„Работата во банкарскиот сектор ме поттикна да го унапредам знаењето со податоци“

nikola arsovski data masters

Никола Арсовски е нов член во тимот на Data Masters и е одличен пример за начинот на кој Data Masters гради кадри преку Академијата. Никола поседува работно искуство во банкарскиот сектор, но неговата желба да го искористи потенцијалот на податоците со кои работи го мотивирала да се запише на Data Science Академијата која ја заврши со огромен успех – неговиот тим под раководство на менторот Марко Пајковски го имаше најдобриот подготвен и одбранет проект, а Никола како личност која покажа особен интерес и резултати на Академијата доби понуда за вработување во Data Masters.

Со него разговаравме за улогата што Академијата ја одигра во неговата кариера, како и гледиштето за иднината на банкарството во делот на анализа и користење на податоците.

 

По образование си економист, a пред доаѓањето во Data Masters повеќе од 5 години имаш работено во банкарскиот сектор на две различни позиции – анализа на финансиски извештаи и како FX дилер. Како би ги сублимирал овие позиции, особено во делот на работа со податоци?

Двете работни позиции се сосема различни по својата природа и според начинот на работа, но и во двата случаи, работата со податоци е секојдневие. Дали станува збор за анализа на клучните индикатори за работењето на банката или на перформансот на одреден оддел, длабинската и сеопфатна анализа претставува неизоставен дел. Во делот на анализата на финансиски извештаи, неопходно е следење, како на главните индикатори кои го рефлектираат работењето на банката, така и на помалите сегменти во секој дел од структурата на банката. Што се однесува до делот на FX пазарот, истиот бара следење на сосема поинакви параметри како што се обемот на тргување, движењето на пазарните курсеви, каматните стапки итн.

 

Велиш дека секојдневната работа со податоци те мотивирала да видиш дека во мноштвото податоци има нешто повеќе, односно дека можат да се искористат многу подобро што и те донело до одлуката да се запишеш на Академијата. Како изгледаше тој момент на одлука?

Потребата за носење одлуки/заклучоци врз основа на анализа беше главниот „trigger“ да се заинтересирам на темата и да се запознаам со истата. Во мојата работа се среќавав со различни ситуации во кои беше неопходно да се донесат заклучоци врз база на претходно направена анализа. Притоа, недостатокот на технички знаења и ограничените можности ми го отежнуваа самиот процес и секојдневната работа. Неретко овој начин на работа води и до нецелосни или погрешни заклучоци. Овие ситуации ме мотивираа да се заинтересирам за Data Science. Лично, одлуката ја донесов лесно, бидејќи за мене претставуваше “природен” следен чекор. Нормално, прво добро се информирав што претставува работата во областа на Data Science и Data Analysis, сè со цел да го изберам идеалното решение за мене.

 

Посочуваш дека едно од најчестите прашања што ги имаш добивано е дали е возможно да се учи Data Science без претходно искуство во програмирање. Со какво предзнаење се запиша на Академијата и што би им препорачал на оние кои немале допир и се скептични околу изучувањето на делот со програмирање?

Дефинитивно истата дилема ја имав и јас. Моето познавање од алатки беше ограничено само на EXCEL и искрен да бидам, ме плашеше соочувањето со непознатиот дел на работа со понапредни алатки. Секако од помош беше мојата образовна позадина во делот на математика и статистика како и работното искуство во делот на финансиите. Морам да признаам дека помошта и пристапот што го имаа предавачите, ми ја направија оваа транзиција навистина лесна. Од денешен аспект би рекол дека секој кој е навистина заинтересиран и посветен во работата и учењето, воопшто не треба да му биде “стигма” оваа област.

 

Проектот „Bank marketing campaign – Opening a Term Deposit“ кој го работеше во рамки на Академијата заедно со Коста, Тодор и Иван, под менторство на Марко Пајковски е во доменот маркетинг/банкарство. Раскажи ни повеќе за проектот и заклучоците од истиот.

Проектот беше навистина интересен и можам да кажам дека претставуваше личен предизвик за мене, бидејќи стануваше збор за банкарска тема. Податоците беа од претходно спроведена маркетинг кампања со која се нудеа банкарски депозити. Самите податоци беа обемни и содржеа голем број на аспекти од самата кампања (на пример: професија на клиентите, состојба на сметка во банка, старост, дали се корисници на кредит итн.), како и податок дали кампањата била успешна, односно дали клиентите оставиле депозит или не. Нашата цел беше преку користење на техничките алатки, да направиме статистички модел преку кој успешно ќе предвидиме дали кампањата ќе биде успешна уште пред да биде клиентот контактиран. Со овој модел, во иднина би се направило поуспешно “профилирање” на клиентите кои треба да се цел на маркетинг кампањата, како и оптимизицаија на трошоците поврзани со истата.

Доста интересно беше тоа што преку наједноставната анализа и визуелизација на податоците, речиси и да не можеше да се донесат корисни заклучоци за тоа кои луѓе би биле добар таргет. Затоа беше неопходно да ги искористиме сите техники и методи за процесирање и обработка на податоците, со цел нашиот финален модел да е што поточен и поверодостоен. Морам да потенцирам дека беше доста корисна помошта и од менторот, кој успешно нè водеше и ни помагаше. Иако целиот процес беше доста напорен и бараше доста труд, сепак мислам дека сите членови на тимот бевме задоволни и со финалниот исход на проектот и начинот на кој истиот беше сработен.

nikola-arsovski

Академијата несомнено носи стручно знаење со себе, но дали има некои други лекции што ги научи преку усовршувањето и нејзиното комплетирање?

Како што посочив, инспирацијата за Академијата ја добив од моето претходно работно искуство во банка. Иако банките, осигурителните компании и останатите финансиски иституции се едни од првите примери што ни доаѓаат на памет кога станува збор за Data Science, сепак постојат и навистина многу други области каде што оваа наука наоѓа примена. Преку практичните примери во текот на предавањата, имав можност да се запознаам со конкретна употреба на овие знаења во различни области. Особено внимание ми привлече употребата во областа на медицината со цел детектирање или превенирање на голем број на состојби, особено оние кои што се тешки да се детектираат. Една од работите кои ми привлече внимание е можноста за анализа на фотографии од пациенти, кои ги дополнуваат претходно собраните податоци.

 

Несомнено интересот за промена на кариера, особено од кадри што имаат допир со економски науки е во подем. Како ти гледаш на оваа појава? Колку доменското знаење е предност и на кој начин неформалното образование ја поттикнува оваа промена?

Се согласувам дека сè почесто сме сведоци на оваа појава, со тоа што јас не гледам на ова како промена на кариера, туку можеби како надградба на постоечката. Самите економски науки претставуваат влечење на заклучоци од буквално сите случувања во оваа сфера или да појаснам подобро, самата природа на овие науки веќе е еден вид на увертира и дава основа да се надгради со Data Science. Мислам дека е одлично што сè повеќе луѓе се одлучуваат да го направат овој следен чекор, бидејќи несомнено тоа ќе придонесе да бидат поголеми експерти во областа во која работат или би работеле. Претходното образование и работно искуство дефинитивно се квалитетна основа за професионално надградување, нешто што и мене ми помага за полесна адаптација во оваа нова средина и мислам дека е одлично што конечно се појавија и вакви форми на неформално образование кои се одлични за доостручување. Пристапот имплементиран во Академијата, кој се базира на тоа да се учи од луѓе кои имаат искуство и секојдневно работат во областа се покажа како одличен начин да се дообразувам.

 

До каде е стигнат македонскиот банкарски сектор во модернизација на користењето на алатки за анализа и обработка на податоци. Што е она што се прави во моментов и дали може и треба да се прави повеќе во таа насока?

Банкарскиот сектор кај нас претставува една високо конкурентна средина со голем број на учесници. Секојдневно сме бомбардирани со различни понуди, промотивни кампањи и услуги кои се нудат. Сепак, горе – долу понудата на производи и услуги суштински не се разликува од една до друга банка. И за таа цел банките се трудат да ги привлечат клиентите со ценовни поволности (пониски каматни стапки, провизии итн). Во исто време, секоја банка засебно е во непрекинат процес на намалување, односно на оптимизирање на своите трошоци, со цел да се компензираат намалените приходи. Токму во овој дел гледам најголема примена на сите можности кои ги нуди Data Science, иако примената е можна во речиси сите области на работењето на банката. Еден од примерите како да се искористи ова дополнително знаење е и проектот кој го имавме на Академијата, кој го објаснив погоре.

За жал, до овој момент свесноста за потребата за користење модерни, напредни алатки, не е на нивото својствено за напредните банкарски системи во светот. Речиси и да нема многу примери во кои се користат понапредни методи за анализи, а со тоа изостануваат и бенефитите од истите.

 

Гледајќи ја пак поголемата слика како мислиш дека ќе изгледа банкарството во иднина под влијание на модернизацијата на алатките особено во делот со обработка на податоци и како ќе изгледа професијата банкар во иднина?

Како што минува времето мислам дека е неизбежно да се имплементираат современи алатки и статистички модели. Секојдневните и репетитивните обврски дефинитивно ќе се автоматизираат. Потребата за рачни пресметки и анализи дефинитивно ќе биде заменета со напредни технологии. Сепак, не сметам дека ќе ни се случи “Terminator” сценарио 😊. Напредните статистички модели не можат да носат одлуки место човек. Самиот исход од моделите е информација колкава е шансата да се случи некој посакуван или непосакуван настан од типот дали тоа е веројатност клиентот да не го врати кредитот, предвреме да го подигне депозитот или целосно да ја напушти банката.

Улогата на банкарите ја гледам како финансиски советници. Иако донесувањето на одлуките ќе биде во најголем дел оптимизирано, главна задача на банкарите ќе биде насочување на клиентот кон оптималното решение за него, имајќи ја во предвид неговата состојба. Нормално, за тоа ќе бидат потребни напредни знаења, со цел да знаат кое решение е најоптимално согласно карактеристиките на клиентот. Со ова не само што ќе се добијат позадоволни клиенти, туку и банката би добила поквалитетно портфолио.