Sinds 2003 ben ik (marketing) data analist na eerst een jaar of 5 in de IT te hebben gewerkt. De eerste zoveel jaren van mijn data carrière lag de focus bij marketingdata, daarna werd het breder, maar dus al ruim 20 jaar data analist.
Tegenwoordig stel ik mezelf voor als ‘directeur van i-spark en data analist’. Een flink deel van mijn collega’s is volgens hun functieomschrijving ook ‘data analist’.
De betekenis van de functie en de rol van data analist was altijd al een discussiepunt, waarbij het ene bedrijf er iets anders onder verstond dan het andere. Er is ook een periode geweest dat veel data analisten ineens data scientists werden.
Maar de laatste jaren is deze functietitel al helemaal aan het veranderen. En dan vooral door de opkomst van LLM’s (AI) en wat mensen daarvan verwachten.
“De rol van data analist verdwijnt” hoor je steeds vaker. Hoewel ik denk dat we daar nu nog niet zijn op dit moment, zie ik zeker wel dat de rol beweegt. Op zich niet gek, ook de inhoud van mijn eigen rol én die van mijn collega’s is in de afgelopen jaren mee bewogen. Vaak richting analytics engineering, soms ook richting analytics & BI-consultancy.
Tot nu toe heb ik hier geen moeite mee gehad, immers, het gaat om de inhoud en niet om het label dat je erop plakt. Ik heb sowieso persoonlijk niet veel met functietitels.
Echter, ik merk nu wel echt dat er een discrepantie ontstaat tussen wat ik eronder versta en het beeld waarvan ik denk dat de markt dat heeft.
Daarom hebben wij onlangs de rollen die we daadwerkelijk uitvoeren, onze functies en de verschillende soorten expertise die we aanbieden op onze website, onder de loep genomen. Om te zorgen dat die in lijn blijven met de werkelijkheid, althans, zoals wij die zien en zoals we denken dat een groot deel van de markt deze ziet.
Zoals ik al zei: ik heb weinig met titels. Het kostte me echt jaren voordat ik zonder stotteren het woord ‘directeur’ uit kon spreken. Maar logischerwijze ging ik, tijdens dit proces, wel nadenken over wat dan wel mijn rol is op het datagebied, nu ‘data analist’ zo controversieel lijkt te zijn geworden.
En dit is eigenlijk wel leuk, want ik heb iets helemaal nieuws ontdekt.
Met al meer dan 20 jaar ervaring in het datagebied en als directeur van een boutique data agency, kwam ik erachter dat wat ik doe eigenlijk iets is waar ik zelf tot nu toe nog niet echt een beeld bij had en wat wel een erkende rol is: de Data Product Lead.
Wat ik in feite doe
Een groot deel van mijn werk draait om het vertalen van business vragen naar datamodellen en data producten die logisch zijn en die gebruikt kunnen worden voor data-insights (dashboards en analyses), AI-agents en operationele processen. Niet als losse eilandjes, maar als een samenhangend geheel dat klopt.
Ik ontwerp conceptuele modellen. Ik breng structuur aan. Ik bepaal welke betekenis data moet hebben. Ik bewaak consistentie tussen domeinen. Ik denk na over de plek in de data pijplijn waar logica ingebouwd zou kunnen worden, wat de gevolgen zijn van de verschillende opties en uiteindelijk wat dan, binnen de context, de beste keuze is.
En daarbij nog de stap of zo’n beslissing genomen kan worden binnen ons datateam of dat deze breder gedragen moet worden en dus besproken moet worden met de klant. Dat is namelijk ook altijd een uitdaging: te weinig overleg is niet goed, maar te veel zeker ook niet.
Wij (en velen met ons) zijn van mening dat logica en business rules zoveel mogelijk in je (composable) data hub moeten zitten, en dat BI-tools vooral moeten visualiseren.
Dat is een mooie theorie, maar natuurlijk is de praktijk soms weerbarstiger. Er zijn meerdere wegen die naar Rome leiden en vaak kún je bepaalde dingen op meerdere plekken oplossen.
Dan moet je keuzes maken of advies uitbrengen. Dat vraagt domeinkennis, ervaring en een gevoel voor lange-termijnimpact.
Dat blijkt precies het vakgebied van een Data Product Lead te zijn.
De rol in verhouding tot andere functies
Omdat de rol relatief onbekend is, ligt verwarring op de loer over bij welke rol een bepaald vraagstuk hoort. En natuurlijk zijn er nuances, zoals bij alle rollen in data, is er niet één keiharde lijn.
Toch zijn er verschillen en overeenkomsten met andere vergelijkbare rollen.
Data Product Lead vs Data Architect
Overlap: beide raken datamodellering en domeinstructuur.
Verschil: de Data Architect kijkt vooral technisch: welke lagen hebben we nodig (bronze/silver/gold), hoe om te gaan met historie, opslag, performance.
De Data Product Lead richt zich op betekenis en semantiek, en heeft domeinkennis nodig om te bepalen wat data zou moeten betekenen voor analyses, AI en processen.
Data Product Lead vs Data Strategist
Overlap: allebei begrijpen ze de businessbehoefte en de richting.
Verschil: de Data Strategist formuleert de route; de Data Product Lead maakt die route concreet door dataproducten, modellen en semantiek te ontwerpen die daadwerkelijk uitvoerbaar zijn.
Data Product Lead vs. Data Product Owner
Overlap: beide rollen gaan over dataproducten en waarde leveren.
Verschil: de Data Product Owner stuurt het proces: backlog, prioriteiten, samenwerking met teams.
De Data Product Lead draagt de inhoud: de logica, het model, de semantiek en de consistentie van het product.
Data Product Lead vs Analytics Engineer
Overlap: beide werken aan datamodellen en bewegen door dezelfde lagen in de keten.
Verschil: de Analytics Engineer bouwt het model technisch; de Data Product Lead bepaalt de inhoud, betekenis en structuur van dat model.
Mijn nieuwe rol: Data Product Lead
Ik hoef geen nieuwe functietitel om de titel. Het gaat erom dat hij klopt en beter aansluit bij het werk dat ik nu doe.
Data Product Lead beschrijft dat werk het beste: data vormgeven op een manier die logisch is, betekenisvol, toekomstbestendig en bruikbaar.
Daarmee raak ik automatisch aan andere rollen, zoals Data Architect, Product Owner, Analytics Engineer en Analytics & BI-consultant. Dat is niet vreemd. Een Data Product Lead beweegt juist tussen deze disciplines. Je moet van al deze rollen voldoende begrijpen om goede keuzes te kunnen maken en om modellen te ontwerpen die in de hele keten consistent zijn.
En dat is precies waarom deze titel voor mij werkt. Hij zegt niet iets groters dan nodig is, maar wel precies wat er moet worden gezegd. Het past bij het vak, bij onze manier van werken en bij hoe we naar data kijken. En daarmee kan ik met een gerust hart afscheid nemen van mijn functie als data analist.