[קישור לקובץ mp3]אנחנו מארחים בכרכור את
יובל פוקס מחברת
AppsFlyer כדי לדבר על Workflow של Data Science.בתור התחלה - Disclaimer:
רן עובד ב-AppsFlyer והוא גם המנהל של
יובל (ושל אנשים נוספים בקבוצה).
(רן) אני מניח שהנושא יכול להיות מעניין בעיקר למי שהוא לא Data Scientist - זאת אומרת, אני מניח שמי שעוסקים בזה ביום-יום יתעניינו במה שקורה בדשא של השכן, אבל שאינם Data Scientist, אני מניח שירצו לשמוע מהי המתודולוגיה, איך עובדים . . . .אז לפני שנקפוץ לשם - יובל, כמה מילים על עצמך . . . .
- (יובל) אני יובל ואני עובד היום ב-AppsFlyer
- לתחום הזה האמת שנכנסתי די במקרה, לפני קצת יותר מ-10 שנים -
- התקבלתי כסטודנט לאינטל לקבוצת שנקראית Advanced Analytics, שקיימת עד היום
- אני חושב שגם היום יש בה את כמות ה-DS-ים הגדולה ביותר בחברה
- ושם הכרתי את העולם הזה - אז היה לזה שם קצת פחות סקסי, קראו לזה Data Mining - וככה התחלתי להתאהב.
- לקחתי קורסים ב-Coursera, העמקתי בעוד קורסים במהלך התואר הראשון - ולאחר מכן התחלתי לכוון את עצמי באמת לכיוון הזה.
- כשסיימתי שם אז התחלתי לעבוד ב-Wix
- עבדתי ב-Wix, ולאחר מכן עברתי לסטארטאפ בשם Drippler למערכות המלצה.
- לאחר מכן עברתי לעולמות ה-Social eCommerce ב-Sears ישראל
- ו-WeWork . . .
- ועוד כמה חברות נוספות
- והיום אני ב-AppsFlyer, ככה שיצא לי לראות תהליכים גם בחברות שהן יותר מוכוונות-Software וגם בחברות שהן יותר מוכוונות-Data
- זהו . . .
(רן) ואף יורד ים! עוד אחד לסרייה . . . [עכשיו מחפשים יורד-ים שהוא גם קיבוצניק?](אורי) אנחנו כל הזמן ב-2:1 פה בשולחן . . .(רן) . . . אז הנה, התהפכו היוצרות, המאזניים האלה השתווה . . . בסדר.(אורי) ימשיך החי”רניק . . . .
(רן) אז לפני שניכנס לנושא, אני חושב שקצת חשוב גם להבין על מה אתה עובד ביום-יום - ואני התנדבתי לספר על זה, כי גם אני מכיר את זה . . . אז בגדול, ממש ככה בקצרה על מה שעושה חברת
AppsFlyer ובמיוחד מה שעושה צוות ה-Data Science בחברת
AppsFlyer - ואחר כך גם נבין למה זה רלוונטי: אז
AppsFlyer זו חברה שמספקת Marketing Analytics, ובעולם הזה של Marketing Analytics תמיד יש Concern אחד שהוא קבוע - וזה איך משמרים Privacy של משתמשים.למעשה, המשימה שלנו - בתור קבוצת Data Science בתוך
AppsFlyer זה לתת יכולות של Marketing Analytics מבלי לפגוע ב-Privacy של המשתמשים.ונשאלת השאלה כמובן - איך עושים את זה? . . . זאת אומרת, איך אפשר לעשות “1+1” כשאתה לא יודע מי האחד או מי השני? . . . והתשובה לזה היא “הרבה סטטיסטיקה” . . . הרבה Modeling, הרבה מאוד דברים מאוד מגניבים.אפשר לספר על דוגמא של פרויקט אחד שבו אנחנו למעשה “פוקחים עין אחת ועוצמים את העין השנייה” - ובאמצעות אקסטרפולציות (Extrapolations) יודעים להשלים את החסר על ידי מנגנונים בייסיאניים (
Bayesian) ועל ידי מנגנונים הסתברותיים אחרים. מן הסתם אפשר לצלול פנימה אל תוך המוצר ממש עמוק, אבל בוא נאמר - אלגוריתמים של Machine Learning, קלאסיים ולא קלאסיים, הרבה מאוד סטטיסטיקה שהיא לא Machine Learning, לא מעט מזה - ועוד טובין אחרים . . .אז זה היום-יום - והזכרתי, ככה, פרויקט אחד - אבל יש לא מעט פרויקטים אחרים בתחום הזה.
אז בואו נצלול לעסק . . . נניח שאני Data Scientist, עכשיו קיבלתי את התואר באוניברסיטה, אוקיי? אני בא להתחיל לעבוד ואומרים לי “יש פה בעיה . . . “(אורי) יש בזה תואר? יש תואר ב-Data Science? או . . . (רן) זה עניין די חדש . . . אתה צודק, באמת לא היה. אבל לא מזמן
הפקולטה בטכניון של תעשייה וניהול [+1!] למעשה שינתה את השם שלה באופן רשמי לחלוטין
ל”פקולטה למדעי הנתונים” ומעכשיו . . . זאת אומרת, עדיין אין בוגרים שיצאו משם כי זה ממש קרה השנה, אבל החל מבעוד 3 שנים (נגיד 4 . . . ) יהיו “בוגרי מדעי הנתונים” בתואר ראשון - וכמובן שגם בתארים מתקדמים.(אורי) והכוונה היא באמת ל-Data Science ל-Modeling, ל-Predictions . . . (רן) לגמרי - אני מכיר אנשים שמלמדים שם ולגמרי - זאת ההכוונה. הם עשו את השינוי . . . תראה, השינוי-כיוון הזה לא קרה ביום - זה לא שביום אחד קמו והתעוררו ואמרו “אוקיי, זה מה שאנחנו רוצים לעשות מעכשיו” - זה שינוי שקרה לאורך זמן, אבל
את “המיתוג מחדש” עשו ממש לאחרונה.(אורי) ומסורתית, התעסקו ב-Data Science אנשים בעיקר מתארים מתקדמים, של מדעי המחשב . . . (רן) כן, אז זה מגיע ממדעי המחשב, מהנדסת תעשייה וניהול, ממתימטיקה . . .
- (יובל) אני חושב, אני עושה פה Hijack - אני חושב שאולי זה קצת השתנה היום, כי יש Other - אבל פעם היו שלושה מסלולים מרכזיים להגיע לתחום הזה
- אחד מהם הוא באמת כמו שאמרת
