"Mamy wsparcie i swobodę w próbowaniu, rozwijaniu, doskonaleniu i czasem nawet w niepowodzeniach; w Kramp skupiamy się na generowaniu wpływu poprzez naukę".

"Po ukończeniu studiów magisterskich w Analizie i Modelowaniu Biznesu na Uniwersytecie Radboud w Nijmegen w 2018 roku, wiedziałem, że chcę pracować w dużym, międzynarodowym, zaawansowanym technologicznie przedsiębiorstwie, gdzie będę mógł jeszcze więcej się nauczyć o naukach danych - i Kramp spełniał wszystkie te kryteria. Jest dość pionierski; był jednym z pierwszych, który wprowadził sklep internetowy wiele lat temu, a niedawno współpracuje z Google Cloud.

Dołączyłem do programu stażowego w Kramp, co było świetną okazją dla mnie, aby spędzić rok, próbując różnych ról. Następnie rozpocząłem pracę na moim pierwszym stanowisku jako Analityk Danych w obszarze łańcucha dostaw. Od tego czasu byłem zaangażowany w duży projekt poprawy prognozowania popytu w Kramp przy użyciu uczenia maszynowego (ML). Korzystając z platformy nauki danych Vertex AI, wspieranej przez zespół Cortex, byliśmy w stanie skalować do tysięcy rdzeni, co dało nam moc obliczeniową, którą potrzebowaliśmy. Trenujemy model dla każdego indywidualnego produktu, co daje nam około 200 000 modeli. Ponieważ model zajmuje sześć sekund na obliczenie na rdzeń, sekwencyjnie zajęłoby to około 350 godzin... ale my robimy to w 11 minut. Ostatecznie dokładność prognoz poprawiła się o 4%, co już zaoszczędziło firmie około 8 milionów euro na zredukowanych błędach prognozowania. To satysfakcjonujące wiedzieć, że twoja wiedza z zakresu analizy danych miała duży wpływ na poprawę wyników finansowych Kramp.

Aktualnie pracuję nad procesem A/B, aby zobaczyć, jak zmiany na naszej stronie internetowej wpływają na zachowanie klientów online. Używam prawdopodobieństwa bayesowskiego do analizy wyników, a następnie przekładam je na decyzje biznesowe. Stworzyłem również Large Language Model (LLM), aby poprawić funkcję wyszukiwania na naszej stronie internetowej i zmniejszyć liczbę "brak wyników" w odpowiedzi na słowa kluczowe używane przez klientów.

Uwielbiam fakt, że otrzymujemy tak duże wsparcie ze strony kierownictwa do przeprowadzania prac rozwojowych. Mamy swobodę do próbowania, rozwijania, doskonalenia i czasem nawet do niepowodzeń; w Kramp skupiamy się na generowaniu wpływu poprzez naukę. Jednym z sposobów na osiągnięcie tego celu jest nasza nieformalna społeczność około 50 analityków danych, którzy są rozproszeni w całej organizacji Kramp. Spotykamy się, aby prezentować nasze osiągnięcia, dzielić się problemami oraz wymieniać pomysły i spostrzeżenia. W analizie danych duża ilość niepowodzeń czasami może być frustrująca, ale nauczyłem się akceptować, że to po prostu część procesu innowacyjnego, i szybko przechodzić do kolejnego projektu - a zawsze jest wiele innych możliwości biznesowych do podjęcia przy czymś skalowalnym jak nauka danych.

Kramp oferuje wiele możliwości dla różnych formalnych szkoleń, ale data science to dziedzina, która rozwija się bardzo szybko, więc naprawdę trzeba wziąć na siebie odpowiedzialność za byciem na bieżąco. Spędzam więc dużo czasu na własnych badaniach, aby dowiedzieć się, jak podejść do nowych problemów, często wspólnie z moimi kolegami. Pracujemy w bardzo skomplikowanym środowisku, ale współpraca przebiega sprawnie dzięki strukturze zespołów produktowych firmy Kramp, a zespoły platformowe ułatwiają prace rozwojowe. Od razu wiesz, do kogo się zwrócić, jeśli masz jakiekolwiek pytania. Każdy jest pasjonatem swoich specjalizacji, i ciągle pomagamy sobie nawzajem odkrywać i zrozumieć najnowsze trendy w dziedzinie nauk danych.

Nie ma dla mnie jasno wyznaczonej ścieżki kariery, ponieważ data science w firmie ewoluuje cały czas, więc kto wie, co przyniesie przyszłość. Ale na razie naprawdę cieszę się nauką i rozwojem w mojej dziedzinie każdego dnia."