Data science-teams zijn vaak eenzijdig van samenstelling. Bedrijven moeten zich hardmaken voor het aantrekken en vasthouden van meer vrouwen binnen deze discipline. Die oproep deed Katrin Lehmann, chief data officer van SAP, tijdens de concerentie Women in Data Science. Vijf dingen die organisaties kunnen doen.

Teams met meer diversiteit presteren doorgaans beter dan teams met een beperkt aantal vrouwen, ook op het terrein van data science. “Het is natuurlijk sterk generaliserend, maar vrouwen beschikken volgens onderzoek over betere verbindingen tussen de linker- en rechterhersenhelft”, aldus Lehmann. “Dat is belangrijk in de datawetenschap: daardoor leggen ze gemakkelijker kruisverbanden en zien ze eerder patronen.”

De datawetenschap kent daarnaast een belangrijk argument voor meer diversiteit dat specifiek voor deze branche geldt: diversiteit voorkomt ‘bias’ in datasets. Dat kan tot allerlei ongewenste situaties leiden. Systemen op basis van kunstmatige intelligentie en machine learning verkrijgen hun intelligentie door te leren uit de analyse van grote hoeveelheden data. Wanneer die gegevens te eenzijdig zijn, vanwege een eenzijdige samenstelling van het team dat die data verzamelt en beheert, ontstaan ongewenste voorkeuren in de uitkomsten van dergelijke systemen.

Een goed voorbeeld is een schoonheidswedstrijd die onlangs op het internet werd gehouden. Deelnemers konden een zelfportret insturen, waarna robots beslisten wie de meeste schoonheid bezat. Maar deze digitale juryleden waren ‘getraind’ aan de hand van portretten van met name blanke Europeanen. Daardoor kregen ze een voorkeur voor deelnemers met een blanke huidskleur en typische Europeaanse gelaatstrekken. Met als gevolg dat in de top 10 geen enkele Afrikaanse deelnemer te vinden was. Bedrijven kunnen op een aantal manieren bijdragen aan een betere genderverdeling in datateams.

1. Slimme technologie gebruiken

Genderstereotyperingen en vooroordelen kunnen werving en selectie gemakkelijk beïnvloeden. Zeker als het gaat om banen die traditioneel als ‘mannelijk’ worden gezien, zoals in data science het geval is. Dat valt met slimme software te voorkomen. SAP gebruikt HR-software uit eigen stal die gendervooroordelen wegneemt. De software matcht kandidaten met de gewenste vaardigheden en kwaliteiten. In eerste instantie krijgt de recruiter daarbij geen informatie over het geslacht. Tot het kennismakingsgesprek blijft het geslacht onbekend.

2. Jongeren enthousiasmeren

Nederland, maar ook de rest van de wereld, kent een groot tekort aan technici en datawetenschappers – en al helemaal aan vrouwelijke datawetenschappers. De aanwas is bovendien klein: er studeren in deze richtingen simpelweg te weinig jongeren af. Niet voor niets zijn er diverse maatschappelijke programma’s in het leven geroepen om jongeren in het algemeen en meisjes in het bijzonder te interesseren voor IT en techniek. SAP Nederland participeert in een aantal van dergelijke landelijke initiatieven, zoals Girlsday en DesignWeek@School.

3. Mentorprogramma’s opzetten

Nieuw talent kan gemakkelijk verdrinken in een grote organisatie. Dat geldt zeker voor jonge meiden die starten in een omgeving waarin meer mannen werken. Dat is zonde, want data science-talent is bijzonder schaars. Een mentorprogramma, waarbij senior medewerkers jong talent begeleiden, kan die harde landing in een bedrijfsomgeving verzachten. Dat verbetert de ontplooiing en loyaliteit van (vrouwelijk) talent. Bovendien versoepelt het de doorstroming van talent naar leidinggevende functies, waarin vrouwen ook zijn ondervertegenwoordigd.

4. Diversiteitsquota invoeren

Zowel de board van een organisatie als een nationale regering kan een krachtig middel inzetten voor de vergroting van de diversiteit in data science: quota. Het is echter een draconische maatregel. Individuele kwaliteiten bepalen wie de beste kandidaat is voor een baan, niet gender. Een quotum ondermijnt dat principe. Toch kunnen quota een positieve bijdrage leveren aan diversiteit op de werkvloer. Ze dwingen organisaties tot een grotere diversiteit in het personeelsbestand, hetgeen tot het inzicht kan leiden dat een gelijkmatigere verdeling tot betere resultaten leidt.

5. Rolmodellen stimuleren

De databranche heeft een groot tekort aan vrouwelijke rolmodellen. Deze kunnen jongeren inspireren en hun het laatste zetje geven hun hart te volgen. Een gebrek aan rolmodellen is volgens Lehmann de belangrijkste hinderende factor voor meer diversiteit. Zij kunnen jonge meisjes laten zien dat je je niet hoeft te gedragen volgens ouderwetse stereotypen en rolmodellen. Maar dat je kunt zijn wie je bent, en dat je kunt worden wie je wilt worden. Bedrijven moeten de ruimte geven aan vrouwen die hun kennis en kunde willen verkondigen en initiatief tonen.

Ten slotte: begin bij jezelf

Volgens Lehmann hebben vrouwen zelf ook het belangrijkste aandeel als het gaat om rolmodellen. “Laat je zien en horen, spreek op conferenties of geef presentaties tijdens events zoals Women in Data Science. Solliciteer voor die uitdagende baan, blink daarin uit, en wordt een rolmodel voor anderen. Verandering begint uiteindelijk bij jezelf.”

LAAT EEN REACTIE ACHTER

Laat alsjeblieft een reactie achter!
Laat hier je naam achter