Για 20 χρόνια πριν επιλέξει το Data Science Bootcamp και αλλάξει καριέρα, ο Χρήστος δούλεψε ως Καθηγητής Σχολικών Μαθηματικών. Στα 34 αποφάσισε να κάνει το μεγάλο βήμα και να επιδιώξει μια καριέρα σε άλλο κλάδο. Αγαπούσε όμως τα Μαθηματικά από παιδί και αυτό τον έφερε πιο κοντά στον σημερινό του ρόλο. Διάβασε εδώ πώς έκανε τη μεγάλη μετάβαση.

Q: Μίλησέ μας για τις σπουδές σου.

Η μεγάλη μου αγάπη από παιδί ήταν τα Μαθηματικά και είχα την τύχη να ξεκινήσω να εργάζομαι στα 17 μου, παραδίδοντας ιδιαίτερα μαθήματα Σχολικών Μαθηματικών το Καλοκαίρι πριν εισαχθώ στο Μαθηματικό Αθήνας. Την ίδια δουλειά συνεχίζω να κάνω εδώ και δύο δεκαετίες. Στα 34 αποφάσισα να κάνω αλλαγή καριέρας, ξεκινώντας από το Μεταπτυχιακό στα Μαθηματικά της Αγοράς και της Παραγωγής, που το διοργανώνει το Οικονομικό Πανεπιστήμιο Αθηνών μαζί με το Εθνικό και Καποδιστριακό. Το Μεταπτυχιακό αυτό είναι κυρίως επαγγελματικού και λιγότερο ακαδημαϊκού χαρακτήρα. Δίνει έμφαση στις δεξιότητες που ζητά η Αγορά και σε εκπαιδεύει σε κλάδους όπως Επιχειρησιακή Έρευνα, Finance, Data Science και Αναλογισμός. Δίνει στη νοοτροπία του Μαθηματικού πρακτικό χαρακτήρα και φιλοσοφία που δεν έχουν οι προπτυχιακές σπουδές του και χωρίς αυτά δε μπορείς να σταθείς με επάρκεια στην Αγορά.

Μετά ακολούθησα πιο τεχνικές εκπαιδεύσεις, e-Learning Προγράμματα σχετικά με εργαλεία ενός Data Analyst, όπως η Γλώσσα Προγραμματισμού R, η SQL και εργαλεία των Data Analytics, όπως Excel, Power BI και KNIME, με αποκορύφωμα την Python στο Data Science Bootcamp της Big Blue. Σημαντικό μέρος των σπουδών μου είναι ο Αναλογισμός και έχω την τιμή να είμαι Εκπαιδευόμενο Μέλος της Ένωσης Αναλογιστών Ελλάδος. Ο Αναλογιστής αναλύει και ποσοτικοποιεί τον κίνδυνο, υπολογίζει την πιθανότητα εμφάνισής του με βάση εξειδικευμένα Μαθηματικά, Στατιστική και Χρηματοοικονομικές Μεθόδους, εκτιμά την χρηματοοικονομική του επίδραση και σχεδιάζει μεθόδους για να την περιορίσει. Πήρα το θάρρος να ασχοληθώ με το πεδίο γιατί είδα ότι το ίδιο κάνουν πολλοί Στατιστικοί και Μαθηματικοί. Η Data Science είναι ένας κλάδος που ανθίζει και θα εκραγεί τις επόμενες δεκαετίες, τα skills που απαιτεί είναι περιζήτητα και κοντά στις δυνατότητές μου, άρα είχε νόημα ν’ αρχίσω να ασχολούμαι και μ’ αυτήν.

Q: Πόσο κράτησε η αναζήτησή σου για δουλειά;

Από τότε που άρχισα να ψάχνω (στη λήξη του Bootcamp) μέχρι την τελική προσφορά πέρασαν 2 μήνες. Κατά τη διάρκεια είχα υπόψη μου δύο πεδία αναζήτησης, το Data και το Actuarial/Financial. Δεν ξεκίνησα να προωθώ τον εαυτό μου μόνον ως Junior Data Scientist, γιατί ξεκινώντας στην ηλικία μου (είμαι 38) από το μηδέν, καταλαβαίνω πως το βιογραφικό μου είναι λιγότερο ελκυστικό από το μέσο όρο. Οπότε, έπρεπε να πατάω κατά κάποιον τρόπο σε δύο βάρκες και να κάνω ένα «πάντρεμα», δηλαδή λίγα Μαθηματικά, λίγος Αναλογισμός, λίγα Χρηματοοικονομικά και λίγος Προγραμματισμός. Ομολογώ ότι αν το προφίλ μου ήταν πιο τεχνικό, τότε μάλλον θα ήμουν σαν τα άλλα παιδιά της Academy, που προωθούν τον εαυτό τους εξαρχής ως Data Scientists, Data Engineers, Data Analysts και ούτω καθεξής. Γενικά έπρεπε να τα λάβω όλα αυτά υπόψη μου για να χαράξω το καλύτερο σχέδιο, σα να παίζω σε μία παρτίδα σκάκι, έχοντας μπροστά μου σε κάθε βήμα μία «θάλασσα» από σενάρια.

Q: Μίλησέ μας για τη θέση που έχεις τώρα. Ποιος είναι ο ρόλος σου;

Είμαι Business Analyst στον Όμιλο Εταιριών LPA, έναν πάροχο χρηματοοικονομικών υπηρεσιών που εστιάζει σε τεχνολογικές λύσεις και συμβουλευτικές υπηρεσίες για τον Κλάδο της Κεφαλαιαγοράς και βελτιστοποιεί τις διαδικασίες που εγγυώνται τη συμμόρφωση προς Νόμους και Κανονισμούς. Ο ρόλος μου θα μπορούσε να λέγεται «Financial Data Analyst», γιατί τα πρώτα μου καθήκοντα έχουν να κάνουν με επενδυτικά προϊόντα βασισμένα σε ασφάλιση και απαιτούν ανάλυση και επεξεργασία χρηματοοικονομικών δεδομένων. Είναι σε μεγάλο βαθμό αυτό που λέμε «δουλειά γραφείου» και επιτρέπει την εργασία από το σπίτι.

Q: Σου αρέσει η θέση σου έως τώρα;

Μέχρι στιγμής δεν έχω ξυπνήσει ούτε ένα πρωί με το γνωστό συναίσθημα της αγγαρείας! Είναι ίσως λίγο νωρίς, αλλά στην πορεία μάλλον θα καταλάβω καλύτερα. Έχω όμως θετικό προαίσθημα! Ένα θετικό στο νέο περιβάλλον είναι ότι συνδυάζονται καθημερινά γνώσεις τεχνικές και financial και ότι τα καθήκοντα της μέρας προσαρμόζονται στο προφίλ σου, ώστε όσο περνά ο χρόνος να βρίσκεις τη θέση που σου ταιριάζει. Υπάρχουν πάρα πολλά πράγματα που έχεις να κάνεις και οι διαδρομές είναι πολλές. Η πληροφορία που αφομοιώνεις κάθε μέρα είναι ογκώδης και στην αρχή παθαίνεις «information overload»!

Q: Πώς αποφάσισες να μπεις στο Bootcamp;

Ομολογώ ότι το site της Academy έπαιξε ρόλο, τα χαρακτηριστικά που έχει το Πρόγραμμα Σπουδών της και πάνω απ’ όλα, το τελικό Project σε συνεργασία με πραγματική εταιρία. Το προφίλ μου δεν ήταν τόσο πρακτικού χαρακτήρα και μου έλειπε η εμπειρία της ομαδικής συνεργασίας. Το τελικό Project λοιπόν ήταν μία πρώτης τάξεως ευκαιρία.

Η προθεσμία ενός μήνα για να παραδώσεις χειροπιαστά και ερμηνεύσιμα αποτελέσματα (η Academy δίνει πολλή σημασία σε αυτό και αναλύει πάρα πολύ συχνά τον όρο «explainability») έδειχνε μια εμπειρία που άξιζε τον κόπο και αποφάσισα να αποκτήσω. Το Bootcamp ήταν από την αρχή ως το τέλος «προπόνηση» για τον πραγματικό κόσμο. Έχεις καθοδήγηση κάθε μέρα στη μελέτη σου αλλά όχι 100%, διότι πρέπει να αποκτήσεις αυτενέργεια, να ψάχνεις πληροφορίες σωστά, να μάθεις να πειραματίζεσαι και να βρίσκεις λύσεις στα προβλήματα που σου προκύπτουν στην πορεία. Σε μένα έπαιξε πολύ θετικό ρόλο όλο αυτό. Γενικότερα, το mindset μου ήταν πώς θα γίνω ελκυστικότερος στους εργοδότες.
 

Q: Σε βοήθησε το Bootcamp στα πρακτικά, δηλ. LinkedIn, βιογραφικό, διαχείριση συνεντεύξεων, κ.λπ.;

Βεβαίως, έλαβα χρήσιμες συμβουλές, έμαθα τεχνικές επικοινωνίας, είχα πρόσβαση σε inside info και στις συνεντεύξεις όλα ήταν στο πίσω μέρος του μυαλού μου και με βοήθησαν. Είχε το καλό ότι παίρνεις πληροφορίες από ανθρώπους του χώρου που σου δίνουν μάλιστα και το feeling της δουλειάς. Προσωπικά δεν το είχα αυτό και καταλάβαινα ότι έπρεπε να το αποκτήσω, άλλος ένας λόγος που ήρθα στο Bootcamp. Το Bootcamp έπαιξε θετικό ρόλο στην πρόσληψη από την LPA. Δεν το ξέρω επίσημα, αλλά δικαιούμαι να το υποθέτω, καθώς με ρώτησαν αρκετά γι’ αυτό στις συνεντεύξεις. Ακόμα κι αυτός ο ένας μήνας δουλειάς σε πραγματική εταιρία παίζει θετικό ρόλο στο βιογραφικό.

Q: Άρα, η πιο σημαντική βοήθεια ήταν να σε πάρουν από έναν θεωρητικό κόσμο και να σε οδηγήσουν σε έναν πιο πρακτικό, hands-on.

Ακριβώς. Το 2018, όταν έκανα το εσωτερικό «κλικ» για αλλαγή καριέρας, πήγα στην Ημερίδα Παρουσίασης από το Μαθηματικό Αθήνας των Μεταπτυχιακών του, ψάχνοντας τι με συμφέρει να διαλέξω. Κάτι σωστό που άκουσα από τους διδάσκοντες του Μεταπτυχιακού που διάλεξα είναι το εξής.: Ένας Μαθηματικός (και γενικά ένας Θετικός Επιστήμονας) έχει μάθει να παίρνει το χρόνο του και νιώθει άνετα όταν εμβαθύνει στις αναζητήσεις του. Δε μαθαίνει αναγκαστικά να συνδέει τα αποτελέσματα με την πραγματικότητα, απλά διότι δεν είναι πάντα αυτό το ζητούμενο. Έτσι ήμουν κι εγώ τότε. Η Αγορά όμως απαιτεί άλλα πράγματα από σένα. Είναι σα να πηγαίνεις σε συνεργείο αυτοκινήτων. Εσύ, ως πελάτης, δεν ενδιαφέρεσαι να σου εξηγήσει ο μηχανικός γιατί διαλέγει το συγκεκριμένο εξάρτημα για να αντικαταστήσει το συγκεκριμένο κομμάτι μηχανής. Εσύ θες απλώς να μπορείς να πας στη δουλειά σου με ασφάλεια. Το αποτέλεσμα σ’ ενδιαφέρει. Για το αποτέλεσμα δίνεις (ή δε δίνεις) τα λεφτά σου. Μπροστά σε αυτό, το «γιατί» ωχριά. Την πρακτική αυτή νοοτροπία δεν την είχα και τη χρειαζόμουν. Το Μεταπτυχιακό, ο Αναλογισμός και το Bootcamp, είναι εκπαιδεύσεις που την προσφέρουν, σε προπονούν για τον πραγματικό κόσμο, μαθαίνεις να σέβεσαι τις διορίες, σε στρεσάρουν ελεγχόμενα και μαθαίνεις να διαχειρίζεσαι το χρόνο και το άγχος σου.

Q: Μίλησέ μου για το τελικό Project σου.

Συνεργάστηκα με δύο Σπουδαστές της Big Blue για ένα Project της εταιρίας AgroApps από τη Θεσσαλονίκη. Στόχος είναι να προβλέπει με επιτυχία η εταιρία για πελάτες της (αγροτικούς παραγωγούς) την τελική απόδοση, πόσα κιλά θα βγάλει ανά στρέμμα κάθε πελάτης από κάθε αγροτεμάχιο στο τέλος της καλλιεργητικής περιόδου. Η εταιρία παίρνει δεδομένα από δορυφορικές μετρήσεις και έχει ήδη αναπτύξει μοντέλα πρόβλεψης της απόδοσης. Το ζητούμενο από εμάς ήταν να διερευνήσουμε πόσο μπορεί να βελτιωθεί η επιτυχία των προβλέψεων από επιπλέον μετεωρολογικές πληροφορίες και να διερευνήσουμε τη σημασία κάθε παραμέτρου στο τελικό αποτέλεσμα. Μας έδωσαν δορυφορικές και μετεωρολογικές πληροφορίες δύο καλλιεργητικών περιόδων (προφανώς όσο περισσότερα δεδομένα έχεις τόσο το καλύτερο), αναπτύξαμε επιπλέον μοντέλα Machine Learning για την εταιρία και αναδείξαμε την κρισιμότητα της κάθε παραμέτρου. Το Project με έφερε σε επαφή με πραγματικές επιχειρησιακές ανάγκες και με καθημερινή πίεση λόγω διορίας και την ανάγκη καλής διαχείρισης του χρόνου σου.

Q: Πώς βλέπεις τον εαυτό σου στο μέλλον;

Μαζί με τη δουλειά, παρακολουθώ τα Μαθήματα της Ένωσης Αναλογιστών Ελλάδος και προετοιμάζομαι για τις εξετάσεις της. Φιλοδοξώ σε πέντε χρόνια να έχω γίνει Πιστοποιημένος Αναλογιστής. Είναι όμως δύσκολο να δουλεύεις και να διαβάζεις παράλληλα. Το σκεπτικό δεν είναι να αλλάξω δουλειά στο μέλλον, παρά το ότι υπάρχει αυτή η τάση, αλλά να έχω σενάρια ανοιχτά και να χτίζω βάσεις για το μέλλον.
 

Q:  Τι θα συμβούλευες νέους ανθρώπους και γενικά ανθρώπους που ενδιαφέρονται είτε να αλλάξουν καριέρα είτε να μπουν στον χώρο του Data Science; Τι συμβουλές θα έδινες σε κάποιον που ψάχνεται;

Πρώτο και βασικό: να αποκτήσουν σωστή και στοχευμένη πληροφόρηση για κάθε βήμα από ανθρώπους του χώρου, να πηγαίνουν σε συνέδρια και Open Days. Κάποτε νόμιζα ότι τα Μαθηματικά μπορείς μόνο να τα διδάξεις! Να το έχουν υπόψη τους: μπορεί να νομίζουν λάθος πράγματα και να μην το έχουν καταλάβει ακόμα!

Όμως, υπάρχουν οι Συμβουλευτικές, οι Χρηματοοικονομικές, οι εταιρίες Πληροφορικής και πολλές άλλες, ενώ από Data Analyst μπορείς να γίνεις Data Scientist, Data Engineer και ούτω καθεξής. Να ψάξουν πώς να κάνουν το βιογραφικό τους πιο ελκυστικό με τα κριτήρια των recruiters. Οι συμβουλές της Big Blue ήταν πολύτιμες ως προς αυτό. Το τι θα πεις (ή δε θα πεις) σε μια συνέντευξη παίζει το ρόλο του. Η προσωπική θέληση είναι απαραίτητη, αλλά δεν αρκεί, διότι χρειάζεσαι κατάλληλη καθοδήγηση. Να μαθαίνουν Γλώσσες Προγραμματισμού και να εξασκούνται σε εργαλεία των Data Analytics. Αν όμως δε μάθεις έγκυρα τι εργαλεία συμφέρουν, μπορεί να μάθεις πράγματα που δε χρειάζεσαι και να χάσεις χρόνο χωρίς λόγο. Τώρα είναι must να μάθουμε όλοι Python, R και SQL. Σε 5-10 χρόνια, αυτό μπορεί να αλλάξει.

Γενικά να έχουν το εξής mindset: «Μέχρι να τα καταφέρω και να βρω τη θέση μου, τι θέλει από μένα η Αγορά; Τι θέλουν οι άλλοι από μένα; Τι θα θέλουν σε 5 χρόνια;». Σε εσωτερικό επίπεδο με εκφράζει μια εικόνα που έχω αναρτήσει στο προφίλ μου στο LinkedIn, που θα μπορούσε κάλλιστα να είναι motto μου. Είναι η εικόνα ενός λύκου σε γκρίζο φόντο που σε κοιτάζει λίγο "απειλητικά" και τα λόγια πάνω στην εικόνα είναι τα εξής: "Work hard, stay disciplined, be patient. Your time will come.". Όσο σκέφτομαι πως έχουν περάσει σχεδόν 4 χρόνια αδιάκοπης προσπάθειας να εξελίξω τον εαυτό μου και να μπορώ να συμμετέχω ισότιμα σ’ αυτόν τον διαρκή ανταγωνισμό και τελικά να αλλάξω τη ζωή μου προς το καλύτερο, με την αίσθηση του ρίσκου της αποτυχίας ως Δαμόκλειο Σπάθη καθημερινά, ενώ τώρα έχω περάσει στην απέναντι όχθη του ποταμού, αυτή η εικόνα ομολογώ ότι με συγκινεί λιγάκι!

Μια εξαιρετική συμβουλή, που μου έδωσε η Academy, είναι να μην παίρνουμε την απόρριψη σε μια συνέντευξη προσωπικά. Αυτή συνέβη απλά επειδή εκείνην τη στιγμή βρέθηκε κάποιος καταλληλότερος υποψήφιος για τη θέση κατά την κρίση του recruiter. Να πείσουν οι ίδιοι τον εαυτό τους ότι θα αποτύχουν πολλές φορές αλλά η επιτυχία θα είναι μία και στο τέλος. Μετά το πράγμα και η συζήτηση θα αλλάξουν. Κάτι που έπρεπε να λάβω υπόψη μου ήταν οι απόψεις (π.χ. για τις υπερωρίες) που συνήθως υπάρχουν για τους career shifters. Η πρόκληση ήταν να πείσω τον απέναντι ότι μπορώ να ταιριάξω στο κλίμα της εταιρίας. Κάτι ακόμα: να πιστεύουν στον εαυτό τους, να εργάζονται με επιμονή και να έχουν πίστη πως με δουλειά και καλή τύχη θα τα καταφέρουν τελικά, όσο κι αν αργήσει αυτό. Η εποχή πλέον δέχεται την αλλαγή καριέρας σε μεγαλύτερες ηλικίες κι αυτό φαίνεται π.χ. από τα σχετικά άρθρα που πλημμυρίζουν το Internet. Ωστόσο, αυτό παραμένει δύσκολο, αλλά όχι ακατόρθωτο!

Χρήστο σε ευχαριστούμε πολύ για το χρόνο σου και όσα μοιράστηκες μαζί μας και σου ευχόμαστε κάθε επιτυχία στην καινούργια καριέρα σου!
Η ομάδα της Big Blue Data Academy