"Wir haben die Unterstützung und die Freiheit, etwas auszuprobieren, zu entwickeln, zu verbessern und zu scheitern; der Fokus bei Kramp liegt darauf, durch Lernen etwas zu bewirken."

"Nachdem ich 2018 meinen Master in Business Analysis and Modelling an der Radboud University in Nijmegen abgeschlossen hatte, wusste ich, dass ich in einem großen, internationalen, technologisch fortschrittlichen Unternehmen arbeiten wollte, in dem ich noch mehr über Data Science lernen konnte - und Kramp erfüllte alle Kriterien. Kramp ist ein ziemlicher Pionier; es war ein Early Adopter bei der Einführung eines Webshops vor all den Jahren und in jüngerer Zeit bei der Arbeit mit Google Cloud.  

Ich bin im Rahmen des Trainee-Programms von Kramp eingestiegen, was eine großartige Gelegenheit war, ein Jahr lang verschiedene Aufgaben auszuprobieren. Danach habe ich meine erste Stelle als Data Analyst in der Lieferkette angetreten. Seitdem war ich an einem großen Projekt zur Verbesserung der Bedarfsprognosen von Kramp mithilfe von maschinellem Lernen (ML) beteiligt. Durch den Einsatz der Data-Science-Plattform Vertex AI, die vom Team Cortex unterstützt wird, konnten wir auf Tausende von Kernen hochskalieren, was uns die nötige Rechenleistung verschaffte. Wir trainieren ein Modell für jedes einzelne Produkt, was sich auf etwa 200.000 Modelle summiert. Da die Berechnung eines Modells pro Kern sechs Sekunden dauert, würde dies nacheinander etwa 350 Stunden in Anspruch nehmen... aber wir schaffen es in 11 Minuten. Letztendlich hat sich die Vorhersagegenauigkeit um 4 % verbessert, wodurch das Unternehmen bereits rund 8 Millionen Euro durch geringere Vorhersagefehler eingespart hat. Es ist sehr befriedigend zu wissen, dass unser Fachwissen im Bereich der Datenwissenschaft einen großen Einfluss auf die Verbesserung des Ergebnisses von Kramp hatte. 

Derzeit arbeite ich an einer A/B-Pipeline, um herauszufinden, wie sich Änderungen an unserer Website auf das Online-Verhalten der Kunden auswirken. Ich verwende Bayes'sche Wahrscheinlichkeitsrechnung, um die Ergebnisse zu analysieren und sie dann in Geschäftsentscheidungen umzusetzen. Außerdem habe ich ein Large Language Model (LLM) entwickelt, um die Suchfunktion auf unserer Website zu verbessern und die Anzahl der "Null-Ergebnisse" als Reaktion auf die von den Kunden verwendeten Schlüsselwörter zu verringern. 

Ich finde es toll, dass wir bei unserer Entwicklungsarbeit so viel Unterstützung von der Geschäftsleitung erhalten. Wir haben die Freiheit, etwas auszuprobieren, zu entwickeln, zu verbessern und zu scheitern; der Schwerpunkt bei Kramp liegt darauf, durch Lernen etwas zu bewirken. Eine Möglichkeit, dies zu tun, ist unsere informelle Gemeinschaft von etwa 50 Data Scientist /Analyst, die über die gesamte Kramp-Organisation verteilt sind. Wir kommen zusammen, um unsere Entwicklungen zu präsentieren, Probleme zu teilen und Ideen und Erkenntnisse auszutauschen. Als Data Scientist  kann die große Anzahl an Fehlschlägen manchmal frustrierend sein, aber ich habe gelernt, sie als Teil des Innovationsprozesses zu akzeptieren und mich schnell dem nächsten Projekt zuzuwenden - und es gibt immer viele andere Geschäftsmöglichkeiten, die man mit etwas so Skalierbarem wie der Datenwissenschaft angehen kann. 

Kramp bietet viele Möglichkeiten für alle Arten von formalisierten Schulungen, aber Data Science ist ein so schnelllebiges Feld, dass man wirklich selbst dafür verantwortlich sein muss, auf dem neuesten Stand zu bleiben. Deshalb verbringe ich viel Zeit mit eigener Forschung, um herauszufinden, wie man neue Probleme angehen kann, oft zusammen mit meinen Kollegen. Wir arbeiten in einem hochkomplexen Umfeld, aber die Zusammenarbeit funktioniert dank der Produktteamstruktur des Unternehmens reibungslos, und die Plattformteams von Kramp machen die Entwicklungsarbeit einfach. Man weiß sofort, an wen man sich wenden muss, wenn man Fragen hat. Jeder ist mit Leidenschaft bei der Sache und wir helfen uns gegenseitig, die neuesten Entwicklungen in der Datenwissenschaft zu entdecken und zu verstehen.  

Für mich gibt es keinen klaren Karrierepfad, da sich die Rolle der Data Science innerhalb des Unternehmens ständig weiterentwickelt, wer weiß also, was die Zukunft bringen wird. Aber im Moment genieße ich es, jeden Tag zu lernen und in meinem Bereich zu wachsen."