Sandra Greiss „Lyst“ biure. Nuotrauka: Liz Gregg
Mūsų ilgai trunkančioje serijoje "Kaip aš tai darau" kalbamės su žmonėmis, kurie pragyvena mados industrijoje, apie tai, kaip jie įsiveržė ir susirado sėkmę.
Kai lankotės Lyst ir netyčia parašėte dizainerio vardą arba žodį „muliai“, svetainė iškels puslapį, kuris automatiškai ištaisys klaidą, arba jei paieškos juostoje pradėsite rašyti „džinsai aukštu juosmeniu“, Lyst.com nuspėjamai užpildys likusią jūsų užklausos dalį, kol to nepadarysite, pavyzdžiui, „Google“, kuriai rūpi mada. Visas šias smulkias ir patogias detales iš dalies dėkoja duomenų mokslininkė Sandra Greiss, kuri nuo 2014 m. Dirba bendrovės inžinerijos skyriuje.
Su Greiso išsilavinimu - fizikos bakalauro laipsnis iš Paryžiaus ir magistro ir Ph. D. astronomijoje ir astrofizikoje iš Jungtinės Karalystės-kelias į akademinę bendruomenę ar darbas finansų srityje atrodė saugiausias pasirinkimas karjeros požiūriu. „Niekada nemaniau, kad atsidursiu mados industrijoje“, - sako Greissas. „Dauguma fizikų to nedaro ir, tiesą pasakius, tai labai vargina. Puiku, kad mes stengiamės pabrėžti, kad galite tiek daug padaryti savo įgūdžiais “.
Su Greiss kalbėjomės apie jos vaidmenį „Lyst“, kodėl duomenų mokslas yra svarbus madai ir kaip jūs taip pat galite įsidarbinti pramonėje atlikdami ne itin tradicinį mados pasirodymą.
Ką tiksliai veikiate kaip duomenų mokslininkas „Lyst“?
Iš esmės mes naudojame duomenis - daug jų - kurdami algoritmus ir modelius, kad išmokytume kompiuterį atlikti daug pagrindinių dalykų, kuriuos galite gauti kaip žmogus. Šiuo atveju, kai milijonai „Lyst“ produktų jums to reikia. Priklausomai nuo jūsų problemos, galime kažką klasifikuoti ar numatyti. Tarkime, mūsų atveju turime produktų vaizdus ir iš esmės sukuriame modelį bei apmokome kompiuterį, kad jis galėtų aptikti su produktais susijusius dalykus. Neseniai mums pavyko išsiaiškinti stilius, ar tai būtų krepšys, ar batai. Naujausias dalykas, kurį bandžiau dirbti, yra gauti modelį, kuris aptiktų medžiagą iš vaizdo, nesvarbu, ar tai odinė striukė, ar džinsiniai džinsai.
Ko Lystas mokosi iš duomenų mokslo?
„Lyst“ yra elektroninės prekybos platforma, todėl ji sujungia milijonus produktų nuo aukščiausios klasės iki aukštų gatvių prekių ženklų. Mes dažniausiai naudojame duomenų mokslą, norėdami įsitikinti, kad rekomenduojame vartotojams tinkamiausius produktus, atsižvelgiant į tai, ką jie spustelėja ir iš kur jie yra žiniatinklyje. Kadangi mūsų duomenų bazėje yra daug produktų, norime pritaikyti savo vartotojo patirtį atsižvelgiant į kiekvieno jų poreikius, tai gali būti individualizuojant svetainę kiekvienam Vartotojas.
Koks buvo pokalbio procesas norint gauti darbą, kurį turite dabar?
Jūs atliekate kodavimo testą, kad parodytumėte savo kodavimo įgūdžius ir suprastumėte pagrindinius dalykus. Tačiau testo tipas priklauso nuo jūsų prašomo lygio, todėl kuo vyresnis esate, tuo sudėtingesni bus klausimai. Kodavimo testas leis jums parašyti kodą ir paaiškinti, ką esate linkęs daryti po to, o tai leidžia įdarbintojams pamatyti, kaip jūs, kaip duomenų mokslininkas, sprendžiate problemas ir tipiškas problemas. Mano paties interviu buvo šiek tiek neoficialus, todėl testas buvo atliktas ant baltos lentos - dabar jis yra kompiuteryje. Tiesą sakant, man nepavyko to išsiaiškinti, bet jiems patiko tai, kaip aš kreipiausi į problemą. Jie vis dar matė, koks aš žmogus.
„Lyst“ biuras Londone. Nuotrauka: Lyst
Kokiais projektais labiausiai didžiuojatės?
Man asmeniškai įdomesni projektai, kuriuose dirbau, buvo automatinis užbaigimas ir automatinis pasiūlymas. Mes vadiname kažko paieška svetainėje ir ji bando atspėti, ko siekia mūsų vartotojai. Tai projektas, kurį praeitą vasarą man davė atlikti savarankiškai nuo pradžios iki pabaigos, o tai yra įdomu. Maniau, kad tam tikra prasme tai yra geras iššūkis, kai turiu išmokti daug dalykų ir tada pamatyti, kaip tai vyksta tiesiogiai.
Jei atlikę paiešką padarėte rašybos klaidą, negalėtume pateikti rezultatų, jei neturėtume teisingai parašytos paieškos užklausos. Taigi sukūrėme paslaugą „Ar tai turėjote omenyje?“ ištaisyti rašybos klaidas. Tai dar kažkas, ką aš taip pat sukūriau.
Kiek laiko paprastai trunka šie projektai?
Nuo jų pradžios iki pabaigos jie užtrunka apie du ar tris mėnesius, nes duomenų rinkimui reikia laiko, ir tada jūs jį valote ir kuriate modelį bei ieškote įvairių būdų, kaip spręsti problemą gerai. Greitis daro didžiulį skirtumą; rasti tai, kas veiktų geriau ir greičiau.
Ką patartumėte žmogui, kuris domisi panašiu karjeros keliu?
Reikalas tas, kad tai nėra neįmanoma. Turime inžinierių, kurie iš esmės nuo 12 savaičių kursų iškart ėjo į darbus. Jei jus tai domina, turite susitikimų ir internetinių kursų. Puiku, kad dabar yra tiek daug atvirų kursų, kurie moko jus koduoti ir suprasti už jo esančių sąvokų.
Sandra Greiss „Lyst“ biure. Nuotrauka: Liz Gregg
Kodėl duomenų mokslas yra svarbus mados pramonei apskritai?
Daugelis didelių mados prekių ženklų turi elektroninės prekybos platformas, kurios generuoja daug duomenų duomenų mokslininkams. Mes naudojame duomenų mokslą, kad suprastume kliento poreikius ir ištirtume jų elgesį. Tai labai svarbu mados pramonei, nes prekės ženklai gali padidinti pardavimus, teikdami geresnes paslaugas, kurios numato poreikius ir padeda klientams rasti tai, ko jie ieško. Duomenų mokslas taip pat naudojamas norint prognozuoti produkto naudojimo laiką svetainėje ir patarti klientams, kokia tikimybė, kad prekės greitai bus išparduotos. Tai padeda mažmenininkui prognozuoti - įvertinti, kiek suknelių pagaminti ir išsiųsti į tam tikrą rinką, o tai yra labai svarbu bet kokiam verslui.
Kokie yra kiti duomenų mokslo pavyzdžiai, taikomi mados industrijoje?
Didžiosios mados kompanijos turės duomenų apie savo pardavimus ne tik internete, bet ir parduotuvėse, ir šie duomenys gali būti naudojami prognozuojant produktų paklausą, įvertinant atsargų poreikius ir kainas. Jis taip pat gali numatyti kliento drabužių dydžius tarp daugelio populiarių prekės ženklų: rinkdamas duomenis apie žmonių išmatavimus ir kokio dydžio drabužius kiekvienam prekės ženklui gali būti sukurtas modelis, numatantis, kokio dydžio turėtumėte būti tam tikram prekės ženklui, o tai labai naudinga, nes dauguma produktų grąžinami dėl tinka.
Kitas puikus duomenų mokslo panaudojimo madai pavyzdys yra programa, vadinama Giluminis, kuri naudoja mados tinklaraštininkų vaizdus ir susieja prekes su vietomis, kur jų galima nusipirkti.
Kaip manote, koks yra bendras klaidingas požiūris į jūsų darbą?
Daugelis žmonių stebisi, kad moterys atlieka šį darbą - ne visai „Lyst“, nes mes turime gerą pusiausvyrą, bet apskritai ir ne madoje. Aš to labai siekiu; būtų puiku gauti daugiau moterų pačiame technologijų pasaulyje. Reikėtų pradėti nuo merginų skatinimo mokykloje mokytis informatikos ar bet kurio mokslo. Gerai tai daryti ir gerai būti duomenų mokslininku. Iš tikrųjų tai daugiau nei gerai, šiuo metu tikrai šaunu. Aš perskaičiau Harvardo verslo apžvalga kad tai seksualiausias šimtmečio darbas ir geriausias darbas 2016 m.
Duomenų mokslas yra mašinų mokymosi arba dirbtinio intelekto sritis, todėl tai nepaprastai įdomus laikas būti jo dalimi, nes jį galima išnaudoti įvairiais būdais, ypač madingai industrija. Tai nesibaigia ir greičiausiai netrukus sulėtės. Tai keičia mados pasaulį.
Šis interviu buvo suredaguotas ir sutrumpintas.
Norite daugiau „Fashionista“? Prenumeruokite mūsų kasdienį naujienlaiškį ir gaukite mus tiesiai į savo pašto dėžutę.