Hetente jelentkező sorozatunkban a hazai techszférában dolgozókat faggatjuk ki arról, hogyan is telik egy munkanapjuk. Az új részben Göbölös-Szabó Julianna mesél arról, mit is csinál, hogyan és miért.

Korábbi interjúk:
IX. Tarsoly Ede, játékfejlesztő

VIII. Winkler Zsolt, Startup inkubátor igazgató

VII. Bartha Gizella, UX kutató

VI. Schwartz Ádám, backend fejlesztő

V. Krasznay Csaba, kiberbiztonsági szakember

IV. Szántó Péter, Chief Everything Officer

III. Pásztor Dávid, UX dizájner

II. Mester Tamás, üzleti intelligencia elemző és tanácsadó

I. Varga Attila, UX-specialista és iOS-fejlesztő

Mi a jelenlegi munkád?

Egy startupnál (Secret Sauce Partners) dolgozom fejlesztőkent. A cég online ruhaüzletekben segít a vásárlóknak megtalálni a jó méretű ruhát a felhasználó régi vásárlásainak ismeretében. Tehát a folyamatot a régi vásárlási adatok vezérlik, az én feladatom pedig ezeknek az adatoknak arendszerünkbe való integrációja.

Milyen telefonod van?

Nexus 5.

Milyen gépet használsz?

Macbook Pro

Hogyan telik egy-egy napod?

Reggel tízkor van egy közös follow-up meeting a fejlesztő csapatnak, ezután heti 1-2 alkalommal van még megbeszélésünk, ahol konkrétan átbeszéljük, megtervezzük az aktuális feladatokat. A kódolást általában egyedül csináljuk, de minden projekten többen dolgoznak, így ha elkészül a kód, valaki más a csapatból átnézi. Általában 6-ig vagyok benn az irodában, de ha nagyon muszáj, néha otthon is előveszem a gépet.

Mikor döntöttél úgy, hogy adatelemzéssel akarsz foglalkozni?  

Amikor matematikusként elvégeztem a Műegyetem Bsc képzését, egyáltalán nem érdekelt a programozás, nagyon távol állt tőlem. De az adatbányászat nagyon csábított: a matematika különböző területeit ötvözi és mégis egy nagyon gyakorlatorientál - illetve gyakorlati felhasználások által motivált - tudomány. Az egyik egyetemi professzorom segítségével nyáron gyakornokként dolgozhattam az MTA Sztaki Adatbányászat csoportjában, majd később az egyetem alatt is folytattam itt a munkát. Eközben elkerülhetetlen volt megtanulni programozni, és idővel ezt jobban meg is szerettem, mint magát az adatelemzést.

Olyannyira, hogy az elmult 2 évben már nem is adatelemzéssel foglalkozom, inkább az adatfeldolgozáshoz szükséges infrastruktúra biztosításával.

Mit szeretsz legjobban a munkádban?

Egyrészt nagyon kreatív, minden nap valami újat alkotunk - vagy egy meglévő rendszert építünk tovább.

Másrészt egy remek közösség része lehetek: a programozók általában szívesen osztják meg egymással a tapasztalataikat, akár konferencián, meetupon vagy informálisan egy kávé, ebéd mellett. Rengeteg olyan projekt van, ahol a forráskód szabadon elérhető, ez is egy nagyszerű, nyitott kultúra jele.

Mi a legnagyobb félreértés a munkáddal kapcsolatban?

A programozók kockák, egész nap a monitor előtt ülnek és nem beszélgetnek senkivel.

A programozás nagyon kreatív feladat, sokat szoktunk tervezni együtt, csapatban, amikor nagyon fontos, hogy meg tudd győzni a többieket.

Továbbá a programozó nem légüres térben dolgozik: egy terméket fejleszt felhasználóknak, akikkel állandó kapcsolatban kell állnia, értenie az igényeiket, szót kell értenie velük

Mi volt az eddigi kedvenc projekted?

Az előző munkahelyemen, a Preziben egy olyan rendszert fejlesztettünk, ami az adatfeldolgozás automatizálásáért felelt. A tervezésben és a fejlesztésben is aktívan részt vettem, már-már a saját gyermekemnek éreztem a terméket. Emiatt persze nagyon rosszul esett, ha valaki kritikával illette, így azt is megtanultam a projekt során, hogy hogyan kell kezelni ezeket a kéréseket, visszajelzéseket. Végül az egész cég ezt használta, és összességében nagyon jó visszajelzéseket kaptunk róla a munkatársaktól.

Milyen technológiai fejlesztés izgat mostanában a legjobban?

Az utóbbi években egyre több új keretrendszer jelenik meg, amik az adatfeldolgozást segítik. Kezdetben volt a Hadoop map-reduce megoldása, és az volt a de-facto standard. Ma ez már nem ennyire egyértelmű, maga a Hadoop is sokszínűbb lett, új execution engine-ek jelentek meg, de közben feltűntek új rendszerek, mint például a Spark, ami az elmúlt években hihetelen gyors fejlődésen ment át. Egyre több adatstream feldolgozó rendszer van a színtéren(Storm, Spark streaming, Samza, Flink) - érdekes kérdés, hogy ezek mindegyike fenn tud-e maradni hosszú távon, melyik pontosan milyen problémákra tud megoldást adni.

BME-n matematikusként végeztél, és azóta is férfiak által dominált szakmában dolgozol. Szembesültél bármilyen előítélettel a nemed miatt?

Egyetem alatt nem nagyon emlékszem kirívó esetekre - de általában nem is figyeltem ilyesmire tudatosan. Ráadásul a matematikusok közt, főleg az egyetemi tanárok közt azért akadtak nők.

Persze azért ér megkülönböztetés a nemem miatt, de ez igaz pozitív és negatív irányban is. Engem könnyebben megjegyeznek, felismernek, mivel nagyon kevés nő van a szakmában - és ez előny. Konferenciára is kicsit könnyebb bekerülnöm, mert a szervezők gyakran törekszenek arra, hogy minél sokszínűbb előadók legyenek, és mivel kevés nő szeret, szokott előadni, így minden jelentkezésnek örülnek. (Hozzáteszem, hogy ilyenkor viszont bennem van a félsz: a kevés női előadók egyikeént én nagy nyomást érzek magamon, úgy érzem, hogy duplán kell bizonyítanom.) Nehézség ugyanakkor sokszor egyedüli nőként egy csupa férfi társaságban megtalálni a hangot, mondjuk egy meetup utáni sörözésen, még akkor is, ha a többiek nyitottak, és nem viszonyulnak ellenségesen, barátságtalanul hozzám.

Azt még hozzátenném, hogy én az IT-nak egy nagyon progresszív területén vagyok, ahol például a feminizmust pártolják,  tehát az én tapasztalataim nem feltétlenül reprezentatívak.

A Prezinél részt vettél a Coding Girls projektben, ami lányokat tanít programozni. Hogyan jött a program ötlete?

Halácsy Péter találta ki, aki hasonló amerikai kezdeményezésből hozta az ötletet. Amerikában sok program van, ami az IT területen alulreprezentált csoportokat  célozza, például, felnőtt nőket, iskolás lányokat, fekete diákokat, és nekik próbál képzéseket vagy felnőttek esetén átképzést nyújtani. Magyarországon is nagyon érezhető a sokszínűség hiánya az IT területen (Jól illusztrálja a informatikus képzésekben a férfiak és nők arányát például, hogy az egyik jó barátom, Peti, aki az ELTE programozó matematikus szakára járt, mindig viccesen meséli, hogy az évfolyamon több Péter volt, mint lány. Vagy a BME informatikusai és villamosmérök hallgatóinak kollégiumáról  szóló vicc: Hány lány lakika Schönherzben? 1024, azaz kettő a tizediken.

Én a sztakis éveim során az egyetemen is tartottam órákat, nagyon szerettem tanítani, így duplán kézenfekvő volt, hogy részt veszek benne: egyrészt volt szakmai tapasztalatom, másrészt a programnak fontos része volt, hogy a lányok találkozzanak női fejlesztőkkel, szerepmodellekkel, mert így sokkal konnyebb megmutatni, hogy ez egy igenis reális karrierlehetőség.

Mi a legjobb időbeosztási tipped?

Le kell tiltani az index.hu-t és 444-et és ki kell lépni facebookról. Akkor nincs, ami elvonja a figyelmemet és muszáj koncentrálni.

Hogyan követed a feladataidat?

Magamnak egy füzetbe vagy egyszerűen papírra írom fel a rövidtávú tennivalókat, egyébként pedig a csapatunk használ kanban táblát a projektek követésére.

Hallgatsz zenét munkavégzés közben?

Igen, Spotify-on.

Milyen az asztalod?

Sajnos elég rendetlen. Elengedhetetlen kellék a kávésbögre és a vizespalack.

Mi volt szakmailag számodra a leghasznosabb könyv, és mit olvasol most?

A leghasznosabb talán a Unix Programming Environment volt.

Több, mint 30 éve írták, de olyan eszközökről szól, amit a mai napig szinte minden programozó használ. Számomra az volt csodálatos, hogy milyen egyszerű ötletek  alkotják a ennek a környezetnek a magját, amit előtte rocket science-nek hittem, az igazából csak néhány nagyon jól kitalált elv következetes megvalósítása.

Most pedig épp a Learning Scala könyvet olvasom, mert az adatos világban egyre elterjedtebb eszköz a scala programnyelv, így ha lépést szeretenék tartani a technológiai fejlődésekkel, akkor ez már-már kötelező olvasmány.

Mik azok az oldalak, amiket rendszeresen olvasol?

Általában Twitteren követek embereket és ott találok érdekes olvasnivalókat.

Mi a legjobb tanács, amit kaptál?

Ne félj kérdezni. Mondd el a véleményed.


Kinek a válaszait szeretnéd itt olvasni?

Prekopcsák Zoltán, VP Big Data at RapidMiner