Sandra Greiss en la oficina de Lyst. Foto: Liz Gregg
En nuestra serie de larga duración, "Cómo lo estoy haciendo" hablamos con personas que se ganan la vida en la industria de la moda sobre cómo irrumpieron y encontraron el éxito.
Cuando tu visitas Lyst y accidentalmente escribe mal el nombre de un diseñador o la palabra "mulas", el sitio web abrirá una página que corrige automáticamente el error, o si comienzas a escribir "jeans de cintura alta" en la barra de búsqueda, Lyst.com predeciblemente completará el resto de su consulta antes que usted, como un Google consciente de la moda. Todos esos detalles minuciosos y convenientes se deben en parte a la científica de datos Sandra Greiss, quien ha estado en el departamento de ingeniería de la compañía desde 2014.
Con la educación de Greiss: una licenciatura en física de París y una maestría y Doctor. en astronomía y astrofísica del Reino Unido: un camino hacia la academia o un trabajo en finanzas parecía la apuesta más segura desde el punto de vista profesional. "Nunca pensé que terminaría en la industria de la moda", dice Greiss. "La mayoría de los físicos no lo hacen y, para ser honesto, es muy frustrante. Es fantástico que intentemos dejar claro que hay muchas cosas que puedes hacer con tus habilidades ".
Hablamos con Greiss sobre su papel en Lyst, por qué la ciencia de datos es importante para la moda y cómo tú también puedes conseguir un trabajo en la industria haciendo un trabajo de moda no tan tradicional.
¿Qué hace exactamente como científico de datos en Lyst?
Básicamente, usamos datos, muchos de ellos, para construir algoritmos y modelos para entrenar a una computadora para que haga muchas cosas básicas que puedes obtener como ser humano. En el caso de esto, con millones de productos en Lyst, lo necesita. Podemos clasificar o predecir algo, dependiendo de su problema. Digamos que, en nuestro caso, tenemos imágenes de productos y básicamente construimos un modelo y entrenamos una computadora para que pueda detectar cosas sobre los productos. Recientemente, logramos descubrir estilos, ya sea un bolso o zapatos. Lo último en lo que he estado tratando de trabajar es en conseguir un modelo que detecte el material de una imagen, ya sea una chaqueta de cuero o un par de jeans.
¿Qué aprende Lyst de la ciencia de datos?
Lyst es una plataforma de comercio electrónico, por lo que está agregando millones de productos, desde marcas de alta gama a marcas comerciales. Usamos principalmente ciencia de datos para asegurarnos de recomendar los productos más relevantes a nuestros usuarios, dependiendo de en qué hacen clic y de dónde provienen en la web. Dado que hay una gran cantidad de productos en nuestra base de datos, queremos adaptar la experiencia de nuestro usuario de acuerdo a cada una de sus necesidades, que puede ser a través de la personalización del sitio web para cada usuario.
¿Cómo fue el proceso de entrevista para conseguir el trabajo que tiene ahora?
Realiza una prueba de codificación para mostrar sus habilidades de codificación y si comprende las cosas básicas. Pero el tipo de prueba depende del nivel que solicites, por lo que cuanto más avanzado seas, más complicadas serán las preguntas. La prueba de codificación le pedirá que escriba un fragmento de código y explique lo que tiende a hacer después de eso, lo que permite a los reclutadores ver cómo aborda los problemas y los problemas típicos como científico de datos. Mi propia entrevista fue un poco informal, por lo que la prueba se realizó en una pizarra blanca; ahora, está en una computadora. De hecho, no logré resolverlo, pero les gustó la forma en que abordaba el problema. Todavía podían ver qué tipo de persona era yo.
La oficina de Lyst en Londres. Foto: Lyst
¿De qué proyectos estás más orgulloso?
Para mí, personalmente, los proyectos más interesantes en los que trabajé fueron los de autocompletar y autosugestión. Llamamos a buscar algo en el sitio web y trata de adivinar lo que buscan nuestros usuarios. Ese es un proyecto que me dieron el verano pasado para que lo hiciera por mi cuenta de principio a fin, lo cual es emocionante. Pensé que era un buen desafío en el sentido de que puedo aprender muchas cosas y luego verlo en vivo.
Si cometió un error ortográfico en su búsqueda, no podremos devolver resultados a menos que tengamos la consulta de búsqueda correcta correctamente escrita. Así que creamos un servicio llamado '¿Querías decir esto?' para corregir errores ortográficos. Eso es algo más que también construí.
¿Cuánto tiempo suelen tardar estos proyectos?
Tardan entre dos y tres meses de principio a fin en completarse porque la recopilación de datos lleva tiempo, y luego lo está limpiando y construyendo el modelo y encontrando diferentes formas de abordar el problema como bien. La velocidad marca una gran diferencia; encontrar algo que funcione mejor y más rápido.
¿Qué consejo le daría a alguien que esté interesado en una carrera similar?
La cuestión es que no es imposible. Tenemos ingenieros que básicamente pasaron de cursos de 12 semanas a trabajos de inmediato. Si te interesa, tienes quedadas y cursos online. Es genial que ahora haya tantos cursos abiertos para enseñarle código y comprender los conceptos detrás de él.
Sandra Greiss en la oficina de Lyst. Foto: Liz Gregg
¿Por qué la ciencia de datos es importante para la industria de la moda en general?
Muchas grandes marcas de moda tienen plataformas de comercio electrónico, que generan una gran cantidad de datos para que los científicos de datos los exploten. Usamos la ciencia de datos para comprender las necesidades del cliente y estudiar su comportamiento. Esto es crucial para la industria de la moda porque las marcas pueden aumentar las ventas con mejores servicios que predicen las necesidades y ayudan a sus clientes a encontrar lo que buscan. La ciencia de datos también se utiliza para pronosticar la vida útil de un producto en el sitio web y asesorar a los clientes sobre la probabilidad de que los productos se agoten pronto. Esto ayuda al minorista con la previsión: estimar cuántos vestidos producir y enviar a un mercado determinado, lo cual es crucial para cualquier negocio.
¿Cuáles son otros ejemplos de la aplicación de la ciencia de datos en la industria de la moda?
Las grandes empresas de moda tendrán datos sobre sus ventas no solo en línea, sino también en las tiendas, y estos datos se pueden utilizar para predecir la demanda de productos, estimar las necesidades de stock y los precios. También puede predecir las tallas de ropa de un cliente entre muchas marcas populares: mediante la recopilación de datos sobre las medidas de las personas y las tallas que usan cada marca, se puede construir un modelo para predecir qué tamaño debe tener para una determinada, lo cual es muy útil ya que la mayoría de los productos se devuelven debido a encajar.
Otro gran ejemplo del uso de la ciencia de datos para la moda es a través de un programa llamado Deepomatic, que utiliza imágenes de blogueros de moda y vincula los artículos al lugar donde se pueden comprar.
¿Cuál cree que es un error común cuando se trata de su trabajo?
A mucha gente le sorprende que las mujeres hagan este trabajo, no exactamente en Lyst porque tenemos un buen equilibrio, sino en general y fuera de la moda. Es algo por lo que presiono mucho; conseguir más mujeres en el mundo de la tecnología sería fantástico. Debería comenzar alentando a las niñas en la escuela a estudiar ciencias de la computación o cualquier otra ciencia. Está bien hacer eso y está bien ser un científico de datos. En realidad, está más que bien, es realmente genial en este momento. Leí en Harvard Business Review que es el trabajo más sexy del siglo y el mejor trabajo para tener en 2016.
La ciencia de datos es el campo del aprendizaje automático o inteligencia artificial, por lo que es un Es un momento emocionante para ser parte de él porque se puede explotar de muchas maneras, especialmente en la moda. industria. No se detiene allí y probablemente no se ralentizará pronto. Está cambiando el mundo de la moda.
Esta entrevista ha sido editada y condensada.
¿Quieres más Fashionista? Suscríbase a nuestro boletín diario y envíenos directamente a su bandeja de entrada.