Eksperci z InPost opowiadają o tym, jak wygląda data science w ich firmie. Dowiedz się, jakie są wymagania i na co można liczyć.
Data science w InPost – jak to wygląda?
1. Jakie umiejętności są wymagane, aby pracować w sektorze data science i w przyszłości trafić np. do InPost?
Jest kilka dróg, żeby pracować w projektach wykorzystujących metody Data Science w InPost. Jedną z nich jest, oczywiście, ścieżka Data Science – o tym szerzej powiedzą Tomasz i Michał:
„Dobrze rozwiązany problem Data Science zaczyna się od świetnego zrozumienia biznesu. Do projektów angażujemy więc ekspertów pracujących na co dzień w jednostkach biznesowych. Opisanie tych problemów wymaga już umiejętności konsultingowych, jak problem solving, dekompozycja problemu, opisanie wymagań, etc. Budowa modelu to już oczywiście data science, a w kolejnym etapie pojawia się inżynieria danych i zakodowanie optymalnie działającego kodu wg najlepszych praktyk.
W końcu wracamy do prezentacji rezultatów i operacjonalizacji tematu, i tu wchodzi sztuka prezentacji, przekonywania i zmiany procesów biznesowych. W naszych tematach data science układamy więc ekipy w taki sposób, żeby każdy mógł zacząć pracować w części, w której jest najmocniejszy. Z czasem uczymy się wzajemnie różnych kompetencji z innych obszarów, co pozwala na szybsze dotarcie do rozwiązania. To jest też super ciekawe dla członków zespołu” – Tomasz Burzyński, Chief Data Officer
Od teorii do praktyki
„Data Scientist powinien posiadać zarówno umiejętności techniczne, jak i miękkie. Przede wszystkim nie ulega wątpliwości, że predyspozycje matematyczne odgrywają kluczową rolę w tym zawodzie. U jego podstaw stoją takie przedmioty akademickie jak analiza matematyczna, algebra liniowa czy rachunek prawdopodobieństwa. Ale też statystyka, ekonometria, uczenie maszynowe, matematyka finansowa i przetwarzanie sygnałów.
Dobry Data Scientist powinien wykazywać wiedzę oraz sprawność w większości wyżej wymienionych obszarów. Ponadto bardzo istotne są umiejętności programistyczne, które pozwalają przenieść teorię w świat empirycznych zastosowań. Bardzo często w skali Big Data.
W przypadku umiejętności miękkich największy nacisk kładzie się na umiejętność komunikacji z odbiorcą na wszystkich etapach projektu. Czyli od zbierania wymagań produktowych po komunikację wyników. Co ważne, najlepsze uczelnie akademickie (również te zlokalizowane w Polsce) dopasowały swoje programy nauczania do wyżej opisanych wymogów. Kreują dzięki temu nowych data scientistów dla rynku pracy” – Michał Woźniak, Data Scientist
2. Na czym polega proces „oczyszczenia” danych i przygotowania ich do analiz? Jak można się nauczyć tej umiejętności?
„Osobiście preferuję proces iteracyjny, tzn. polegający na wielokrotnym czyszczeniu i modelowaniu danych. W takim podejściu cierpliwość potrzebna do prawidłowego przygotowania danych jest rekompensowana modelowaniem (któż z data scientistów nie lubi modelować!) i dającym satysfakcję obserwowaniem coraz lepszego działania modelu dzięki coraz lepszym danym” – Marta Markiewicz, Senior Data Scientist
3. Jakie są najpopularniejsze zastosowania AI i Machine Learning w Data Science i jak to wygląda w InPost?
Marta: „Uczenie maszynowe może uczestniczyć w każdej fazie projektu data science tj. w analizie:
- deskryptywnej
- diagnostycznej
- predykcyjnej
- preskrypcyjnej
Zasadność jego użycia wynika z ograniczeń tradycyjnej statystyki oraz czasu przeznaczonego na realizację zadania„
4. O kim można powiedzieć, że ma „naturalne predyspozycje” do pracy w data science?
Marta: „Moim zdaniem najważniejsza jest fascynacja danymi. Jedni widząc dane, gromadzone przez smartwatch, wzruszą ramionami, a inni są naturalnie zainteresowani trendami liczby pokonywanych dziennie kroków czy wypitych szklanek wody i zastanawiają się nad ich zależnością z jakością snu czy zmianą wagi. Ta druga grupa to kandydaci na fantastycznych data scientistów„
Tomasz: „Rozwiązywanie problemów jest też ciekawym aspektem. W zespołach data bardzo chętnie widzimy ludzi potrafiących zdekomponować problem, który może być później rozwiązany metodami machine learning. Ludzi, który mają chęć zrozumienia problemu w obszarze, który dopiero odkrywają; którzy, żeby go lepiej zrozumieć, włączą się w proces biznesowy. Nasi data scientiści i analitycy nie siedzą w białych fartuchach w laboratorium, ale chętnie jeżdżą z kurierem, oglądają pracę na sortowni. To połączenie wiedzy biznesowej i zrozumienia faktycznych problemów w biznesie z wiedzą specjalistyczną o metodach analitycznych, które można włączyć do procesu biznesowego, pozwala na wdrożenie – co przenosi się na satysfakcję zarówno dla ekspertów w biznesie, bo mają łatwiej, ale też dla data scientistów, bo widzą efekty swojej pracy w realu„
5. Jakiego typu projekty realizuje się często w data science? Czy możecie podać jakieś przykłady, jeśli chodzi o realizacje InPost?
Marta: „Częste typy projektów to:
– prognozowanie, a w szczególności prognozowanie szeregów czasowych (prognozy sprzedaży, dochodów, liczby użytkowników);
– silniki rekomendacji (polecanie produktów, kontentu);
– klasyfikacje (decyzja dotycząca kredytu czy wysłania materiału marketingowego);
– wykrywanie anomalii (oszustwa, nieprawidłowe funkcjonowanie maszyn, wykrywanie defektów na linii produkcyjnej);
– analizy skupień (szukanie grup podobnych klientów / produktów)”
Kilka słów o biurze:
Jako społeczność #dataunlockers, razem z kolegami i koleżankami w biznesie budujemy rozwiązania w obszarach takich jak marketing, sprzedaż, operacje kurierskie, czy ekspansja i rozwój sieci – każdy znajdzie tu coś dla siebie. Nasze produkty oparte na danych mają wpływ na miliony użytkowników korzystających z usług InPost, a wyniki analiz pozwalają na podejmowanie strategicznych decyzji zgodnie z naszym podejściem „Data Driven”.
Praca z najnowszymi technologiami w dziale Data & AI jest doskonałą możliwością rozwoju Twojego warsztatu analitycznego, a ciągła współpraca z klientami wewnętrznymi pozwala na natychmiastową obserwację wpływu analityki na otaczającą nas rzeczywistość. 🙂
Zespół Data & AI w Inpost intensywnie się rozwija -> zobacz: oferty pracy Inpost
IT-Leaders.pl to pierwsza w Polsce platforma łącząca Specjalistów IT bezpośrednio z pracodawcami. Anonimowy, techniczny profil i konkretnie określone oczekiwania finansowe to tylko niektóre z cech wyróżniających platformę. Zarejestruj się i zobacz jak Cię widzi pracodawca.