Interjú Hernádi Tamással, a Data Science képzés végzett hallgatójával
Hernádi Tamás a pénzügyi szektorból, IT-s háttérrel érkezett Data Science képzésünkre. De mint elmondta, nem kell informatikusnak lenni ahhoz, hogy profitáljunk a képzésből: pszichológus, villamosmérnök és közgazdász is volt hallgatótársai között. A legnagyobb értéknek azt látja, hogy a hídemberek, azaz az adott területhez és az adatokhoz is értő kollégák előtt rengeteg lehetőség nyílik meg arra, hogy optimalizálják a szervezet folyamatait. Interjúnkban a szállítmányozással kapcsolatos projektfeladatról, és arról is mesélt, miért volt egyszerre szórakoztató és hasznos a képzés.
Te IT-s háttérrel érkeztél a Data Science képzésre. Hogy látod, mennyire kell informatikusnak lenni ahhoz, hogy elvégezd a képzést és profitálj belőle?
Attól függ, hogy kit
melyik terület érdekel a legjobban a képzés során bemutatott számos téma közül.
A mi évfolyamunkban többen is voltak, akik nem informatikai háttérrel érkeztek,
mégis nagyon lelkesen vettek részt az órákon és a projektfeladatban is.
Én éppen karrierváltás előtt állok, két alapvető elvárással jöttem a képzésre.
Egyfelől egy széles körű áttekintést reméltem a Data Science világáról,
másfelől egy kicsit el szerettem volna mélyedni a Python használatában, amivel
korábban már foglalkoztam egy keveset. Mindkét elvárásom teljesült, ráadásul
nagyon szerettem a pénteki órákra járni.
Van olyan téma/előadó a képzésből, amit kiemelnél? Mesélnél róla részletesebben, hogy miért volt különösen fontos számodra?
Évek óta dolgozom különböző Data Science érintettségű rendszerekkel (például Finance Data Lake, kockázatkezelési modellek), így a gyakorlatban foglalkoztam a témával, de az elméleti hátterem hiányos volt. István ezeket a területeket nagyon érthetően, szórakoztató stílusban magyarázta el. Csaba pedig megismertette velünk a Python nyelvet és annak gyakorlati használatát a Data Science kapcsán. Mindketten profi tanárok, akik a gyakorlati példák megoldása közben praktikus, a munkánk során jól használható tanácsokkal, módszerekkel is megismertettek minket.
A Data Science képzés során csoportokban dolgoztok projektmunkákon. Mi volt a ti témátok, és mit profitáltál a projektből?
Én a pénzügyi szolgáltatói területen dolgozom már régóta, így nagy érdeklődéssel vetettem bele magam a számomra eddig ismeretlen iparág, a szállítmányozási szférában működő cég adatainak elemzésébe. A projekt során jómagam Python segítségével a meglévő adatok gazdagítását végeztem, illetve regressziós modelleket használtam fogyasztási adatok előrejelzésére. A legjobban annak a kutatását élveztem, hogy milyen kiegészítő információk érhetőek el publikus adatforrásokban, és hogyan lehet hatékonyan hozzájuk férni az interneten keresztül. Ez rengeteg, nagyon érdekes továbbfejlesztési lehetőségre hívta fel a figyelmünket.
Egyébként a többi résztvevő nagyjából milyen területről érkezett, mennyire volt vegyes a csapat?
A csapat a projektfeladatban és az egész képzést tekintve is vegyes volt. Az online formátum miatt sajnos kevésbé ismertük meg egymást a többi résztvevővel, de volt pszichológus, villamosmérnök, közgazdász, informatikus végzettségű hallgató is. A munkahelyeket tekintve is sokszínű volt a társaság, az államigazgatás különböző szereplőitől kezdve a kis- és középvállalatokon át multis hátterű tanulók is részt vettek a képzésen. Számomra meglepően sokan a saját pénzükből finanszírozták a képzési részvételüket, de jó volt azt is hallani, hogy milyen sok szervezet tekinti befektetésnek, hogy munkatársaik fejlődéséhez színvonalas képzéseket biztosítsanak.
Egy vállalat számára szerinted miért lehet hasznos egy olyan munkatárs, aki ismeri az adott vállalat területét, és mellette az adatokhoz is ért?
Szerintem nagyon hasznos ez a szakértelem. A Data Science projektek hatékony indítása, valamint a projektek eredményeinek hasznosítása mindenképp ezeknek – István szavajárásával – a hídembereknek nevezett kollégáknak a kezében van. Számunkra kiválóan bizonyította a projektfeladat is, hogy mennyire fontos olyan munkatárssal dolgozni, aki érti az adatokat és azt is, hogy melyik adatot mire szeretnénk használni egy elemzésnél.
Megfordítva az előző kérdést: egy szakembernek szerinted mit adhat az, ha az adatok világában is otthonosan mozog?
Szerintem rengeteg lehetőséget és ötletet adhat egy ilyen kolléga számára a két terület együttes megértése. Annak az ismerete, hogy milyen adatok érhetőek el, ihletet adhat ahhoz, hogy milyen szervezet- vagy folyamatszervezési projektekkel lehetne javítani a szervezet hatékonyságát.
Fordítva pedig abban segít, hogy felismerje, hiába lehet egy „szép” elemzést készíteni valamiről, ha annak az eredménye nem alkalmazható a cég szempontjából.
Te mit tervezel, mire használnád később az itt tanultakat?
Nekem, mint product managernek nagyon sokat segít az, ha a termékemből kinyerhető és a hozzá kapcsolódó folyamatok által „termelt” adatokat jól ismerem, és tudom azt is, hogy milyen formában lehet ezekre támaszkodva – Data Science eszközökkel támogatva – javítani, optimalizálni akár a termék akár a szervezethez kapcsolódó folyamatokat.
Kinek ajánlanád a képzés elvégzését?
Bárkinek, aki úgy érzi, hogy a munkahelyén vagy a leendő munkahelyén szeretné az adatokat felhasználni ahhoz, hogy jobban megértse a folyamatok hatékonyságát és azt, hogy miként lehetne fejleszteni a működést. Ez a képzés nagy segítséget nyújt ahhoz, hogy a lehetőségeket felismerje, azok között eligazodjon. Ha esetleg nem ő maga fogja az adatokat részleteiben elemezni, a modelleket építeni, a machine learninget bevetni ehhez, akkor is tudni fogja, hogy milyen típusú szakértelmet keressen és hogy milyen eredményt várjon el.
Érdekel a Data Science képzés? Akkor kattints ide:
Hozzászólások