Software development of data science: welke traineeship past bij jouw manier van denken?

Jeroen van der Made
Jeroen van der Made

Founder

16-08-2026
11 min. read

In het kort

Voor analytische starters is de keuze tussen een traineeship software development of data science geen kwestie van rekenvaardigheid, maar van wat je met een probleem wilt doen: het oplossen en vastleggen in werkende code, of het verkennen tot je begrijpt wat er speelt. Beide routes selecteren op logisch redeneren en doorzettingsvermogen, niet op je diploma.

  • Software development past bij wie afgeronde, testbare oplossingen wil bouwen; data science bij wie onzekerheid en interpretatie kan verdragen
  • De ICT-arbeidsmarkt telde in 2023 zo'n 603 duizend ICT'ers, een groei van 81 procent in tien jaar (CBS)
  • Werkervaring blijft volgens UWV zwaar wegen bij werving, wat een traineeship met plaatsing juist waardevol maakt
  • Createment BV laat kandidaten een technisch assessment doen waar in de praktijk ruim negen van de tien op afvalt
  • Twijfel je? Dan zegt het type opdracht dat je energie geeft meer dan een online carrièretest

Waarom voelt die keuze tussen twee IT-richtingen zo zwaar?

Je zit met twee tabbladen open. Links een vacature voor junior softwareontwikkelaar, rechts een traineeship data science. Beide vragen om analytisch vermogen, beide beloven een carrière in IT, en beide lijken vanaf de buitenkant precies hetzelfde soort werk.

Software development of data science: welke traineeship past bij jouw manier van

Dat gevoel klopt niet helemaal, maar het is ook niet gek. Wie geen informatica heeft gestudeerd, ziet vooral de overeenkomsten: veel achter een scherm, veel logica, veel Python of Java. Het verschil zit in iets wat je pas merkt als je er middenin zit, namelijk wat er van je verwacht wordt als het antwoord niet duidelijk is.

En die keuze voelt zwaar omdat de inzet echt is. Je zegt een baan op, je gaat maanden hard leren, en je stapt binnen bij een organisatie waar je de junior bent. Dat is geen vrijblijvend experiment.

De goede nieuws: de vraag is beter te beantwoorden dan de meeste starters denken. Niet met een test, maar met een eerlijke blik op hoe je omgaat met een probleem dat nog geen vorm heeft. Dat onderscheid loopt door de rest van dit artikel heen.

Hoe ziet de Nederlandse IT-arbeidsmarkt eruit voor starters zonder IT-diploma?

De ene starter kijkt naar de arbeidsmarkt en ziet honderden vacatures. De andere solliciteert twintig keer en krijgt twintig keer te horen dat er ervaring ontbreekt. Beide beelden zijn waar, en dat spanningsveld verklaart waarom traineeships bestaan.

Waarom voelt die keuze tussen twee IT-richtingen zo zwaar?

De cijfers laten de omvang zien. Volgens het Centraal Bureau voor de Statistiek waren er in 2023 ruim 603 duizend ICT'ers werkzaam in de Nederlandse economie, tegen 334 duizend tien jaar eerder. Het aantal openstaande ICT-vacatures lag in dezelfde periode ruim 2,5 keer hoger dan tien jaar daarvoor.

Maar volume betekent niet toegankelijkheid. Het UWV constateert dat werkervaring een belangrijke factor blijft bij werving in de sector informatie en communicatie, ook nu de krapte iets afneemt. Precies daar loopt de zelfstudieroute vast: je kunt technisch prima meekomen, maar zonder aantoonbare praktijk kom je zelden door de eerste selectie.

De reguliere instroom is bovendien groter dan starters vaak denken. In het studiejaar 2022-2023 volgden volgens cijfers via AG Connect ruim 31.000 Nederlandse studenten een informatica-bachelor. Je concurreert dus niet alleen met andere switchers.

Wat dat betekent voor je keuze

Juist omdat werkgevers ervaring willen zien, is de richting die je kiest minder bepalend dan de vraag of je route je aan echte opdrachten koppelt. Een traineeship waarin je vanaf maand drie meedraait in een team levert sneller een cv op dan een certificaat.

Wat verandert er in 2026 aan het werk van developers en data scientists?

Vier ontwikkelingen bepalen op dit moment hoe deze twee rollen zich tot elkaar verhouden. Ze zijn relevant voor je keuze, omdat ze het dagelijkse werk anders maken dan de functiebeschrijving suggereert.

Trend 1: AI-assistentie verschuift het zwaartepunt van typen naar beoordelen
Codegeneratie neemt routinewerk over. Wat overblijft is de vraag of de gegenereerde oplossing klopt, veilig is en past in de bestaande architectuur. Voor developers betekent dat meer nadruk op lezen, reviewen en debuggen. Analytisch vermogen wint daardoor aan gewicht ten opzichte van pure syntaxkennis.

Trend 2: data-rollen splitsen zich verder op
De brede data scientist maakt bij grotere organisaties plaats voor specialisaties: analytics engineer, data engineer, machine learning engineer. Wie start in data komt daardoor vaker binnen op een rol die dichter bij techniek ligt dan bij statistiek. Dat verkleint het gat met development, maar het verandert ook wat je in je eerste jaar leert.

Trend 3: regelgeving trekt het datawerk richting verantwoording
Met de AI-verordening en strengere eisen aan uitlegbaarheid moet je in data-rollen steeds vaker kunnen onderbouwen waarom een model doet wat het doet. Documenteren en uitleggen aan niet-technische collega's is geen bijzaak meer.

Trend 4: processtandaarden worden bij grote opdrachtgevers weer belangrijker
Bij overheid, financiële dienstverlening en netbeheerders werk je binnen vastgelegde levenscyclusprocessen. De internationale standaard ISO/IEC/IEEE 12207 beschrijft welke processen en taken gelden gedurende de hele levenscyclus van software, van verwerving tot onderhoud en uitfasering. Als junior developer merk je dat aan reviewrondes, releasekalenders en documentatie-eisen. Verwacht dus geen cowboywerk.

Trend 5: de instroom wordt breder, maar nog niet diverser
De genderkloof in informatica blijft opvallend: volgens het CBS behaalden in 2021/'22 negen keer zoveel mannen als vrouwen een hbo-diploma in deze richting. Werkgevers werven daarom gerichter buiten de traditionele vijver, wat de kansen voor switchers vergroot. Hoe dat in de praktijk uitpakt, beschrijft ook dit stuk over een traineeship als vrouw in een mannenwereld.

Waarin verschilt een traineeship software development of data science echt?

Hier zit de kern van je keuze, en het is niet het onderdeel dat de meeste starters verwachten.

Hoe ziet de Nederlandse IT-arbeidsmarkt eruit voor starters zonder IT-diploma?

Het gangbare advies luidt: hou je van wiskunde, kies data science; hou je van bouwen, kies software development. Dat advies is misleidend. In de praktijk komen weinig juniors vast te zitten op statistiek of op een programmeertaal. Ze lopen vast op iets anders: het verschil in hoe een opdracht is afgebakend.

Afgebakend versus open

Een ontwikkelopdracht heeft doorgaans een eindpunt dat je kunt aanwijzen. De functie werkt, de test slaagt, de code gaat door review. Je weet aan het eind van de dag of je iets af hebt.

Een data-opdracht heeft dat zelden. Je onderzoekt een vraag, ontdekt dat de brondata rammelt, en levert uiteindelijk een antwoord met slagen om de arm. Soms is de uitkomst: dit is met deze data niet te zeggen. Dat is een geldig resultaat, maar het voelt lang niet voor iedereen als een resultaat.

Daar zit de echte scheidslijn. Niet cijfers versus code, maar zekerheid versus onzekerheid als dagelijkse werksfeer. Wie behoefte heeft aan afgeronde eenheden werk, floreert meestal in development. Wie het prettig vindt om te blijven graven zonder te weten wat er ligt, past beter bij data.

Waar de assessments op selecteren

Dat verschil is ook zichtbaar in hoe selectie werkt. Bij de vier trajecten van Createment BV doorlopen kandidaten eerst een online test van ongeveer een uur, gevolgd door een technisch assessment van een volledige dag op locatie. In de praktijk valt daar ruim negen van de tien kandidaten af, ongeacht welke richting ze voor ogen hadden.

Wat opvalt: het assessment test geen voorkennis van programmeren. Het test of je een onbekend patroon kunt doorgronden onder tijdsdruk. Juist daarom komt het regelmatig voor dat iemand binnenkomt met de gedachte data science te willen doen en er met een developmentprofiel uitkomt, of andersom. De uitslag zegt meer over je manier van denken dan je zelfbeeld doet.

Een vergelijking op de punten die tellen

AspectSoftware developmentData science
Typische eerste opdrachtBugfix of kleine feature in bestaande codebaseDatabron opschonen en verkennen
Wanneer weet je dat je klaar bentTest slaagt, review goedgekeurdZelden hard, meestal in overleg
Aandeel overleg met niet-technische collega'sDoorgaans beperkt in jaar 1Vaak vanaf de eerste maanden
Kern van de leercurveTaal, framework, versiebeheer, testenSQL, statistiek, interpretatie, datakwaliteit
Traineeshipduur bij Createment BV2 maanden opleiding plus 12 maanden bij opdrachtgeverGelijk: 2 plus 12 maanden
Grootste valkuil voor startersPerfectionisme op code die morgen verandertFrustratie over data die nooit compleet is

Stel, een beleidsmedewerker van 29 met een sociale studie en veel Excel-ervaring twijfelt tussen beide richtingen. In het assessment blijkt ze snel patronen herkent, maar ongemakkelijk wordt van open vragen zonder eenduidig antwoord. Dan is development doorgaans de betere match, ook al leek data science op papier logischer bij haar achtergrond.

Zo pak je het aan:

  • Kijk terug op je laatste drie werkweken: hoeveel taken hadden een duidelijk eindpunt? Onder de helft betekent dat je onzekerheid al gewend bent
  • Probeer een week lang dagelijks 45 minuten SQL en 45 minuten een programmeertaal. Waar je na vijf dagen nog steeds vrijwillig aan begint, zegt meer dan een test
  • Vraag aan iemand die je goed kent: word ik onrustig van een taak zonder duidelijk einde?
  • Lees twee echte vacatures per richting en streep aan welke taken je zou vermijden. Meer dan drie strepen in één lijst is een signaal

Wat betekenen deze verschuivingen voor jouw eerste jaar bij een werkgever?

De trends hierboven bepalen concreet hoe je eerste twaalf maanden eruitzien.

Omdat AI routinecode overneemt, krijg je als junior developer sneller taken die om oordeel vragen: een pull request beoordelen, een fout in gegenereerde code opsporen. Dat versnelt je leercurve, maar het betekent ook dat je eerder moet kunnen uitleggen waarom iets niet klopt. In data-rollen zie je hetzelfde: het opsplitsen van functies betekent dat je vaak begint met pipelines en datakwaliteit, niet met modellen bouwen. Wie daarop rekent, zie je in de praktijk het snelst afhaken.

Bij grote opdrachtgevers als Belastingdienst, Alliander of APG werk je bovendien binnen vastgelegde processen. Dat vraagt geduld en documentatiediscipline, precies de eigenschappen waar in selectietrajecten op gelet wordt naast technisch inzicht.

De praktische conclusie: kies niet op basis van de rol die het spannendst klinkt, maar op basis van het werk dat je in maand drie doet.

Hoe bereid je je voor op de selectie voor een IT-traineeship?

De voorbereiding is korter dan je denkt, en anders dan je verwacht. Wie zes maanden cursussen stapelt, komt zelden beter door het assessment dan iemand die twee weken gericht heeft geoefend op abstract redeneren.

Wat verandert er in 2026 aan het werk van developers en data scientists?

Wat wel werkt, is jezelf blootstellen aan het type werk waar je twijfel over hebt. Bouw iets kleins af en merk of dat voldoening geeft. Neem daarna een rommelig databestand en probeer er een conclusie uit te trekken. Het contrast tussen die twee middagen zegt meer dan welk advies dan ook. Meer achtergrond over wat er technisch van je verwacht wordt, staat in dit stuk over programmeerkennis vooraf bij een data science traineeship.

Hou daarnaast rekening met de doorlooptijd. Bij nieuwe opdrachtgevers duurt besluitvorming vaak maanden, dus de vacature die vandaag online staat, kan volgende maand een andere richting hebben.

Zo pak je het aan:

  • Reserveer twee weken en oefen dagelijks 30 minuten logisch redeneren; scoor je consequent onder je eigen verwachting, plan dan extra tijd in plaats van door te drukken
  • Maak één klein project af, hoe simpel ook, en schrijf in vijf regels op wat je zou verbeteren
  • Bereid één concreet voorbeeld voor van een moment waarop je iets moeilijks hebt volgehouden zonder dat het moest
  • Check je financiële ruimte: een betaald traject scheelt, maar reken op een periode met een ander salarisniveau
  • Stel bij een intake altijd de vraag welke opdrachtgever achter de plek zit; die bepaalt je eerste jaar meer dan de richting

Veelgestelde vragen

Moet ik goed zijn in wiskunde voor een traineeship data science?

Nee, niet op universitair niveau. Wat telt is of je logisch en abstract kunt redeneren en bereid bent statistiek gaandeweg bij te spijkeren. In de praktijk zijn SQL en datakwaliteit in je eerste maanden belangrijker dan gevorderde wiskunde. Wie moeite heeft met kansrekening kan dat inhalen; wie niet abstract kan denken loopt eerder vast.

Kan ik later nog switchen van software development naar data science?

Ja, en dat gebeurt vaker dan starters denken. Beide richtingen delen dezelfde basis: programmeren, versiebeheer, gestructureerd denken. Een developer die na twee jaar richting data engineering beweegt, hoeft vooral SQL en datamodellering bij te leren. Andersom is de stap iets groter, omdat softwarepraktijken als testen en review meer tijd kosten om eigen te maken.

Hoe lang duurt een IT-traineeship en verdien je er iets mee?

Bij Createment BV bestaat het traject uit ongeveer twee maanden opleiding gevolgd door twaalf maanden traineeship bij de opdrachtgever, waarna je daar in dienst treedt. Je krijgt salaris tijdens het traject en betaalt geen collegegeld. Reken wel op een tijdelijk lager inkomen dan in een baan waarin je al ervaren bent. De investering zit vooral in tijd en energie, niet in geld.

Waarom kijken traineeshipbureaus niet naar mijn diploma?

Omdat diploma's slecht voorspellen wie de leercurve aankan. Selectie gebeurt daarom via een technisch assessment dat aanleg en doorzettingsvermogen test, waar in de praktijk ruim negen van de tien kandidaten op afvalt. Een sociale, juridische of economische achtergrond is daarbij geen nadeel. Wat wel telt: motivatie, want die bepaalt of je maandenlang volhoudt.

Is 30-plus te oud om nog te starten in de IT?

Nee, de kerngroep in traineeships ligt doorgaans tussen 24 en 35 jaar. Oudere starters brengen bovendien iets mee wat juniors met een informatica-achtergrond vaak missen: ervaring met klanten, processen en overleg. Bij grote opdrachtgevers weegt dat zwaar. De vraag is niet je leeftijd, maar of je bereid bent tijdelijk weer de minst ervaren persoon in het team te zijn.

Conclusie

De keuze tussen een traineeship software development of data science komt neer op één eerlijke vraag: hoe voel je je bij een opdracht die geen duidelijk eindpunt heeft? Wie daar rust bij vindt, past bij data. Wie liever iets afmaakt en aftikt, past bij development.

De arbeidsmarkt maakt beide routes reëel. De ICT-werkgelegenheid groeide volgens het CBS in tien jaar met 81 procent, maar werkervaring blijft volgens het UWV de drempel waar zelfstudie op stukloopt. Een traject dat je koppelt aan een echte opdrachtgever haalt precies die drempel weg.

Drie stappen die je deze week kunt zetten: oefen een middag met beide typen werk, schrijf op waar je energie van kreeg, en vraag bij een intake naar de opdrachtgever achter de plek. Wat de trajecten van Createment BV laten zien, is dat de uitkomst van een grondig assessment je zelfbeeld regelmatig corrigeert. En dat is waardevoller dan maandenlang blijven twijfelen.

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

Stel je vraag

Bronnen

Deel bericht

GERELATEERDE
BLOGS