Wesley Chen, associerad med FAST-teamet på Goldman Sachs, arbetar med data och analyserar marknadstrender för att avslöja precis den typ av insikter som är värdefull valuta för handlare. Men Wesley säger att laget handlar om mer än bara data.
FAST-teamet (Franchise Analytics Strategy and Technology) på Goldman Sachs är en grupp datavetare och ingenjörer som ansvarar för att generera insikter och skapa produkter som gör big data till lättsmälta takeaways. I huvudsak består FAST-teamet av dataexperter som hjälper andra proffs på Goldman Sachs att agera på relevant insikt.
Vi pratade med medlemmarna i FAST-teamet om big data, mångfald och vad som gör ett bra team.
Datakraften
Big data har potential att stötta samma gamla, samma gamla i affärer. Företag som kan samla in och analysera big data på ett intelligent sätt och agera på insikt kan få en konkurrensfördel.
Debbie Lynch, vice president, förstår detta noggrant. "Mer data pumpas ut i världen och när du analyserar det börjar du inse att vi kanske borde göra saker annorlunda, " säger Debbie. Tidigare kan vi ha haft data, men vi hade inte verktygen för att effektivt analysera dem.
Innan hennes karriär på Goldman Sachs arbetade Debbie i allmän säkerhet hos Con Edison, ett energiföretag i New York. Hon använde dataanalys för att ta reda på saker som var nästa manhålhålsexplosion kan inträffa så att proaktiva förebyggande åtgärder skulle kunna användas. "Det var där jag först insåg kraften hos data, " säger hon, "att genom att knäppa stora datamängder och se mönster och möjligheter kan du köra den större bilden som folk ser." Och hon fortsätter att driva den större bilden på FAST team.
De rätta frågorna
En datavetare i hjärtat, Samuel Krasnik, verkställande direktör, säger att han märkte en stadig upptag i "vem" -frågorna som bara väntade på att få svar: Vem är intresserad av att köpa (eller sälja) en viss produkt? Vem ska vi nå ut till? Vem ska vi fokusera på?
Shawn Garbien, vice president, håller med. Att räkna ut frågorna som måste besvaras med data är verkligen givande, säger Shawn. FAST-teamet säger inte bara "vad vill du ha?", Utan de får reda på vilka typer av frågor som handelsförsäljnings- och ledningsgrupperna på Goldman Sachs behöver besvara. "Vi hittar sätt att använda data för att svara på dessa frågor och sedan skapa visualiseringar för att få ett effektivt sätt att göra detta uttalande lättförståeligt, " säger han.
I grund och botten översätter FAST-teamet data för slutanvändaren, ett experiment som har varit oerhört givande, säger Shawn.
En mångfaldig pool
När Samuel grundade FAST-teamet med Shawn hade han mångfald i åtanke. "En av de mest attraktiva delarna av teamet är att du kommer att arbeta med tekniska människor från olika bakgrunder, men du kommer också att arbeta med icke-tekniska personer och samarbeta med dem för att göra verksamheten mer datadriven, " säger Samuel .
FAST-teamet är stolt över mångfalden av styrkor som medlemmarna ger till bordet. Och teammedlemmarna kommer från olika bakgrunder. Wesley studerade till exempel tillämpad matematik i biologi med en mindreårig i kemi.
Och Goldman Sachs engagemang för karriärutveckling är också givande, säger Debbie. Hon befordrades till vice ordförande och leder också engagemangspelaren i avdelningens kapitel Women in Engineering, ett initiativ som syftar till att främja professionell och personlig utveckling.
På samma sätt arbetar Shawn, som är medlem i rekryteringskommittén för ingenjörskampus, med Human Capital Management för att utveckla uppsökande strategier för att nå olika talanger runt om i landet.
Ett gemensamt mål
Arbetet som FAST-teamet gör har fått ett stort intresse från andra inom företaget för att ta reda på hur de kan använda data. Det intresset har varit extremt motiverande, säger Debbie. "Människor som har någon form av smärta och ser det löst genom data blir glada över dessa möjligheter."
Men det handlar inte bara om data. "Det jag älskar är de människor jag arbetar med, " säger Samuel. ”Jag får jobba med många nyfiken, smarta människor som alla vill arbeta mot det gemensamma målet.” Du behöver inte vara datavetare för att veta att det är det som gör ett bra team.
