Mohini
Data-analist Finance
“Mijn functietitel is data-analist, maar ik ben veel meer.”
“Mijn functietitel is data-analist, maar ik ben veel meer.”
“Na mijn studie werkte ik als financieel analist en belastingadviseur. Toch ontdekte ik dat ik daarin niet echt mijn hart kon vinden,” vertelt Mohini. Gedreven door haar bevlogenheid voor data en programmeren, besloot ze zich om te scholen. Ze verdiepte zich zelfstandig in Python-projecten en volgde een omscholingstraject bij de Techionista Academy. Zo versterkte Mohini haar vaardigheden in data-analyse en data engineering. “Ik wilde niet alleen mensen adviseren, maar ook echt hélpen. Door ze te ondersteunen bij de transitie naar datagedreven werken en het werken met complexe data.” Toen ze met de ANWB in gesprek ging over een baan die haar op het lijf geschreven was, had ze de volgende stap zo gezet.
Mohini speelt een belangrijke rol bij het klaarzetten van datasets en het automatiseren van processen binnen de Finance-afdeling. Haar werk helpt collega’s om herhalende taken en uitzoekwerk te beperken en om de uitstraling van de ANWB als betrouwbare, professionele organisatie te versterken. Mohini benadrukt het belang van haar werk in het verbeteren van efficiëntie en het verschaffen van waardevolle inzichten via dashboards: “Collega’s worden blij als wij zorgen dat zij met betrouwbare data in control kunnen zijn en snel goede analyses kunnen maken.”
Voor Mohini is werken bij de ANWB een waardevolle ervaring die verder gaat dan alleen data en finance. “De ANWB past goed bij mij, omdat iedereen toegankelijk en behulpzaam is en met je meedenkt. Zo zetten we ons samen in om de organisatie met datagedreven werken vooruit te helpen.” In Mohini’s kijk op haar werk en de ANWB als werkgever is ‘helpen’ het sleutelwoord: “Bij de ANWB ben ik een onderdeel van een datateam, ik ben een deel van een gemeenschap die groeit, ontwikkelt en elkaar ondersteunt. Mijn input is gericht op het vooruithelpen van collega's, het ondersteunen van de finance-community en het bijdragen aan de organisatiedoelstellingen.”
Dat helpen gaat twee kanten op. Mohini is heel blij dat er ruimte is voor haar eigen ambities en ontwikkeling: “Als ik aangeef dat ik datascience en machinelearning heel interessant vind, denkt mijn manager mee over de manier waarop dat ook voor ANWB nuttig kan zijn. En met de flexibiliteit om vier keer negen uur per week te werken, heb ik de ruimte om ook buiten werktijd bezig te zijn met mijn persoonlijke ontwikkeling en interesses. Ik ben zo gek op mijn vak dat ik ook op mijn vrije dagen regelmatig een Python-projectje oppak en video’s bekijk waar ik van kan leren. Mooi toch, als je zo privé en werk kunt combineren?”