"We krijgen de ruimte en ondersteuning om te experimenteren, te ontwikkelen, te verbeteren en fouten te maken; de focus binnen Kramp ligt op het bereiken van resultaten door te leren.“
“Na het afronden van mijn master Business Analysis and Modelling aan de Radboud Universiteit in Nijmegen in 2018, wist ik dat ik wilde werken bij een groot, internationaal, technologisch vooruitstrevend bedrijf waar ik nog meer kon leren over data science. Kramp vinkte al deze vakjes aan. Kramp is zeer vooruitstrevend; al jaren geleden was het een pionier op het gebied van het implementeren van een webshop, en meer recentelijk in het werken met bijvoorbeeld Google Cloud.
Ik begon bij Kramp met het traineeprogramma, een geweldige kans om een jaar lang verschillende functies uit te proberen. Daarna begon ik in mijn eerste functie, als Data Analist in Supply chain. Sindsdien ben ik betrokken geweest bij een groot project om de voorspelling van de vraag bij Kramp te verbeteren met behulp van machine learning (ML). Door gebruik te maken van het data science platform Vertex AI, dat wordt ondersteund door team Cortex, konden we opschalen naar duizenden cores en dat gaf ons de benodigde rekenkracht. Voor elk afzonderlijk product ontwikkelen we een model, wat neerkomt op zo'n 200.000 modellen. Aangezien het zes seconden duurt om een model per core te berekenen, zou dit achter elkaar zo'n 350 uur in beslag nemen... maar wij doen het in 11 minuten. Uiteindelijk is de nauwkeurigheid van de voorspellingen met 4% verbeterd, wat ons al zo'n 8 miljoen euro minder aan voorspellingsfouten heeft opgeleverd. Het geeft voldoening om te weten dat mijn kennis op het gebied van data science een grote impact heeft op de verbetering van de resultaten van Kramp.
Ik werk momenteel aan een A/B-pipeline om te zien hoe veranderingen op onze website het online gedrag van klanten beïnvloeden. Ik gebruik de methode van Bayes om de resultaten te analyseren en deze vervolgens te vertalen naar bedrijfsspecifieke beslissingen. Ik heb ook een Large Language Model (LLM) gemaakt om de zoekfunctie op onze website te verbeteren en het aantal 'nulresultaten' te verlagen als reactie op de zoekwoorden die klanten gebruiken.
Ik vind het heel prettig dat we zoveel ondersteuning van het management krijgen om ontwikkelingen door te voeren. We hebben de vrijheid om te experimenteren, te ontwikkelen, te verbeteren en fouten te maken; de focus binnen Kramp ligt op het bereiken van resultaten door te leren. Dit doen we onder andere in onze informele community van zo'n 50 data scientisten/analisten die verspreid werkzaam zijn binnen heel Kramp. We komen samen om onze ontwikkelingen te delen, maar ook om ideeën en inzichten uit te wisselen. Als data scientist is de grote kans op mislukkingen soms frustrerend, maar ik heb geleerd te accepteren dat dit gewoon onderdeel is van het innovatieproces en snel door te gaan naar het volgende project - en er liggen altijd genoeg andere kansen om aan te pakken met zoiets grootschaligs als data science.
Kramp biedt veel mogelijkheden voor allerlei formele trainingen, maar data science is zo'n snel veranderend vakgebied, waardoor je echt zelf de verantwoordelijkheid moet nemen om bij te blijven. Ik besteed dus veel tijd aan mijn eigen onderzoek om uit te vinden hoe ik nieuwe problemen kan aanpakken, vaak samen met mijn collega's. We werken in een zeer complexe omgeving, maar de samenwerking verloopt soepel dankzij de structuur van de productteams. Ook de platformteams van Kramp maken het ontwikkelwerk gemakkelijk. Je weet meteen bij wie je moet zijn als je vragen hebt. Iedereen is gepassioneerd over zijn eigen specialisme en we helpen elkaar voortdurend om de nieuwste ontwikkelingen op het gebied van data science te ontdekken en te begrijpen.
Er is geen standaard carrièrepad voor mij omdat de rol van data science binnen het bedrijf voortdurend verandert, dus wie weet wat de toekomst mij zal brengen. Voor nu geniet ik er elke dag van om te leren en te groeien in mijn vakgebied."
