Meine offizielle Job-Bezeichnung lautet Data Scientist. Unwissend was das eigentlich genau ist, landet man schnell in der Schublade „Nerd“. Das Berufsbild des Data Scientist ist noch relativ jung, aber bereits jetzt am Arbeitsmarkt - quer durch alle Branchen - hoch begehrt. Zu Zeiten von künstlichen Intelligenzen, Machine Learning und des digitalen Wandels - von der Harvard Business School sogar zum „Sexiest Job in the 21st century“ gekürt - gewinnt das Berufsbild immer mehr an Beliebtheit auch wenn das Kompetenzprofil eines Data Scientists eigentlich mehr an eine „eierlegende Wollmichsau“ erinnert.
Ich als Data Scientist nutze mein praktisches Wissen in Kombination mit theoretischen Ansätzen aus Bereichen der Statistik, Mathematik und Informatik um Informationen aus großen Datenmengen – den Big Data oder auch dem „Gold des 21. Jahrhunderts“ genannt – zu generieren. Oft spüre ich so sogar neue Geschäftsfelder und Geschäftsmodelle auf.
Neuer Tag – neue Herausforderung
Am spannendsten an meiner Tätigkeit finde ich es, vorher nie zu wissen, welches technische Fachgebiet und insbesondere welche Problemstellungen bei dem jeweiligen Projekt auf mich zukommen. Data Science betrifft alle Branchen und die unterschiedlichsten Fachgebiete und Problemstellungen. Von der Altersforschung bis zur Churn Analyse ist so ziemlich alles vertreten. Ich weiß heute nicht, welches Problem das nächste ist. Genauso unterschiedlich und variantenreich sind die möglichen Lösungsszenarien. Das erfordert ein gewisses Maß an Kreativität.
My Daily Work
Ich arbeite hauptsächlich mit Zahlen und Statistiken, weshalb es ratsam ist, in diesem Bereich ein gewisses Grundverständnis und vor allem Interesse mitzubringen. Analytisches Verständnis und problemorientiertes Denken stehen auf der Tagesordnung. Auch ein gewisses Maß an Kommunikationsfähigkeit ist nötig, um die gewonnenen Ergebnisse auch für „Nicht-Data-Spezialisten“ verständlich zu erklären. Methoden wie Data Mining, Process Mining, Machine Learning und Natural Language Processing (NLP) gehören zu meinem täglichen Brot. Ein umfassendes Allgemeinwissen über Betriebssysteme, Datenbanken, Netzwerke, Programmiersprachen und Analysetools versteht sich von selbst. Ferner ist Wissen über das Hadoop-Ökosystem, soziale Netzwerke und weitere Systeme aus dem Internet- und Big Data-Umfeld äußerst hilfreich bei der Berufsausübung.
Zum Data Scientist geboren?
Ausbildungstechnisch habe ich mit der HTL begonnen, danach lange in der internationalen Stahlwerksautomation gearbeitet und schließlich ein Studium – besser gesagt zwei Studien - abgeschlossen. Nach meiner Karriere als Lektor und Forscher an der Universität habe ich mich für die Stelle als Data Scientist bei der cubido entschieden. Ich brauchte neue Herausforderungen und technischere Problemstellungen. Es ist die Vielfalt der Projekte, die mich immer wieder aufs Neue fordert und überrascht, sowie die Mischung aus Komplexität, und Kreativität, die mich reizt. Mein Ziel am Ende meiner Projekte ist es immer, die Effizienz des jeweiligen Unternehmens zu steigern.
Wenn mich jemand fragt was es braucht, um ein guter Data Scientist zu sein, so sage ich immer: „viel Geduld und Spaß bei komplexen Problemlösungen, ein bisschen Neugier, eine gute Auffassungsgabe und viel technisches Verständnis.“
Digitaler Nomade?
Auch wenn es viel Kundenkontakt braucht um größere Projekte durchzuführen, bin ich für meine Tätigkeiten insbesondere für die Arbeit an und mit den Daten und Vorhersagemodellen ca 60-80 % im Büro. Die restliche Zeit verbringe ich direkt beim Kunden.
To do or not to do…
Einen genauen Arbeitsablauf, den ich strikt einhalte, gibt es nicht. Denn so vielfältig wie meine Aufgabenstellungen, so vielfältig und unterschiedlich sind meine Tätigkeiten. Vom Lösen strategischer Probleme, bis hin zu Beratungsgesprächen oder der internen Auseinandersetzung mit der IT-Umsetzung fällt vieles in meinen Bereich. Grob kann man sagen: Es wird zu Beginn eines Data Science Projektes gemeinsam mit dem Kunden die Problemstellung herausgearbeitet. Wobei dieser Schritt wie ich finde der aufregendste ist, denn jedes Data Science Projekt beginnt mit einer Vision und ist von einer Idee geleitet. Hier kommt eine ganze Menge an Hirnschmalz und Kreativität ins Spiel. Ich will das Problem verstehen und das Business der Firma kennenlernen.
Daten unter der Lupe
Mein Wissen, anhand dessen ich ein Unternehmen berate, resultiert aus den dort vorhandenen Daten. Der Datensatz ist die Basis jeder Analyse. Hier prüfe ich, ob der Datensatz die relevanten Daten enthält, oder ob es sich lohnt, ihn um firmenexterne Datenquellen zu ergänzen.
Nachdem die Daten ausgewertet wurden, werden Hypothesen aufgestellt und überprüft. Eine Hypothese muss man natürlich auch wieder anhand von Daten stützen. Hier ist es besonders wichtig, aus der Unmenge an Daten und Datenquellen die für die Problemlösung richtigen zu filtern und zu nutzen. Die Ergebnisse müssen dann in verständlicher Form aufbereitet und präsentiert werden.
So klappt’s auch mit der Work Life Balance
Die so genannte Work Life Balance ist heute in aller Munde, denn wer sich sowohl körperlich als auch psychisch fit fühlt, performt besser im beruflichen Bereich. In der Tat ist es für ein erfülltes, glückliches Leben wichtig, den perfekten Ausgleich zwischen Arbeit und Freizeit zu schaffen. Gerade in meinem Beruf ist es nicht leicht, einen klaren „cut“ zu machen und in der Freizeit richtig abzuschalten. Immer wieder ertappe ich mich dabei, dass mir gute Ideen außerhalb der Arbeitszeit kommen. Glücklicherweise bietet mir mein Arbeitgeber aber neben zahlreichen Benefits viel Freiraum, was zum Beispiel die Möglichkeit von Home-Office betrifft.
Wer mehr über meine Arbeit wissen möchte, für den gibt es hier ein kurzes Video. Außerdem informiere ich auf LinkedIn und Twitter regelmäßig rund um das Thema Data Science.
Links:
