je liever vaker en met minder handwerk. Ik kan hier geautomatiseerde dashboards opzetten. Wil je dit het liefst zonder afhankelijkheid van een externe BI specialist? Wellicht zijn er binnen de organisatie wel een paar mensen die hier feeling mee heeft en zich hierin wil verdiepen: ik coach en begeleidt hun, en help ook ‘hands-on’ door een data model op te zetten. Daarna kan jouw organisatie zelf verder, maar ben ik altijd beschikbaar om een half uurtje te helpen als er ingewikkelde vragen zijn.
Artificial Intelligence
Zit jouw organisatie ook op een berg data en wil je hier de volgende stap mee maken? Een pilot met een data science, big data, artificial intelligence, machine learning of een van de andere buzzwords is een goed idee. Ik kan dit traject begeleiden én uitvoeren: van projectleiding, advies over opzet van tooling, keuze van het probleem, het daadwerkelijk van modellen en hulp bij de implementatie.
Zorg
Ik heb tien jaar in de zorg gewerkt, en tien ziekenhuizen, diverse huisarts-groepen, VVT- en jeugdzorg-organisaties mogen helpen. Ik heb dus veel ervaring van de politieke processen, verschillende financieringsstromen en eigen aardigheden die daarbij horen.
Zowel binnen als buiten de zorg sta ik voor uw klaar!
Vakgroepen
Voor vakgroepen werk ik samen met twee medisch specialisten in Medical Build. We bouwen vragenlijsten die de patiënt voor het consult kan invullen – en daarmee kunnen leiden tot een veel efficienter consult. Ook doen we data anlyse van deze en andere informatie
Medical BuildDe voordelen
Direct zaken doen
Data projecten lopen te vaak stroef doordat er te veel mensen tussen gebruiker en ontwikkelaar zitten. Ik ben analyst, projectleider en ontwikkelaar en zorg dus voor korte lijntjes.
Ook de intake doe ik zelf: geen beloftes van verkopers die dan niet waargemaakt kunnen worden.
Toepassen standaarden
Alles wat ik neerzet is van de klant en onderhoudbaar door anderen. Uiteraard blijf ik graag betrokken, maar wat ik neerzet kan ook door veel andere BI-specialisten worden onderhouden. Een nieuwe consultant, of het toch in eigen beheer nemen, betekent niet overnieuw beginnen.
bespaar kosten
Minder overhead is ook minder kosten. Het splitsen van een project in diverse rollen betekent dat er tijd op gaat aan overleggen, die je uiteindelijk als klant betaalt. Ook hippe reclamefilmpjes en accountmanagers worden ergens van betaald.
Coaching en overdragen
Zowel Business Intelligence als Data Science zijn een vak, dat doe je er niet zo maar even bij. Als er medewerkers binnen jouw organisatie zijn die (een deel) van de taken willen doen en overnemen, vind ik het minstens zo leuk om hun daarin te coachen, en indien nodig blijfend te ondersteunen
Vaardigheden
Mijn grootste vaardigheid is de snelheid van het opnemen van nieuwe kennis en begrijpen van nieuwe tools en processen. Het snappen hoe alles in het grotere geheel past, wat de (eigen)aardigheden van de data zijn én wat er dus eigenlijk moet gebeuren is vaak veel belangrijker dan specifieke talen en tools. Ik ben al bekend met de volgende veelgebruikte talen en tools.
Zachte vaardigheden
Snel leren én snel werken
Ingewikkelde samenhang snappen
Open houding
Informatie analyse
Data modelleren
Coachen en trainingen geven
Organisatie-sensitiviteit
Programeertalen
SQL
Python
Qlik Scripting
Matlab
R
BI pakketten
QlikSense & QlikView
Ms PowerBI en SSIS
Epic Cogito Suite
Ms Excel
kort Curriculum Vitae
Ervaring
Ik heb tien jaar ervaring als consultant in de wereld van de zorgdata. Als allround BI consultant en Data Scientist heb ik een hoop diverse rollen gehad in ziekenhuizen en bij andere zorg-instellingen. Rollen als ontwikkelaar en informatie-analist, maar ook projectleider, trainer, coach en vraagbaak. Dit heb ik een klein jaar gedaan bij EscuLine en zeven jaar bij Beter Healthcare. Voor die twee werkgevers werkte ik tussen 2008 en 2015 (ook) in ziekenhuizen: de laatst twee jaar hiervan als eenmans BI-team en daarvoor in de zorglogistiek; toen hield ik mij dus bezig met planningen van OKs en spreekuren.
Nog verder terug in de tijd: ik heb master studies Technische Bedrijfskunde en Natuurkunde afgerond. Als vrijwilliger ben ik bestuurslid van GroenLinks Afdeling Amsterdam Zuidoost en atletiekvereniging Phanos geweest.
De tips van Jesse
Na wat jaren te hebben rondgelopen heb ik ook wel wat adviezen en tips, waarvan ik een deel hieronder heb samengevat. Gebasseerd op niets meer dan mijn eigen ervaring en voor een deel hiervan zijn er vast situaties waar het advies juist niet op gaat. Toch: voor veel mensen vast deels herkenbaar en vast deels stof om eens over na te denken.
Minder is meer
Als alles belangrijk is, is niets belangrijk. Kies als organisatie of afdeling een paar kencijfers waar je op wil sturen en presenteer die in enkele vormen. Dat er daarnaast meer analyse mogelijkheden zijn voor de analisten is ook noodzakelijk, maar die moeten niet tussen de essentiele KPIs in staan.
ook AI is geen toverstokje
Veel organisaties willen wat met big data, Artificial Intelligence en/of Machine Learning. Dit kan zeker problemen oplossen en de meeste organisaties zou ik ook zeker een pilot project aanraden, maar begin wel met wélk probleem we met AI gaan oplossen.
Start voor je er klaar voor bent
Laat perfect niet de tegenstander van goed zijn: er is altijd wel een reden om nog niet te starten. Het perfecte startmoment komt niet, begin voordat je er helemaal klaar voor denk te zijn. Vaak kan je fase 1 al bedenken en uitvoeren, voordat de doelen van fase 2 en 3 helemaal duidelijk zijn. En nog vaker verschuiven de doelen van fase 2 en 3 nadat fase 1 afgerond is.
Het oog wil ook wat
BI-specialisten kunnen prima om gaan met drukke tabbladen. Controllers werken het liefst met veel tabellen en cijfers. Voor de meeste andere beroepsgroepen geldt toch dat een mooi opgemaakt en duidelijk dashboard vaker bekeken wordt. Dit mag best wat van de tijd van een BI specialist kosten.
Waarvoor?
Goede cijfers brengen inzicht. Dat heeft pas zin als er ook andere besluiten of acties volgen dóór de cijfers. Hoe vaak je ook naar je KPI kijkt, uiteindelijk telt hoe vaak je er op handelt. Dit geldt óók voor Artificial Intelligence: welk besluit of actie ga je anders doen? Denk dus ook na over wie welke besluiten kan nemen met de KPIs.
Ontwikkel met draagvlak
We doen precies hetzelfde als andere bedrijven in de branch, maar toch niet helemaal: een standaard dashboard neerzetten leidt meestal niet tot het gewenste resultaat! Bij het ontwikkel proces moet al voldoende ruimte zijn voor input vanuit de uiteindelijke gebruikers zodat het aansluit bij de terminolgoie en belevingswereld van jouw organisatie
Als 80% niet genoeg is…
Mensen die zetten dat ze een dashboard nu nog niet waardevol vinden maar het pas gaan gebruiken als cijfer X wordt toegevoegd en Y ook mogelijk is, zullen het na het toevoegen daarvan dan ook niet bekijken. Als je een dashboard dat aan 80% van jouw wensen voldoet niet bekijkt, bekijk je er eentje die 100% van de eisen haalt ook niet.
Een dashboard vervangt de data analist niet
Een dashboard is om elke week of maand naar te kijken, maar daarnaast is het belangrijk dat medewerkers die wat minder data minded zijn laagdrempelig eenmalige vragen kunnen stellen aan een data analyst en een uitgewerkt antwoord terugkrijgen. Als deze data analyst een vast gezicht is werkt dit vaak een stuk beter dan een formulier op intranet.
Werk agile
Bouw eerst iets waar de organisatie meteen al mee aan de slag kan. Er zijn altijd zat wensen en uiteraard is het goed om rekening te houden met wat er nog moet komen, maar dat zou niet moeten leiden tot veel meer werk voor de eerste te publiceren versie. Heel vaak blijkt na die versie de doorontwikkel-wensen toch anders te liggen: ook een reden om daar nog niet al te veel tijd in te steken voor en tijdens fase 1 of sprint 1.
Zorg voor korte lijntjes
Nogal wat stuurinformatie wordt gemaakt doordat een controller of andere stafadviseur tegen een inofrmatie-analyst zegt wat er door een ontwikkelaar gemaakt moet worden voor een manager. Deze twee tussenstappen zijn voor grotere projecten fijn en noodzakelijk, maar zorgen bij de bouw van dashboards te vaak voor stuurinformatie waar de manager niet op zit te wachten
Gaan we dezelfde kant op?
Bij het maken van stuurinformatie blijkt nog wel eens dat op verschillende lagen van organisatie op verschillende cijfers, of met verschillende definities, wordt gestuurd. Te vaak worden dan alle cijfers opgeleverd en blijft iedereen sturen op de eigen KPIs. Is het logisch dat een manager op iets anders stuurt als haar of zijn teamleiders? Ofwel: welke KPI’s zijn nou echt belangrijk voor de organisatie?
Decentralisatie is soms goed
Niet alleen werkt het vaak beter om voor de eigen organisatie te kijken en aan te passen, vaak is dit ook zo voor afdelingen binen een organisatie; zodra de werkprocessen afwijken is het maar de vraag of dezelfde informatie van toepassing is – en nog meer of dezelfde KPIs ook het belangrijkste zijn. Als je organisatie divers is, accepteer ook diversiteit in stuurinformatie.
Automatiseer soms
Automatiseer als het tijd bespaart, en alleen dan. Dit klnkt als een dooddoener. Toch zie ik vaak genoeg dat er uren wordt gestoken om een maandelijkse tien minuten taak te automatiseren, waarvan je nooit weet of het over een jaar nog nodig is. Andersom ook dat iemand wekelijks cijfers oplevert door per keer twee uur draaitabellen in excel maakt.
Stimuleer persoonlijk contact
Een gezamelijke werkwijze of mailbox is erg fijn voor continuiteit bij ziekte en vakantie. Dit wordt echter vaak overdreven in Incident Management Systemen met tal van bomen en stappen. Gebruikers vinden vaste aanspreekpunten erg fijn en dit werkt bovendien vaak veel efficienter, dus probeer -naast een IMS – zo veel mogelijk een gezicht per (groep) aanvrager in te stellen die ook regelmatig overlegt.
Bouw de oude situatie niet na
Als er iets veranderd in de BI of bron-systemen is de neiging altijd om wat er was terug te willen. Voor de accountant is dat heel prettig, maar voor interne stuurinformatie niet altijd optimaal. Als de stuurinformatie vertaald is naar de oude situatie sluit hij minder aan bij de werkprocessen. En hoe snel herinneren mensen zich de oude situatie nog? Een jaar en de daarbij horende personeelsveranderingen verder en ‘terugrekenen’ komt een stuk minder voor.
Contact informatie
Contractinformatie
Jes We Build B.V.
KVK 75996502