Ashley Bryant-Baker, Fresh Eyes Digital’de Veri ve Analitik Direktörü – Röportaj Serisi

Ashley Bryant-Baker Fresh Eyes Digital’de Veri ve Analitik Direktörüdür, kar amacı gütmeyen kuruluşların başarısına odaklanan bir danışmanlık şirketidir. Fresh Eyes Digital’den önce, markaların veri çözümleri oluşturmasına ve kullanmasına yardımcı olan kendi danışmanlık şirketini yönetti. Tüketim malları, seyahat, lojistik, sağlık ve kar amacı gütmeyen kuruluşlar gibi endüstrilerde on yıldan fazla bir süredir analitik alanında çalışmaktadır.

Kadın ve işyerinde çeşitlilik konularında aranan bir konuşmacı haline gelmiştir. SXSW, Data Minds Connect ve Digital Summit DC gibi çeşitli etkinliklere konuşmacı olarak davet edilmiştir. Ashley, The American Graduate School in Paris, Georgetown, LSU ve Fort Hays University’de eğitim görmüştür. Uluslararası İktisat alanında yüksek lisans derecesi, Veri Bilimi sertifikası, İşletme ve Sanat alanında lisans derecesine sahiptir.

İlk olarak bilgisayar bilimi ve veri bilimiyle nasıl ilgilenmeye başladınız?

Üniversitede sanat okudum ve mezun olduktan sonra bir video oyunu şirketinde oyun tasarımcısı olarak çalışmayı planlıyordum. 3D bilgisayar modelleri ve insanların etkileşimde bulunacağı nesneleri tasarlamayı amaçlıyordum. EA Sports için video oyunu kalite güvence testçisi olarak çalıştım. O zamanlar üniversitemizde bilgisayar sanatları yoğunlaşması yoktu, bu nedenle sanat derecemi tamamlamak için bilgisayar bilimini yan dal olarak seçtim. İlk olarak bilgisayar bilimini sevmedim. Deneyimsiz olduğum için (benim gibi) diğer öğrencilerden ve bazı profesörlerden neredeyse düşmanca bir tavır gördüm. Sanat capstone’u için çalışan bir video oyunu tasarlamak ve programlamak için bilgisayar bilimini seçtim. Python ve Maya kullanarak bir 3D satranç oyunu oluşturdum ve basit bir AI ile oynayabileceğim bir oyun yarattım. O zamanlar Python hakkında hiçbir şey bilmiyordum ve asla kullanmayacağımı düşündüm.

İlk işlerimden birinde bir pazarlama firmasında junior proje yöneticisi olarak çalışıyordum. Sanatçılar, pazarlama uzmanları, üretim uzmanları ve tüm binada tek bir analistle birlikte çalışıyordum ve o, yaklaşık 15 müşterinin analitiklerini yönetiyordu. Bazen bana matematiklerini kontrol etmesi veya basit raporlar oluşturması için yardım ederdim. Tıbbi izin nedeniyle birkaç hafta absence ettiğinde, süpervizörüme ve bana analitik departmanına geçmek isteyip istemediğimi sordu. Analitik departmanına geçmek istedim ve analitikle çalışmak benim için çok ilginçti. Beklenmedik bir kariyer değişikliği oldu, ancak geri dönmeyeceğimden eminim. Daha fazla öğrenmek istiyordum, bu nedenle kurslar aldım ve analitik pozisyonlarına başvurarak başkalarından öğrenmeye çalıştım. Her şey tam da olması gerektiği gibi oldu ve tekrar Python kullanmaya başladım, ancak bu kez çok farklı bir şekilde.

Bunların hepsi, veri bilimine tamamen tesadüfen girdiğimi gösteriyor.

Şu anda Fresh Eyes Digital’de Veri ve Analitik Direktörü olarak çalışıyorsunuz. Şirketin neler yaptığını ve orada yaptığınız işi anlatabilir misiniz?

Fresh Eyes, kar amacı gütmeyen kuruluşlara pazarlama ve bağış toplama desteği sağlayan bir danışmanlık şirketidir. Müşterilerimizle birlikte bağışçılarını anlamak, dijital kampanyalar oluşturmak ve dijital varlıklarını geliştirmek için çalışıyoruz. Fresh Eyes, daha güçlü bir veri teklifini inşa etmek istediği için beni işe aldı. İlk olarak danışman olarak çalıştım ve onlara dijital çok değişkenli test tasarımı, sonuçları anlamak ve analitik ve panolama hizmetlerini otomatikleştirmek konusunda yardımcı oldum. Şimdi, kar amacı gütmeyen kuruluşlar için bir dizi teklif geliştirmek için onlarla birlikte çalışıyorum. Çalıştığım projeler arasında, bağışçıların ve destekçilerin zaman içinde dönüştürme ve bağış oranları etrafında öngörülü analizler bulunmaktadır. Dış faktörlerin (siyasi iklim, ekonomik değişiklikler, haber döngüleri) ve iç faktörlerin (pazarlama mesajlaşma stratejileri, kar amacı gütmeyen etki raporları, bir organizasyon içindeki liderlik rollerinin hareketi) nasıl dönüştürme eğilimini etkileyebileceğini anlamaya çalışıyorum. Bu bilgiler, tahmin analitiğimiz, panellerimiz ve sınıflandırma modellerimiz için bağışçıları ve katılımı daha iyi anlamamıza yardımcı olmaktadır.

Kar amacı gütmeyen kuruluşlar, misyonlarını gerçekleştirmelerine yardımcı olmak için gelişmiş istatistiksel yöntemleri ve veri bilimini benimsemektedir.

STEM’de çeşitlilik ve eşitlik konusunda savunuculuk yapan birisiniz. Bu konuda bazı önemli anılar paylaşıp paylaşamayacağınızı sorabilir miyim?

STEM’de çeşitlilik ve eşitlik için çalışan birçok harika organizasyon var: Black Girls Code, ByteBack, DataKind ve son olarak benim de üyesi olduğum Zeta Phi Beta Inc. gibi. Bu organizasyonlarla gönüllü olarak çalışıyorum, yeni başlayanlara mentorluk yapıyorum, özellikle teknoloji etkinliklerinde konuşmacı olarak yer alıyorum ve okullarda atölye çalışmaları düzenliyorum. Ayrıca, beberapa şirketle birlikte staj programlarını ve giriş seviyesi mezun programlarını çeşitlendirmek için çalıştım. Bu tür çalışmalar, benim için bir alışkanlık haline geldi. Toplum hizmeti, benim için her zaman önemli oldu. Bir grup öğrenciyle konuşurken, bir genç kız ve annesi bana geldi ve bana ilk teknik siyah kadın olduğumu söylediler. O zaman anladım ki, bu tür çalışmalarıma devam etmem gerekli.

Teknoloji eğitiminin kırsal ve/veya düşük gelirli mahallelerde genişletilmesi konusunda ne düşünüyorsunuz?

Bu, konuşmak için yeterli zamanın olmadığı bir sorun. Koronavirüs, toplumumuzda sistemik eşitsizlikler olduğunu açıkça ortaya koydu. Maalesef, bunlardan biri eğitimdir. DC’nin dışında bir alternatif okulda çalışan bir arkadaşım var. Öğrenciler genellikle daha yaşlı, işlerini sürdürmek için okula gitmek zorundalar ve evde uzak öğrenme için gerekli araçlara sahip olmayabilirler. Öğretmenleri, öğrencilerin cep telefonlarıyla erişebilecekleri bir mobil seçenek elde etmek için okul ile birlikte çalıştı. Ancak her zaman böyle değildir. Kırsal alanlarda da benzer zorluklar vardır. Yüksek hızlı internet, bazı alanlarda çok pahalı veya erişilemez olabilir. Öğrencilerin McDonald’s otoparklarında internet erişimi için beklemesi kabul edilemez, ancak bazı alanlarda必要 bir gerçek.

Koronavirüs dışında, kırsal ve düşük gelirli okullarda teknik olarak eğitimli öğretmenlerin eksikliği, öğrencilere STEM eğitimi erişiminin olmaması ve genel olarak öğrencilere karşı önyargı gibi sorunlar vardır.

AI ve veri biliminde cinsiyet ve ırk ayrımcılığı ne kadar büyük bir sorun?

Bu, tüm işletmelerin ve organizasyonların düşünmesi gereken bir konudur. Maalesef, bu sorunu çözmek zordur, çünkü AI’nın bir gruba karşı önyargılı olması, genellikle bir şirketin veya organizasyonun zaten o alanda önyargılı olduğunu gösterir. AI, gelecekteki davranışları tahmin etmek için geçmiş kalıplara dayanır ve bu davranışları amplifiye eder. Ancak, insanların kendi önyargılarını tanımaları zordur ve thường bilinçdışı olarak hareket ederler. Önyargıları azaltmak için teknik ve iş grupları arasında işbirliği gerekmektedir.

AI uygulamalarının insanlardaki önyargıları amplifiye etmesini nasıl önleyebiliriz?

Örgütler, AI ve veri biliminde önyargıları azaltmak için bazı adımlar atabilir. Teknik ve iş grupları arasındaki işbirliği çok önemlidir. AI’nın önyargılı olmasını önlemek için, potansiyel önyargı kaynaklarını tanımak ve bunlarla başa çıkmak için rehberler oluşturmak gerekir. Örneğin, bir şirketin müşteri verisi, belirli bir demografik gruba ait müşterileri överek önyargılı olabilir. Ancak, bu önyargı, teknik takımın sorumluluğunda değildir, ancak teknik takım, bu sorunu tespit edebilir ve diğer takımlarla birlikte çözümler geliştirebilir.

AI ve veri etiği politikaları hakkında ne düşünüyorsunuz?

AI ve veri etiği politikaları konusunda bazı gelişmeler oldu, ancak daha fazla şey yapılması gerekiyor. Trump’ın AI etiği konusunda verdiği yürütme emri, hükümet içinde AI kullanımını şeffaf hale getirmek için bazı adımlar atmıştır, ancak bu yeterli değildir. Yeni yönetim, AI ve veri etiği politikalarını daha structured ve kapsamlı bir şekilde ele almalıdır.

Fresh Eyes Digital’de yaptığınız çalışmalardan bahsetmek istediğiniz başka bir şey var mı?

Veri bilimi, kar amacı gütmeyen kuruluşların daha etkili ve verimli olmasına yardımcı olabilir. Bu kuruluşlar, genellikle veri toplamakla ilgili sorun yaşamaz, ancak bu veriyi anlamlı ve eyleme geçirilebilir bir şekilde kullanmakta zorlanırlar. Fresh Eyes Digital’in veri departmanındaki çalışmamız, bu kuruluşların verilerini doğru şekilde anlamalarına ve kullanmalarına yardımcı olmak için yapılmaktadır. Bu kuruluşlarla çalışmak ve onların daha iyi kararlar almasına yardımcı olmak benim için bir fırsat.

Detaylı cevaplarınız için teşekkür ederim ve gelecekteki girişimlerinizi takip ediyorum. Daha fazla bilgi almak isteyen okuyucular, Ashley Bryant-Baker web sitesini ve/veya Fresh Eyes Digital web sitesini ziyaret edebilir.