Po ukończeniu studiów magisterskich z analizy i modelowania biznesowego na Uniwersytecie Radboud w Nijmegen w 2018 roku wiedziałem, że chcę pracować w dużej, międzynarodowej, zaawansowanej technologicznie firmie, gdzie nadal mógłbym zgłębiać tajniki data science – a Kramp spełniał wszystkie moje oczekiwania. Jest to firma pionierska. Była pionierem, jeśli chodzi o wprowadzenie sklepu internetowego wiele lat temu, a ostatnio w zakresie współpracy z Google Cloud.
Dołączyłem do programu stażowego Kramp, co było dla mnie doskonałą okazją do spędzenia roku na wypróbowywaniu różnych ról. Następnie zacząłem pracę na swoim pierwszym stanowisku, jako analityk danych w łańcuchu dostaw. Od tego czasu brałem udział w dużym projekcie mającym na celu ulepszenie prognozowania popytu w Kramp z wykorzystaniem uczenia maszynowego (ML). Wykorzystując platformę data science Vertex AI, wspieraną przez zespół Cortex, mogliśmy skalować do tysięcy rdzeni, co dało nam potrzebną moc obliczeniową. Trenujemy model dla każdego pojedynczego produktu, co daje około 200 000 modeli. Ponieważ model potrzebuje sześciu sekund na obliczenie każdego rdzenia, sekwencyjnie zajęłoby to około 350 godzin… ale my robimy to w 11 minut. Ostatecznie dokładność prognoz wzrosła o 4%, co pozwoliło firmie zaoszczędzić około 8 milionów euro dzięki zmniejszeniu błędów prognozowania. To satysfakcjonujące wiedzieć, że moja wiedza z zakresu analizy danych miała duży wpływ na poprawę wyników finansowych firmy Kramp.
Obecnie pracuję nad testami A/B, aby sprawdzić, jak zmiany na naszej stronie internetowej wpływają na zachowania klientów online. Wykorzystuję bayesowskie prawdopodobieństwo do analizy wyników, a następnie przekładam je na decyzje biznesowe. Stworzyłem również model LLM (Large Language Model), aby usprawnić funkcję wyszukiwania na naszej stronie internetowej i zmniejszyć liczbę „zerowych wyników” w odpowiedzi na słowa kluczowe używane przez klientów.
Cieszę się, że otrzymujemy tak duże wsparcie ze strony kierownictwa w prowadzeniu prac rozwojowych. Mamy swobodę próbowania, rozwoju, doskonalenia i ponoszenia porażek. W firmie Kramp koncentrujemy się na wywieraniu wpływu poprzez naukę. Jednym ze sposobów, w jaki to robimy, jest nasza nieformalna społeczność około 50 naukowców/analityków danych, którzy są rozsiani po całej organizacji Kramp. Spotykamy się, aby prezentować nasze osiągnięcia, dzielić się problemami oraz wymieniać się pomysłami i spostrzeżeniami. Jako analityk danych, duża liczba porażek może być czasami frustrująca, ale nauczyłem się akceptować fakt, że to po prostu część procesu innowacji i szybko przechodzić do kolejnego projektu – a zawsze istnieje wiele innych możliwości biznesowych, z którymi można się zmierzyć, korzystając z czegoś tak skalowalnego jak nauka o danych.
Kramp oferuje wiele możliwości sformalizowanych szkoleń, ale nauka o danych to tak dynamicznie rozwijająca się dziedzina, że naprawdę trzeba wziąć odpowiedzialność za bycie na bieżąco. Dlatego spędzam dużo czasu na prowadzeniu własnych badań, aby dowiedzieć się, jak rozwiązywać nowe problemy, często wspólnie z moimi kolegami. Pracujemy w bardzo złożonym środowisku, ale współpraca przebiega sprawnie dzięki strukturze zespołowej firmy, a zespoły platformowe Kramp ułatwiają prace rozwojowe. Od razu wiesz, do kogo się zwrócić w razie pytań. Każdy z nas pasjonuje się swoimi specjalizacjami i stale pomagamy sobie nawzajem w odkrywaniu i rozumieniu najnowszych osiągnięć w dziedzinie data science.
Nie mam jasno określonej ścieżki kariery, ponieważ rola data science w firmie stale ewoluuje, więc kto wie, co przyniesie przyszłość. Na razie jednak czerpię ogromną przyjemność z nauki i rozwoju w mojej dziedzinie każdego dnia.