La figura del Data Scientist è fondamentale per qualsiasi società Fintech. Il Data Team di October è nato due anni fa nella sede di Amsterdam. Questo team è responsabile dello sviluppo dell’infrastruttura e dell’implementazione dei modelli di analisi a supporto delle decisioni degli altri team. Abbiamo incontrato Tejas Sherkar, Lead Data Scientist e Zheya Feng, Junior Data Scientist.
Un background internazionale
Tejas: “Dopo la laurea in Scienze e Ingegneria dell’Energia all’IIT di Bombay, ho conseguito il mio dottorato di ricerca in Fisica Applicata all’Università di Groningen. Ho iniziato la mia carriera come Data Scientist presso una delle più importanti piattaforme di pagamento. L’anno scorso sono entrato a far parte di October, dove ho guidato il Data Team”.
Tejas Sherkar
Zheya: “Ho una laurea in E-business conseguita presso un’università cinese di Zheijiang. Oltre a questo ho un master in Data Science conseguito all’Università di Amsterdam. Ho costruito modelli di dati per classificare e raccomandare ristoranti per turisti come stagista nella più grande agenzia di viaggi online cinese. Grazie al mio lavoro in diversi settori e discipline, sono in grado di pensare da molteplici prospettive quando risolvo un problema”.
L’importanza di un Data Team
Tejas: “L’utilizzo dei dati non è una novità per le aziende Fintech. Ma la Data Science fa un passo avanti per aiutarci a indagare e comprendere i comportamenti complessi e le tendenze dei dati. In October siamo in grado di trarre molti insegnamenti dai dati che abbiamo raccolto nel corso di diversi anni. Impariamo da questi dati per condurre analisi automatizzate del rischio, rilevamento delle frodi, acquisizione dei clienti e vari miglioramenti del prodotto. Zheya aggiunge: “L’utilizzo della Data Science può essere applicato a qualsiasi campo e con modelli avanzati otteniamo una migliore comprensione rispetto ai metodi tradizionali. Questi risultati ci aiutano a migliorare non solo il portafoglio di October, ma anche l’esperienza degli utenti.
Orgogliosi del modello di analisi Magpie
Tejas: “In October abbiamo la possibilità di risolvere problemi difficili con creatività e ingegno”. Zheya è d’accordo: “Ogni giorno arrivano sempre più dati che permettono a October di far leva sul suo valore. Durante le discussioni del nostro team, portiamo idee diverse ed è emozionante convalidare queste idee con i dati disponibili”. “Ad esempio, negli ultimi anni abbiamo lavorato sodo su un modello di scoring automatico per le richieste di finanziamento chiamato Magpie”, continua Tejas. “Magpie è costruito utilizzando algoritmi di machine learning e grandi quantità di dati, che abbiamo raccolto negli ultimi 5 anni in tutti i paesi in cui October opera. E anche questo modello migliora man mano che raccogliamo nuovi dati e applichiamo nuovi strumenti di analisi”.
Le fonti di ispirazione
Quali aziende sono fonte di ispirazione per i Data Scientists di October? Zheya sceglie la società cinese Meituan Dianping. “Questa società offre food delivery, prenotazione di biglietti e molti altri servizi online. Costruiscono ottimi sistemi per recuperare informazioni e fornire raccomandazioni ai clienti con un’enorme quantità di dati in streaming su testo, immagini e comportamento degli utenti e rendono accessibile il loro approccio in modalità open source”. Tejas: “L’azienda svedese Spotify, nota per il suo servizio di streaming musicale. Hanno sviluppato alcuni dei migliori sistemi di raccomandazione mai costruiti. Non è solo la grande quantità di dati che li aiuta, tutta la loro cultura aziendale ruota attorno all’utente e permette di comprenderne le esigenze e i punti di forza. Sono riusciti a fare dei dati la loro risorsa più importante per portare il loro business a nuovi livelli.
Volete far parte del Data Team di October? Date un’occhiata alle nostre offerte!