Σήμερα έχουμε μαζί μα τη Μαριάμ, η οποία έχει background τόσο σαν Energy Market Analyst όσο και σαν Data Scientist.

Έχει μια πολύ ενδιαφέρουσα πορεία, επομένως πάμε να τη δούμε!

 Μαριάμ, πες μας αρχικά λίγα λόγια για εσένα για να σε γνωρισουμε.

Ονομάζομαι Μαριάμ και έκανα προπτυχιακό στα Μαθηματικά και μεταπτυχιακό στα Οικονομικά στο ΕΚΠΑ.

Σε επαγγελματικό επίπεδο ξεκίνησα ως καθηγήτρια πανεπιστημιακών μαθημάτων στα μαθηματικά/οικονομικά/στατιστική και αργότερα εργάστηκα σε μια εταιρεία ως Data Analyst, συνεχίζοντας έπειτα ως Energy Market Analyst και τώρα εργάζομαι ως Data Scientist.

 Πολύ ενδιαφέρουσα πορεία! Το Data Science πώς βρέθηκε στην επαγγελματική σου πορεία;

Το ακαδημαϊκό κομμάτι ως καθηγήτρια το έκανα αρκετό καιρό, οπότε προς το τέλος του ‘21 επειδή όλη αυτή η ακαδημαϊκή γνώση είχε πολλά δεδομένα και στατιστικά, ήθελα να τα εξασκήσω σε πιο πρακτικό κομμάτι, ώστε να συνδυάσω το “χόμπι” με τη δουλειά μου.

Με τράβηξε πολύ λοιπόν το κομμάτι των δεδομένων και πιο συγκεκριμένα ο ρόλος του Data Scientist επειδή είχε και το κομμάτι της έρευνας και το να δω μακροπρόθεσμα πού μπορώ να φτάσω.

 Τέλεια! Ποια θα έλεγες λοιπόν ότι είναι τα πιο σημαντικά soft και hard skills για κάποιον που κάνει τη δουλειά σου;

Τη στιγμή αυτή, σίγουρα είναι το κομμάτι της παρατηρητικότητας και του προγραμματισμού.

Δεν χρειάζεται να είσαι developer, αλλά μια βάση πρέπει να την κατέχει κάποιος.

Σίγουρα η συνεργασία είναι επίσης σημαντική και κομμάτι της καθημερινότητάς μου, γιατί συνεργάζεσαι με πολλά τμήματα και πρέπει να έχεις κατανόηση στο τι σου ζητάει μια άλλη ομάδα, παρόλο που μπορεί να μην είναι στον τομέα σου, για να δώσεις τα σωστά δεδομένα.

Γενικά η θέση κάποιου που ασχολείται με τα δεδομένα χρειάζεται πολλά πράγματα τα οποία τα αποκτάς με την εμπειρία, αλλά φυσικά σε βοηθούν και οι γνώσεις ενός Bootcamp για παράδειγμα.

Το να είσαι οργανωτικός, να γνωρίζεις πώς να πας από το 1 στο 10, να είσαι εφευρετικός και να ξέρεις πού μπορείς να φτάσεις το κάθε τι, είναι μερικά από τα πράγματα τα οποία είναι απαραίτητα.

 Μιας που ανέφερες τον προγραμματισμό, θεωρείς ότι η Python αρκεί για έναν Data Scientist ή πρέπει να πάει ένα βήμα παραπέρα και να μάθει R για παράδειγμα;

Θα σου πω την εμπειρία από την εργασία μου και την εμπειρία από τις συνεντεύξεις που έχω κάνει, γιατί είναι διαφορετικά πράγματα.

Πάνω στην εργασία μου δεν μου ζητήθηκε να γνωρίζω R. Έχω δουλέψει με Python και SQL, όταν όμως έψαχνα εργασία είδα ότι Python και R είναι πράγματα που ζητάνε οι εταιρείες.

Ειδικά για τον ρόλο του Data Analyst όπου έχεις να κάνεις με στατιστικά δεδομένα, η R είναι μια δεξιότητα που μπορεί να σε πάει μπροστά.

 Αν έχεις εργαστεί σε κάποια εταιρεία του εξωτερικού, έχεις παρατηρήσει τυχόν αδυναμίες που έχουν οι Ελληνικές εταιρείες έναντι των ξένων, όσον αφορά την ανάλυση των δεδομένων τους;

Δεν έχω εργαστεί προς το παρόν σε κάποια εταιρεία του εξωτερικού, αλλά θεωρώ ότι η αγορά έξω ζητάει πράγματα τα οποία είναι πιο στοχευμένα σε σχέση με την Ελλάδα και αυτό με κάνει να σκέφτομαι ότι έχουν πιο ξεκάθαρα τα πράγματα.

Χωρίς βέβαια αυτό να σημαίνει ότι δεν υπάρχουν εταιρείες στην Ελλάδα, ακόμα και μικρές, οι οποίες επειδή έχουν ξεκινήσει να θέτουν πιο στοχευμένα πράγματα που πρέπει να λυθούν, οπότε θεωρώ είναι στο σωστό δρόμο.

Γιατί πολλές φορές όταν βλέπουμε μεγάλες εταιρείες, σκεφτόμαστε ότι έχουν πολλά τμήματα και πολλά μυαλά, άρα σίγουρα είναι καλύτερα. Όμως δεν είναι πάντα έτσι, γιατί οι μικρές εταιρείες συχνά έχουν τα πράγματα πιο ξεκάθαρα και στοχευμένα.

 Για να περάσουμε στο Bootcamp, πώς πιστεύεις ότι σε βοήθησε ως προς το πρακτικό κομμάτι κυρίως;

Για να σου πω την αλήθεια μπορώ να μιλάω μια ολόκληρη μέρα για το Bootcamp!

Για να πάρω τα πράγματα από την αρχή, το Bootcamp το έψαχνα στα τέλη του ‘21- αρχές ‘22 αλλά ήμουν λίγο επιφυλακτική γιατί δεν ήξερα τι ακριβώς θα πει Bootcamp.

Από την άλλη όμως δεν ήθελα να κάνω και ένα μεταπτυχιακό που θα μου έπαιρνε 1-2 χρόνια, γιατί ήδη είχα κάνει ένα και ήξερα τι γνώσεις σου δίνει.

Οπότε επέλεξα το Bootcamp και από τη πρώτη μέρα σε έβαζε στο κομμάτι του πώς πρέπει να σκέφτεται ένας Data Scientist από το 0.

Αυτό που σκέφτομαι πολλές φορές και λέω σε άτομα που θέλουν να ακολουθήσουν αυτόν τον κλάδο, είναι ότι μου έδειξαν το δάσος και μου έδωσαν τα προσόντα να ψάχνω ένα συγκεκριμένο δέντρο ή μανιτάρι κάτω από το δέντρο.

Δηλαδή σου δίνει μια μεγάλη εικόνα του τομέα, αλλά από εκεί και πέρα είναι δικό σου το πού θέλεις να το φτάσεις.

Ήταν μια φανταστική εμπειρία γιατί τον τελευταίο μήνα έρχονται εταιρείες και σου δείχνουν το πώς θα είναι να δουλεύεις πραγματικά και πρακτικά σε μια εταιρεία, όχι μόνο θεωρητικά.

Επομένως το Bootcamp σου λέει ότι ναι μεν δουλεύεις με μια μεγάλη εταιρεία, αλλά τα προβλήματα που θα λύσεις πρέπει να τα σκεφτείς εσύ από την αρχή. Το πώς δηλαδή θα σκεφτόσουν αν ήσουν εργαζόμενος σε αυτή την εταιρεία.

Αυτό σε όλη την ακαδημαϊκή μου πορεία δεν το είχα ξαναδεί και μου έκανε τρομερή εντύπωση.

 Πολύ ενδιαφέρον! Από τη στιγμή που έχεις βιώσει τόσο την εμπειρία ενός μεταπτυχιακού, όσο και του Bootcamp, αν γύρναγες τον χρόνο πίσω ποιο από τα δύο θα επέλεγες; 

Σίγουρα και τα δύο σου δίνουν πράγματα, αλλά επειδή οι ρυθμοί είναι πλέον πολλοί γρήγοροι, αν έβγαινα τώρα από ένα προπτυχιακό και μου έλεγαν να επιλέξω ένα από τα δύο, θα επέλεγα το Bootcamp.

Ο λόγος είναι ότι μπορεί να με βοηθήσει να μπω πιο γρήγορα στην αγορά εργασίας και να αποκτήσω ένα προβάδισμα στην εργασιακή εμπειρία, συν ότι μου δίνει πράγματα που το μεταπτυχιακό δεν μου έδωσε.

Αν και το μεταπτυχιακό έχει μια πρακτική, δεν μπορώ να τη συγκρίνω με τη πρακτική του Bootcamp.

 Τέλεια, τι συμβουλή θα έδινες σε κάποιον νέο που κάνει τα πρώτα του βήματα στο Data Science, ακόμα και αν προέρχεται από έναν κλάδο που δεν έχει άμεση σχέση με αυτό;

Αυτό που έχω να πω είναι ότι αν σου αρέσει να διαβάζεις και μια γνώση που δεν σταματάει ποτέ, τότε να το κάνεις!

Αν σκέφτεται δηλαδή κάποιος με επιφύλαξη να μπει στον κόσμο των δεδομένων, θα του έλεγα να μην έχει καμία επιφύλαξη, να δώσει όλα του τα όπλα και να το κάνει να πετύχει, γιατί έτσι είναι η εποχή.

Η εποχή έχει τεράστιο όγκο δεδομένων και πρέπει να βγάλει αξιοποιήσιμα πράγματα.

 Και αν έπρεπε να δώσεις την ίδια συμβουλή, αλλά σε μια γυναίκα; Επειδή καλώς ή κακώς ο κλάδος μπορεί να θεωρηθεί ανδροκρατούμενος.

Θα της έλεγα να μην μασάει, γιατί ο καθένας έχει να δώσει και την δική του οπτική.

Δεν το διαχωρίζω αν είναι άντρας ή γυναίκα, ως άτομο που θέλει να ασχοληθεί και να μπει στο χώρο του data science, όταν υπάρχουν πολλά άτομα βγαίνει ένα όμορφο αποτέλεσμα που δεν είναι μονόπλευρο

Θα της έλεγα επίσης ότι πλέον μπαίνουν όλο και περισσότερες γυναίκες στον συγκεκριμένο κλάδο και χαίρομαι ιδιαίτερα για αυτό, γιατί η άποψη ότι όποιος ασχολείται με δεδομένα, προγραμματισμό κτλ είναι άντρας, πλέον δεν ισχύει.

 

Ευχαριστούμε πολύ Μαριάμ για την όμορφη συνέντευξη!