Sandra Greiss a Lyst irodában. Fénykép: Liz Gregg
Régóta futó sorozatunkban "Hogyan csinálom" a divatiparban élő emberekről beszélünk arról, hogyan törtek be és találtak sikert.
Amikor meglátogatja Lyst és véletlenül rosszul írja be a tervező nevét vagy az "öszvér" szót, a webhely előhív egy oldalt, amely automatikusan javítja a hibát, vagy ha elkezdi beírni a "magas derekú farmert" a keresősávba, Lyst.com előre láthatóan kitölti a lekérdezés többi részét, mint Ön, mint például a divattudatos Google. Mindezen apró, kényelmes részletek részben Sandra Greiss adattudósnak köszönhetők, aki 2014 óta dolgozik a vállalat mérnöki részlegén.
Greiss végzettséggel - fizika alapképzés Párizsból és mesterképzés és Ph. D. a csillagászatban és az asztrofizikában az Egyesült Királyságból-az egyetem felé vezető út vagy a pénzügyi munka a karrier szempontjából a legbiztonságosabb megoldásnak tűnt. "Soha nem gondoltam, hogy a divatiparban fogok végezni" - mondja Greiss. "A legtöbb fizikus nem, és őszintén szólva, nagyon frusztráló. Nagyszerű, hogy megpróbálunk rávilágítani arra, hogy rengeteget tehetsz a képességeiddel. "
Greissszel beszélgettünk a Lystban betöltött szerepéről, arról, hogy miért fontos az adattudomány a divat szempontjából, és hogyan tudsz te is elhelyezkedni az iparban egy nem túl hagyományos divatkoncerten.
Pontosan mivel foglalkozik adattudósként a Lyst -nél?
Alapvetően sok adatot használunk algoritmusok és modellek készítéséhez, hogy a számítógépet arra tanítsuk, hogy sok alapvető dolgot elvégezzen, amelyeket emberként megszerezhet. Ebben az esetben, ha több millió termék van a Lyst -en, akkor erre van szüksége. A problémától függően osztályozhatunk vagy megjósolhatunk valamit. Tegyük fel, hogy a mi esetünkben képeket kaptunk a termékekről, és alapvetően modellt építünk, és kiképezünk egy számítógépet, hogy képes legyen észlelni a termékekkel kapcsolatos dolgokat. Nemrég sikerült kitalálnunk a stílusokat, legyen szó táskáról vagy cipőről. A legújabb dolog, amin dolgozni próbáltam, az volt, hogy egy modell segítségével felismerjem az anyagot egy képből, legyen az bőrkabát vagy farmer farmer.
Mit tanul Lyst az adattudományból?
A Lyst egy e-kereskedelmi platform, így több millió terméket gyűjt össze a csúcskategóriától a nagy utcai márkákig. Leginkább az adattudományt használjuk annak biztosítására, hogy a legrelevánsabb termékeket ajánljuk felhasználóinknak, attól függően, hogy mire kattintanak, és honnan származnak az interneten. Mivel adatbázisunkban rengeteg termék található, szeretnénk személyre szabni felhasználói élményünket szükségleteiknek megfelelően, amely lehet a weboldal személyre szabása felhasználó.
Milyen volt az interjú, hogy megszerezze azt a munkát, ami most van?
Kódolási tesztet végez, hogy bemutassa kódolási készségeit, és ha megérti az alapvető dolgokat. De a teszt típusa attól függ, hogy milyen szintre jelentkezel, tehát minél magasabb rangú vagy, annál bonyolultabbak lesznek a kérdések. A kódolási teszt során meg kell írnia egy kódrészletet, és el kell magyaráznia, hogy mit szokott csinálni ezután, ami lehetővé teszi a toborzók számára, hogy lássák, hogyan közelítenek a problémákhoz és a tipikus problémákhoz, mint adattudósok. A saját interjúm kissé informális volt, ezért a tesztet fehér táblán végeztem - most számítógépen. Igazából nem sikerült rájönnöm, de tetszett nekik, ahogy a problémához közelítem. Még mindig láthatták, hogy milyen ember vagyok.
A Lyst iroda Londonban. Fotó: Lyst
Mely projektekre vagy a legbüszkébb?
Személy szerint számomra az izgalmasabb projektek, amelyeken dolgoztam, az automatikus kiegészítés és az automatikus javaslat volt. Keresünk valamit a webhelyen, és megpróbálja kitalálni, mit keresnek felhasználóink. Ez egy olyan projekt, amelyet tavaly nyáron kaptam, hogy önállóan végezzem el az elejétől a végéig, ami izgalmas. Azt gondoltam, hogy bizonyos értelemben jó kihívás, hogy sok mindent megtanulok, majd élőben látom.
Ha helyesírási hibát követett el a keresésben, akkor nem tudtuk visszaadni a találatokat, ha nem a megfelelő keresési lekérdezést írtuk helyesen. Létrehoztunk tehát egy "Ezt komolyan gondoltál?" Elnevezésű szolgáltatást. helyesírási hibák kijavítására. Ez valami más, amit én is építettem.
Általában mennyi ideig tartanak ezek a projektek?
Körülbelül két -három hónapot vesz igénybe az elejétől a végéig, mert az adatok összegyűjtése időt vesz igénybe, és akkor megtisztítja, felépíti a modellt, és különböző módszereket talál a probléma megközelítésére jól. A sebesség hatalmas különbséget tesz; találni valamit, ami jobban és gyorsabban teljesít.
Mit tanácsolna annak, aki hasonló karrier iránt érdeklődik?
A helyzet az, hogy nem lehetetlen. Vannak mérnökeink, akik alapvetően a 12 hetes tanfolyamokról azonnal munkába álltak. Ha érdekli, találkozókat és online tanfolyamokat szervez. Nagyszerű, hogy most olyan sok nyílt tanfolyam van, amelyek megtanítanak kódolni és megérteni a mögöttes fogalmakat.
Sandra Greiss a Lyst irodában. Fotó: Liz Gregg
Miért fontos az adattudomány a divatipar számára általában?
Sok nagy divatmárka rendelkezik e-kereskedelmi platformokkal, amelyek sok adatot generálnak az adattudósok számára. Az adattudomány segítségével megértjük az ügyfél igényeit és tanulmányozzuk a viselkedését. Ez döntő fontosságú a divatipar számára, mert a márkák képesek növelni az értékesítést olyan jobb szolgáltatásokkal, amelyek megjósolják az igényeket, és segítenek ügyfeleiknek megtalálni azt, amit keresnek. Az adattudományt arra is használják, hogy előre jelezzék egy termék élettartamát a webhelyen, és tájékoztassák az ügyfeleket arról, hogy az áruk hamarosan elfogynak. Ez segít a kiskereskedőnek az előrejelzésben - megbecsülni, hogy hány ruhát kell előállítani és elküldeni egy adott piacra, ami minden vállalkozás számára kulcsfontosságú.
Milyen más példák vannak arra, hogy az adattudományt a divatiparban alkalmazzák?
A nagy divatcégeknek nemcsak online, hanem az üzletekben is lesznek adataik az eladásaikról, és ezek az adatok felhasználhatók a termékek keresletének előrejelzésére, a készletigények és az árak meghatározására. Számos népszerű márka között is megjósolhatja az ügyfél ruházati méreteit: az adatok összegyűjtésével az emberek méréseiről és arról, hogy milyen méretben viselnek minden márka, modell felépíthető annak megjósolására, hogy mekkora legyen egy adott márka, ami nagyon hasznos, mivel a legtöbb terméket visszaküldik, mert elfér.
Az adattudomány divatos felhasználásának másik nagyszerű példája az úgynevezett program Deepomatic, amely divatbloggerek képeit használja, és linkeli a tételeket a megvásárolható helyekhez.
Mit gondol, gyakori tévhit a munkájával kapcsolatban?
Sokan meglepőnek találják, hogy a nők végzik ezt a munkát - nem éppen a Lystnél, mert jó az egyensúlyunk -, de általában és a divaton kívül. Ez valami olyasmi, amit nagyon drukkolok; nagyszerű lenne több nőt szerezni a tech világban. Kezdjük azzal, hogy az iskolában a lányokat arra ösztönözzük, hogy tanuljanak informatikát vagy bármilyen tudományt. Nem baj, ha ezt teszed, és oké, hogy adattudós lehetsz. Valójában ez több mint rendben van, jelenleg nagyon jó. Beleolvastam Harvard Business Review hogy ez a század legszexibb munkája és a legjobb munka 2016 -ban.
Az adattudomány a gépi tanulás vagy a mesterséges intelligencia területe, tehát rendkívül izgalmas idő a részese lenni, mert sokféleképpen kihasználható, különösen a divat szerint ipar. Nem áll meg itt, és valószínűleg nem is fog lassulni egyhamar. Ez megváltoztatja a divat világát.
Ezt az interjút szerkesztették és tömörítették.
Több Fashionistát szeretne? Iratkozzon fel napi hírlevelünkre, és vegyen fel minket közvetlenül a postaládájába.