Nadat ik in 2018 mijn master Business Analysis and Modelling aan de Radboud Universiteit in Nijmegen had afgerond, wist ik dat ik bij een groot, internationaal, technologisch vooruitstrevend bedrijf wilde werken waar ik nog meer kon leren over data science - en Kramp voldeed aan alle voorwaarden. Het is behoorlijk baanbrekend; het was een early adopter als het gaat om het introduceren van een webshop al die jaren geleden, en meer recent in het werken met Google Cloud.
Ik ben bij Kramp begonnen met het traineeprogramma, wat voor mij een geweldige kans was om een jaar lang verschillende functies uit te proberen. Daarna begon ik in mijn eerste functie, als data-analist in supply chain. Sindsdien ben ik betrokken bij een groot project om de vraagvoorspelling van Kramp te verbeteren met behulp van machine learning (ML). Door gebruik te maken van het data science platform Vertex AI, dat wordt ondersteund door team Cortex, konden we opschalen naar duizenden cores en dat gaf ons de rekenkracht die we nodig hadden. We trainen een model voor elk afzonderlijk product, wat neerkomt op ongeveer 200.000 modellen. Aangezien het zes seconden duurt om een model per core te berekenen, zou dit achter elkaar zo'n 350 uur in beslag nemen... maar wij doen het in 11 minuten. Uiteindelijk is de nauwkeurigheid van de prognoses met 4% verbeterd, wat het bedrijf al ongeveer € 8 miljoen heeft bespaard aan minder prognosefouten. Het geeft voldoening om te weten dat je expertise op het gebied van datawetenschap een grote impact heeft gehad op het verbeteren van de resultaten van Kramp.
Ik werk momenteel aan een A/B-pijplijn om te zien hoe veranderingen op onze website het online gedrag van klanten beïnvloeden. Ik gebruik Bayesiaanse waarschijnlijkheid om de resultaten te analyseren en vervolgens te vertalen naar zakelijke beslissingen. Ik heb ook een Large Language Model (LLM) gemaakt om de zoekfunctie op onze website te verbeteren en het aantal 'nulresultaten' te verminderen als reactie op de zoekwoorden die klanten gebruiken.
Ik vind het geweldig dat we zoveel steun krijgen van het management om ontwikkelingswerk te doen. We hebben de vrijheid om te proberen, te ontwikkelen, te verbeteren en te falen; de focus binnen Kramp ligt op het creëren van impact door te leren. Dit doen we onder andere in onze informele community van zo'n 50 data scientists/analisten die verspreid zijn over de hele Kramp organisatie. We komen samen om onze ontwikkelingen te laten zien, problemen te delen en ideeën en inzichten uit te wisselen. Als datawetenschapper kan de grote hoeveelheid mislukkingen soms frustrerend zijn, maar ik heb geleerd om te accepteren dat het gewoon onderdeel is van het innovatieproces en snel door te gaan naar het volgende project - en er zijn altijd genoeg andere zakelijke kansen om aan te pakken met zoiets schaalbaars als datawetenschap.
Kramp biedt veel mogelijkheden voor allerlei formele trainingen, maar datawetenschap is zo'n snel veranderend vakgebied dat je echt zelf de verantwoordelijkheid moet nemen om op de hoogte te blijven. Ik besteed dus veel tijd aan mijn eigen onderzoek om uit te vinden hoe ik nieuwe problemen kan aanpakken, vaak samen met mijn collega's. We werken in een zeer complexe omgeving. We werken in een zeer complexe omgeving, maar de samenwerking verloopt soepel dankzij de productteamstructuur van het bedrijf en de platformteams van Kramp maken het ontwikkelwerk gemakkelijk. Je weet meteen bij wie je moet zijn als je vragen hebt. Iedereen is gepassioneerd over zijn eigen specialisme en we helpen elkaar voortdurend om de nieuwste ontwikkelingen op het gebied van data science te ontdekken en te begrijpen.
Er is geen duidelijk carrièrepad voor mij omdat de rol van datawetenschap binnen het bedrijf voortdurend verandert, dus wie weet wat de toekomst zal brengen. Maar op dit moment vind ik het erg leuk om elke dag te leren en te groeien in mijn vakgebied.