Kun je een traineeship data science zonder studie volgen?

Jeroen van der Made
Jeroen van der Made

Founder

15-08-2026
11 min. read

Snelle samenvatting

Een traineeship data science zonder studie wiskunde is realistisch, mits je logisch en abstract kunt redeneren en bereid bent om statistiek gaandeweg bij te spijkeren. Traineeships selecteren op leervermogen en aanleg, niet op behaalde studiepunten. Dat is het wezenlijke verschil met een universitaire master.

  • Universiteiten stellen harde eisen: JADS vraagt minimaal 15 EC wiskunde en statistiek voor directe toelating tot de master Data Science in Business and Entrepreneurship.
  • Traineeships toetsen redeneervermogen via een assessment, niet je cijferlijst.
  • Bij Createment BV valt in het technisch assessment ongeveer 91% van de kandidaten af.
  • Het traject duurt 14 maanden: circa 2 maanden opleiding, daarna 12 maanden bij de opdrachtgever.
  • Wie zwak is in statistiek maar sterk in bedrijfslogica, groeit vaak sneller dan een pure rekenaar.

"Ik heb sinds mijn eindexamen geen formule meer gezien": is dat een probleem?

Je leest een vacaturetekst voor een junior data scientist. Regressie, waarschijnlijkheidsverdelingen, feature engineering. Je scrolt terug naar je eigen cv: een bachelor communicatie, drie jaar in klantcontact, wiskunde A op de havo en daarna nooit meer. De conclusie lijkt snel getrokken.

Een traineeship data science zonder wiskundestudie: kan dat?

Toch klopt die conclusie meestal niet. De vraag is namelijk niet of je ooit wiskunde hebt gestudeerd, maar of je een probleem in stukken kunt hakken en daar logisch mee kunt doorredeneren. Dat zijn twee verschillende vaardigheden, en alleen de tweede is echt onmisbaar.

Wie een traineeship data science zonder studie overweegt, loopt bijna altijd tegen dezelfde drie vragen aan. Welk niveau wordt er werkelijk getoetst? Wat gebeurt er als je in maand drie vastloopt op statistiek? En is een werkgever bereid om iemand aan te nemen die het vak pas net leert? Dit stuk beantwoordt die vragen aan de hand van wat opleiders en opdrachtgevers in Nederland feitelijk vragen, inclusief de toelatingseisen die je in het universitaire circuit tegenkomt en de selectiepraktijk die Createment BV hanteert.

Hoeveel wiskunde vraagt een traineeship data science zonder studie in 2026 nu echt?

Een universitaire master en een traineeship lijken dezelfde poort, maar meten totaal verschillende dingen. De universiteit meet wat je al hebt gedaan. Het traineeship meet wat je binnen een jaar kunt worden.

"Ik heb sinds mijn eindexamen geen formule meer gezien": is dat een probleem?

Dat verschil is concreet te maken. Voor toelating tot de master Data Science for Decision Making vraagt Maastricht University een sterke wiskundige achtergrond, waaronder differentiaal- en integraalrekening, lineaire algebra, discrete wiskunde en waarschijnlijkheidsleer. De Jheronimus Academy of Data Science hanteert een meetbare drempel van minimaal 15 EC wiskunde en statistiek in de bachelor, met minstens 5 EC wiskunde en 5 EC statistiek, en biedt een halfjarig premasterprogramma voor wie daar niet aan komt. Dat zijn documentcontroles: je had het, of je had het niet.

De arbeidsmarkt zelf redeneert anders. Het UWV noemt dataspecialisten expliciet als beroepsgroep met moeilijk vervulbare vacatures, waar werkzoekenden nauwelijks concurrentie ondervinden. En het tekort is niet nieuw: al in 2016 voorspelde onderzoek van de Nationale Denktank, beschreven door Emerce, een tekort van 8.000 data scientists in Nederland, mede door een gebrek aan gespecialiseerde opleidingen en docenten.

Dat gat is nooit gedicht door het onderwijs alleen. Werkgevers gingen zelf opleiden. Dat de druk iets afneemt, blijkt uit UWV-cijfers: het aandeel IT-werkgevers dat personeelstekort als belemmering ervaart daalde van 53% in juli 2022 naar 29% in juli 2025. Minder krapte betekent niet dat de deur dichtgaat, maar wel dat je selectiever wordt beoordeeld op aanleg. Precies daarom wint de gestructureerde route aan waarde ten opzichte van zelfstudie.

Wat een traineeship wél toetst

In de praktijk komt het neer op vier dingen: patroonherkenning, abstract redeneren, hoofdrekenen op niveau van verhoudingen en percentages, en volhouden. Formules leer je onderweg. Redeneren leer je niet in veertien maanden.

RouteIngangseis wiskundeDuur tot eerste betaalde rolKosten voor jouBaan aan het eind
Universitaire master (JADS)Minimaal 15 EC wiskunde/statistiek, anders premaster van 6 maanden1 tot 2 jaar studieCollegegeld, meestal geen inkomenGeen garantie
Zelfstudie plus certificatenGeenSterk wisselend, vaak 1 jaar of meerCursuskosten, wel eigen tempoGeen garantie
Betaald traineeshipGeen diploma-eis, wel technisch assessmentCirca 2 maanden opleiding, daarna direct aan de slagGeen collegegeld, je ontvangt salarisBij Createment BV ruim 97% direct in dienst

Welke voorbereiding werkt als je geen bèta-achtergrond hebt?

De meest onderschatte voorbereiding is niet wiskunde oefenen, maar leren uitleggen hoe je tot een antwoord komt. Assessoren kijken naar je redenering, niet naar het getal onder de streep.

Het selectieproces van Createment BV voor het data science traineeship begint met een online test van ongeveer een tot anderhalf uur, gevolgd door een technisch assessment van een hele dag op locatie. Van alle kandidaten die zo getest worden, valt ongeveer 91% af. Dat betekent in de praktijk dat er ongeveer elf mensen getest worden voor iedere trainee die aan een opdrachtgever wordt voorgesteld. Wie dat percentage schrikaanjagend vindt, mist het punt: het assessment filtert niet op vooropleiding, maar op aanleg. Juist daardoor komt een socioloog met scherp analytisch vermogen er wél door en een technisch afgestudeerde zonder doorzettingsvermogen niet.

Drie dingen die je vooraf kunt doen

Begin met logisch redeneren in plaats van met formules. Oefeningen met reeksen, verhoudingen en voorwaardelijke logica raken exact het vermogen dat een technisch assessment meet.

Daarnaast helpt het om één klein datasetje van begin tot eind te doorlopen. Neem een gratis openbare dataset, bijvoorbeeld van CBS StatLine, en beantwoord er drie simpele vragen mee in een spreadsheet. Gemiddelde, spreiding, en een verband tussen twee kolommen. Wie dat kan uitleggen aan iemand zonder achtergrond, heeft de kern van het vak te pakken.

Tot slot: haal statistiek weg uit de abstracte hoek. Denk in vragen die je in je huidige werk al stelt. Waarom stijgt de instroom in kwartaal drie? Is dat toeval of een patroon? Dat is statistisch denken, ook zonder notatie.

Praktisch toepassen:

  • Oefen twee weken lang dagelijks 20 minuten met logisch redeneren en getallenreeksen, niet met calculus.
  • Werk één openbare dataset uit in een spreadsheet en schrijf in vijf zinnen op wat je ziet.
  • Leg die conclusie voor aan iemand zonder data-achtergrond. Snapt die persoon het niet, herschrijf dan je uitleg.
  • Volg één gratis introductiemodule Python of SQL. Doel is niet vaardigheid, maar toetsen of je het leuk vindt.
  • Merk je na twee weken dat het puzzelen je energie kóst in plaats van geeft, kies dan een ander IT-werkveld dat beter bij je past.

Waar wordt een switcher zonder wiskunde in de praktijk sterker dan een bèta?

Hier zit het punt dat bijna nooit wordt gemaakt. Een groot deel van de fouten in datawerk is geen rekenfout, maar een interpretatiefout.

Hoeveel wiskunde vraagt een traineeship data science zonder studie in 2026 nu ec

Stel, een oud-beleidsmedewerker start als data science trainee bij een grote uitvoeringsorganisatie. Het team bouwt een model dat voorspelt welke aanvragen extra controle nodig hebben. De statistiek klopt. Maar de trainee, die jaren aan de andere kant van dat proces zat, ziet dat één brondata-veld pas wordt ingevuld ná de beslissing die het model probeert te voorspellen. Zonder die kennis had het model in productie een schijnbaar prachtige score gehaald en in de praktijk niets voorspeld.

Dat is domeinkennis, en die is in dit vak schaars. Wie uit de zorg, logistiek, financiële dienstverlening of het onderwijs komt, brengt begrip mee van hoe data ontstaat. Precies dat gat vullen bèta-afgestudeerden zelden vanaf dag één. Het is geen romantisch verhaal maar een nuchtere observatie uit de plaatsingspraktijk: de trainees die het snelst zelfstandig worden, zijn vaak degenen die de business begrijpen en het rekenwerk erbij leren, niet andersom.

Waar let je op bij het kiezen van een traject? Een checklist

Best practices checklist voor het kiezen van een data science traineeship:

  • Vraag naar het uitvalpercentage in de selectie. Een streng assessment beschermt jou net zo goed als de opdrachtgever: je begint niet aan een traject waar je halverwege op vastloopt.
  • Check of je betaald wordt tijdens de opleiding. Bij Createment BV krijg je salaris vanaf de start en betaal je geen collegegeld, wat de financiële drempel voor een switch fors verlaagt.
  • Vraag voor welke opdrachtgever je specifiek geworven wordt. Werving voor één concrete werkgever levert een gerichtere match op dan plaatsing uit een algemene poule.
  • Onderzoek wat er ná de opleidingsfase gebeurt. Een traject van 14 maanden waarin je na twaalf maanden bij de opdrachtgever in dienst treedt, is iets anders dan permanente detachering.
  • Vraag naar de begeleiding tijdens het traject. Actieve coaching op doelen en resultaten weegt bij een steile leercurve zwaarder dan het aantal lesuren.
  • Toets of de wiskunde-eis expliciet of impliciet is. Staat er nergens een EC-eis, maar zit er wel een zwaar technisch assessment in, dan wordt je aanleg getoetst en niet je cijferlijst.
  • Kijk naar het type opdrachtgevers. Organisaties waar IT het fundament van de bedrijfsprocessen is, hebben doorgaans meer geduld en meer begeleidingscapaciteit voor juniors.

Wie op deze zeven punten helder antwoord krijgt, kan binnen een gesprek van een half uur inschatten of een traject bij hem past. Krijg je op meer dan twee punten een vaag antwoord, wees dan voorzichtig.

Welke denkfouten kosten switchers zonder bèta-achtergrond de meeste tijd?

De eerste is de certificatenval. Kandidaten stapelen online cursussen in de hoop dat een rij certificaten de ontbrekende wiskunde compenseert. In selectiegesprekken blijkt dan dat ze veel video's hebben bekeken en weinig zelf hebben gebouwd. Eén afgerond eigen projectje weegt zwaarder dan zes voltooide cursussen.

Welke voorbereiding werkt als je geen bèta-achtergrond hebt?

De tweede is het te laat aanpakken van de statistiek. Wie in maand één denkt "dat komt later wel", loopt in maand vier vast op verdelingen en toetsingsvraagstukken. Reserveer vanaf week één een vast blok per week voor de theorie, ook als het werk aan de projecten leuker is.

De derde denkfout is jezelf te vroeg diskwalificeren. Veel kandidaten met precies de juiste aanleg solliciteren nooit, omdat het woord data science voor hen synoniem is met universitaire wiskunde. Dat is een misverstand dat de arbeidsmarkt geld kost. De vraag of een traineeship data science bij je past hangt af van je nieuwsgierigheid en doorzettingsvermogen, niet van je eindexamenpakket.

En de vierde: onderschatten wat het thuisfront merkt. Twee maanden fulltime opleiding gevolgd door een jaar werken met een steile leercurve vraagt planning, zeker met een gezin of een hypotheek.

Praktisch toepassen:

  • Vervang je derde online cursus door één eigen project met een openbare dataset en publiceer je code.
  • Plan wekelijks een vast blok van twee tot drie uur statistiek in vanaf week één van het traject.
  • Loop je twee weken achter elkaar vast op hetzelfde onderwerp, vraag dan direct coaching aan in plaats van door te modderen.
  • Bespreek vóór je start met je omgeving hoeveel avonden per week je de eerste maanden nodig hebt.
  • Twijfel je of je überhaupt moet kunnen programmeren vooraf? Lees dan eerst wat er echt nodig is aan programmeerkennis.

Veelgestelde vragen

Kan ik data scientist worden zonder wiskunde in mijn vooropleiding?

Ja, via een traineeship wel. Waar universiteiten harde eisen stellen, zoals de 15 EC wiskunde en statistiek die JADS vraagt, selecteren traineeships op aanleg via een assessment. Als vuistregel geldt: kun je een probleem opdelen en logisch doorredeneren, dan is het rekenwerk aan te leren binnen het traject.

Welk wiskundeniveau heb je minimaal nodig voor een data science traineeship?

Comfortabel zijn met verhoudingen, percentages en logisch redeneren is de praktische ondergrens. Havo-wiskunde A is doorgaans voldoende als startpunt, mits je bereid bent statistiek gaandeweg bij te spijkeren. Kandidaten die vastlopen, struikelen zelden over algebra en vaker over het volhouden van de leercurve.

Hoe streng is de selectie voor een traineeship data science zonder studie wiskunde?

Streng, maar op andere criteria dan je verwacht. In het proces van Createment BV volgt na een online test van ongeveer anderhalf uur een technisch assessment van een dag, waarna ongeveer 91% van de kandidaten afvalt. Er wordt niet naar je cijferlijst gekeken, wel naar je redeneervermogen en motivatie.

Verdien je salaris tijdens een data science traineeship?

Ja, bij een betaald traineeship ontvang je vanaf de start salaris en betaal je geen collegegeld. Dat is het financiële verschil met een premaster of voltijdstudie, waar je meestal juist inkomen inlevert. Reken bij een switch met een terugval in netto inkomen ten opzichte van een senior functie in je oude vak, maar niet met nul.

Hoe lang duurt het voordat je zelfstandig werkt als data-trainee?

Reken op circa twee maanden opleiding en daarna twaalf maanden meedraaien bij de opdrachtgever. In de praktijk werken trainees na de eerste maanden aan echte vraagstukken onder begeleiding, waarbij zelfstandigheid geleidelijk toeneemt. Bij Createment BV treedt de trainee na die twaalf maanden bij de opdrachtgever in dienst, met ruim 97% directe indiensttreding over de afgelopen tien jaar.

Conclusie

Een traineeship data science zonder studie is haalbaar voor wie analytisch denkt en de discipline heeft om een steile leercurve vol te houden. De harde EC-eisen die universiteiten hanteren zeggen niets over je geschiktheid voor het vak zelf, alleen over je papieren verleden.

Drie concrete vervolgstappen: test twee weken lang je eigen redeneervermogen met logica-oefeningen, werk één openbare dataset uit tot een conclusie die je kunt uitleggen, en vraag bij elk traject dat je overweegt hoe de selectie werkt en wat er na afloop gebeurt.

Vind je die puzzel na twee weken nog steeds leuk, dan zit je goed. De informatie over de opzet van een betaald IT traineeship maakt inzichtelijk hoe zo'n route van veertien maanden er in de praktijk uitziet. Je vooropleiding bepaalt je startpunt, niet je plafond.

Ben je klaar om je IT-carrière te starten zonder diploma?

Stel je vraag

Bronnen

Deel bericht

GERELATEERDE
BLOGS