יום עבודה טיפוסי​

07:00 - מתעוררת מתארגנת, רפרוף מהיר על מיילים לראות שאין משהו דחוף. מכינה שייק פירות ויוצאת למשרד.

09:00 - הגעה למשרד, מעבר על היומן - להבין איזה פגישות יש היום\בימים הקרובים ועידכון ה TO DO LIST בהתאם למה שיותר דחוף. כמו כן, מעבר נוסף ברפרפוף על מיילים במידה ויש משהו דחוף נותנת מענה או מפנה לגורם הרלוונטי (אם נראה שיש מייל שייקח זמן רב לענות עליו - שומרת ביומן זמן שיוקדש לזה).

כמו כן, התעדכנות זריזה עם אנשי הצוות שלי על מה מתוכנן להיום והאם הם צריכים את עזרתי בכל נושא שהוא כדי להתקדם.

10:00 - פגישה DAILY עם צוות הפיתוח - התעדכנות על מה הם עובדים ומה התקדם אתמול על מנת לדעת לנתב את המשאבים ולהבין כיצד הצוות יענה ללקוחות. (כחלק מעבודתי אני מובילה צוות של CUSTOM DEVELOPMENT בתחום של DYNAMIC MAIL - אלמנטים דינאמים ופרסונליים באימילים, על כן יש כאן עבודה מול דרישות של לקוחות ופרויקטים שונים שהמפתחים שלנו עובדים עליהם).

11:00 - בהתאם ללוז הפגישות כמובן, מעבר עם הדטה סיינטיסטים בצוות שלי על אנליזה שעשו, תוצאות מודלים למיניהם, מצגת שהכינו או דוח.

14:00 - הצטרפות לפגישות שיש עם לקוחות במידה ויש כאלה. בתור ראש צוות ומנהלת פרויקט לעיתים אני זאת שפותחת את הפגישה ועוברת על האג'נדה מול הלקוח (לאחר SMALL TALK קצר עם הלקוחות - חשוב ביותר :) ) ולאחר מכן הדטה סיינטיסט מציג בפני הלקוח את התוצר. צוות ה STRATEGIC SERVICES  ב OPTIMOVE למעשה מייעץ ללקוחות בנושא של אסטרטגיה שיווקית על סמך ניתוח נתוני התנהגות הלקוחות של החברות השונות שעובדות איתנו, בעולמות הGAMING\ E-COMM וכו.

לכן בפגישות בדרך כלל מציגים תוכנית שיווקית הכוללת המלצה על קמפיינים - למי לפנות מתי ואיך ואיזה בונוס או תוכן להמליץ עליו ו, או למשל מודל להגדרת לקוחות ה VIP של אותה חברה שעובדים מולה או כיצד לנהוג עם לקוחות שהם בסיכון נטישה למשל. תפקידי הוא לוודא כמובן שהפגישה מתנהלת בצורה טובה, כמו כן לוודא שמתקיים דיון על התכנים, לשמוע את דעתו של הלקוח ולהבין האם קלענו למטרה או שיש מקום לשיפור, הבאת אנליזה נוספת וכו.

18:00-19:00 - ​יציאה הביתה. אימון\שיעור ריקוד\הליכה בחוץ או סידורים כלשהם וארוחת ערב עם בעלי (בדרך כלל מול הטלויזיה\נטפליקס)​.

​מסר לסטודנטים​​​

​מכיוון שהתחברתי לקורסי סטטיסטיקה, בסיסי נתונים ו-BI במהלך התואר, המעבר לעולם ה-Data היה חלק וכמעט טיבעי. הידע שקיבלנו בתואר נותן קרקע מאוד נוחה ללמוד עצמאית כמעט כל דבר ובמיוחד בעולמות ה-Machine Learning מכיוון שיש לנו מיקוד רב בקורסי הסתברות, חקר ביצועים וסטטיסטיקה. לאורך זמן הזדמן לי גם להכיר את העולם הטכנולוגי שהוא יותר קרוב לתחומי הנדסת תכנה כיוון שרציתי ללמוד איך דואגים שתהליכי Data ירוצו בייצור נכון, איך לנהל שרתים, איך כותבים קוד יעיל וגם פה הבסיס שקיבלנו בתואר היה מצוין ולא הרגשתי חוסר של ידע.

לסיכום, התואר נותן קרקע פורייה למגוון רחב של תפקידים ובסיס טוב ללמוד עולמות תוכן חדשים שלא מוכרים לנו במלואם. אל תחששו לעבור בין תחומים במיוחד בשנים הראשונות אחרי התואר.​

​
DataSc.webp​
​