Άκης Γαζεπίδης, Process Automation Engineer στην Generali.

Ο Άκης σπούδασε Στατιστική αλλά τον κέρδισε το Data Science γιατί «μπορείς να βγάλεις πληροφορία από πράγματα που δεν μπορείς να φανταστείς». Τον γοητεύει το γεγονός ότι μια ακατέργαστη πληροφορία μπορεί να γίνει χρήσιμη και να βοηθήσει μια εταιρία να πάρει τις σωστές αποφάσεις.  Έτσι βρέθηκε στο bootcamp της Big Blue Data Academy και λίγους μήνες μετά προσλήφθηκε από την Generali ως Process Automation Engineer.

Σήμερα μας μίλησε για τη διαδρομή του και μοιράστηκε μαζί μας τις σκέψεις και τις εμπειρίες του.

 

Q: Θέλεις να μας μιλήσεις για την καινούργια σου δουλειά;

Έχω μπει στην ασφαλιστική εταιρεία Generali, και ο ρόλος μου είναι  Process Automation Engineer, που έχει πολύ άμεση σχέση με το Data Science. Στο συγκεκριμένο τμήμα αυτοματοποιούμε διαδικασίες, δηλαδή, βάζουμε ένα ρομπότ, ένα μηχάνημα από τον υπολογιστή μας να κάνει κάποιες επαναλαμβανόμενες εργασίες για τις οποίες δεν χρειάζεται κάποια ιδιαίτερη απόφαση.

 

Q: Πώς συνδυάζεται το Data Science με μια ασφαλιστική εταιρεία;

Γενικότερα, τα Data ταιριάζουν παντού. Μπορείς να βγάλεις δεδομένα από οτιδήποτε. Έτσι, λοιπόν, και στις ασφαλιστικές εταιρείες, υπάρχουν διεργασίες που συμβαίνουν ανά τακτά χρονικά διαστήματα και έχουν ή δεν έχουν σχέση με το χρόνο, είτε τα ίδια τα δεδομένα που χρησιμοποιούμε παράγουν άλλα δεδομένα, τα οποία πρέπει να αναλυθούν, να μεταφερθούν κ.λπ. Στο σημείο που βρίσκομαι εγώ, μπορούμε να μεταφέρουμε μέχρι και να αναλύουμε αρχεία. Έτσι, δένει η αυτοματοποίηση με το Data Science.

 

Q: Αναλύετε και Data πελατών της ασφαλιστικής ή εσωτερικές διαδικασίες μόνο;

Κυρίως εσωτερικές διαδικασίες, διότι υπάρχουν αυστηροί κανόνες για τη διαχείριση προσωπικών δεδομένων. Data πελατών χρησιμοποιούμε βέβαια στο πλαίσιο που μπορούμε, βάζοντας και κάποια insights.  Το Data Science στην αυτοματοποίηση και ο όρος machine learning ουσιαστικά σημαίνουν πως έρχεται η στιγμή που ένα ρομπότ, αντί ενός εργαζομένου, πρέπει να πάρει μια απόφαση. Όλα αυτά έρχονται να αγκαλιάσουν την αυτοματοποίηση.

 

Q: Αυτό που κάνετε τώρα εσείς, υλοποιείται στην πράξη; Ή είναι κάτι που τώρα έχει ξεκινήσει;

Υλοποιείται στην πράξη και η δική μου προσθήκη είναι αρχικά να συνεχίσω το κομμάτι της αυτοματοποίησης και σε δεύτερο στάδιο να ενσωματώσω όσο περισσότερα Data Science εργαλεία μπορώ.

 

Q: Τι άλλες ειδικότητες υπάρχουν στην ομάδα σου;

Είμαστε μια ομάδα 5 ατόμων που αποτελείται από ένα μείγμα ανθρώπων από διαφορετικά τμήματα και με διαφορετικές γνώσεις. Σύμφωνα με την εταιρεία, αυτό παράγει καλύτερα αποτελέσματα. Υπάρχουν άνθρωποι με γνώσεις από το business, το ασφαλιστικό κομμάτι και άλλοι έχουν σχέση με τον κώδικα και το IT. Όλοι μαζί ρίχνουμε ιδέες και υλοποιούμε και τα projects.

 

Q: Ποια είναι τα κοινά και οι διαφορές μεταξύ του process automation και του Data Science;

Και τα δύο έχουν προγραμματισμό, παρόλο που δεν χρησιμοποιούν τα ίδια εργαλεία. Ο προγραμματισμός βέβαια εμπεριέχει και την αυτοματοποίηση. Το Data Science είναι η επιστήμη των δεδομένων. Προσπαθώ μέσα από τα δεδομένα να βγάζω πολύτιμη πληροφορία. Η αυτοματοποίηση σχετίζεται με το πώς θα παραλάβω τα δεδομένα, θα τα μετασχηματίσω, που θα τα αποθηκεύσω, πώς θα τα στείλω. Όλα αυτά με αυτοματοποιημένο τρόπο, χωρίς την παρέμβαση ανθρώπινου χεριού. Όπως καταλαβαίνουμε, η διαφορά τους είναι αρκετά μεγάλη, απλά παντρεύονται σε κάποια σημεία.

 

Q: Τι σε έφερε κοντά στο Data Science; Πες μας για τις σπουδές σου και την πορεία σου μέχρι αυτή τη θέση εργασίας.

Έχω σπουδάσει Στατιστική στο Πανεπιστήμιο Πειραιώς. Από τον Ιούλιο του 2020, αποφάσισα να ασχοληθώ ενεργά με το κομμάτι του Data Science και της ανάλυσης δεδομένων, κάτι το οποίο έχει άμεση σχέση και με τη Στατιστική, καθώς το Data Science χρησιμοποιεί τα στατιστικά εργαλεία. Μετά και τη στρατιωτική μου θητεία, ξεκίνησα με διάφορα σεμινάρια και διάφορες πλατφόρμες αλλά και μόνος μου να μαθαίνω τα εργαλεία του προγραμματισμού, για να επεξεργάζομαι τα δεδομένα. Ένας στατιστικός μπορεί να επεξεργαστεί αρχικά τα δεδομένα στο χέρι, ύστερα όμως πρέπει να χρησιμοποιηθούν ο υπολογιστής και τα προγράμματα, καθώς τα δεδομένα πληθαίνουν. Πέρασα από μια σχολή που σε φέρνει πιο κοντά στο Data Science και μετά γνώρισα τον Δημήτρη Μουσαδάκο και ξεκίνησα μία πρακτική πάνω στο Data Science, με την Big Blue.

 

Q: Θεώρησες δηλαδή πως το Data Science ήταν το επόμενο βήμα μετά τις σπουδές σου στη Στατιστική;

Ναι, το έβλεπα σαν εξέλιξη. Έβλεπα πόσο οι υπολογιστές έχουν εισβάλλει στην καθημερινότητα και στην επιστήμη, και συνδυάζονται με διάφορα προγράμματα, τα οποία βοηθούν υποστηρικτικά τη δουλειά σου. Οπότε θεώρησα σε πρώτο επίπεδο ότι έπρεπε να αρχίσω να δουλεύω προς αυτά τα προγράμματα και να γίνομαι πιο αποδοτικός στη δουλειά μου. Έτσι ξεκίνησα, και στην πορεία μου άρεσε πολύ το Data Science και σαν επιστήμη γενικότερα, το πώς προσεγγίζει τα δεδομένα και διάφορες αποφάσεις που παίρνεις μέσα απ’ αυτά.

 

Q: Τι σε τραβάει περισσότερο σ’ αυτό;

Το γεγονός ότι μπορείς να βγάλεις πληροφορία από πράγματα που δεν μπορείς να φανταστείς. Πέρα από πίνακες δεδομένων που πρέπει να καθαριστούν, μπορούμε να επεξεργαστούμε και ελεύθερα κείμενα, εικόνα, ήχο, βίντεο. Όλα αυτά τα δεδομένα που συνεχώς πληθαίνουν λόγω του διαδικτύου, χρειάζονται ανάλυση. Έτσι, η δουλειά μας γίνεται όλο και περισσότερο απαραίτητη.

 

Q: Άρα σε γοητεύει αυτό το κομμάτι;

Με γοητεύει το ότι μια ακατέργαστη πληροφορία μπορεί να γίνει χρήσιμη, ώστε να παρθούν κάποιες αποφάσεις από κάποια εταιρεία.

 

Q: Είναι η πρώτη σου δουλειά ή είχες κάποια εργασιακή εμπειρία στο παρελθόν;

Στο παρελθόν και παράλληλα με τις σπουδές μου ασχολούμουν με το κομμάτι της εστίασης, κάτι που δεν έχει σχέση με το Data Science. Η εργασιακή εμπειρία πάνω στο Data Science ήταν από την πρακτική που έκανα και επίσης τελειώνοντας το bootcamp της Big Blue από την πρακτική σε μια εταιρεία που συνεργαστήκαμε.

 

Q: Πιστεύεις πως αυτή η εμπειρία σε βοήθησε για να προσληφθείς στην τωρινή στο δουλειά;

Ξεκάθαρα. Στην αρχή, όταν αποφασίζεις να παρακολουθήσεις ένα σεμινάριο ή ένα μεγάλο bootcamp, είσαι λίγο σκεπτικός, γιατί δεν ξέρεις αν πραγματικά αξίζει αυτή η επένδυση σε χρόνο και χρήμα. Στη δική μου περίπτωση, αυτό ξεπεράστηκε γιατί έβλεπα πως στο bootcamp το hands-on κομμάτι αγκάλιαζε τις θεωρητικές μου γνώσεις.

 

Q: Τι  ήταν αυτό που σε έκανε να ξεπεράσεις τις αρχικές σου αμφιβολίες και να κάνεις το επόμενο βήμα;

Το 2022, που τώρα διανύουμε, οι εταιρείες θέλουν ανθρώπους, που όταν μπαίνουν στα γρανάζια της μηχανής  τους, να αποδώσουν όσο πιο γρήγορα γίνεται. Φυσικά, όταν δεν υπάρχει η ανάλογη προϋπηρεσία, η εταιρεία δεν τον προσλαμβάνει γι αυτά που ξέρει να κάνει αλλά γι αυτά που πιστεύει ότι μπορεί να κάνει πάρα πολύ γρήγορα. Οπότε, μπαίνοντας στο bootcamp, θεώρησα ότι θα είμαι πολύ πιο έτοιμος να μπορέσω ν’ ανταποκριθώ σύντομα σ’ αυτά που θα μου ζητήσουν. Η εταιρεία που είμαι τώρα έχει την ίδια φιλοσοφία για εξέλιξη, για εισαγωγή του Data Science όλο και περισσότερο μέσα στην εταιρεία, οπότε νομίζω δεν με επέλεξαν τυχαία.

 

Q: Είχες υποστήριξη από την Big Blue Data Academy και σε κομμάτια LinkedIn, βιογραφικό, συνεντεύξεις; Χρειάστηκες βοήθεια και σ’ αυτό το κομμάτι πέρα από τις γνώσεις που πήρες στο καθεαυτό αντικείμενο;

Γενικότερα, το bootcamp πραγματικά έρχεται να σε βοηθήσει πέρα από το Data Science και σαν επαγγελματία. Θα προσέξει το βιογραφικό σου, θα σου δώσει συμβουλές για το πώς θ’ αναδείξεις τις γνώσεις σου, γιατί δεν είναι εύκολο να μεταδώσεις σε μια κόλλα χαρτί όλα αυτά που έχεις κάνει περιληπτικά αλλά και σωστά. Άρα, το bootcamp σε μαθαίνει και σε προετοιμάζει στο Data Science, σου δίνει projects, μέσα από τα οποία αποκτάς εμπειρία, σε βοηθάει στο βιογραφικό σου και στο LinkedIn, ώστε να μεγαλώσει το networking σου. Τελικά, σου δίνει μεγάλη εμπειρία μέσα από την προϋπηρεσία που κάνεις στο τέλος. Στη δική μου περίπτωση, ήταν η συνεργασία με την purposeful, μια εταιρεία βιοτεχνολογίας.

 

Q: Τι έκανες στο τελικό project;

Η purposeful είναι μια εταιρεία που προσπαθεί να βάλει όλο και περισσότερο Data Science στο κομμάτι του φαρμάκου και έχει σαν κύριο σκοπό της να ψάχνει πιθανές χρήσεις για ήδη υπάρχοντα φάρμακα και μπορούν να χρησιμοποιηθούν για την αντιμετώπιση σπάνιων ασθενειών. Επειδή οι μελέτες γι αυτές τις σπάνιες ασθένειες είναι πολύ ακριβές, η εταιρεία προσπαθεί να συσχετίσει φάρμακα που ήδη υπάρχουν στην αγορά με αυτές τις παθήσεις για να τις θεραπεύσει. Εκεί μπαίνει και το κομμάτι του Data Science. Το τελικό project έγινε σε συνεργασία με έναν άλλον σπουδαστή της ακαδημίας. Σκοπός μας ήταν να φτιάξουμε κάποια εργαλεία, τα οποία θα αναλύουν πατέντες. Η πατέντα είναι ουσιαστικά όταν έχω βρει ένα φάρμακο και προσπαθώ να κατοχυρώσω οτι θεραπεύει μια ασθένεια. Οπότε έχω τα πνευματικά δικαιώματα. Αυτό είναι μια πατέντα. Εμείς αναλύουμε τις πατέντες για να ελέγξουμε κάποια συγκεκριμένη πληροφορία μέσα απ’ αυτές, η οποία είναι χρήσιμη στην εταιρία. Το δεύτερο στάδιο ήταν να φτιάξουμε ένα μοντέλο που με τη βοήθεια και του machine learning και αναλύοντας πολλές πατέντες, θα βρίσκει κάποια πιθανά θέματα που θα υπάρχουν σε αυτές. Για παράδειγμα, αν μια ασθένεια έχει έναν κατάλογο από φάρμακα, θα μπορούσαν κάποια φάρμακα να είναι πιο συχνά γι αυτήν την ασθένεια και να δείχνει το μοντέλο πως αυτά τα φάρμακα έχουν κάποια σημασία για τη συγκεκριμένη ασθένεια.

 

Q: Πριν βρεις αυτήν την δουλειά, είχες στείλει πολλά βιογραφικά; Πήγες σε πολλές συνεντεύξεις;

Ναι, είχα στείλει βιογραφικά και είχα περάσει από συνεντεύξεις πριν υπογράψω στη Generali. Η Generali κινήθηκε γρήγορα γιατί έδειξε ενδιαφέρον σε μένα και εγώ είδα ότι υπήρχε μια χημεία με τους ανθρώπους που μίλησα, οπότε αναγνώρισα τις βάσεις για μια καλή συνεργασία.

 

Q: Άρα έπαιξαν ρόλο και οι άνθρωποι που θα είναι κοντά σου;

Για μένα προσωπικά, παίζει τον πρώτο ρόλο. Η επιλογή της δουλειάς μου έχει να κάνει με τη φιλοσοφία των ανθρώπων που πρόκειται να συνεργαστώ, με το αντικείμενο – να είναι, δηλαδή, αυτό που θέλω - και μετά έρχονται τα οικονομικά και τα υπόλοιπα.

 

Q: Ποια είναι η φιλοσοφία στην οποία συμφωνήσατε;

Γενικότερα, μου αρέσει πολύ η εξέλιξη. Καινούριες τεχνολογίες με ελκύουν πολύ. Ειδικότερα, με ελκύει το κομμάτι του Data Science που αφορά σε ελεύθερο κείμενο και πώς μπορούμε να βγάλουμε πληροφορία μέσα απ’ αυτό. Στο μέλλον, θα ήθελα να ασχοληθώ με δυσκολότερα κομμάτια, ίσως εικόνα και ήχο.

 

Q: Πώς βλέπεις τον εαυτό σου σε λίγα χρόνια;

Επαγγελματικά, τον βλέπω σε μια σταθερότητα, σίγουρα μέσα στο Data Science, με τον έναν ή τον άλλον τρόπο. Δεν το προσδιορίζω ακριβώς αλλά θα ήθελα να φανεί η εξέλιξή μου την επόμενη πενταετία.

 

Q: Τι συμβουλές θα έδινες σε κάποιον που είτε είναι φοιτητής, είτε ψάχνεται στον χώρο του Data Science είτε ψάχνει εργασία γύρω από το αντικείμενο;

Εάν κάποιος σκέφτεται να ασχοληθεί με το Data Science -  για το οποίο θεωρώ ότι στα επόμενα 5-10 χρόνια θα είναι αρκετά ψηλά - συμβουλεύω αρχικά να ασχοληθεί πολύ καλά με τον προγραμματισμό και με τη στατιστική, η οποία βοηθά στο να παίρνεις αποφάσεις. Να παρακολουθεί καθημερινά τις εξελίξεις στο Data Science, γιατί συνεχώς βγαίνουν νέα πράγματα και πρέπει να είναι διαρκώς ενήμερος. Όποιος αμελεί να ενημερώνεται, σύντομα δεν θα βρίσκεται στην αιχμή της τεχνολογίας. Κάποιος που το 2022 θέλει να ασχοληθεί με το Data Science, πρέπει να ασχοληθεί με εικόνα και ήχο.

Θα ήθελα να πω σε όποιον ενδιαφέρει το Data Science, να μην το φοβηθεί και να είναι πολύ αφοσιωμένος στο αντικείμενο. Για ό,τι χρειαστεί κάποιος, είμαι κι εγώ διαθέσιμος στο LinkedIn για οποιαδήποτε βοήθεια και συμβουλή.

 

Άκη, σε ευχαριστούμε πάρα πολύ για τον χρόνο σου και σου ευχόμαστε κάθε επιτυχία στη σταδιοδρομία σου.

Η ομάδα Big Blue Data Academy

Άκης Γαζεπίδης