Lara Hawchar van Liberty IT bespreekt haar rol in de datawetenschapsgemeenschap en haar advies voor andere professionals.
Lara Hawchar is hoofddatawetenschapper bij Liberty IT, waar ze gespecialiseerd is in MLOps en de bevordering van best practices op het gebied van datawetenschap. Een rol die ze heeft uitgelegd, heeft haar in staat gesteld de datawetenschapsgemeenschap te versterken en zich te concentreren op voorspellende modellen, GenAI-toepassingen en het stimuleren van verbeteringen in standaarden.
Onlangs aangekondigd als een van Liberty IT's eerste Culture Stars, als onderdeel van een door collega's geselecteerd erkenningsprogramma, streeft Hawcher ernaar om “met empathie te leiden, creatief te denken en anderen te verheffen”, terwijl ze haar inzichten bijdraagt aan de bloeiende technologiesector.
“Dit was eerlijk gezegd een heel speciaal moment voor mij”, vertelde Hawchar SiliconRepublic.com. “De Culture Star Award is een open nominatie binnen Liberty IT, dus het betekent echt veel om erkend te worden door mijn collega's. IHet is een goede herinnering dat wat ik doe een verschil maakt en gewaardeerd wordt.”
Hoe zou je een typische werkdag omschrijven?
Meestal begin ik mijn dag om 9.00 uur met het controleren van mijn e-mails en Teams-berichten die de avond ervoor zijn verzonden door onze collega's in de VS, voor het geval ik iets moet inhalen. Vervolgens heb ik dagelijks een stand-up met mijn team om eventuele voortgang, problemen of updates te bespreken. Vervolgens zal ik mijn taken voor die dag prioriteren. Dit kan van alles zijn, van hands-on coderen, het beoordelen van codes tot het voorbereiden van presentaties voor demo's of bijeenkomsten van belanghebbenden: elke dag kan iets nieuws opleveren. De middagen zijn doorgaans druk met vergaderingen terwijl onze collega's in de VS online gaan. Tussen de vergaderingen door gaat het ontwikkelaarswerk door totdat ik klaar ben voor de dag.
Hoe wordt uw rol als hoofddatawetenschapper vertaald naar de bredere sector?
Mijn rol gaat verder dan het werken aan een enkel product of project, maar ik help ook andere datawetenschappers hun beste werk te doen. Ik besteed veel tijd aan het verbinden van teams, het delen van wat werkt en wat niet, en ervoor zorgen dat we allemaal samen de goede kant op gaan. Dat kan betekenen dat we nieuwe tools en automatiseringsoplossingen moeten voorstellen, best practices moeten promoten of oplossingen moeten helpen ontwerpen die de problemen waarmee onze teams daadwerkelijk worden geconfronteerd, oplossen. Ook probeer ik teams bij elkaar te brengen en samenwerking te stimuleren, zodat we van elkaar kunnen leren en best practices over de hele linie kunnen overnemen.
Aan wat voor soort projecten werkt u momenteel?
Momenteel experimenteren meerdere teams in mijn ruimte onafhankelijk met generatieve AI (GenAI)-oplossingen, vooral in data-extractieprojecten. Hoewel dit innovatie stimuleert, kan het ook leiden tot dubbele inspanningen, inconsistente normen en tragere resultaten.
Ik richt een multifunctionele werkgroep op die teams verenigt die werken aan GenAI-initiatieven in onze ruimte. Deze groep zal de activiteiten coördineren, het delen van kennis en bijscholing bevorderen, en best practices ontwikkelen om goed presterende teams te creëren.
Persoonlijk vind ik dit bevredigend omdat ik het leuk vind om met multifunctionele teams te werken, best practices te helpen vormgeven en deze te promoten bij mijn collega's.
U heeft het over het versterken van de datawetenschapsgemeenschap, op welke manieren kan dit worden bereikt?
Het versterken van de datawetenschapsgemeenschap is iets waar ik veel waarde aan hecht in mijn rol als hoofddatawetenschapper. Ik probeer de samenwerking te bevorderen en het delen van kennis tussen teams te stimuleren. Ik doe mijn best om anderen te ondersteunen en te begeleiden, zodat ze op de hoogte blijven van de nieuwste datawetenschapstools en -methoden. Ik heb ontdekt dat regelmatige stand-ups, kennisuitwisseling en demosessies eenvoudige maar effectieve manieren zijn om meer mensen te bereiken en iedereen verbonden te houden.
Als MLOps-ambassadeur krijg ik nog een kans om contact te maken met anderen in de gemeenschap en waar ik kan best practices te helpen promoten.
Over het algemeen probeer ik gewoon een omgeving te creëren waarin iedereen zich aangemoedigd voelt om samen te leren en te groeien.
Welke vaardigheden gebruik jij dagelijks?
Elke dag leun ik op een mix van technische en niet-technische vaardigheden. Aan de technische kant ben ik vaak bezig met coderen – meestal in Python – of het beoordelen van code, werken met data en nadenken over hoe we onze workflows kunnen verbeteren. Maar ik heb ontdekt dat sommige van de belangrijkste vaardigheden helemaal niet technisch zijn. Communicatie is enorm. Ik besteed veel tijd aan het praten met verschillende teams, het uitleggen van ideeën in duidelijke taal en het samenbrengen van mensen om problemen op te lossen.
Een vaardigheid die mensen misschien niet verwachten, is het opbouwen van relaties. Een groot deel van mijn werk is het verbinden van verschillende groepen, of het nu gaat om datawetenschappers, ingenieurs of belanghebbenden van andere afdelingen, en ervoor zorgen dat we effectief samenwerken. Eerlijk gezegd helpt het soms al om een goede luisteraar te zijn of empathie te tonen, vooral als we als team voor uitdagingen staan.
Dus ja, ik gebruik dagelijks vaardigheden op het gebied van coderen en datawetenschap, maar zaken als communicatie en het opbouwen van vertrouwen zijn net zo belangrijk – soms zelfs belangrijker.
Wat zijn de moeilijkste onderdelen van je werkdag en hoe ga je daarmee om?
Een van de moeilijkste onderdelen van mijn dag is het beheren van een zeer drukke agenda. Als Principal Data Scientist zijn er altijd bijeenkomsten: stand-ups, cross-team synchronisaties, updates van belanghebbenden en vooral de middagsessies waarin collega's in verschillende tijdzones online komen. Naast het reguliere projectwerk help ik vaak met het interviewen van kandidaten, het voorbereiden van presentaties of demo's voor leiderschap, en het voorbereiden van leidersbezoeken. Tijd vinden voor gericht werk – zoals coderen, oplossingen beoordelen of diepgaande problemen oplossen – kan soms een uitdaging zijn. Wat mij hierbij helpt is het reserveren van tijdblokken in mijn agenda voor toegewijd ‘heads-down’ werk en realistisch zijn over hoeveel ik op een dag kan bereiken.
Zijn er productiviteitsstrategieën of tips die u bijzonder nuttig heeft gevonden?
Eén ding dat mij veel heeft geholpen, is het gebruik maken van de tijd tussen vergaderingen. Als ik 30 minuten vrij heb, voer ik snelle taken uit, zoals het beantwoorden van e-mails, het beantwoorden van technische vragen in Teams, het beoordelen van een kort document of het opschonen van een script. Door deze kleine taken in een timebox te plaatsen, zorg ik ervoor dat ik ze niet meesleep of laat opstapelen, en het geeft altijd voldoening om iets van de 'To Do'-lijst af te vinken.
Voor het grotere werk, zoals coderen of het voorbereiden van een demo, probeer ik langere tijd vrij te maken – meestal in de ochtend, als mijn agenda minder vol is. Het beschermen van die focustijd is van cruciaal belang, vooral met alle verantwoordelijkheden die zich gedurende de dag kunnen voordoen.
Hoe is uw rol veranderd naarmate de sector is gegroeid en geëvolueerd?
De grootste verschuiving de laatste tijd is zonder twijfel de opkomst van GenAI en tools als Copilot. Het datawetenschapslandschap verandert snel en ik denk dat we allemaal samen leren terwijl deze technologieën zich ontwikkelen. Er is veel opwinding, maar we willen ook snel waarde bewijzen – iedereen wil resultaten zien en meteen aan de slag met het gebruik van AI-aangedreven oplossingen.
Nu is er een reële behoefte aan het opbouwen van een sterke datawetenschapsgemeenschap die begrijpt hoe GenAI dag in dag uit kan worden ingezet en hoe betrouwbare, goed presterende tools kunnen worden geleverd. Mijn rol is geëvolueerd en is veel meer gericht op het samenbrengen van mensen, het delen van lessen en het ontwikkelen van best practices, in plaats van alleen maar aan één project tegelijk te werken.
