Anna Tveit:

”Rollen som data scientist i Udviklings- og Forenklingsstyrelsen tillader, at du træder direkte ind i et projekt, hvor du naturligt kan opbygge viden og begynde at tage ansvar”

Anna Tveit
Anna Tveit er data scientist i kontoret Avanceret Analyse

Hvilke typer opgaver sidder du typisk med til daglig?

Som data scientist i Machine Learning-fagligheden i Udviklings- og Forenklingsstyrelsen udvikler og udforsker vi machine learning-løsninger, som er med til at gøre Skatteforvaltningen mere data- og analysedrevet. Vi arbejder i projekter, som handler om hele processen i at udvikle machine learning-modeller. Derfor er mine opgaver meget alsidige og ændrer sig alt efter, hvor i processen vi er.

Med rollen som data scientist betyder det oftest, at vi er med hele vejen i et projekt, og vi skal derfor have fokus på en samlet løsning; fra forståelse af forretningssituationen til udarbejdelse af løsningsforslag, indsamling og tilpasning af data, modelvalg og overvejelser om det endelige produkt for slutbrugeren.

I alle dele af processen er det også en vigtig opgave at formidle arbejdet og fremdriften til forretningen. Her handler det om at forklare de vigtigste dele i vores tekniske arbejde på en måde, der giver mening for kolleger, der ikke nødvendigvis har en teknisk baggrund.

Hvordan bruger du din uddannelse i din nuværende stilling?

Jeg har en baggrund fra DTU med en kandidat inden for vedvarende energi, dertil med en del programmeringsfag. Det primære udbytte, jeg har fået fra min uddannelse i forhold til min nuværende stilling, er at arbejde systematisk og logisk med tekniske problemer. Dataforståelse, rensning og feature engineering, som tager en meget stor del af min arbejdstid, er noget jeg også beskæftigede mig med på DTU.

Vi arbejder agilt og sidder medarbejdere med forskellige fagligheder samlet i et team. Derfor kræver det koordinering for at være sikker på, at vi alle bevæger os det rigtige sted hen. Studiemiljøet på DTU var præget af mange forskellige baggrunde, nationaliteter osv., der skal indgå i et samarbejde. Jeg er derfor godt klædt på til at indgå i vores faglighed, hvor vi både er fysikere, økonomer, matematikere og ingeniører.

Hvordan er det faglige niveau og ansvarsmulighederne?

Jeg synes hurtigt, jeg fik tildelt ansvar, da jeg startede i min stilling. Rollen som data scientist tillader nemlig, at man får lov til at træde direkte ind i et projekt, hvor man naturligt kan opbygge viden og begynde at tage ansvar.

Det tekniske niveau i vores faglighed er meget højt. Her sidder en masse engagerede mennesker, som er drevet af at skabe mening gennem arbejdet med data. Der er en naturlig interesse for machine learning, og tiden på kontoret – hvad enten det er hjemme eller på arbejdspladsen - har allerede givet mig godt kendskab til data i Skatteforvaltningen.

I forbindelse med vores agile transformation er der oprettet et netværk på tværs af hele styrelsen for data scientists, som skal sikre, at vi har mulighed for at videndele og få faglig sparring med andre kolleger i styrelsen, der også arbejder som data scientists. Det har allerede resulteret i mere faglig sparring og et højere fagligt niveau.

Machine Learning-fagligheden er langt fremme i forhold til at standardisere udvikling af machine learning-modeller. Der bliver tænkt grundigt over form, tests og setup, så vi er sikre på, at alle de modeller, vi udvikler, har en vis kvalitet og er skrevet på en måde, så de kan forstås, videreudvikles og driftes af andre.

Som Data Scientist i Udviklings- og Forenklingsstyrelsen får du fra første arbejdsdag muligheden for at dykke ned i en af de største databaser og arbejde med state of the art-machine learning og big data i den gode sags tjeneste

Anna Tveit, data scientist
Anna Tveit

Hvilke værktøjer og programmer bruger du i dit arbejde?

Vi programmerer på nuværende tidspunkt i R, når vi skal udvikle vores modeller. Derudover bruger vi gitlab til versionsstyring. Jeg arbejder desuden en smule i Jenkins i forhold til at deploye modeller.

Vi bruger Jira og Confluence til at understøtte vores agile håndtering af projekter. I dagligdagen bruger vi Jira til bl.a. risikostyring. Det er også her, vi har vores opgaver brudt ned i mindre opgaver for at skabe et overblik over fremgang og evt. udfordringer i et projekt. Confluence bruger vi som dokumentationsværktøj.

Hvordan vil du beskrive kulturen og de sociale og kollegiale forhold i UFST?

Jeg var meget positivt overrasket over stemningen i mit kontor, da jeg startede. Jeg synes, der er en enormt behagelig og hjælpsom atmosfære. Man kan mærke, at det er vigtigt for folk at hjælpe andre, når der er brug for det. Og at det er noget, man prioriterer at have tid til – samt at vinde over en kollega i bordfodbold i ny og næ.

Derudover tilbyder Udviklings- og Forenklingsstyrelsen også en del sociale og aktive foreninger. 

Hvad vil du sige til andre, som overvejer at arbejde som data scientist i UFST?

For alle der er interesseret i machine learning og big data, kan jeg varmt anbefale at blive en del af Udviklings- og Forenklingsstyrelsen og selvfølgelig specielt Machine Learning-fagligheden. Som data scientist i UFST får du fra første arbejdsdag muligheden for at dykke ned i en af de største databaser og arbejde med state of the art-machine learning og big data i den gode sags tjeneste. Som en del af teamet vil du nemlig kunne bidrage til en effektiv, målrettet og ensartet behandling af skatteydere, som er et af fundamenterne for hele Danmarks velfærdssamfund.

Mød flere medarbejdere