"Tenemos el apoyo y la libertad para probar, desarrollar, mejorar y fracasar; el enfoque dentro de Kramp es impulsar el impacto a través del aprendizaje."
"Después de completar mi maestría en Análisis y Modelado de Negocios en la Universidad de Radboud en Nijmegen en 2018, sabía que quería trabajar en una empresa de tamaño considerable, internacional y tecnológicamente avanzada donde aún podía aprender más sobre ciencia de datos, y Kramp marcaba todas las casillas. Es bastante pionera; fue una de las primeras en introducir una tienda web hace tantos años y, más recientemente, en trabajar con Google Cloud.
Me incorporé al programa de prácticas de Kramp, que me brindó una gran oportunidad de pasar un año probando diferentes funciones. Entonces empecé en mi primer puesto, como analista de datos en la cadena de suministro. Desde entonces, he participado en un importante proyecto para mejorar la previsión de la demanda de Kramp utilizando el aprendizaje automático (ML). Aprovechando la plataforma de ciencia de datos Vertex AI, que cuenta con el apoyo del equipo Cortex, pudimos escalar a miles de núcleos y eso nos dio la potencia computacional que necesitábamos. Entrenamos un modelo para cada producto, lo que suma unos 200.000 modelos. Como un modelo tarda seis segundos en calcularse por núcleo, secuencialmente nos llevaría unas 350 horas... pero nosotros lo hacemos en 11 minutos. En definitiva, la precisión de las previsiones ha mejorado un 4%, lo que ya ha ahorrado a la empresa unos 8 millones de euros en reducción de errores de previsión. Es gratificante saber que tu experiencia en ciencia de datos ha tenido un gran impacto en la mejora de los resultados de Kramp.
Actualmente estoy trabajando en un pipeline A/B para ver cómo afectan los cambios en nuestro sitio web al comportamiento online de los clientes. Utilizo la probabilidad bayesiana para analizar los resultados y luego traducirlos en decisiones empresariales. También he creado un Large Language Model (LLM) para mejorar la función de búsqueda en nuestro sitio web y reducir el número de "resultados cero" en respuesta a las palabras clave que utilizan los clientes.
Me encanta que recibamos tanto apoyo de la dirección para llevar a cabo el trabajo de desarrollo. Tenemos libertad para probar, desarrollar, mejorar y fracasar; en Kramp nos centramos en impulsar el impacto a través del aprendizaje. Una forma de hacerlo es en nuestra comunidad informal de unos 50 científicos/analistas de datos repartidos por toda la organización de Kramp. Nos reunimos para mostrar nuestros desarrollos, compartir problemas e intercambiar ideas y puntos de vista. Como científico de datos, la gran cantidad de fracasos puede ser a veces frustrante, pero he aprendido a aceptar que es parte del proceso de innovación y a pasar rápidamente al siguiente proyecto, y siempre hay muchas otras oportunidades de negocio que abordar con algo tan escalable como la ciencia de datos.
Kramp ofrece muchas oportunidades para todo tipo de formación formal, pero la ciencia de los datos es un campo que evoluciona tan rápidamente que es necesario asumir la responsabilidad de mantenerse al día. Así que paso mucho tiempo investigando por mi cuenta para averiguar cómo abordar nuevos problemas, a menudo junto con mis colegas. Trabajamos en un entorno muy complejo, pero la colaboración es fluida gracias a la estructura de los equipos de producto de la empresa, y los equipos de plataforma de Kramp facilitan el trabajo de desarrollo. Sabes inmediatamente a quién tienes que dirigirte si tienes alguna pregunta. Cada uno es un apasionado de su especialidad y nos ayudamos constantemente unos a otros a descubrir y comprender los últimos avances en ciencia de datos.
Para mí no hay una trayectoria profesional definida, porque el papel de la ciencia de datos en la empresa evoluciona constantemente, así que quién sabe lo que nos deparará el futuro. Pero por ahora disfruto mucho aprendiendo y creciendo en mi campo cada día."
