Liberty IT:s Sarah Whelan diskuterar de färdigheter hon använder dagligen och hennes reaktion på hennes nominering som en del av Liberty IT:s initiativ Culture Stars.
”Jag är en huvudsaklig mjukvaruingenjör inom datautrymmet på Liberty IT, och leder datapipelineaktivering och experiment för att hjälpa produkt- och analysteam att leverera tillförlitlig data och köra snabbare experiment”, säger Sarah Whelan.
En arbetsdag kan innebära att designa återanvändbara mönster, mallar och verktyg samtidigt som man arbetar över funktioner för att förbättra observerbarhet, testning och leveranspraxis, enligt Whelan, som är också involverad i en företagsgrupp utformad för kvinnor inom STEM.
Hon berättade för SiliconRepublic.com: ”Vid sidan av mitt dagliga jobb är jag medordförande för Women in Tech-anställdagruppen och mentor junioringenjörer, ger karriärvägledning och teknisk coachning.
”Detta arbetet fokuserar på att ta bort hinder genom kompetensworkshops, resurser för karriärtillväxt och forum där olika röster kan dela erfarenheter. Gruppen driver mentorskapscirklar, intervjuövningar och synlighetsevenemang som skapar konkreta möjligheter och hjälper till att normalisera olika karriärvägar inom ingenjörsbranschen.”
Om det finns något sådant, kan du beskriva en vanlig dag på jobbet?
Min dag balanserar tekniska uppgifter och samarbete. Jag ska först skanna pipelines och driftsättningsstatus, ta itu med brådskande varningar och sedan fokusera på kodgranskning. För mig är recensioner en möjlighet att vägleda, få fram bättre tillvägagångssätt och göra vårt arbete mer underhållbart. Jag avsätter tid för arkitekturdiskussioner och att dokumentera beslut så det framtida arbetet blir tydligare.
Jag tillbringar tid med att arbeta med våra produktteam för att forma färdplanen, träffa intressenter för att förstå deras problem och identifiera lösningar och samordna med andra team för att lösa beroenden. Jag planerar och driver även mentorsessioner och Women in Tech-evenemang, organiserar talare, agendor och logistik.
Vilka typer av projekt arbetar du med?
Mitt arbete levererar pålitliga dataplattformar för analys och maskininlärning. Jag bygger produktionsklassade datapipelines som ger team tillförlitliga, välinstrumenterade dataset. För att göra leveransen repeterbar designar jag experimentramar, mallar och mönster som minskar manuell ansträngning.
Jag fokuserar på observerbarhet, testning och skalning så att pipelines förblir prestanda och leder aktiveringssessioner som lär människor hur man använder verktygen och kör experiment utan tungt tekniskt stöd.
Vilka färdigheter använder du dagligen?
Jag använder kärnkompetenser inom datateknik varje dag: Python för transformationer och orkestrering, SQL för modellering och validering samt testning och övervakning för att hålla systemen pålitliga. Jag kopplar ihop det med noggrant, experimentellt tänkande, små försök, metrisk spårning och inkrementella lanseringar, så att förändringar är lågrisk och mätbara.
På folksidan hjälper tydlig kommunikation, aktivt lyssnande och regelbundet samarbete att förvandla tekniskt arbete till användbara resultat. Jag fokuserar på att skapa enkla vägar för framgång genom att vägleda kollegor, köra parsessioner för praktiskt lärande och producera enkla spelböcker som låter teamen tjäna sig själva.
Vad är den svåraste delen av din arbetsdag
Det svåraste är att byta växel – att gå från att åtgärda akuta produktionsproblem till designworkshops eller att köra praktiska parningssessioner kan verkligen bryta ditt flöde. Jag försöker göra det lättare genom att komma överens om prioriteringar med teamet, skydda block för fokuserat arbete och hålla dokumentationen uppdaterad så att jag kan fortsätta där jag slutade. Snabba överlämningar och regelbundna incheckningar gör också att arbetet på längre sikt är synligt.
Har du några produktivitetstips som hjälper dig genom arbetsdagen?
Jag använder en att-göra-lista för att spåra utestående uppgifter och granska den varje morgon för att planera och prioritera min dag. Jag blockerar fokuserad tid i min kalender för heads-down-arbete, vilket hjälper mig att undvika kontextbyte. Jag dokumenterar allt på en central, lättillgänglig plats så att teamet aldrig behöver ”kalkylera ut något” två gånger. Jag gör också mentorskap till en återkommande kalenderpost, så coaching sker regelbundet.
När du först började på det här jobbet, vad blev du mest förvånad över att veta var viktigt i rollen?
Jag blev förvånad över hur mycket sammanhang och kommunikation spelar roll; Enbart tekniska lösningar lyckas sällan utan intressenternas inköp och överenskomna processer. Jag förväntade mig inte heller att observerbarhet och experimentstränghet skulle vara så centralt. Bra övervakning, testning och repeterbara experimentpraxis är det som gör pipelines tillförlitliga i produktionen.
Slutligen blev värdet av dokumentation och små, konsekventa metoder (som beslutsloggar och runbooks) uppenbart snabbt – de sparar tid och förhindrar brandbekämpning.
Hur har din roll förändrats i takt med att sektorn har växt och utvecklats?
Ankomsten av generativ AI har höjt ribban; det kräver högkvalitativa, välmärkta data, funktionshantering, starkare datakontrakt och integritetskontroller, plus nya slutledningar och inbäddade pipelines och modellobserverbarhet, vilket gör rollen mer strategisk och tvärfunktionell. Samtidigt finns det en ständig ström av nya verktyg och plattformar, så en avgörande färdighet är att skilja genuint användbar teknik från marknadsföringshype och att välja verktyg som löser verkliga problem.
Vad trivs du mest med på jobbet?
Jag tycker om att göra saker bättre för de jag jobbar med. Det mesta av min roll handlar om att förenkla dataleveransen så att användarna får tillförlitliga datauppsättningar i rätt tid och kan fatta beslut snabbare. Varje dag försöker jag hålla teamet avblockerat och hålla koll på potentiella problem så att kollegor kan fortsätta med sitt dagliga arbete med minimal friktion.
Det jag gillar mest med jobbet är att veta att mitt arbete gör andra människors liv enklare, oavsett om det är en dataanvändare som får svar snabbare eller en lagkamrat som har en sak färre att oroa sig för. Jag tycker också om att hjälpa andra att bygga färdigheter och självförtroende och få tillgång till möjligheter. I praktiken ser det ut som en-till-en-coachning, strukturerade parningssessioner och att sätta upp repeterbara spelböcker så att människor kan lyckas utan att ständigt förlita sig på en person.
Jag kör ofta kunskapsdelningssessioner eller demos för att dela med mig av vad jag har lärt mig och få feedback. Det är fantastiskt att se mönster som jag har skapat anammat av andra team. När jag märker stegvisa förbättringar eller hör någon säga att en förändring sparade tid för dem, påminner det mig om varför detta arbete är viktigt.
Du fick en nominering som en del av Liberty IT:s initiativ Culture Stars – berätta mer om vad denna nominering betydde för dig?
Nomineringen i kategorin ”Be Brilliant” erkände mentorskap, lagarbete och pragmatiskt tekniskt ledarskap. Att se min adept säkra en befordran var det stoltaste, mest konkreta resultatet; den visade den verkliga, mänskliga effekten av fokuserad coaching och regelbunden feedback.
Nomineringen erkände också det vardagliga lagarbetet och de praktiska förbättringarna jag förespråkar för att göra våra pipelines mer tillförlitliga. Att bli erkänd var en validering av att konsekvent, ibland oglamoröst arbete – att stödja andra, dokumentera beslut och ta bort vägspärrar – gör skillnad.
