De Analytics Engineer en Scrum
In mijn vorige blog uit de serie over de Analytics Engineer heb ik beschreven wat deze rol inhoudt en hoe low-code oplossingen zoals TimeXtender deze werkwijze mogelijk maken. In dit nieuwe deel ga ik in op hoe de Analytics Engineer past binnen de manier van werken volgens Scrum.
In software development heeft Scrum de watervalmethode vervangen, maar wat betekent dit voor de informatie analist? En hoe werkt dit in data development? In dit blog bespreek ik welke mogelijkheden de Analytics Engineer biedt!
Van waterval naar Scrum
Traditioneel werd software volgens een waterval projectmethode ontwikkeld. De stappen volgden elkaar letterlijk op, zoals een waterval uit verschillende niveaus kan bestaan. Eerst werd de informatie analyse gedaan, daarna het technisch ontwerp, vervolgens de echte ontwikkeling, daarna het testen en tenslotte het in productie nemen.
Dit duurde allemaal veel te lang en vaak wist men van tevoren niet precies wat men wilde. Scrum loste dit op door in korte ontwikkelcycli telkens een stukje te ontwikkelen, waarbij elke oplevering met de klant werd gecheckt: zitten we op de goede weg? Wat is de volgende stap? Dit levert sneller resultaat en geeft de opdrachtgever meer gelegenheid om bij te sturen.
Scrum liet het team weer samen werken: iedereen werd ontwikkelaar. Dat was een tegenreactie op specialistische rollen binnen de watervalmethode. Elke stap had daar zijn eigen specialist, waardoor iedereen op elkaar moest wachten en informatie steeds moest worden overgedragen.
Scrum ging ook werken met user stories die letterlijk conversation starters waren: niet eerst een gedetailleerde uitwerking van requirements door een analist, maar een team van de ontwikkelaars dat direct in gesprek gaat met de klant. Wat heb je nodig? Hoe helpt dit jou verder? Het hele team deed zo aan informatie analyse, niet langer één persoon in één rol.
De vertaling naar data
Ook data engineers en front-end developers kunnen in Scrumteams werken om samen informatieproducten te ontwikkelen, zoals rapporten of dashboards. Ze starten met een user story, spreken met de klant en werken in korte cycli aan oplossingen, waarna ze feedback ophalen. Ze doen naast engineering en development ook analyse. Zo ontstaat de Analytics engineer.
- de vraag ophalen bij de business
- het bouwen van de datastructuren
- en het opleveren van de dashboards.
Er is geen aparte informatie analist meer nodig. Informatie analyse is een capability geworden.
Als we de watervalmethode vergelijke met Scrum:
Informatie analyse is een capability van het Scrumteam geworden; er zijn geen aparte analisten meer nodig. De ontwikkelaars (front- en backend) worden Analytics engineers.
De Analytics Engineer als oplossing
Bij E-mergo zien we dit goed werken in de praktijk. In deze manier van werken zijn Analytics engineers direct betrokken bij het eindproduct. Dit levert meer betrokkenheid en betere resultaten op. Engineers zijn niet langer een schakeltje in lange een keten.
Niet iedere engineer ambieert deze combinatie van vaardigheden. Bij grote organisaties is er veel ruimte voor specialisatie, maar juist voor datateams van 3 tot 10 man is de Analytics engineer in combinatie met Scrum een perfecte oplossing
Ben je benieuwd hoe jouw datateam met Scrum aan de slag kan? We vertellen je graag hoe wij dit hebben aangepakt en welke lessen we onderweg hebben geleerd. Neem gerust contact op met onze collega’s, we delen graag onze ervaringen.
Geschreven door Stefan Timmerman
BI Consultant
