Een sterk Data team is een belangrijk onderdeel van elk fintech bedrijf. Zo ook bij October. Dit team is verantwoordelijk voor het opzetten van de data-infrastructuur, het uitvoeren van analyses, het inzetten van modellen en het leveren van beslissingsondersteuning aan andere teams. Wij gingen in gesprek met Tejas Sherkar, Lead Data Scientist en Zheya Feng, Junior Data Scientist van het Data Team.
Een internationale achtergrond
Tejas: “Na een bachelor in Technology, Energy Science & Engineering in Bombay, heb ik mijn PhD behaald in Applied Physics aan de Universiteit van Groningen. Ik ben mijn carrière als Data Scientist gestart bij een van de grootste betaalplatforms ter wereld. Vorig jaar maakte ik de stap naar October, waar ik het Data Team leid. Zheya: “Ik heb een bachelor in E-business van een Chinese universiteit in Zheijiang . Daarnaast heb ik een master in datawetenschappen van de UvA. Ik bouwde datamodellen voor het rangschikken en aanbevelen van restaurants voor toeristen bij het grootste online reisbureau van China. Door mijn werk binnen meerdere sectoren en disciplines ben ik in staat om vanuit meerdere perspectieven te denken bij het oplossen van een probleem.”
Het belang van Data Science
Tejas Sherkar
Tejas: “Het gebruik van data is niet nieuw voor fintech bedrijven. Maar de datawetenschap gaat een stap verder om ons te helpen complexe gedragingen en trends in data te onderzoeken en te begrijpen. Bij October zijn we in staat om lessen te trekken uit de gegevens die we over een aantal jaren hebben verzameld om geautomatiseerde risicoanalyses, fraudedetectie, klantenwerving en diverse productverbeteringen uit te voeren.”
Zheya voegt daar aan toe: “Denken vanuit een datawetenschappelijk perspectief kan op elk dataveld worden toegepast. Met geavanceerde modellen krijgen we betere inzichten dan met traditionele methoden. Deze resultaten helpen ons niet alleen het October-portfolio te verbeteren, maar ook de gebruikerservaring.”
Trots op het Magpie scoringsmodel
Tejas: “Bij October krijgen we de kans om moeilijke problemen op te lossen met creativiteit en vindingrijkheid.” En Zheya beaamt dat: “Elke dag komen er steeds meer gegevens binnen waar we waarde uit kunnen halen. Tijdens onze teambesprekingen brengen we verschillende ideeën naar voren. Het is spannend om deze ideeën te valideren met beschikbare data.” “Zo hebben we de afgelopen jaren hard gewerkt aan een automatisch scoringsmodel voor financieringsaanvragen, genaamd Magpie,” vervolgt Tejas. “Magpie is gebouwd met behulp van machine learning-algoritmes en grote hoeveelheden data, die we de afgelopen 5 jaar hebben verzameld in alle landen waar October actief is. We blijven dit model doorontwikkelen naarmate we meer gegevens verzamelen en nieuwe inzichten toepassen.”
Data science inspiratie
Zheya Feng
Welke bedrijven zijn een inspiratie voor de data scientists van October? Zheya benoemt direct het Chinese internetbedrijf Meituan Dianping. “Dit bedrijf heeft een thuisbezorgd-service, een ticket-service en nog veel meer online diensten. Ze hebben geweldige modellen voor het maken van aanbevelingen voor klanten. Dit doen ze op basis van onder andere gebruikersgedrag, weergegeven afbeeldingen en tekst. Daarnaast is hun aanpak volledig open-source en dus kan iedereen ermee werken.” Tejas: “Ik vind de Zweedse muziekstreamingdienst Spotify een inspiratie. Ze hebben een van de beste systemen ooit ontwikkeld voor de aanbeveling van nieuwe muziek. Daarbij helpt niet alleen hun enorme hoeveelheid aan data, maar ook hun cultuur dat de klantervaring voorop staat. Ze willen de behoeften en de pijnpunten van de klant begrijpen. Zo zijn ze erin geslaagd om van data hun belangrijkste troef te maken om het bedrijf verder te laten goeien.”
Ook werken in het Data Scientist Team van October? Neem een kijkje op de vacaturesite van October.