Dopo aver completato il mio master in Business Analysis and Modelling presso la Radboud University di Nijmegen nel 2018, sapevo di voler lavorare in un'azienda di grandi dimensioni, internazionale e tecnologicamente avanzata, dove avrei potuto imparare ancora di più sulla scienza dei dati, e Kramp aveva tutte le carte in regola. L'azienda è piuttosto pionieristica; è stata un'azienda all'avanguardia in termini di introduzione di un web shop tanti anni fa e, più recentemente, nella collaborazione con Google Cloud.
Sono entrato a far parte del programma di tirocinio di Kramp, che mi ha dato l'opportunità di passare un anno a provare diversi ruoli. Poi ho iniziato a ricoprire la mia prima posizione, come analista di dati nella catena di approvvigionamento. Da allora, sono stato coinvolto in un importante progetto per migliorare la previsione della domanda di Kramp utilizzando l'apprendimento automatico (ML). Sfruttando la piattaforma di data science Vertex AI, supportata dal team Cortex, siamo riusciti a scalare fino a migliaia di core e questo ci ha dato la potenza di calcolo necessaria. Addestriamo un modello per ogni singolo prodotto, il che porta a circa 200.000 modelli. Poiché il calcolo di un modello richiede sei secondi per core, in sequenza ci vorrebbero circa 350 ore... ma noi lo facciamo in 11 minuti. In definitiva, l'accuratezza delle previsioni è migliorata del 4%, il che ha già fatto risparmiare all'azienda circa 8 milioni di euro in termini di riduzione degli errori di previsione. È gratificante sapere che la vostra esperienza nella scienza dei dati ha avuto un grande impatto sul miglioramento dei profitti di Kramp.
Attualmente sto lavorando a una pipeline A/B per vedere come le modifiche al nostro sito web influiscono sul comportamento online dei clienti. Uso la probabilità bayesiana per analizzare i risultati e tradurli in decisioni aziendali. Ho anche creato un Large Language Model (LLM) per migliorare la funzione di ricerca sul nostro sito web e ridurre il numero di "risultati zero" in risposta alle parole chiave utilizzate dai clienti.
Mi piace il fatto che riceviamo tanto sostegno dalla direzione per condurre il lavoro di sviluppo. Abbiamo la libertà di provare, sviluppare, migliorare e fallire; l'obiettivo di Kramp è quello di ottenere un impatto attraverso l'apprendimento. Un modo per farlo è la nostra comunità informale di circa 50 data scientist/analisti sparsi in tutta l'organizzazione Kramp. Ci riuniamo per presentare i nostri sviluppi, condividere i problemi e scambiare idee e intuizioni. Come data scientist, la grande quantità di fallimenti può essere a volte frustrante, ma ho imparato ad accettare che fa parte del processo di innovazione e a passare rapidamente al progetto successivo: ci sono sempre molte altre opportunità di business da affrontare con qualcosa di così scalabile come la scienza dei dati.
Kramp offre molte opportunità di formazione formale, ma la scienza dei dati è un campo in così rapida evoluzione che bisogna assumersi la responsabilità di tenersi aggiornati. Perciò passo molto tempo a fare ricerche personali per capire come affrontare nuovi problemi, spesso insieme ai miei colleghi. Lavoriamo in un ambiente molto complesso, ma la collaborazione funziona senza problemi grazie alla struttura dei team di prodotto dell'azienda, e i team di piattaforma di Kramp facilitano il lavoro di sviluppo. Si sa subito a chi rivolgersi in caso di domande. Ognuno è appassionato delle proprie specializzazioni e ci aiutiamo costantemente a scoprire e comprendere i più recenti sviluppi della scienza dei dati.
Non c'è un percorso di carriera ben definito per me, perché il ruolo della scienza dei dati all'interno dell'azienda è in continua evoluzione, quindi chissà cosa mi riserverà il futuro. Ma per ora mi piace molto imparare e crescere ogni giorno nel mio campo.