Nikoleta Kocúrová je dátová analytička, softvérová inžinierka a naša kolegyňa, ktorá nám externe pomáha s kurzami dátovej analýzy, s obsahom našich príspevkov, ale hlavne s motiváciou pre dievčatá a ženy, aby sa nebáli vykročiť do IT odvetvia.
Nikol sa k IT dostala zaujímavou cestou. Pracovala v Dell Technologies na oddelení fakturácie. Počas práce sa dostala ku kurzu Women Data Academy od Aj Ty v IT, a potom to už celé do seba zapadlo a Nikol vo svojej IT kariére už len napreduje.
Prinášame ti rozhovor o tom, čo Nikol pritiahlo do IT, aké boli jej prvé kroky k prvej práci a ako sa jej darí v týchto dňoch.
Najprv oddelenie fakturácie a zrazu IT svet. To je veľký skok. Čo ťa motivovalo vybrať sa touto cestou?
Keď som v roku 2018 pracovala na oddelení fakturácie v Dell Technologies, nevedela som o IT ešte takmer nič. Mala som možnosť oboznámiť sa s pozíciami vo finančnom odvetví prostredníctvom rozhovorov s kolegami a aj tým, že som ich sledovala pri práci. Finančné veci ma vtedy prestali baviť a pojmy ako income statement a balance sheet ma už veľmi nefascinovali.
V tom čase som pomáhala organizovať program pre dievčatá zo stredných škôl v rámci eventu Girls Day. Keď som zistila, že organizácia poskytuje vzdelanie aj pre dospelé ženy, hneď ma to oslovilo. A tak som sa postupne vrátila k tomu, čo ma bavilo ešte na strednej škole. K matematike a logike. Vybrala som sa cestou dátovej analýzy, ktorá sa mi k tomu najviac hodila.
Do IT si teda vkročila ako dátová analytička. Ako si sa dostala k prvej práci od okamihu, keď ťa to zaujalo?
K mojej prvej IT pozícií som sa dostala vďaka kurzu Women Data Academy od Aj Ty v IT. V kurze som sa prvýkrát stretla s jazykom Python a s transformáciou dát. Po tomto kurze nasledovali ďalšie, napríklad Machine Learning (opäť od Aj Ty v IT) a neskôr MiniTech MBA for Women.
Aké konkrétne IT zručnosti si sa na týchto kurzoch naučila?
Vo Women Data Academy kurze som sa prvýkrát stretla s jazykom Python a s transformáciou dát. Pod transformáciou dát si môžete predstaviť napríklad zmenu dátových typov, spájanie reťazcov a prepájanie viacerých tabuliek do jednej. Pre tento účel sa v jazyku Python najčastejšie využívajú knižnice pandas a numpy. Programovali sme v nástroji, ktorý sa volá Jupyterlab a používali sme aj nástroj Anaconda Navigator, ktorý sa používa na inštaláciu Python knižníc.
V Machine Learning kurze som sa oboznámila so základmi štatistiky, napríklad s pojmami ako medián, priemer a smerodajná odchýlka. Vyskúšala som si tvorbu a testovanie hypotéz. Kurz mi poskytol prehľad o základných algoritmoch strojového učenia ako napríklad lineárna regresia a rozhodovacie stromy.
Na kurze MiniTech MBA for Women ma veľmi zaujala hodina o hardvéri počítača, kde som mala možnosť porozumieť pojmom ako slot pre RAM alebo rozdielu medzi SSD a HDD. Tento kurz má zároveň úžasnú alumni komunitu. Moje spolužiačky pracujú v rôznych odvetviach, napríklad v oblasti recruitmentu alebo práva. Dodnes sme v kontakte a vzájomne si kariérne pomáhame.
Tieto kurzy ti následne otvorili bránu k prvým pracovným možnostiam v IT?
Kurz Women Data Academy mi stačil na to, aby som získala moju prvú prácu ako dátová analytička, kde som pôsobila 2 roky. Neskôr mi tento set kurzov stačil na to, aby som získala moju druhú IT prácu na ročnom projekte ako dátová analytička a Python vývojarka. Tu už budem v týchto dňoch končiť a pripravujem sa na nové výzvy, ktoré ma čakajú na pozícii softvérovej inžinierky.
Čomu si sa venovala v práci, kde si aktuálne ukončila spoluprácu na ročnom projekte?
Na spomínanom ročnom projekte som bola zodpovedná za implementáciu algoritmov strojového učenia a správnosť ich výpočtov. Spomedzi algoritmov strojového učenia som sa na tejto pozícii venovala forecastingu časových radov. Forecast, alebo inými slovami predpoveď, sa môže používať na odhadnutie veľkosti budúceho dopytu po produktoch, čo pomáha rozhodovať pri objednávaní nových skladových zásob.
Časové rady sú skvelou voľbou pre niekoho, kto ma rád štatistiku. Pomocou štatistiky sa dozvedáme viac o vlastnosti dát a vďaka štatistickým informáciám o dátach vieme, ktorý algoritmus máme použiť. Zo štatistiky môžeme napríklad použiť koeficient variácie na to, aby sme zistili, či trend v dátach je hladký a teda neobsahuje sezónnosť. V takomto prípade je možné použiť metódy tvorby forecastu ako sú Holtová metóda alebo ARIMA. Ak koeficient variácie ukáže, že trend v dátach je volatilný, obsahujúci sezónnosť, je potrebné použiť Holt-Winterovú metódu alebo sezónny ARIMA model (SARIMA).
Na tejto pozícii som ďalej pracovala s nerelačnou databázou MongoDB a s relačnou databázou Microsoft SQL. Python kód som vyvíjala v nástroji Visual Studio Code. Pri tvorbe kódu som využívala PEP štandardy programovania v Python jazyku a znalosti objektového programovania.
Ako si sa v praxi naučila s týmito dátami pracovať?
Tému predikcie skladových zásob som dostala ako zadanie v máji 2021. Najprv som si na www.udemy.com naštudovala potrebné algoritmy strojového učenia pre forecasting časových radov pomocou kurzu Python for Time Series Data Analysis. Prostredníctvom ďalšieho Udemy kurzu, Statistics for Data Science and Business Analysis, som si prehĺbila vedomosti o štatistických pojmoch.
Na Udemy som sa naučila aj pojmy v oblasti inventory managementu pomocou kurzu Inventory Management A-Z. Pre oboznámenie sa s pokročilejšími forecast algortimami a vzorcami na výpočet optimalizácie skladových zásob som si kúpila 2 odborné knihy, konkrétne Inventory optimization a Data Science for Supply Chain Forecast od autora Nicolasa Vandeputa.
Takže sa učíš v praxi, ale zároveň viem, že popri tom ešte IT študuješ na vysokej škole.
Presne tak. V mojej prvej IT práci som stretla šikovných kolegov, ktorí študovali na STU a inšpirovali ma v pokračovaní ďalšieho štúdia, a to aplikovanej informatiky na Paneurópskej vysokej škole.
Ísť študovať už druhú vysokú chce poriadnu dávku výdrže. Čo ťa vôbec motivovalo sa do toho pustiť?
Zistila som, že mi chýbajú základy programovania a potrebovala som sa vrátiť k vysokoškolskej matematike. Ďalšou motiváciou bolo dozvedieť sa ako IT systémy fungujú ako celok.
Napríklad IT systém sa nezaobíde bez databázy, pre ľahší vývoj funkcionalít by mal byť naprogramovaný modulárne (kde je potrebná znalosť objektovo orientovaného programovania), otestovaný kód je v produkcii nasadený v cloude na serveri tretej strany (napr. Azure, Google Cloud, AWS) a je potrebné, aby bežal ako služba v nejakom prostredí, napr. v Docker kontajneri. Služby medzi sebou komunikujú prostredníctvom API. Vývoj softvéru sa riadi určitou metodológiou, napr. SCRUM.
Nezaobišla by si sa v IT aj bez vysokej školy?
Asi áno. Som príkladom toho, že sa v IT vieme zamestnať aj bez formálneho vzdelania. Zároveň poznám mnohých vývojarov, ktorí neštudovali IT na univerzite alebo majú ukončených len pár semestrov a dnes pracujú na vývoji komplexných systémov.
Ja však vo vysokej škole vidím mnoho benefitov. Niekedy totiž skutočne môžeme počas kariéry naraziť na to, že nemáme ani bakalárske IT vzdelanie a ak túžime po nejakej pracovnej pozícii, môže nám ju vyfúknuť kolega, ktorý toto vzdelanie má.
Aj renomované firmy si radi posvietia na svojich uchádzačov a každá aktivita (napríklad aj externé vzdelávanie na vysokej škole) sa počíta ako veľké plus.
Zároveň vysoká škola prináša nové známosti na ľudí, ktorí už možno majú vlastnú IT firmu a budú nás vedieť v budúcnosti zamestnať.
Ako vyzerá tvoj bežný deň dátovej analytičky a vývojarky?
Pri vývoji softvéru sa používa určitá metodológia, momentálne je ňou najčastejšie SCRUM. Preto ma na konci každého týždňa (pracujem v týždňových sprintoch) čaká plánovanie úloh na nasledujúcich 5 dní. Každý deň začínam 15-minutovým stand-upom, kde sa so SCRUM masterkou a kolegami rozprávame o progrese naplánovaných úloh. Na plánovanie a vykazovanie mojej práce mi slúži nástroj Jira. Po každej vyriešenej Jira úlohe má čaká commit kódu do Git-u. Na konci sprintu ma čaká review, kde kolegom prezentujem výsledky mojej týždňovej práce.
Čo je pre teba v práci najväčšia výzva?
Vždy sú pre mňa výzvou nové vedomosti, ktoré musím za pochodu nadobudnúť. V začiatkoch sa mi aj SQL jazyk zdal ako niečo ťažšie zdolateľné. Dnes ho už mám v malíčku, oboznámila som sa s viacerými algoritmami strojového učenia a o pár dní ma čakajú ďalšie výzvy na pozícii softvérovej inžinierky, kde budem určite veľa študovať. V týchto dňoch sa na danú pozíciu pripravujem napríklad v téme Docker pre začiatočníkov a MongoDB.
Čo ťa v práci najviac baví?
Baví ma, keď môžem v IT pracovať s ľuďmi, ktorí svoju prácu majú radi. V IT by mali pracovať tí, ktorí sa chcú neustále vzdelávať a podieľať sa na tvorbe nejakého IT produktu, ktorý musí zvládnuť pokryť požiadavky náročných používateľov čo najlepše. Preto si práca na IT projektoch vyžaduje vyššie nasadenie, a to je možné ľahko splniť najmä vtedy, keď máme svoje povolanie radi.
Čo ťa naopak nebaví vôbec?
V pracovnej oblasti nerada stagnujem a upadám do stereotypu. Rada pracujem na svojich vedomostiach a kreativite, pričom sa riadim Paretovým princípom. 80 percent môjho pracovného času tvorí moja full-time práca. Ďalších 10 percent venujem môjmu štúdiu na vysokej škole. A zvyšok času venujem spolupráci s o.z. Ženský algoritmus.
Ako sa najčastejšie vzdelávaš?
V oblasti dátovej analýzy sa najčastejšie vzdelávam už na spomínanom Udemy.com. Pre vedomosti o základoch programovania a vývoja zvyknem zájsť na slovenský portál Skillmea.sk. Momentálne sa učím aj tipy pre pokročilé programovanie v Pythone na portáli O'reilly media. Mojou srdcovkou je aj štúdium na vysokej škole a keď si neviem v nejakej téme poradiť, zvyknem osloviť súčasných alebo bývalých kolegov.
Cítiš sa ako žena v IT skôr zvýhodnená alebo znevýhodnená?
Viacero organizácií na Slovensku dnes ponúka ženám možnosť študovať IT programy, niektoré dokonca pomáhajú po ukončení kurzu s nájdením práce. Patrím ešte medzi generáciu, ktorá zažila tlačidlový telefón bez internetu a internet v počítači iba na obecnom úrade. O IT som sa začala zaujímať až vo veku 25 rokov práve vďaka jednej z organizácií, ktorá pomáha dospelým ženám s IT vzdelaním a som rada, že som mala možnosť v začiatkoch študovať v ženskom kolektíve.
Čo by si doporučila babám, ktoré koketujú s myšlienkou IT sveta?
Aby si pripravili poriadnu dávku odvahy a vytrvalosti. Mali by byť pripravené s odvahou prezentovať svoje riešenie na daný problém a stáť si za jeho správnosťou. A ak to riešenie v danej chvíli nebude najsprávnejšie, nemalo by ich to odradiť a práve svojou vytrvalosťou by sa mali časom dopracovať k vedomostiam, ktoré im umožnia nachádzať správne riešenia.
Na čom aktuálne pracuješ v o.z. Ženský algoritmus?
Jednou z mojich priorít v rámci o.z. Ženský algoritmus je pripraviť kurz pre budúce dátové analytičky. Kurz má poskytnúť balíček informácií, ktoré budú potrebovať pre úspešný štart na pozícii týkajúcej sa reportingu a spracovania dát. Mojim cieľom je v kurze odovzdať vedomosti, ktoré som v danej oblasti nadobudla počas posledných 3 rokov. Pôjde o technológie, ktoré v súčasnosti požadujú zamestnávatelia.