Kamila

W Capgemini od prawie 6 lat. Swoją karierę w firmie rozpoczęła na stanowisku Finance & Accounting Process Analyst. Jej obecna rola to Data Science Analyst.

Dlaczego zdecydowałaś się na zmianę stanowiska?

Ukończyłam studia magisterskie z zakresu badań społecznych i analizy danych w Instytucie Socjologii. Tam pierwszy raz zetknęłam się z technikami modelowania statystycznego i szeroko pojętym data science. Odkąd dowiedziałam się, że taka dziedzina nauki istnieje, wiedziałam, że chcę pracować w tym obszarze. Kolejne kroki w mojej karierze i podejmowane decyzje, miały zbliżyć mnie do tego celu. Analityka finansowa, a więc stanowisko, na które zaaplikowałam w Capgemini, wydawała mi się dobrym startem w korporacji. Miałam tam do czynienia z aplikacjami opartymi o MS Access (systemie obsługi relacyjnych baz danych), ale także ze starymi dobrymi arkuszami Excela. Po roku w projekcie finansowym, klient zdecydował się zmienić dostawcę dla wszystkich świadczonych usług. Oznaczało to, że ja oraz moi koledzy, musieliśmy zacząć szukać stanowisk w innych zespołach lub nowego miejsca pracy.

Jak znalazłaś informacje o nowej roli?

Nie wiedziałam jeszcze wtedy, że takie role jak Data Scientist są potrzebne w naszej firmie. Wewnętrzna sieć internetowa była bardzo w tym pomocna, jak również troskliwi managerowie, którzy starali się, aby jak najwięcej z nas bezpiecznie wylądowało na nowych stanowiskach w ramach organizacji. Wiadomo przecież, że pozyskanie i wdrożenie nowego pracownika jest dużo droższe i bardziej czasochłonne niż utrzymanie lub przebranżowienie już zatrudnionego i sprawdzonego w działaniu.

Z projektu finansowego do działu IT to całkiem niezła zmiana! Co pomogło Ci osiągnąć swój cel?

Umiejętności sprawnego przetwarzania danych oraz analitycznego myślenia zawsze są w modzie. Musiałam jeszcze wiele się douczyć i po pięciu latach pracy na tym stanowisku mam wrażenie, że to dokształcanie nigdy się nie skończy. Tempo rozwoju nowych technologi jest wszak zawrotne, patrząc chociażby na rozwój technologii chmurowej. Nigdy jednak nie kojarzyłam Data Science z branżą IT. Już bardziej ze statystyką lub matematyką, które znajdują swoje zastosowanie w różnych dziedzinach – między innymi w technologiach informacyjnych. Jednakże Data Science również wspomaga się narzędziami IT, chociażby z językiem Python, który świetnie służy zarówno programistom, jak i analitykom danych. Uważam, że wiedza z zakresu IT rzeczywiście w tej pracy jest przydatna, chociaż nie domyślna.

Podzielisz się z nami osiągnięciem, z którego jesteś najbardziej dumna?

Wkrótce po objęciu nowego stanowiska wybrałam się na szkolenie Pythona organizowanego przez stowarzyszenie kobiet w IT – Geek Girls Carros. To był wtedy mój pierwszy kontakt z tym językiem programowania. Po niecałym roku zostałam poproszona o poprowadzenie warsztatów dla GGC na temat rozpoznawania obrazów w Pythonie. Trudno mi powiedzieć, czy więcej wtedy nauczyłam czy może SIĘ nauczyłam

Czy możesz polecić jakieś dobre źródła do somonauki?

Zastosowania ilościowe w naukach społecznych (QASS) z wydawnictwa SAGE. „Małe zielone księgi” są bardzo przydatnym źródłem wiedzy dla nie-matematyków. Znaleźć tam można treści z zakresu statystycznych metod analizy danych, wyjaśnione w jasny, ale nietrywialny sposób. Jest to literatura, do której zawsze będę wracać. Pozwala prawdziwie zrozumieć mechanizmy modelowania statystycznego.

Dlaczego poleciłabyś wewnętrzną rekrutację w Capgemini?

Capgemini posiada szerokie spektrum usług, technologii i projektów. Oferta może być dla niektórych naprawdę zaskakująca, tak jak była dla mnie. Zachęcam do przeszukiwania wewnętrznych ofert pracy. Nawet jeżeli nie jest się pewnym, czy sprawdzimy się na danym stanowisku, możemy zawsze podpytać nieformalną drogą. Wykorzystanie wewnętrznych możliwości przebranżowienia oraz zdobycie doświadczenia w więcej niż jednym projekcie to świetna opcja. Ja, z perspektywy pięciu lat, nie żałuję.