Was macht eigentlich ein Data Scientist? Und wie unterscheidet er sich von einem Data Engineer oder Analyst?

Darüber spricht Christian Krug, Host des Podcasts Unf*ck Your Data, mit Fabian Werkmeister, Data Scientist bei FUNKE Mediengruppe.

Einer der meistgesuchten und am besten bezahlten Berufe ist der eines Data Scientist. Doch viele haben die Vorstellung haben, dass man nur an Modellen für Machine Learning oder Algorithmen der AI schraubt. Dies ist nicht der Fall. Oder nur ein Teil der Lösung.

Im Vordergrund steht die Lösung eines fachlichen Problems im Unternehmen. Dafür bedient sich der Data Scientist der Daten, Statistik und auch AI. Erst wenn diese Erkenntnis aus den Daten einen Mehrwert für das Unternehmen und die Mitarbeitenden schafft, ist die Aufgabe erledigt.

Der klassische Data Engineer sorgt dafür, dass allen Beteiligten dann die notwendigen Daten zur Verfügung stehen. Rechtzeitig, in passender Qualität und Quantität. Der Personen welche als Data Analyst arbeiten fokussieren sich darauf diese Daten den Entscheider*innen angemessen zu präsentieren und manuell erste Schlüsse zu ziehen.

In der Realität sind diese Rollen oft nicht so scharf getrennt oder die Unternehmen zu klein für dedizierte Rollen. Das heißt: Es gibt Datenuniversalist*innen. Ich muss also die ganze Wertschöpfungskette der Daten bedienen können.

Doch wie wird man überhaupt Data Scientist? Denn konkrete Studiengänge gibt es dafür nur wenige. Wie so oft: Das Spiel heißt Angst überwinden. Mit einer guten Ausbildung, Willen, Mut und etwas Transferfähigkeit kann die Karriere nach einem Kurs oder Bootcamp schnell im Data Bereich Fahrt aufnehmen.

Wichtig ist, dass du loslegst.

▬▬▬▬▬▬ Profile: ▬▬▬▬

Zum LinkedIn-Profil von Fabian: https://www.linkedin.com/in/fabian-werkmeister/

Zu Fabian Notion Space: https://fabianwerkmeister.notion.site/Data-Launch-Pad-8a977137f6a246bc9a791b63b9f8cdc2

Zum LinkedIn-Profil von Christian: https://www.linkedin.com/in/christian-krug/

Unf*ck Your Data auf Linkedin: https://www.linkedin.com/company/unfck-your-data

▬▬▬▬▬▬ Buchempfehlung: ▬▬▬▬

Buchempfehlung von Fabian: Watchmen – Alan Moore & Dave Gibbons

Fabians zweiter Tipp: Naked Statistics - Charles Wheelan

Alle Empfehlungen in Melenas Bücherladen: https://gunzenhausen.buchhandlung.de/unfuckyourdata

▬▬▬▬▬▬ Hier findest Du Unf*ck Your Data: ▬▬▬▬

Zum Podcast auf Spotify: https://open.spotify.com/show/6Ow7ySMbgnir27etMYkpxT?si=dc0fd2b3c6454bfa

Zum Podcast auf iTunes: https://podcasts.apple.com/de/podcast/unf-ck-your-data/id1673832019

Zum Podcast auf Google:

https://podcasts.google.com/feed/aHR0cHM6Ly9mZWVkcy5jYXB0aXZhdGUuZm0vdW5mY2steW91ci1kYXRhLw?ep=14

Zum Podcast auf Deezer: https://deezer.page.link/FnT5kRSjf2k54iib6

▬▬▬▬▬▬ Kontakt: ▬▬▬▬

E-Mail: [email protected]

▬▬▬▬▬▬ Timestamps: ▬▬▬▬▬▬▬▬▬▬▬▬▬

00:00 Intro

01:45 Fabian stellt sich vor

03:25 Die Definition von Data Science

04:01 Data Science ist nicht AI oder Machine Learning

04:45 Data Engineering und Analytics als weitere Disziplinen

06:15 Wenn Analytics nicht ausreicht kommt der Data Scientist ins Spiel

07:14 Wertschöpfung aus Daten – so entsteht der Business Impact

09:27 Der Full Stack Data Worker – Engineering, Analytics und Science

11:23 Ein breites Datenwissen macht dich in der Spezialisierung besser

13:09 Der Wert von Data Science entsteht wenn die Ergebnisse allen zugänglich werden

15:17 Machine Learning und AI kann Teil von Data Science sein. Oft geht es aber leichter

16:15 Der Business Impact ist das Ziel, dafür dürfen es auch mal einfache Regeln sein

18:05 Aus der BWL geht der Sprung über Zahlen in die Daten

19:25 Programmieren kann kreativ sein

20:23 Die Realität im Unternehmen kam nicht im Bootcamp dran

22:15 Der Transfer von Wissen ist der Schlüssel zum Erfolg

23:57 Best practices beim coden – mit oder ohne Musik

25:03 Erlerntes Wissen auf neue Aufgaben übertragen – Mehrwert deiner Ausbildung

26:31 Tipps für angehende Data Scientists

28:10 Wir müssen alte Glaubenssätze auflösen, wenn wir neues machen wollen

30:35 Zwei Fragen an Fabian