De kunst van datawetenschappen

Een enorm stuk marmer!

Ongeveer 6 meter hoog, meer dan 7 ton zwaar en van niet de beste kwaliteit. Een aantal bekende artiesten uit die tijd, het begin van de 16e eeuw, namen contracten aan om dit enorme stuk marmer om te vormen tot een van de twaalf standbeelden die bedoeld waren om de steunpilaren van de Florentijnse kathedraal te versieren. Niemand slaagde erin. Uiteindelijk was het een 16-jarige genie die dit massieve blok Carrara-marmer wist om te vormen tot een van ’s wereld meest bewonderde sculpturen.

Datawetenschappen en beeldende kunst

Op het eerste gezicht lijken datawetenschappen en beeldende kunst weinig met elkaar gemeen te hebben. De eerste maakt gebruik van geavanceerde computers en code om inzichten en kennis te genereren terwijl de ander vertrouwt op hamer en bijtel om kunst te creëren. In een ander licht komen echter zeer intrigerende overeenkomsten naar voren.

Geconfronteerd met een enorme rauwe database, gaat de datawetenschapper van start op eenzelfde manier als de beeldhouwer die nauwkeurig zijn blok marmer bestudeert. Mogelijke barsten en het soort en de staat van het steen bepalen het gereedschap en de haalbaarheid van het project. Na deze eerste controle, echter, moeten zowel de datawetenschapper als de beeldhouwer secuur te werk gaan. Verborgen, microscopische barsten in het steen kunnen soortgelijk verwoestende gevolgen hebben als onopgemerkte vertekeningen binnen de dataset of kleine fouten in de analysecode. Hoewel de schade in het geval van de beeldhouwer duidelijk zichtbaar is, zorgen fouten in de data-analyse voor verkeerde resultaten die veelal lastig te herkennen zijn. Het draait allemaal om ervaring, het juiste gereedschap en de juiste ideeën. “Een schilder schildert met zijn brein, niet met zijn handen.” (Michelangelo Buonarotti). Hetzelfde geldt voor beeldhouwers, denk ik.

Wie zei er iets over de schepping?

De resultaten kunnen vaak verrassend zijn! “Hoe hebben ze dit in hemelsnaam kunnen maken?!” is een vraag die in me opkomt wanneer ik een sculptuur bewonder dat gemaakt is van koud steen maar toch zo realistisch, bijna levend lijkt!

Ook de resultaten van een geavanceerde data-analyse kan tot verwondering leiden. Nieuw ontdekte inzichten, bijvoorbeeld “driekwart van uw klantprofielen zijn verkeerd”, of de hoge accuratesse van een verzonnen voorspellingsmodel, bijvoorbeeld om het aantal bestellingen of geleverde goederen te voorspellen voor de komende dagen, zorgen voor vragen als “hoe heb je dit gedaan?”, “hoe heb je tot deze inzichten kunnen komen?”. 

Maar een datawetenschapper creëert geen nieuwe inzichten. De ‘gecreëerde’ inzichten zijn er altijd al geweest, in de data, in afwachting om ontdekt te worden. Een datawetenschappers taak is simpelweg het bieden van toegang.

Er wordt gezegd dat toen Michelangelo werd gevraagd hoe hij in hemelsnaam zijn ‘David’ zou kunnen scheppen uit dit stuk marmer, hij antwoordde: “Ik hoefde hem niet te scheppen. Hij was altijd al in het steen aanwezig. Ik hoefde enkel het marmer om hem heen te verwijderen.”

Uiteindelijk belandde ‘David’ niet op de Florentijnse kathedraal, maar vond hij een prominentere plek recht tegenover Palazzo Vecchio (en sinds 1873 in de Galleria dell’Accademia), om bewonderd te kunnen worden door de inwoners en toeristen van  Florence.