Actiever redactie · 15 oktober 2026 · circa 3 minuten leestijd
Je wilt meer met AI doen en zoekt een dataonderzoeker. Die omschrijving kan wijzen op drie heel verschillende opdrachten. Moet iemand een nieuwe methode onderzoeken, een zakelijke vraag met gegevens beantwoorden of eerst zorgen dat die gegevens betrouwbaar beschikbaar komen? Het gewenste resultaat bepaalt welke rol past.
Functienamen verschillen per organisatie. Gebruik de verschillen hieronder daarom als gesprekskader. Vraag kandidaten naar het werk dat zij zelf hebben uitgevoerd en de overdracht aan collega's. Een titel op een cv vertelt niet hoeveel onderzoek, analyse of infrastructuur iemand daadwerkelijk heeft gedaan.
De AI-onderzoeker vermindert inhoudelijke onzekerheid
Een onderzoeksvraag is bijvoorbeeld of een bepaalde modelaanpak ook onder afwijkende omstandigheden blijft werken. De onderzoeker formuleert een hypothese, kiest een vergelijking en ontwerpt experimenten. De oplevering bestaat uit bevindingen met beperkingen, ondersteund door gegevens, configuraties en waar relevant experimentele code.
Dat resultaat hoeft geen werkende productfunctie te zijn. Een zorgvuldig onderbouwde negatieve uitkomst kan een ongeschikte investering voorkomen. Maak daarom vooraf duidelijk welke kennis nodig is en welke beslissing daarvan afhangt. Vraag bij selectie hoe de kandidaat alternatieve verklaringen onderzoekt en welk experiment de eigen conclusie zou kunnen weerleggen. Bespreek ook wie de bevindingen later moet kunnen reproduceren en welke documentatie daarvoor nodig is.
De data scientist ondersteunt een besluit met gegevens
Een data scientist kan onderzoeken waarom een proces meer uitval kent of welke kenmerken samenhangen met een uitkomst. Daarbij komen definities, ontbrekende waarnemingen en onzekerheid vóór de keuze voor een model. Soms is een goede analyse voldoende; soms zijn een experiment of voorspelling passende vervolgstappen.
De oplevering moet aansluiten op een besluit dat iemand kan nemen. Vraag daarom om een uitleg voor de proceseigenaar, inclusief wat de data niet bewijzen. Een interessante samenhang geeft nog geen oorzaak aan. Als je ook een dagelijks gebruikte voorspelservice verwacht, benoem dan welke engineeringondersteuning beschikbaar is.
De data engineer maakt de gegevensvoorziening betrouwbaar
Wanneer verschillende systemen andere klantcodes gebruiken of een levering geregeld ontbreekt, is de eerste opdracht vaak data engineering. De engineer bouwt gegevensstromen, legt sleutels en schema's vast en maakt verwerking controleerbaar. Daarmee ontstaat een basis waarop analyses en modellen kunnen voortbouwen.
Een concrete oplevering kan een dataset zijn die dagelijks wordt vernieuwd, met duidelijke herkomst en waarschuwingen bij ontbrekende records. Vraag hoe de engineer een mislukte levering opnieuw verwerkt en hoe een gewijzigde bronkolom wordt opgemerkt. Een eenmalig samengevoegd bestand bewijst nog niet dat de voorziening onderhoudbaar is.
Gebruik dezelfde casus om de taakverdeling te bespreken
Neem als fictieve casus een organisatie die wachttijden wil verminderen. De data engineer kan tijdstempels uit verschillende systemen bruikbaar samenbrengen. De data scientist onderzoekt waar de vertraging optreedt en welke vervolgmeting nodig is. Een AI-onderzoeker komt in beeld wanneer er een specifieke, nog onbeantwoorde methodische vraag ligt.
Deze taken kunnen deels bij één persoon passen, maar vragen om verschillende bewijzen. Een mooi model lost onbetrouwbare tijdstempels niet vanzelf op. Een perfecte datapipeline bepaalt evenmin welke verandering het proces verbetert. Leg vast wie welk resultaat oplevert en hoe de overdracht tussen de stappen plaatsvindt.
Selecteer op een passende werkproef
Vraag de onderzoeker om een experimentplan, de data scientist om een beknopte analyse met onzekerheden en de data engineer om een herstartbare verwerking met kwaliteitscontroles. Gebruik fictieve of zorgvuldig geselecteerde data. Geef voldoende context over betekenis en herkomst, zodat je vakinhoudelijke keuzes beoordeelt en geen raadspel organiseert.
Schrijf in de vacature het eerste gewenste resultaat en de toestand van de gegevens. Vermeld wie de uitkomst gebruikt en welk team beschikbaar is voor vervolgwerk. Zo kunnen kandidaten zichzelf beter plaatsen en voorkom je een functie waarin onderzoek, analyse, platformbeheer en modelproductie zonder prioriteit op één persoon worden gestapeld.