Oguz K.

• Designed and deployed an ML-based record linkage system for hotel booking data, using probabilistic matching algorithms to improve customer data completeness by 12%, enabling better tracking of customer behavior and spending patterns;

• Implemented an automated booking prediction framework covering 400+ hotels and 25M+ customers, leading to a 17% increase in conversion rates by replacing manual decision processes;

• Built and maintained scalable data pipelines integrating multiple data sources with automated weekly predictions and monthly retraining schedules;

• Architected end-to-end MLOps solutions on Kubernetes, ensuring reliable model deployment and performance monitoring;

• Led the development of containerized APIs and automated CI/CD pipelines, streamlining the deployment process and improving system reliability;

• Collaborated with product and business teams to align technical solutions with business objectives and measure impact;

• Integrated external data sources and implemented dynamic feature selection to enhance model performance and adaptability;

• Developed comprehensive monitoring systems to track model performance and data quality in production;

• Optimized model training and inference pipelines to handle large-scale data processing efficiently;

• Toteutti tulojen arvioinnin, lainarajojen arvioinnin ja maksukyvyttömyystodennäköisyysmallit manuaalisten päätöksentekoprosessien korvaamiseksi automatisoiduilla ML-kehyksillä turkkilaiselle julkiselle pankille;
• Suunnitteli ja kehitti CRM-segmentointi- ja ostohalukkuusmalleja yksityiselle pankille asiakastietoja hyödyntäen markkinointikampanjoiden tehokkuuden lisäämiseksi;
• Suoritti tietojen esikäsittelyä, ominaisuuksien suunnittelua ja mallien valintaa optimoidakseen mallien suorituskyvyn ja tarkkuuden;
• Valvoi koneoppimismallien käyttöönottoa tuotantoon varmistaen saumattoman integroinnin olemassa oleviin järjestelmiin ja prosesseihin;
• Pysyi ajan tasalla koneoppimisen ja tietojenkäsittelytieteen viimeisimmästä kehityksestä varmistaakseen parhaiden käytänteiden ja uusimpien tekniikoiden soveltamisen.

• Provided data science and analytics services for ad-hoc projects, demonstrating a strong commitment to delivering data-driven insights and solutions;

• Developed a multiclass clustering pipeline by utilizing embedding techniques, specifically Bio ClinicalBERT, combined with neural network models. This pipeline was employed to predict patient ICD codes based on hospital reports for a medical startup company;

• Successfully implemented campaign digital performance prediction models for an e-commerce company, enabling data-driven decision-making in their marketing efforts;

• Employed anomaly detection models to identify and highlight unusual patterns or outliers in the digital campaign performance data, helping the e-commerce company proactively address issues and optimize their strategies;

• Collaborated closely with project stakeholders to gather requirements, understand project objectives, and define success criteria;

• Conducted data preprocessing, feature engineering, and model development, ensuring the robustness and accuracy of the solutions provided;

• Leveraged state-of-the-art data science and machine learning techniques to deliver high-quality and actionable insights to clients;

• Maintained effective communication with project teams, providing regular updates on project progress and addressing any questions or concerns;

• Demonstrated adaptability and a problem-solving mindset when faced with complex and challenging data science tasks;

• Contributed to the success of medical startup and e-commerce companies by delivering data-driven solutions that improved their decision-making processes and overall performance.

• Toteutti NLP- ja klusterointimalleja, joilla segmentoitiin tehokkaasti Unileverin digitaalinen kuluttajamaisema verkkokäyttäytymistä koskevien tietojen perusteella, mikä paransi yrityksen ymmärrystä asiakaskunnastaan;
• Suunnitteli ja valvoi Power BI -koontinäyttöalustan käyttöönottoa, joka yhdisti reaaliaikaisia markkinointi- ja sosiaalisia analyysitietoja ja teki siitä arvokkaan työkalun organisaation päätöksentekijöille;
• Sai tunnustusta sisällyttämällä Power BI -koontinäyttöalustan Unileverin 20:n aktiivisimman koontinäytön joukkoon maailmanlaajuisesti, mikä kuvastaa sen suurta vaikutusta ja käyttöä koko yrityksessä;
• Vahvat analyyttiset ja tekniset taidot NLP- ja klusterointitekniikoiden hyödyntämisessä, jotta suurista tietokokonaisuuksista voidaan poimia merkityksellisiä kuvioita, mikä edistää tietoon perustuvaa päätöksentekoa Unileverillä;
• Edisti merkittävästi Unileverin markkinoiden ymmärtämistä ja markkinoinnin tehokkuutta tarjoamalla tietoon perustuvia näkemyksiä ja käyttäjäystävällisiä koontinäyttöjä, jotka auttoivat strategista suunnittelua ja toteutusta.

• Toimi keskeisessä roolissa Unileverin uusien B2B- (Business-to-Business) ja D2C (Direct-to-Consumer) -brändien tiedonkeruukehysten suunnittelussa;
• Osoitti vankan kyvyn suunnitella ja toteuttaa tiedonkeruuprosesseja, jotka olivat linjassa Unileverin päämäärien ja tavoitteiden kanssa, mikä edisti yhtiön tietoon perustuvia päätöksentekovalmiuksia;
• Keskittyi tiiviisti tietosuojaan ja vaatimustenmukaisuuteen varmistaen, että kaikki tiedonkeruutoiminnot noudattavat asiaankuuluvia säännöksiä ja alan standardeja;
• Seurasi ja kehitti jatkuvasti tiedonkeruukehyksiä sopeutuakseen muuttuvaan markkinadynamiikkaan ja kuluttajakäyttäytymiseen, mikä paransi Unileverin kykyä pysyä ketteränä ja reagoivana toimijana markkinoilla;
• Hän oli keskeinen tekijä luotaessa pohjaa tietoon perustuville oivalluksille ja yksilöllisille asiakaskokemuksille Unileverin B2B- ja D2C-brändeille, mikä osaltaan vaikutti niiden kasvuun ja menestykseen.

• Assumes responsibility for overseeing all Google Analytics implementations across brand and campaign websites, ensuring accurate tracking and data collection;

• Manages the setup and configuration of Google Analytics for multiple websites, ensuring that the tracking code is correctly deployed and tracking goals are defined;

• Collaborates with stakeholders to define and document key performance indicators (KPIs) for digital performance measurement, aligning reporting with business objectives;

• Regularly monitors and analyzes website traffic and user behavior using Google Analytics to provide actionable insights for optimizing digital strategies;

• Generates comprehensive reports and dashboards to track digital KPIs, presenting findings to relevant teams and stakeholders;

• Conducts data quality checks and troubleshooting to address any issues or discrepancies in Google Analytics data;

• Stays up-to-date with industry best practices and Google Analytics updates to continuously improve tracking and reporting processes;

• Ensures data privacy and compliance by implementing appropriate settings and configurations within Google Analytics;

• Works collaboratively with web development and marketing teams to implement tracking enhancements and improve data accuracy;

• Provides guidance and training to team members on Google Analytics and digital performance reporting to enhance the team's analytical capabilities.