Σήμερα θα γνωρίσουμε καλύτερα τον Νίκο Ηλιόπουλο, που πλέον εργάζεται ως CRM Data Analyst στην AEGEAN. Πριν ανακαλύψει την Επιστήμη των Δεδομένων τον γοήτευσαν τα άστρα και οι γαλαξίες και πέρασε στο Φυσικό Ιωαννίνων για να σπουδάσει Αστροφυσική. Έγινε Θεωρητικός Φυσικός με εξειδίκευση στη Κοσμολογία μέχρι που τον κέρδισαν οι νέες τεχνολογίες και το Data Science. Ας δούμε τι έχει να μας πει για τη διαδρομή του.
 

Q: Έχεις κάνει πολύ ενδιαφέρουσες σπουδές! Τι σε οδήγησε  από την Κοσμολογία στο Data Science;

Πολύ ενδιαφέρουσα ερώτηση! Το 2019 έψαχνα για διδακτορικό, ήθελα να κάνω μια αλλαγή στο θέμα, να δω κάτι πιο hot ερευνητικά. Συζητώντας το με την καθηγήτριά μου, άκουσα κάποια στιγμή λέξεις, όπως machine learning, νευρωνικά δίκτυα, Data Science. Έψαξα λοιπόν σε κάτι ερευνητικές εργασίες και είδα ότι υπάρχει αυτό το κομμάτι που θα μπορούσε να χρησιμοποιηθεί και στη Θεωρητική Φυσική, στο δικό μου κομμάτι της Κοσμολογίας και να δώσει απαντήσεις σε κάποια προβλήματα που ταλανίζουν την κοινότητα πάρα πολλά χρόνια. Απλά, επειδή δεν υπήρχε εδώ στην Ελλάδα το υπόβαθρο ούτε η χρηματοδότηση για ένα τέτοιο διδακτορικό, αποφάσισα να ασχοληθώ με το Data Science ξεχωριστά, δηλ. μόνο με αυτό. Είδα πως μπορεί να δώσει απαντήσεις σε πάρα πολλά προβλήματα, όχι μόνο επιστημονικά, έχει εφαρμογές παντού στο business, σε οικονομικά ζητήματα, οπότε βρίσκομαι τώρα εδώ και μετά το bootcamp, εργάζομαι ως Data analyst στην Aegean.
 

Q: Τι ακριβώς κάνεις ως CRM Data Analyst;

Αυτό που κάνουμε ουσιαστικά είναι να ψάχνουμε δεδομένα από διάφορες πηγές, να τα καθαρίζουμε, γιατί ποτέ ένα Dataset δεν είναι καθαρό στη μορφή που θέλουμε και να τα προσαρμόζουμε στις ανάγκες των αναλύσεών μας, που θα μας ζητηθούν είτε από το δικό μας department είτε από άλλα departments. Εμείς κυρίως, ως CRM, ασχολούμαστε με τους πελάτες. Ωστόσο, έχουμε και άλλες βάσεις δεδομένων που αφορούν τα αεροπορικά ταξίδια και όλα αυτά προσπαθούμε να τα συνδέουμε, έτσι ώστε να κάνουμε διάφορες αναλύσεις για να δούμε είτε έσοδα-έξοδα που κάνει η εταιρεία, πώς ίσως θα μπορούσαμε να βελτιώσουμε την εμπειρία του ταξιδιού ενός επιβάτη ή και να εμπλουτίσουμε τις βάσεις μας με νέα δεδομένα, έτσι ώστε να μπορούμε να κάνουμε όσες περισσότερες αναλύσεις γίνεται. Είναι πολύ ενδιαφέρον και είμαι πολύ ευχαριστημένος ως τώρα.
 

Q: Πώς ο δρόμος σου για το Data Science πέρασε μέσα από το Bootcamp της Big Blue Data Academy; 

Μετά το master και αφού τελείωσα τη στρατιωτική μου θητεία, ψαχνόμουν λίγο θεωρητικά σ’ αυτό το κομμάτι. Δεν είχα κανένα τεχνικό υπόβαθρο, δεν ήξερα από γλώσσες προγραμματισμού και αφού έκανα αιτήσεις, διαπίστωσα πως οι εταιρείες δεν ενδιαφέρονται τόσο πολύ για το θεωρητικό κομμάτι, αλλά ζητούσαν κάτι πιο τεχνικό. Οπότε αποφάσισα, αφού ολοκλήρωσα κάποια online courses και είδα πως δεν μου φτάνουν και δεν μπορούσα να ανταποκριθώ στις απαιτήσεις της αγοράς εργασίας, άρχισα να ψάχνω για bootcamps και βρήκα τη Big Blue. Όλο το curriculum της Big Blue, οι καθηγητές και οι συνεργαζόμενες εταιρείες που έδιναν το τελικό project δεν μπορούν να συγκριθούν με αυτά που είχα βρει, οπότε επέλεξα την Big Blue για όλα αυτά που προανέφερα.
 

Q: Ποια ήταν η πορεία μέχρι να πάρεις την τωρινή σου δουλειά;

Τον Μάιο ξεκίνησα το full-time πρόγραμμα της Big Blue και από τα τέλη Μαΐου έκανα συνέχεια αιτήσεις, στοχευμένα στο κομμάτι Data scientist, Data analyst. Καθ’όλη τη διάρκεια της προετοιμασίας μου στο bootcamp, έκανα αιτήσεις, ωστόσο οι περισσότερες δεν ήταν θετικές. Εκεί που είδα ανταπόκριση, ήταν αφού ολοκλήρωσα κάποια projects και έβαλα στο βιογραφικό μου όλο το πρόγραμμα σπουδών που έδινε η Big Blue. Έκανε άμεση διαφορά και υπήρχε άμεση ανταπόκριση. Ουσιαστικά, έβαλα αυτά που μάθαμε στο bootcamp. Το πρόγραμμα σπουδών ήταν άκρως στοχευμένο, άκρως σύγχρονο, υπήρχε το top σε εργαλεία και τεχνολογίες, όχι μόνο γενικότερα σαν επιστήμη του Data Science, αλλά και αυτά που ζητάνε στην αγορά εργασίας. Αυτό μου έκανε τρομερή εντύπωση, γιατί είχα κατευθείαν ανταπόκριση. Επίσης, για μένα προσωπικά, μεγάλο ρόλο έπαιξε και το τελικό project που είχα με την InSyBio αλλά επίσης και τα ατομικά projects που κάναμε κάθε εβδομάδα, τα οποία ανέφερα στις συνεντεύξεις.
 

Q: Μίλησέ μου για το τελικό σου project με την InSyBio.

Ήταν πάρα πολύ ενδιαφέρον project, πάνω στα βιοδεδομένα. Η InSyBio είναι μια εταιρεία βιοτεχνολογίας, από τις καλύτερες στην Ελλάδα. Προσφέρει ένα προϊόν σε πάρα πολλά νοσοκομεία. Αυτό που κάναμε ουσιαστικά είναι να πάρουμε δεδομένα από ασθενείς που είχαν οστεοαρθρίτιδα και ακολουθούσαν μια συγκεκριμένη φαρμακευτική αγωγή, η οποία ήταν μη οπιούχα. Καθαρίσαμε το Dataset, κάτι που είναι το 80% της δουλειάς του Data scientist και analyst και στη συνέχεια εφαρμόσαμε κάποιους αλγόριθμους, με σκοπό να έρχεται κάποιος νέος ασθενής, να συμπληρώνει ένα ερωτηματολόγιο και ο αλγόριθμος να του λέει αν θα χρειαστεί κάποιο χειρουργείο μέσα σε 5 χρόνια, ποια θα είναι η ποιότητα ζωής του, είναι δηλαδή προβλεπτικό. Βγάλαμε ένα αποτέλεσμα με πολύ καλή ακρίβεια, μας κάλυπτε αρκετά, κάλυπτε και την εταιρεία και το επόμενο στάδιο, ουσιαστικά, είναι να μπει σε εφαρμογή, να μπει στην παραγωγή και να δοκιμαστεί από ασθενείς στο Πανεπιστήμιο του Ρίου της Πάτρας και να ενσωματωθεί φυσικά σαν προϊόν στην εταιρεία InSyBio.

 

Q: Πώς νιώθεις που συμμετείχες σε κάτι τέτοιο;

Βασικά, ήταν κάτι πρωτόγνωρο, επειδή εγώ, ως Φυσικός, έκανα μόνο θεωρητικά προγράμματα. Ήταν, λοιπόν, κάτι πολύ ωραίο και κάτι το οποίο με ενδιαφέρει να ασχοληθώ και στη συνέχεια.
 

Q: Είναι κάτι, λοιπόν, που σου αρέσει, γιατί είναι μεγάλη η διαδρομή από τ’αστέρια έως εδώ.

Σίγουρα είναι μεγάλη, αλλά εάν υπάρχουν όρεξη και στόχοι, όλα είναι δυνατά. Είναι, βέβαια, και το βιοποριστικό κομμάτι, αλλά μακροπρόθεσμα το θέλω και έχω αλλάξει το πλάνο μου και αυτός είναι ο στόχος μου, να ασχοληθώ μ ’αυτό το κομμάτι στα πλαίσια της εταιρείας. Θα ήθελα να δω και το ερευνητικό, τι αντίκτυπο, δηλαδή, θα είχε σε κάποια προβλήματα, είτε ιατρικά, είτε οικονομικά, κοινωνικά, κ.λπ..
 

Q: Είχες και από άλλες εταιρείες προτάσεις; Γιατί επέλεξες την Aegean;

Η πρώτη συνέντευξη ήρθε από την Aegean. Εκεί δεν είχα βάλει το ανανεωμένο βιογραφικό μου. Όταν το έβαλα, όπως με είχε συμβουλέψει η Big Blue, μου ήρθαν κι άλλες συνεντεύξεις και μάλιστα κι από μια εταιρεία κολοσσό στον χώρο του Data Science. Ωστόσο, επέλεξα την Aegean, γιατί από τη στιγμή που πήγα στην εταιρεία, ένιωσα πολύ οικεία, το περιβάλλον, ο leader της ομάδας μου, οι μάνατζερ μου συμπεριφέρθηκαν πάρα πολύ ευγενικά σαν να ήμουν ήδη μέλος της ομάδας. Είδα κίνητρο, πάθος και επειδή μ’αρέσει να συνεργάζομαι με ανθρώπους που έχουν στόχους, βλέπουν μπροστά, δεν φοβούνται να λερώσουν τα χέρια τους με κάτι καινούριο για να μάθουν. Μέχρι τώρα, δεν έχω μετανιώσει για την επιλογή μου, καθημερινά ανακαλύπτω καινούρια πράγματα, υπάρχει βοήθεια, συνεργασία και κατανόηση.
 

Q: Πώς βλέπεις ευρύτερα την αγορά Data Science στην Ελλάδα;

Το Data Science και γενικότερα το AI ήρθε για να μείνει για πολλά χρόνια. Είναι κάτι πολύ πλούσιο, με «πολύ ψωμί». Υπήρχε ακαδημαϊκά εδώ και πολλά χρόνια, ωστόσο η εφαρμογή του στην οικονομία, σε business γενικότερα προβλήματα αλλά και η μεταστροφή που κάνουν πλέον οι εταιρείες, να παίρνουν αποφάσεις βασισμένες πάνω σε δεδομένα θα κάνουν το Data Science να είναι σίγουρα, όχι μόνο πυλώνας ανάπτυξης για οποιαδήποτε χώρα το επιλέξει, αλλά θα είναι, κατά τη γνώμη μου, ανάμεσα στα 3 πρώτα επαγγέλματα του μέλλοντος.
 

Q: Πώς βλέπεις το δικό σου μέλλον; Πώς θέλεις να εξελιχθείς τώρα που μπήκες στο Data Science;

Αυτή η ερώτηση είναι πολύ βαθιά. Στην πραγματικότητα, δεν γνωρίζω, γιατί στα επόμενα χρόνια, δεν ξέρω τι θα φέρει αυτή η ανάπτυξη της τεχνολογίας. Βλέπω πως σε κάθε δεκαετία καταργούνται παλιά ή εμφανίζονται νέα επαγγέλματα, οι ρυθμοί της ζωής αλλάζουν, όπως και οι προτεραιότητες. Ωστόσο, θέλω να πιστεύω ότι μακροπρόθεσμα θα εργάζομαι σε αυτό το κομμάτι, θα είμαι Data scientist, θα έχω αποκτήσει κυρίως εμπειρία μέσα από όσα περισσότερα projects γίνεται, θέλω να εμπλουτίσω τις γνώσεις μου και εν τέλει να είμαι κι εγώ μέρος μιας ομάδας, να συνεισφέρουμε και να εργαζόμαστε πάνω σ’ αυτό το κομμάτι. Και ίσως, αν τα καταφέρω και βρω τον χρόνο και την όρεξη κυρίως, να ασχοληθώ και ερευνητικά. Να πραγματοποιήσω, δηλαδή, τα όνειρα που είχα προπτυχιακά, να εφαρμόσω μηχανική μάθηση, νευρωνικά δίκτυα, εν γένει τεχνητή νοημοσύνη πάνω σε προβλήματα, όπως τα βιοδεδομένα που προανέφερα ή ακόμα και τη Φυσική. Ο κύριος στόχος μου, βέβαια, είναι να ασχοληθώ όσο περισσότερο γίνεται και να αποκτήσω εμπειρία, εργαζόμενος στην εταιρεία που βρίσκομαι.
 

Q: Υπάρχει κάποιο συγκεκριμένο κομμάτι του Data Science που σε τραβάει περισσότερο;

Κάθε μέρα το ανακαλύπτω. Στο bootcamp αυτό που μου έκανε μεγαλύτερη εντύπωση είναι κάτι που ονομάζεται web scraping. Πάμε σε ιστοσελίδες που έχουν πληροφορία κι εμείς, δημιουργώντας έναν συγκεκριμένο κώδικα, τραβάμε αυτήν την πληροφορία, έτσι ώστε να δημιουργήσουμε διάφορα Dataset, να τα καθαρίσουμε και να εφαρμόσουμε μετά κάποια predictive μοντέλα, να κάνουμε κάποιες προβλέψεις. Δεν θα πω ότι είναι κάτι συγκεκριμένο, είναι η διαδικασία που μου αρέσει, από το πώς θα τραβήξουμε τα δεδομένα, πώς θα τα καθαρίσουμε, πώς θα τα φέρουμε σε κάποια συγκεκριμένη μορφή και πώς θα εφαρμόσουμε διάφορα μοντέλα πρόβλεψης, είτε αυτά είναι αλγόριθμοι μηχανικής μάθησης, είτα νευρωνικά δίκτυα, είτε χρονοσειρές.
 

Q: Αισθάνεσαι ότι η Big Blue σε βοήθησε πέρα από τις τεχνικές γνώσεις, και στα θέματα καριέρας;

Αναμφίβολα. Πέρα από το τεχνικό κομμάτι, το hands - on, που, όπως είπα, ήταν ό,τι πιο σύγχρονο υπάρχει, ακριβώς ότι ζητούσαν οι εταιρείες, κάτι που με εντυπωσίασε πολύ, ήταν και το κομμάτι του mentoring αλλά και των business skills που κάναμε, με το οποίο εγώ, λόγω ακαδημαϊκού υπόβαθρου, δεν είχα καμία επαφή. Με προετοίμασαν πάρα πολύ καλά και ήταν κι αυτό ένα λιθαράκι στην επιλογή μου ως Data analyst στην εταιρεία που εργάζομαι. Το κομμάτι των business skills, το πώς θα παρουσιαστούμε, τι θα πούμε, να έχουμε το κατάλληλο mindset, ώστε να παρουσιαστούμε ως κάποιοι που θέλουν να εργαστούν και να προσφέρουν. Σε προσωπικό επίπεδο, έπαιξε ρόλο και το κομμάτι του mentoring, που είχα επαφές με τους εισηγητές μου, οι οποίοι είτε είχαν διδακτορικό είτε είχαν εργαστεί σε κάποια μεγάλη εταιρεία, οπότε γνώριζαν πώς να με καθοδηγήσουν. Είχαμε πολύ ωραίες συζητήσεις με όλους σχεδόν και μπόρεσα να πάρω πάρα πολλά μέσα απ’ αυτό. Με βοήθησαν και με το βιογραφικό, όπου όπως είπα, έβαλα το bootcamp και ως bullet points  όλα αυτά που κάναμε, δεν χρειάστηκε κάτι άλλο. Και είχα κατευθείαν ανταπόκριση.
 

Q: Προφανώς γιατί οι εταιρίες που θέλουν κάτι πρακτικό, είδαν ότι έχεις την σύνδεση πέρα από τις θεωρητικές σου γνώσεις.

Ναι, γιατί πριν το bootcamp ασχολιόμουν καθαρά θεωρητικά αλλά δεν είχα την hands on εμπειρία, την οποία απέκτησα σε μόλις 3 μήνες και ήμουν πια έτοιμος να βγω στην αγορά εργασίας.

Q: Πώς σου φάνηκε το bootcamp σαν διαδικασία εκμάθησης;

Είναι σίγουρα απαιτητικό, διότι είσαι full time 9-6 με μία ώρα διάλειμμα και αφού τελειώσεις, πρέπει να ασχοληθείς με τα projects, που για μένα είναι και η ουσία. Αν μου πει κάποιος τι κρατάς απ ’το bootcamp, είναι τα projects, γιατί χωρίς τριβή, δεν πρόκειται ποτέ να αποκτήσεις την εμπειρία. Αν υπάρχουν όρεξη και στόχοι, μπορεί να διεκπεραιωθεί σίγουρα από οποιονδήποτε, παρόλο που είναι απαιτητικό.

Q: Τι θα συμβούλευες κάποιον που επιλέγει να στραφεί προς το Data Science; Κάποιον/α εδώ στην Ελλάδα.

Βασική προϋπόθεση είναι να του/της αρέσει. Να δοθεί ολοκληρωτικά. Το Data Science έχει μεγάλη πορεία, όχι μόνο στην Ελλάδα αλλά παγκοσμίως, τα χρόνια που διανύουμε είναι μια χρυσή εποχή για κάποιον που θέλει να ασχοληθεί εργασιακά και στο γνωστικό κομμάτι με το Data Science. Δεν υπάρχει μαγική συνταγή, θα πρέπει συνεχώς να ενημερώνεται μέσα από sites που ποστάρουν άρθρα πάνω στο αντικείμενο, για την αγορά εργασίας, τι ζητάνε οι εταιρείες, τα εργαλεία και τις απαιτήσεις τους, πώς μπορεί να εφαρμοστεί το κομμάτι του Data Science στην εταιρεία, να έρχεται σε επαφή με μέντορες ή με άτομα που εργάζονται σ’ αυτό.
Επίσης, να προσπαθεί να αποκτήσει την πρακτική γνώση που δεν σου προσφέρουν τα master αλλά η τριβή πάνω σε projects. Ένα  bootcamp είναι η καλύτερη επιλογή. Βέβαια, είναι προσωπικό για τον καθένα. Πρέπει να έχει υπομονή, στην αρχή μπορεί να είναι πικρό, όμως οι καρποί είναι πολύ ωραίοι. Θα υπάρχουν δυσκολίες, όπως ίσως κάποιοι που θα τους μειώσουν ή θα τους φέρουν σε δύσκολη θέση. Δεν πρέπει όμως να χάσουν το χαμόγελο ή τα όνειρα τους. Να έχουν πάθος και στόχους. Και να θυμούνται πως οι μεγάλες αλλαγές γίνονται όταν βρισκόμαστε εκτός της ζώνης άνεσής μας. Να ρισκάρουνε, έτσι ώστε να έχουν και μια ιστορία να λένε. Με αισιοδοξία θα υπάρξει κάτι στο μέλλον.

Q: Ως ρίσκο θεωρείς το bootcamp, τη δουλειά ή το Data Science γενικότερα;

Ρίσκο είναι κάτι που θα σε φέρει στα όρια σου. Αντιμέτωπο με σένα. Την προσωπικότητά σου. Τους δαίμονές σου. Όλα τα παραπάνω είναι ρίσκο, απλά χρειάζεται θάρρος και υπομονή. Το να κυνηγάς τα όνειρά σου είναι το Α και το Ω. Σίγουρα θα υπάρχουν και αποτυχίες, αλλά έτσι γινόμαστε πιο ισχυροί. Μακάρι να γνώριζαν περισσότεροι την Big Blue Data Academy και τους ανθρώπους της. Για μένα υπήρξαν μέντορες, όλοι οι στόχοι μου αναπροσαρμόστηκαν και θεωρώ ότι ήταν από τις καλύτερες επιλογές που έχω κάνει στην επαγγελματική μου καριέρα. Το καλύτερο ξεκίνημα.

Σ’ ευχαριστούμε για τον χρόνο σου και σου ευχόμαστε κάθε επιτυχία στην επαγγελματική σου σταδιοδρομία! Η ομάδα Big Blue Data Academy