'Bedrijven moeten zich hard maken voor meer vrouwen in datawetenschap'
15 juni 2018 -
Datascienceteams zijn vaak te 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 Women in Data Science-conferentie die onlangs op het kantoor van SAP Nederland werd gehouden.
Betere prestaties door diversiteit
Natuurlijk moeten vrouwen in deze branche alleen al vanuit ethisch perspectief dezelfde kansen krijgen als mannen. Maar er zijn meer redenen aan te voeren. Zo presteren teams met meer diversiteit doorgaans beter dan teams met een beperkt aantal vrouwen. Dat geldt zeker in datawetenschap.
"Het is natuurlijk sterk generaliserend, maar vrouwen beschikken volgens onderzoek over betere verbindingen tussen de linker- en rechterhersenhelft," verklaart 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 data te eenzijdig zijn, vanwege een eenzijdige samenstelling van het team dat die data verzamelt en beheert, dan ontstaan ongewenste voorkeuren in de uitkomsten van dergelijke systemen.
Schoonheidswedstrijd
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 tien geen enkele Afrikaanse deelnemer te vinden was.
Manieren om tot een betere genderverdeling te komen
Bedrijven kunnen op een aantal manieren bijdragen aan een betere genderverdeling in datateams:
1. Slimme technologie gebruiken
Genderstereotyperingen en vooroordelen kunnen werving en selectie makkelijk beïnvloeden. Zeker als het gaat om banen die traditioneel als 'mannelijk' worden gezien, zoals in datascience het geval is.
Toch valt dat volgens Lehmann met slimme software te voorkomen. "Het mag er eigenlijk niet om gaan of iemand man of vrouw is. De beste persoon voor de job zou een baan moeten krijgen. Bij SAP gebruiken we hr-software uit eigen stal die gendervooroordelen wegneemt. Onze software matcht kandidaten met de gewenste vaardigheden en kwaliteiten. In eerste instantie krijgt de recruiter daarbij geen informatie over het geslacht. Tot aan het moment dat de recruiter de persoon in levende lijve ontmoet bij een kennismakingsgesprek, blijft het geslacht onbekend."
2. Jongeren enthousiasmeren
Nederland, maar ook de rest van de wereld kent een groot tekort aan technici en datawetenschappers, laat staan 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. "Deelname aan dergelijke programma's is een goede manier om jezelf als werkgever bij toekomstig talent op de kaart te zetten en uiteindelijk je maatschappelijke steentje bij te dragen aan de oplossing van het probleem," legt Lehmann uit.
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 datasciencetalent is bijzonder schaars.
Lehmann: "Een mentorprogramma, waarbij senior medewerkers jong talent begeleiden, kan die 'harde landing' van een studie 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. Quota invoeren
Zowel de board van een organisatie als een nationale regering kan een krachtig middel inzetten voor de vergroting van de diversiteit in datascience: 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."Quota dwingen organisaties tot een grotere diversiteit in het personeelsbestand. De manier waarop is niet ideaal, omdat ik geloof in individuele kwaliteiten als doorslaggevende factor. Maar organisaties ervaren door die dwang uiteindelijk wel de voordelen van meer diversiteit", zegt Lehmann. "Dat kan tot het inzicht leiden dat vrouwen net zo geschikt zijn voor datagerelateerde functies als mannen, en dat een gelijkmatigere verdeling tot betere resultaten leidt. Het doel heiligt dan het middel. Is dat inzicht eenmaal doorgedrongen, dan kunnen de quota weer worden afgeschaft."
5. Rolmodellen stimuleren
De databranche heeft volgens Lehmann een groot tekort aan vrouwelijke rolmodellen. "Vrouwelijke rolmodellen zijn onmisbaar. Zij kunnen jongeren inspireren en hen het laatste zetje geven hun hart te volgen. Ik geloof dat een gebrek aan rolmodellen de belangrijkste hinderende factor is voor meer diversiteit. Zij kunnen jonge meisjes laten zien dat u u niet hoeft te gedragen volgens ouderwetse stereotypen en rolmodellen. Maar dat u kunt zijn wie u bent, en dat u kunt worden wie u wilt worden. Bedrijven moeten de ruimte geven aan vrouwen die hun kennis en kunde willen verkondigen en initiatief tonen."
Verandering begint bij uzelf
Volgens Lehmann hebben vrouwen zelf ook het belangrijkste aandeel als het gaat om rolmodellen. Laat u zien en horen, spreek op conferenties of geef presentaties tijdens events zoals Women in Data Science. Solliciteer voor die uitdagende baan, blink daar uit, en wordt een rolmodel voor anderen. Verandering begint uiteindelijk bij uzelf."
