Suscripciones
En este episodio conversamos con Cuky desde Silicon Valley en las oficinas de AirBnB. Cuky es economista y parte del equipo de Data Science en AirBnB. Luego de meterse profundo en temas de métodos cuantitativos y con experiencias en behavioral economics durante su maestría y doctorado en Stanford, luego pasó por el sector académico y desde hace mas de 1 año entró a AirBnB que es en una de las empresas que está liderando este movimiento de Data Science. En AirBnB el 6to empleado (Riley Newman) fué un Data Scientist y esto marcó una diferencia.
¿Que cambiamos en el producto? Durante el podcast hablamos del background de Cuky y rápidamente pasamos a lo interesante que es ser economista y data scientist en una empresa como AirBnB. En esta empresa Data Science se enfoca en imprimir cambios en el producto y la plataforma en base a lo que informan los datos.
¿Data en los equipos de producto? Los equipos en AirBnB son híbridos y mezclan varios perfiles. Cuky opera en un equipo que tiene 6 ingenieros, 2 diseñadores, 1 analista researcher mas cualitativo y 2 data scientists. Esto les permite formar células que pueden iterar y experimentar alternativas para luego en base a datos tomar decisiones de mejora en el producto. Estos equipos se sincronizan en los standup meetings diarios y en las reuniones semanales en que se planean los sprints.
¿Modelo Data Science en AirBnB? AirBnB pasó por los distintos modelos. Inicialmente Data Science era un equipo centralizado al cual las distintas áreas les pedían ayuda. Luego intentaron el modelo distribuído y todos los data scientists fueron a trabajar a las distintas unidades (marketplace, customer support, demand, finance, etc) pero esto no funcionó tan bien porque se perdía el valor de la colaboración entre data scientists. Actualmente el modelo es híbrido donde los data scientists trabajan en equipos en las unidades pero existe gran cohesión de todo el equipo de data science para compartir experiencias e información.
Durante el podcast hablamos de los distintos tipos de data scientists que se ven: los mas enfocados en estadísticas, aquellos que están mas metidos en aspectos de ingeniería y machine learning e incluso aquellos que desarrollan tools. También hablamos de distintos aspectos del proceso para afectar con ciencia de datos las decisiones de producto.