Hallgatói interjú Damsa Andreijel

2020 augusztus 14.

Nincsenek meg azok az összekötő emberek, akik átlátják az adatokat, és azokat le tudják fordítani a döntéshozás nyelvére

Damsa Anreijel, a Data Science képzés végzett hallgatójával beszélgettünk

Damsa Andrei egy hosszabb nyaralás során döntötte el: a KÜRT Akadémia Data Science képzése adhatja meg neki azt az áhított „big picture”-t, amit a részterületekre irányuló online képzések során hiányolt. Pszichológusként és egy 1700 fős hálózat vezetőjeként jól tudja, hogy az adatok értése nem elég, azt jól kell tudni prezentálni, ha azt akarja, hogy hatással legyen a döntéshozásra. Arról kérdeztük, hogy miért jelentkezett a képzésre, hogy tetszett neki a projektfeladat és hogy a mindennapi munkájában miként tudja használni az adatos gondolkodást.


Pszichológusként mi vonzott a Data Science képzésben?


Alapvetően pszichológus vagyok, de nem az a típus, akivel szemben leülsz a kanapéra, és mesélsz neki, hanem kutatópszichológus. A doktorimat is alkalmazott pszichológia szakon fogom befejezni.

Engem az érdekelt, hogyan lehet az emberi viselkedést számszerűsíteni, és abból értéket generálni, kapcsolatokat feltárni, előrejelzéseket készíteni, ami hasznos akár üzleti, akár társadalmi alapon.

Már egyetem alatt is a statisztika közel került a szívemhez, SPSS-ben dolgoztam sokat. A mesterképzés után pedig az adattudományok is felkeltették az érdeklődésemet, így elvégeztem online kurzusokat 2015-16 körül.

Aztán elkezdtem dolgozni: egy országos humán hálózatot irányítok, amelynek célja, hogy digitális kompetenciafejlesztésre vonatkozó állami törekvéseket valósítson meg. Ez eleinte a pszichológiához, vezetéshez közelebb álló feladatnak tűnt, de miután több mint 1700 főből áll a hálózat, így hamar elkezdtek az adatos vonatkozások is fontossá válni.


Elemeztétek is az adatokat? Hogy boldogultál vele?


Bevezettünk egy riporting rendszert, amelyhez elkezdtem egyre többet használni azt a tudást, amit felszedtem a különböző online kurzusokon.

Azt vettem észre, hogy elkülönült szigetekként minden témát megtanultam vagy megtanulhatnék – mit jelent az adattisztítás, mit jelent a regresszió, a hipotézisvizsgálat –, de ha nincs meg a témákat összekötő logika, akkor ezekből az elkülönült részekből nagyon nehezen tudok építkezni. Hiányzott a big picture.

Akkor merült fel bennem, hogy kellene egy átfogó képzés. Ez nyáron volt, éppen elutaztam nyaralni – ilyenkor mindig jó messze elmegyek, mondjuk Ázsiába, hogy egy kicsit távolról rálássak az életemre. A tengerparton ültem, nézegettem a képzési lehetőségeket, voltak 1-2 napos képzések, de a legtöbb csak bevezetőnek tűnt. Ekkor szembejött velem a KÜRT Akadémia képzése, átolvastam a leírást, és azt mondtam magamban: ú, ez tetszik.


Nagy-Rácz István, a Data Science képzés vezetője átadja Andreinek a képzési oklevelet.

Azt érezted, hogy pont valami ilyet keresel?


Abszolút. Megnéztem a tematikát, a beharangozó videót. Megnéztem az előadói listát, többüket is ismertem különböző helyekről. Úgy voltam vele, hogy

ha ezek az emberek itt előadnak, akkor ez nem lehet egy rossz dolog.

Úgyhogy jelentkeztem.



Mik voltak az első benyomásaid a képzésről?


Először is nagyon megörültem, hogy péntek délutánonként van a képzés, így

munka mellett is tudtam csinálni.

Az is nagyon tetszett, hogy a képzés előtt felhívtak a KÜRT Akadémiától, hogy mik az elképzeléseim, mit várok a képzéstől – elmondták, hogy az, hogy Data Science a képzés neve, nem azt jelenti, hogy Data Scientist leszek. Elmondtam, hogy szeretném, hogy összeálljanak ezek a kis szigetecskék a fejemben. És arról is beszéltünk, hogy a programozás a Python körül forog, így elmondtam, hogy a képzés jó apropónak tűnik, hogy az SPSS és az R után rávegyem magamat a Pythonozásra – azt mondták, hogy oké, akkor valószínűleg azt kapom majd, amire várok.


Amikor elkezdődött a képzés, akkor pedig az volt az első benyomásom, hogy ez profi. Ahogy ki volt alakítva a diasor, ahogy várt minket a kis sticker, meg dosszié, szóróanyag. Nem is volt túltolva, hanem végig azt éreztem, hogy mi vagyunk a középpontban. Az oktatók is úgy adták le az anyagot, úgy álltak rendelkezésre, ahogy azt én elvártam volna. Egy olyan alkalom volt, ami ár-érték arányban nem volt olyan jó, de erről is volt lehetőségem visszajelezni, ugyanis minden óra után kitöltöttünk egy kérdőívet. A képzés segített, hogy utána tudjam, merre, hogyan tudok elmélyedni egy-egy adott területen.


Adott egy térképet, hogy utána már jobban tudj tájékozódni?


Igen! Most, a képzés elvégzése után úgy vagyok vele, hogy ha találkozom egy topikkal, akkor azt már el tudom helyezni. Tehát,

aki mondjuk azt várja, hogy kulcsrakészen kijön, és magas szinten programozni fog, annak nem ajánlom a képzést, mert csalódna. De ad egy magabiztosságot,

erős indítást, amivel el tudsz kezdeni továbbmenni –

két félév alatt ad valami olyat, amit több év egyetem után éreznél.



Máshol ezt nem találtad meg?


A hazai piacon nem.

Külföldön rengeteg jó kurzus van, de online kurzusok. Igaz, hogy van community mögötte, de mégis más.

Az a networking, ami itt kialakult továbbmutat a képzésen. Ha felmerül most egy kérdésem, ráírhatok bármelyik oktatóra.

És a hallgatók között is egy szuper csapat alakult ki, a projektmunkát is nagyon élveztem.



Mesélsz a projektmunkáról egy kicsit?


Azt vizsgáltuk, hogy a Magyar Honvédségnél a katonák lemorzsolódását milyen tényezők befolyásolják. Hogy mennyire tudjuk bejósolni, hogy egy katona le fog-e morzsolódni vagy sem, azok alapján az információk alapján, amit tudunk a belépéskor. Az egyik csoporttársunk a honvédségnél dolgozik, anonimizált adatbázist kaptunk, a megyék is át voltak írva arany meg ezüst meg más színű megyékre. Végigszívtuk az összes szakaszt az adattisztítástól kezdve. Segítettek Istvánék is, illetve, ha épp ott volt a prezin

a vendégmeghívott, hozzátette a saját szakterületéről az impresszióit, tanácsait, így abszolút műhely jellege volt a munkának.

És az is tetszett, hogy véletlenszerűen rendeztek minket csoportokba, így nagyon izgalmas, vegyes csapatok alakultak ki.



A Data Science képzésre egyébként is jellemző, hogy nagyon vegyes háttérrel érkeznek a hallgatók. Hogy láttad, mennyire lehetett ezt a sokféle háttértudást összeegyeztetni a képzésen?


Nekem az összes ilyen volt. Mindegyik óra egy vagy két területtel foglalkozott, és mivel engem az egész terület széles körben érdekel, így minden alkalom nagyon gondolatébresztő volt számomra.

Rögtön láttam, hogy a mindennapi munkámba be tudom építeni az aktuálisan tanultakat.

Ha regresszióról volt szó, ahol értékeket becsülünk, az nagyon hasznos volt, mert nekem is be kell a munkámban jósolnom számokat. Amikor osztályoztunk, kategóriákat határoztunk meg, az is érdekes volt, mert azt is tudtam használni.


Sok mindent át tudtam venni, amit pedig még nem, arról tudom, hol találom meg a tanagyagban. Nagyon jó, hogy megkaptuk az anyagokat, jól használható formátumban, is vissza is tudjuk hallgatni az alkalmakat.


Mondanál példát, hogy a mindennapi munkádban hogyan segít ez a tudás?


Az 1700 fős hálózatunkból elég sok adatot szerzünk be különböző riportrendszereken keresztül. Elérkezett az a pont, amikor úgy láttam, hogy kell ehhez egy dedikált mini szervezeti egység, így

létrehoztunk egy adatközpontot.

Fel is vettünk egy kollégát, akinek többek között az a feladata, hogy ezeket az adatokat rendszerezze, adattárolási struktúrát kiépítse, elemzéseket készítsen. Nekünk nagyon fontos, ahogy bármelyik vállalatnak, szervezetnek is, hogy jól tudjuk kommunikálni az eredményeinket. Addig rendben van, hogy össze tudjuk gyűjteni, de utána úgy kell megfogalmazni, leírni, tálalni, hogy értelmezhető legyen a vezetőség számára.

Sajnos nekem az a tapasztalatom, hogy az egyetemi oktatásban sokszor inkább az a fontos, hogy viszonylag hosszú anyagokban kifejtsük, amit tudunk. Viszont vállalati környezetben minél célratörőbben, minél egyszerűbben kell kifejezni, amit elértél, úgy, hogy közben ne veszíts el információt.

A mi adatközpontunknak az egyik feladata, hogy úgy írja meg ezeket a riportokat, és úgy vizualizálja az eredményeket, hogy az könnyen érthető legyen a vezetőség számra.

Egy ütős és meggyőző anyaggal akár további forrásokat is be tudunk vonni.



Volt olyan, hogy így tudtad meggyőzni a vezetőséget?


Igen, úgy néz ki, hogy projekthosszabbításunk lesz, amit annak köszönhetünk, hogy meg tudtuk mutatni, hogy korábban a forrásainkat eredményesen használtuk. Nálunk erős volt a COVID alatti aktivitás, a mentoraink nagyon sokat segítettek időseknek, diákoknak, szülőknek, pedagógusoknak átállni a digitális oktatásra, kapcsolatot tartani. Mi pedig monitoroztuk, hogy a mentorok kiknek segítenek, milyen mértékben. A KÜRT Akadémia képzésén láttam, hogy mi mindenre lehet használni az adatokat. Ennek segítségével a mentorainkra fókuszáltunk, azt néztük, hogy településenként hány főnek segítettek, megmutattuk térképen a legaktívabb megyéket, régiókat.


Az örvendetes, hogy nálatok az adattudományra alapozott riport így hatott a döntéshozásban. Nekem az a benyomásom, hogy sok esetben magas pozícióban lévő emberek szubjektíven, kognitív torzítások hatása alatt döntenek. Te hogy látod ezt mint pszichológus és mint adatos beállítottságú vezető?


Szerintem ez alapvetően egy hozzáállásbeli kérdés. Sok vezető úgy néz a döntésre, mint egy erőfitogtatásra: én hozom a döntést. Sok esetben ez aláássa, hogy logikus javaslattal jöjjön a munkavállaló.

Az adatalapú megközelítés az objektivitást tudja növelni, amennyiben a vezető meg tudja érteni, hogy hogy lesz az adatból döntés.

Sok esetben nem látják a kapcsolatot az adat és a döntéselőkészítés között. Ha nem látják át, akkor nem fogják komolyan venni, nem fogják a megérzéseiket felülírni. Sok helyen probléma, hogy habár felvesznek egy Data Scientistet, aki gyártja szorgalmasan a riportokat, de azokat mégsem építik be a döntéshozásba. Ennek az egyik oka, hogy

nincsenek meg azok az összekötő emberek, akik átlátják az adatokat, és azokat le tudják fordítani a döntéshozás nyelvére. Ezért is jó ez a képzés, mert itt ezeket az összekötő embereket képezik.

Ha van egy köztes ember, aki nem elküldi a riportot, hanem egy meetingen 15 percben elmondja a CTO-nak vagy a CFO-nak, hogy miért nagyon fontos, amit az adott adatok mutatnak, akkor annak nagyobb az impaktja.

Kell, aki lefordítja, és egy kommunikációs platformot képez.

És aki meg is szűri, hogy a rengeteg adatból, összefüggésből mi releváns.




Ha kedvet kaptál a képzéshez, nézd meg az alábbi linken:



Megnézem a Data Science képzést

2020 augusztus 14.

Hozzászólások