Data science traineeship ACM, AFM en NZa

Data science succesverhalen

 

Passie, gevarieerd & uitdagend werk bij de ACM

Marijke Segers, data scientist bij de ACM:

“Ik werk sinds een aantal maanden als Data Scientist bij de ACM. Tijdens mijn studie en PhD in de sterrenkunde heb ik een passie voor data-analyse en programmeren gekregen. Bij het detectieteam van de Directie Mededinging kan ik niet alleen doen wat ik leuk vind, maar doen we ook belangrijk werk.

Bij detectie zoeken we naar signalen van verboden prijsafspraken. We werken in kleine projectteams, waarin mensen met verschillende achtergronden en expertises samen aan een onderzoek werken. Dit is enorm gevarieerd en uitdagend, want ieder project heeft een andere benadering en andere tools nodig.”

 

Pionieren bij de AFM

Adrienne Goedhart, data scientist bij de AFM:

“Na twee jaar psychologie te hebben gestudeerd, ben ik toch geswitcht naar econometrie en heb uiteindelijk mijn master daarin gedaan. Ik heb een brede interesse en vond het gedrag van mensen heel interessant, maar ik miste toch de cijfers. De keuze om data scientist bij de gedragstoezichthouder AFM te worden, was eigenlijk dus de best of both worlds.

Het leuke aan AFM is dat het een organisatie in transitie is. Data is een relatief nieuw vakgebied, waardoor je echt mag pionieren en kunt experimenteren met nieuwe technieken en tools. Elk vraagstuk vraagt zijn eigen aanpak. We werken bijvoorbeeld met beschrijvende analyses, rapportages en statistische toetsen, maar ook met predictive analytics, beslisbomen en logistische regressie.”

 

Innovaties in de zorg bij de NZa

Gertjan Verhoeven, Data scientist bij de NZa:

“Als data scientist gebruik ik data om te leren over de wereld van de zorg. Hierbij maak ik dankbaar gebruik van de analytische vaardigheden en de mindset die ik tijden mijn promotieonderzoek Natuurkunde heb ontwikkeld. Kort samengevat: “Als ik het kan verzinnen, is het mogelijk”. Nou ja, vaak dan.

Wat bijzonder is aan de NZa is de ruimte die je als medewerker krijg om te innoveren. Zo hebben we de afgelopen jaren veel geïnvesteerd in kennis over Machine Learning en Bayesiaanse statistiek. Beide ingrediënten zien we als essentieel om het signaal van de ruis te kunnen onderscheiden. Vaak eindigt het werk van een data scientist hier, maar niet bij ons! Alle beetjes informatie moeten namelijk nog in een coherent mentaal model geplaatst worden. Hiervoor maken we losjes gebruik van speltheorie, gedragseconomie en reguleringstheorie.

Het mooie van de NZa is dat deze expertise allemaal in huis is, zodat ik me ook op dit terrein kan ontwikkelen. Dit alles stelt mij in staat om op een principiële manier te bouwen aan betere zorg voor iedereen. Hoe cool is dat?”

 

 
 

Let op: u kunt hier commentaar geven op deze pagina. Heeft u een vraag over uw persoonlijke situatie? Of wilt u een melding doen over een bedrijf? Neem dan contact met ons op.