Όταν έκανα τα πρώτα μου βήματα στη διδασκαλία, η αλήθεια είναι ότι δεν είχα συνειδητοποιήσει πλήρως που βρισκόμουν.

Εκείνη την εποχή, το έβλεπα καθαρά ως μια πρακτική επιλογή για να μένω κοντά στο αντικείμενό μου. Με δεδομένο ότι το Data Science, τα analytics και η τεχνητή νοημοσύνη εξελίσσονταν με ραγδαίους ρυθμούς, ήξερα καλά πως για να παραμείνω ενεργός και updated, έπρεπε να βρίσκομαι στην καρδιά των εξελίξεων. Η διδασκαλία μου φάνηκε η ιδανική λύση. Άλλωστε, είναι αδύνατον να διδάξεις σωστά αν σταματήσεις ο ίδιος να μαθαίνεις.

Κάθε μάθημα σε αναγκάζει να επανεξετάσεις όσα θεωρείς δεδομένα. Κάθε ερώτηση ενός φοιτητή γίνεται crash test για τις δικές σου γνώσεις. Την ώρα που εξηγείς μια έννοια, ένα μοντέλο ή μια μεθοδολογία, συνειδητοποιείς αμέσως αν την έχεις εμπεδώσει σε βάθος ή αν απλώς αναπαράγεις τη σωστή ορολογία. Είναι τελείως διαφορετικό πράγμα να κατανοείς κάτι εσύ ο ίδιος και τελείως διαφορετικό να πρέπει να το μεταδώσεις σε κάποιον που το ακούει για πρώτη φορά. Αυτή η διαπίστωση με άλλαξε ριζικά.

Στην αρχή, λοιπόν, αντιμετώπιζα την τάξη ως μια ευκαιρία να αναπτύξω τις δικές μου δεξιότητες. Για να εξηγήσω απλά στους φοιτητές έννοιες όπως το regression, το classification, τα νευρωνικά δίκτυα, η SQL, τα dashboards, τα ML pipelines ή το business analysis, έπρεπε πρώτα να τα κατέχω άριστα. Στο αμφιθέατρο δεν μπορείς να κρυφτείς πίσω από μισόλογα. Αν η σκέψη σου είναι θολή, αποκαλύπτεται αμέσως. Ένα μπερδεμένο βλέμμα φοιτητή είναι συχνά πολύ πιο ειλικρινές από οποιαδήποτε εξέταση, πιστοποίηση ή βαρύγδουπο τίτλο σπουδών.

Με τον καιρό, όμως, η διδασκαλία σταμάτησε να είναι απλώς ένα εργαλείο για να μη «σκουριάσω». Ανακάλυψα ότι την αγαπούσα πραγματικά.

Λάτρευα να βοηθώ ανθρώπους να ξεκλειδώνουν έννοιες που μέχρι πρότινος τους φόβιζαν και να βλέπω τη σύγχυση στα μάτια τους να δίνει τη θέση της στην αυτοπεποίθηση. Είναι μαγική η στιγμή που κάτι εντελώς αφηρημένο γίνεται ξαφνικά χειροπιαστό: όταν μια γραμμή κώδικα αρχίζει να βγάζει νόημα, όταν ένα γράφημα παύει να είναι μια απλή απεικόνιση και αρχίζει να διηγείται μια ιστορία ή όταν ένα μοντέλο μετατρέπεται από ένας ξερός μαθηματικός τύπος σε εργαλείο επίλυσης ενός πραγματικού προβλήματος.

Κυρίως, όμως, ήθελα να αποδείξω ότι το data analysis δεν είναι προνόμιο λίγων, μιας κλειστής ομάδας με μαθηματικά μυαλά ή προγραμματιστών με το «τέλειο» ακαδημαϊκό βιογραφικό. Αυτό το πίστευα ανέκαθεν βαθιά, ίσως επειδή και η δική μου πορεία δεν ήταν καθόλου γραμμική.

Δεν ξεκίνησα ως data scientist. Προέρχομαι από τον κόσμο των επιχειρήσεων, των οικονομικών και του banking, δουλεύοντας για χρόνια πάνω στο reporting και το corporate analysis. Η μετάβασή μου στο advanced analytics και το AI έγινε σταδιακά, οδηγούμενη από καθαρή περιέργεια, αλλά και από την ανάγκη, τη συνειδητοποίηση, δηλαδή, ότι τα εργαλεία που είχα μέχρι τότε στα χέρια μου δεν επαρκούσαν για να διαχειριστώ την κλίμακα και την πολυπλοκότητα των προβλημάτων που ήθελα να λύσω.

Αυτή ακριβώς η διαδρομή διαμόρφωσε και τον τρόπο που διδάσκω. Ξέρω από πρώτο χέρι πώς είναι να κοιτάζεις έναν κλάδο απέξω και να σου φαίνεται βουνό. Ξέρω τι πάει να πει να στέκεσαι μπροστά σε ένα τεχνικό πρόβλημα και να αμφιβάλλεις για τις ικανότητές σου ή να μένεις κολλημένος ώρες μπροστά σε μια οθόνη, νιώθοντας απογοήτευση και αβεβαιότητα. Γνωρίζω, όμως, και την τεράστια ικανοποίηση που νιώθεις όταν επιμένεις, όταν καταφέρνεις να δαμάσεις κάτι δύσκολο και να χτίσεις μια δεξιότητα που κάποτε φάνταζε άπιαστο όνειρο.

Γι' αυτό και για μένα η διδασκαλία δεν εξαντλείται στην παράδοση της ύλης. Σαφώς, το τεχνικό κομμάτι έχει τεράστια σημασία. Οι φοιτητές πρέπει να μάθουν Python, SQL, Machine Learning, data visualization, στατιστική, τεχνολογίες cloud και AI συστήματα, όλα αυτά δηλαδή που καθιστούν εφικτή τη σύγχρονη ανάλυση δεδομένων. Όμως η τεχνική κατάρτιση είναι μόνο η μισή διαδρομή.

Οι φοιτητές χρειάζονται, πάνω από όλα, αυτοπεποίθηση, δομή, συνεχή πρακτική εξάσκηση και ενθάρρυνση. Πρέπει πρώτα να αντιληφθούν γιατί κάτι είναι σημαντικό, πριν αρχίσουν να νοιάζονται για το πώς λειτουργεί. Έχουν ανάγκη να δουν πώς ένα εργαλείο συνδέεται με ένα υπαρκτό πρόβλημα, πώς μια μέθοδος καθορίζει μια επιχειρηματική απόφαση και πώς ένα project διαμορφώνει την επαγγελματική τους ταυτότητα.

Σε αυτό ακριβώς το σημείο, η διδασκαλία ξεπερνά τα όρια της απλής μετάδοσης γνώσεων και γίνεται καθοδήγηση, μετάφραση και γέφυρα.

Ένας σωστός δάσκαλος δεν μεταφέρει απλώς πληροφορίες από το δικό του μυαλό στο μυαλό του φοιτητή. Τον βοηθά να επαναπροσδιορίσει τον εαυτό του. Παροτρύνει εκείνον που δηλώνει «μη τεχνικός τύπος» να σκεφτεί ότι «ίσως τελικά μπορεί να τα καταφέρει». Βοηθάει αυτόν που τρέμει τον κώδικα να γράψει το πρώτο του λειτουργικό script, και κάποιον που έχει χαθεί στη θεωρία να τη συνδέσει με ένα πραγματικό business ερώτημα. Δείχνει σε όσους αμφιβάλλουν για το background τους ότι η προηγούμενη εμπειρία τους δεν είναι μειονέκτημα, αλλά το πιο δυνατό, αναπόσπαστο κομμάτι της αναλυτικής τους ταυτότητας.

Αυτό είναι και το μεγαλύτερο δώρο της διδασκαλίας: το να παρακολουθείς αυτή τη μεταμόρφωση real time.

Να βλέπεις ανθρώπους που ξεκίνησαν γεμάτοι δισταγμό, αμφιβολία ή ακόμα και φόβο, να αλλάζουν μέρα με τη μέρα μέσα από τη δουλειά, τα projects, τα λάθη και το feedback. Σιγά-σιγά, αρχίζουν να κάνουν πιο ώριμες ερωτήσεις, να τεκμηριώνουν τη σκέψη τους, να κατασκευάζουν, να παρουσιάζουν και, τελικά, να πιστεύουν στις δυνάμεις τους.

Και το πιο όμορφο; Βοηθώντας εκείνους να εξελιχθούν, εξελίσσομαι κι εγώ.

Η διδασκαλία με έκανε καλύτερο analyst, πιο αποτελεσματικό επικοινωνιακά και πιο συνειδητοποιημένο μαθητή. Με ανάγκασε να απλοποιώ τις έννοιες χωρίς όμως να τις ισοπεδώνω, να ακούω ουσιαστικά, να προσαρμόζω τον λόγο μου σε διαφορετικά κοινά και να θυμάμαι πάντα ότι η γνώση αποκτά αξία μόνο όταν μοιράζεται, όταν γίνεται κατανοητή και όταν εφαρμόζεται στην πράξη.

Αυτό που ξεκίνησε σαν μια απλή προσπάθεια να παραμείνω up-to-date, κατέληξε να είναι ένα από τα πιο ουσιαστικά κομμάτια της ζωής μου. Σήμερα, δεν βλέπω τη διδασκαλία σαν μια παράπλευρη δραστηριότητα, αλλά σαν την πιο καθαρή έκφραση της επαγγελματικής μου πορείας. Συμπυκνώνει όλα όσα αγαπώ: την περιέργεια, την ανάλυση, την επικοινωνία, την πράξη, την εξέλιξη και την ακλόνητη πίστη ότι οι άνθρωποι μπορούν να καταφέρουν πολύ περισσότερα από όσα αρχικά νομίζουν.

Συνεχίζω να διδάσκω επειδή δεν σταματώ ποτέ να μαθαίνω. Και κάθε φορά που ένας φοιτητής συνειδητοποιεί ότι μπορεί να κατανοήσει, να στήσει και να δημιουργήσει κάτι δικό του χρησιμοποιώντας δεδομένα, θυμάμαι ακριβώς γιατί αυτή η δουλειά έχει τόσο βαθιά σημασία.