Das noch recht junge Berufsbild des Data Analyst hat in den vergangenen Jahren einen regelrechten Nachfrage-Boom erzeugt. Zumindest belegt das der aktuelle Hays Fachkräfte-Index in der Rückschau auf die vergangenen Quartale. Konkret stand das Berufsbild des Data Scientist im vierten Quartal 2021 abgeschlagen an der Spitze. Wurden mit Erhebung des Index in 2015 nur vereinzelt solche Stellenprofile gesucht (100 Punkte), hat sich der Indexwert aktuell auf 1.162 Punkte entwickelt. Das bedeutet, im Jahr 2021 wurden pro Quartal mehr als 700 Stellen allein mit dieser Jobbeschreibung ausgeschrieben. Firmen suchen demnach händeringend nach Fachkräften, die sich mit dem Sammeln und strukturiertem Aufbereiten von unterschiedlichen Daten auskennen, um daraus Reports für neue Fachanwendungen zu entwickeln. Aber was genau macht so ein freiberuflicher Spezialist überhaupt genau? Dazu haben wir freelance Data Scientist Olga Kostova befragt.
IT Freelancer Magazin: Können Sie uns bitte sagen, für welche Aufgabenstellungen Sie von den Firmen genau gerufen werden?
Olga Kostova: In der Vergangenheit hatten Unternehmen nur analoge Standorte vor Ort. Dort waren menschliche Interaktionen relevant. Selbst wenn man die Gäste nur beobachtet, merkt man ihnen an, wenn sie sich verirrt haben oder sich ärgern — umgekehrt sieht man auch glückliche Kunden, die Ihre Käufe reibungslos abwickeln.
Vertrieb über eine Website oder App ist für viele noch immer eine Blackbox, man kann aber im Gegensatz zu einem analogen Standort tausende und sogar Millionen von Benutzern gleichzeitig betreuen. Meine Aufgaben ist die Daten zu sammeln, zu strukturieren und zu ordnen. Ich empfehle und entwickle Methoden, wie sinnvoll mit den Daten umzugehen ist, sodass die Daten nützlich sind und die Unternehmen mit diesen ihre Effizienz erhöhen können. Daten sprechen nicht für sich selbst. Sie haben auch kein Gespür für Prioritäten, auf welche Erkenntnisse man wie dringend reagieren sollte. Hier komme ich ins Spiel.
Inhaltsverzeichnis
Data Science als neue Profession- Es fehlen die personellen Ressourcen
IT Freelancer Magazin: Was meinen Sie, warum verfügen diese Unternehmen nicht selbst über das entsprechende Know-How?
Olga Kostova: Data Science ist so neu, dass die meisten Menschen, die sich damit beschäftigen, eigentlich für etwas anderes ausgebildet sind. Die Universitäten begannen erst 2016 langsam damit, spezifische Programme für Data Science anzubieten, zur gleichen Zeit wo es bereits die Nachfrage seitens der Unternehmen bestand.
Diese Diskrepanz ist ein Grund dafür, dass in den Unternehmen selbst das Know-How noch nicht vorliegen kann, es fehlen die personellen Ressourcen. Aber es mangelt nicht nur an Talenten, auch die Integration von Data Scientists in den Arbeitsablauf der Unternehmen ist eine Herausforderung. Es handelt sich um eine neue Abteilung, die lernen muss, mit anderen zusammenzuarbeiten, während andere bereits negative Erfahrungen gemacht haben oder gelegentlich sogar befürchten, ihren Arbeitsplatz aufgrund von Data-Science-Automatisierungen zu verlieren. Früher gab es zum Beispiel ein Team, das entschied, welche Produkte in welcher Stückzahl produziert werden sollten – das können Data-Science-Modelle sehr gut leisten. Hinzu kommt, dass häufig eine „Betriebsblindheit“ eintritt, wenn stets mit denselben Daten gearbeitet wird.
Wie bereits Zenmaster, Shunryu Suzuki sagte: „In the beginners mind there are many possibilities but in experts — there are few.“ Arbeitet man lang genug mit einigen Daten, sieht man Anomalien nicht mehr und beginnt zu vermuten, dass zuvor erkannte Muster, nicht mehr sichtbar sind. Es ist ein Chance, neue Perspektiven zu schaffen. Ein weiterer Grund ist die Aneignung neuer Technologien und Ansätze.
Der Weg zur Selbständigkeit- ein natürlicher Prozess
IT Freelancer Magazin: Welchen Ausbildungsweg haben Sie gewählt? Warum haben Sie sich für die Selbständigkeit entschieden?
Olga Kostova: Ich arbeite seit über 10 Jahren in der Industrie. Als ich anfing, ging es noch nicht um Data Science. Ich habe Geschichte studiert und hätte es wahrscheinlich nicht gewagt, zu Data Science zu wechseln, da man gemeinhin glaubt, dass Geschichte nichts damit zu tun hat. Aber es gibt tatsächlich viele Parallelen: Man analysiert verschiedene Texte, Dokumente, Vereinbarungen, Korrespondenz, Gesetze, extrahiert Fakten, Meinungen, Vorurteile und schreibt Thesen.
Die Selbstständigkeit war nicht das, was in meiner Absicht lag. Ich hatte eigentlich ziemliche Angst davor. Aber dann dachte ich an meine Eltern, beide Lehrer, die hart studierten und den Beruf wählten, weil er ihnen sehr gute Aussichten bot. Als die Sowjetunion jedoch zusammenbrach, wurden Lehrer zu einem der am schlechtesten bezahlten Berufe. Also wurde mir klar, dass die Sicherheit, die mit einer Festanstellung einhergeht, nur eine Illusion ist. Es war auch so, dass ich ganz natürlich in die Selbstständigkeit hineingewachsen bin.
Am Anfang gab es digitale Produkte wie Websites oder Apps. Die Notwendigkeit, das Nutzerverhalten zu analysieren, um diese Produkte zu verbessern, schien und war, bei fehlender Konkurrenz, eine zu geringe Priorität. Es wurde erwartet, dass Entwickler, Designer oder Marketingteams die Datenanalyse selbst übernehmen können. So begann ich, aus einem solchen Team hinauszuwachsen: Aufgrund meines Interesses an Analytik, statistischer Modellierung und Automatisierung, das ich zusätzlich durch das Schreiben von Artikeln und das Halten von Vorträgen auf Konferenzen auszudrücken begann, ging ich meinen eigenen Weg und fand mich in der Beratung und Selbstständigkeit wieder.
Um das Benutzerverhalten zu verstehen, muss man nicht nur Zahlen analysieren, sondern auch in der Lage sein, Benutzererfahrungen in umsetzbare Punkte für Geschäfts- und Technikteams zu verbalisieren. Mit immer größeren Datenmengen entwickelte sich die Industrie weiter, und so musste auch ich mich weiterentwickeln und Schritt für Schritt neue Fähigkeiten und Qualifikationen lernen: Javascript, SQL, Python und mehr. Heute habe ich nicht nur technisches Wissen, sondern auch Erfahrung mit Marken wie Adidas, LEGO, Aida, XO Aviation, Vista und anderen.
Unterschied Data Scientists & Data Analyst
IT Freelancer Magazin: Gibt es einen Unterschied zwischen den Begriffen Data Scientists und Data Analysts? Welchen?
Olga Kostova: Darüber gibt es viele Debatten. Ich persönlich finde, dass der Begriff „Data Analyst“ zu allgemein ist, um eine Berufsbezeichnung zu sein. Lehrer, Ärzte, Juristen, Ingenieure… alle analysieren Daten. Daher sprechen mich Job-/Berufsbezeichnungen wie Conversion-Optimierungsspezialist, Growth Hacker, Messstratege, Statistiker, Data Scientist usw. an, während ich bei einem Begriff wie „Datenanalyst“ ohne Kontext nicht einmal sicher bin, ob die Person weiß, was Excel oder eine Database ist. Ich glaube, das ist nicht nur meine Meinung, denn ich sehe auf LinkedIn häufig die Tendenz, neben dem Titel Data Analyst auch Schlüsselwörter wie „Digital“ oder „BI“, „BigQuery“, „SQL“, „Python“ anzugeben. Für mich sieht es so aus, als ob die Leute zögern, sich als Data Scientists zu bezeichnen: Sie geben aber trotzdem an, mit welchen Technologien sie arbeiten, da die Definition Data Scientist einfach nicht spezifisch genug ist.
Daten, das Gold des 21. Jahrhunderts- Branchenunabhängige hohe Nachfrage nach Data Scientists
IT Freelancer Magazin: Aus welchem Grund erfährt Ihr Berufsbild gerade die letzten Jahre so eine hohe Attraktivität? Gilt das für bestimmte Branchen mehr als für andere?
Olga Kostova: Wir generieren immer mehr Daten, digitalisieren immer mehr Branchen und Prozesse, und jeder Markt wird immer wettbewerbsintensiver – der Bedarf nach Data Scientists wird also nur noch wachsen. Gleichzeitig ist es eine Arbeit, die man von seinem Laptop aus erledigen kann, manchmal sogar remote – das ist für moderne Menschen sehr attraktiv.
Ich sehe eine wachsende Nachfrage nach Data Scientistsin den Bereichen Medizin, Maschinenbau, Landwirtschaft, Immobilien und Energie. Das zusätzlich zu der bereits traditionellen hohen Nachfrage in IT, E-Commerce, Logistik.
Empfehlung an Unternehmen: Produktmanager mit Kundenzentrierung zu Data Scientists ausbilden
IT Freelancer Magazin: Was empfehlen Sie aktuell Unternehmen, die händeringend nach Daten-Spezialisten suchen, aber keine finden?
Olga Kostova: Unternehmen brauchen leidenschaftliche Produktmanager, die den Kunden in den Mittelpunkt stellen. Sie brauchen kein statistisches Modell, um zu verstehen, dass Ihr Kunde, wenn er in Europa ist, die Preise online in Euro sehen möchte, oder dass er, wenn er zwei Kissen und eine Decke in einen Korb legt, auch ein paar Bettlaken braucht. Mit reiner Logik und Kundenorientierung ist so viel zu gewinnen. Meine Empfehlung: Die Unternehmen sollten als erstes Leute finden, die die Branche und das Geschäft verstehen, dann die Daten- Infrastruktur sicherstellen (Datenerfassung, -struktur und -qualität)), und schlussendlich die Personen zu Data Scientists ausbilden.
Über die Interviewpartnerin:
Olga Kostova ist eine erfahrene Data Scientistin und Spezialistin für Conversion-Optimierung. Ihr Spezialgebiet ist die Strukturierung komplexer Prozesse im Bereich Digital Analytics und im Marketing. Hier ist es ihr Ziel eine Personalisierung, bessere Nutzererfahrungen und sinnvolle Auswirkungen auf den Umsatz der Auftraggeber zu erzielen. Dazu entwickelt und implementiert sie Pläne zur Datenmessung, um die maximale Effizienz der gesamten Data-Science- oder Produktentwicklungsaktivitäten ihrer Kunden zu erreichen. Sie verfügt über Führungserfahrung und profunde Kenntnisse in der Präsentation von Ergebnissen vor Teams und Führungskräften.
„Mein Hauptziel ist es, die Gewinne von Unternehmen auf die effizienteste Art und Weise zu steigern, und ich glaube, das ist der herausforderndste und aufregendste Teil meiner Arbeit.“
