Data- en AI-vaardigheden voor tech, media en platforms

Techbedrijven, online platforms en moderne uitgevers zijn data-native. De tooling is volwassen, het datateam is sterk, en niemand hoeft overtuigd te worden dat cijfers ertoe doen. Juist daarom komt het gebruikelijke verhaal over datavaardigheid hier slecht binnen.

De echte beperking zit rónd het datateam. Productmanagers, growth marketeers, redacteuren en commerciële verantwoordelijken kijken de hele dag naar dashboards en testresultaten, en de kwaliteit van hun beslissingen hangt af van of ze zo'n resultaat goed kunnen lezen. Weten wanneer een test niet significant is, wanneer een terugval in de funnel seizoen is, wanneer een stijging kannibalisatie is. Dat misgaan kost op platformschaal geld op een manier die elders simpelweg niet speelt.

Het tweede is tempo. Wat een AI-tool kan verschuift elk kwartaal, dus een vast curriculum is verouderd voordat het tweede cohort begint. En het personeelsbestand zit verspreid over markten en tijdzones, remote-first, waardoor alles wat om een klaslokaal heen is gebouwd afvalt.

In een data-native bedrijf is het gedrag dat telt weinig glamoureus: een uitkomst eerlijk lezen, ook de uitkomsten die zeggen dat er niets gebeurde. Weten wanneer een test niet significant is, wanneer een terugval in de funnel seizoen is, wanneer een stijging eigenlijk kannibalisatie is. Op platformschaal is dat oordeelsvermogen meer waard dan welke tool ook.

Daarvoor is kennis nodig van wat een experiment wel en niet kan laten zien, vaardigheid in de tools waar je teams al in leven — bij Skyscanner waren dat Tableau en Amplitude met echte Skyscanner-data — en voor engineering- en productteams echte vloeiendheid met AI-ondersteund werken in plaats van een demo. Dat loopt van prompting en context engineering tot agentic patterns en evaluatie, en het wordt opnieuw gebouwd als de tooling verschuift in plaats van hergebruikt uit een catalogus.

Omdat het personeelsbestand remote-first is en over markten verspreid zit, is de adoptie daarop ontworpen: cohorten over tijdzones heen, champions per markt, en een overdracht zodat het doorloopt. De groei wordt gemeten vanaf een nulmeting vóór de start en afgezet tegen andere organisaties.

Skyscanner liet ruim 1.400 medewerkers wereldwijd een programma op maat doorlopen, gebouwd op hun eigen data, met 77% afronding en een zichtbare stijging in het dagelijks gebruik van hun dataproducten.

Just Eat Takeaway leidde een snelgroeiend wereldwijd team op met zes trainingen, met 60-90% afronding en 22% gemeten groei in datavaardigheid. Beide programma's werden bekroond bij de DataIQ Awards.

Onze beide oprichters hebben zelf in deze sector gewerkt voordat ze Data Booster begonnen: Nanne Veldman bij Ultimaker en Wouter Neef bij Uber. Daar komt de nadruk op experimenteren en meetbare gedragsverandering vandaan, in plaats van op een cursusaanbod.