Veel data-teams worstelen niet met techniek, maar met structuur. Consultant Data Scientist Annemijn de Vries ziet het keer op keer in haar trainingen. “Je kunt alle technische stappen perfect uitvoeren en toch geen antwoord geven op de échte vraag.” Tijdens haar nieuwe webinar over CRISP-DM op 1 December laat ze zien hoe deze klassieke methode juist nu in het AI-tijdperk houvast biedt.
▼
Van ambities naar antwoorden
Wat de Vries het meest opvalt uit eerdere sessies, is dat deelnemers vaak met dezelfde vragen komen. “Niet over tools of modellen, maar over de verbinding tussen inhoud en organisatie,” zegt ze. “De stap Business Understanding blijkt bijvoorbeeld ontzettend lastig. Veel teams vinden het lastig om brede ambities te vertalen naar een concrete, meetbare vraag waarmee ze echt aan de slag kunnen.”
Daarnaast leven er veel vragen over datakwaliteit en borging. Hoe vroeg moet je problemen opsporen, en hoe zorg je dat een model niet eindigt als een experiment maar als blijvend onderdeel van het proces? “Het antwoord is: veel eerder en systematischer dan de meeste projecten nu doen.”
Discipline boven snelheid
De grootste uitdaging ligt volgens haar niet in het begrijpen van CRISP-DM, maar in het écht volhouden van de methode in de dagelijkse praktijk. “Teams slaan stappen over zodra de druk toeneemt. Dan worden businessdoelen niet scherp vertaald naar analytische doelen of ontbreekt een plan voor monitoring.” De sleutel is discipline. Het gaat om structuur bewaken in een wereld die snelheid beloont.
“Structuur is geen rem, maar juist de motor achter betrouwbaardere inzichten en meer impact.”
CRISP-DM in het AI-tijdperk
Hoewel AI steeds meer taken automatiseert, blijft CRISP-DM overeind. “Generatieve AI versnelt technische stappen, maar vergroot tegelijk de noodzaak om vooraf scherp te denken. Wat willen we precies oplossen, welke risico’s accepteren we en welke data mogen we gebruiken?” Zij ziet dat CRISP-DM helpt om creativiteit en techniek samen te brengen zonder de controle te verliezen.
Terug naar de essentie
Volgens de Vries raken teams vaak ongemerkt van koers. Dat begint meestal bij een vervagende probleemdefinitie. “Je merkt het wanneer teamleden verschillende antwoorden geven op wat ze precies proberen op te lossen, of wanneer analyses breder worden in plaats van scherper,” zegt ze. “Ook het ontbreken van duidelijke succescriteria is een waarschuwing. Dat zijn momenten om even stil te staan, aannames te toetsen en de lijn te herpakken voordat de mist te dik wordt.”
Structuur schept ruimte
Voor de Vries draait het bij CRISP-DM om meer dan alleen structuur. Het gaat om het moment waarop alles op zijn plek valt. “Tijdens de training zie je vaak dat mensen ineens begrijpen waarom eerdere projecten stroef liepen,” vertelt ze. “Die helderheid geeft energie. Structuur blijkt dan geen beperking, maar juist de ruimte te creëren om beter samen te werken en tot sterkere inzichten te komen.”
Tijdens het webinar “Grip op data science-projecten met CRISP-DM” deelt Annemijn herkenbare voorbeelden en handvatten om de methode echt te laten landen in het dagelijks werk. “Als deelnemers na afloop niet alleen weten hoe het moet maar ook zin hebben om het te proberen, is mijn doel bereikt.”