2011 nannte der Harvard Business Review Data Science “den begehrtesten Job des 21. Jahrhunderts”. Die Nachfrage ist seitdem rasant gestiegen. Fortune berichtete, dass Stellenausschreibungen für Data Scientists seit 2016 um 480% zugelegt haben. Das Wachstum ist so groß, dass es 2020 noch immer einen Mangel von 250.000 Data-Science-Fachkräften gab.
Leider lassen sich viele, die in Data Science arbeiten möchten, schnell entmutigen. Schon ein flüchtiger Blick in eine Stellenausschreibung zeigt eine beeindruckende Liste an gesuchten Kompetenzen. Die starke Konkurrenz führt außerdem dazu, dass Bewerberinnen und Bewerber ihr Wunschziel nicht immer auf Anhieb erreichen.
Was viele übersehen: Die Karriere von Data Scientists verläuft selten geradlinig. Auch Jobs ohne den Titel “Data Scientist” vermitteln wertvolle Data-Science-Kompetenzen – von Statistik über Datenaufbereitung, Machine Learning und Programmierung bis hin zu Business-Verständnis und Storytelling. All das ist für Data Scientists unverzichtbar.
Hier sind Rollen, die dir als Sprungbrett auf dem Weg zum Data Scientist dienen können. Sowohl technische als auch nicht-technische Funktionen helfen dir beim Einstieg in die Branche.
Nicht-technische Datenrollen
Data-/Analytics-Translator
Von McKinsey als “das neue Must-have” bezeichnet, hilft ein Analytics Translator dabei, Geschäftsprobleme zu priorisieren und diese Ziele verständlich an Datenprofis zu vermitteln. Er oder sie sorgt für das nötige Buy-in im Business und stellt sicher, dass die Lösungen der Datenteams echten Mehrwert liefern.
“Du zerlegst ständig technische Konzepte und bringst alle auf eine gemeinsame Sprache”, sagt Gruschow, Technical Analyst bei Fortive, über ihre Rolle. Laut McKinsey bringen gute Kandidatinnen und Kandidaten Unternehmergeist, starkes Projektmanagement und technische Grundkompetenz mit (Programmierexpertise ist optional). Wenn das auf dich zutrifft, könnte diese Rolle genau dein Ding sein.
Product Manager für Data Science
Product Manager für Data Science (PM) verantworten den Lernplan für Data-Science-Produkte von der Idee bis zum Launch. Gemeinsam mit den Business-Teams identifizieren sie, wie Data Science konkrete Pain Points lösen kann. Anschließend arbeiten PMs eng mit Datenprofis und Entwicklern zusammen, definieren Anforderungen, steuern die Entwicklung und legen Erfolgsmessungen fest.
Ein Product Manager steht im ständigen Austausch mit unterschiedlichsten Stakeholdern (Quelle)
Jedes Unternehmen hat seine eigenen Data-Science-Produkte. Ein Product Manager bei einem Business-Intelligence-Anbieter könnte die Entwicklung eines Visualisierungstools steuern, während ein Product Manager bei einem Streamingdienst die Roadmap für In-App-Empfehlungen verantwortet. Wer Stakeholder souverän managt und Data Science breit versteht, passt ideal in diese Rolle.
Data-Strategy-Consultant
Data-Strategy-Consultants konzipieren, bauen und implementieren Datenstrategien, die die Unternehmensperformance verbessern. Sie bewerten gemeinsam mit der Geschäftsleitung die Datenfähigkeiten eines Unternehmens und schlagen Lernpläne auf dem Weg zu einer datengetriebenen Organisation vor.
Beraterinnen und Berater identifizieren, wie Datentechnologien Probleme adressieren können. Die Strategie hängt vom Reifegrad des Unternehmens ab: Für jüngere Organisationen kann die Einführung von Data-Management- und Governance-Tools sinnvoll sein, für reifere Unternehmen eher innovative Cloud-Lösungen. Wer bereits Beratungserfahrung mitbringt und praktische Kenntnisse in Frameworks wie Data Governance, Data Management, Business Intelligence, Advanced Analytics, Machine Learning und Cloud-Plattformen hat, ist hier besonders gut aufgehoben.
Technical Project Manager
Technical Project Manager planen, organisieren und steuern technische Data-Science-Projekte. Sie managen die Ressourcen, damit Projekte termingerecht, im Budget und im definierten Umfang geliefert werden.
Weil sie Projekte von der Idee bis zum Go-live begleiten, ist die Rolle sehr abwechslungsreich: Sie erstellen Projektpläne, terminieren Aufgaben, bewerten Phasen, kommunizieren mit Stakeholdern und halten die Produktvision auf Kurs. Zur Steuerung interdisziplinärer Teams nutzen sie Methoden wie Scrum und Agile.
Die Agile-Methodik (Quelle)
Die Rolle eignet sich für Personen mit Führungserfahrung. Kandidatinnen und Kandidaten mit technischem Background in Data Science, Software Engineering oder UI/UX haben als Technical PM oft einen Vorsprung.
Technical Writer
Mit der Zahl und Größe von Data-Science-Produkten wächst auch der Bedarf an technischer Dokumentation. Gute, präzise Dokus sind eine der effektivsten Möglichkeiten, um Endnutzern Anleitungen zu vermitteln.
Beispiel für technische Dokumentation von Twilio (Quelle)
Technical Writer schließen diese Lücke mit Getting-Started-Guides, ausführlicher Produktdokumentation und API-Referenzen. Sie arbeiten eng mit Entwicklungsingenieurinnen, Product Managern und Program Managern zusammen, um die Doku zu gestalten. Ein technischer Hintergrund ist hilfreich, um mit den Teams auf Augenhöhe zu arbeiten. Wenn du Technical Writing anstrebst, solltest du Arbeitsproben in dein Portfolio aufnehmen, bevor du mit der Jobsuche startest.
Technische Datenrollen
Business-Intelligence-Analyst
BI-Analysten nutzen Datenanalyse und Visualisierung, um Organisationen zu datenbasierten Entscheidungen zu befähigen. Im Alltag interpretieren sie Schlüsseldaten, um Insights zu gewinnen. Zur Kommunikation dieser Erkenntnisse pflegen sie Kennzahlen und Visualisierungen in Dashboards oder Präsentationen. Entsprechend sind BI-Analysten versiert in Datenbanktools (SQL), BI-Tools (z. B. Tableau) und Tabellenkalkulationen (z. B. Excel).
Ein spannendes Projektfeld ist die Automatisierung von Reports. Bei HelloFresh haben BI-Analysten beispielsweise manuelle Berichte überflüssig gemacht, indem sie Echtzeit-Dashboards aufgebaut haben. Das Marketing nutzte diese Berichte, um Kampagnen zu optimieren und so die Kundenbindung zu verbessern.
Beispiel für ein Power BI-Dashboard
Data Analyst
Ein Data Analyst hat viele Schnittmengen mit einem BI-Analysten. Auch hier geht es darum, zuverlässige Kennzahlen bereitzustellen und umsetzbare Insights zu liefern, damit Stakeholder datenbasiert entscheiden können.
In manchen Unternehmen arbeiten Data Analysts zudem an Advanced-Analytics-Projekten. Dabei kooperieren sie mit Produkt-, Business- und Engineering-Teams, um zentrale Entscheidungen voranzutreiben. So kann etwa eine Kundensegmentierung entwickelt werden, auf deren Basis segmentspezifische Strategien entstehen.
Data Analysts können Kundensegmentierungen erstellen (Quelle)
Je nach Rolle können zusätzlich zu SQL, BI- und Tabellenkalkulationstools auch Programmiersprachen wie Python oder R gefragt sein. Fundierte Statistikkenntnisse helfen insbesondere bei Advanced-Analytics-Projekten.
MarketingOps Analyst
Marketing-Operations-Analysten implementieren Marketingprozesse und analysieren die Performance. Dazu gehören etwa Lead-Management und Customer Engagement über CRM-Software. Sie untersuchen Kunden- und Lieferantendaten, um Chancen zu identifizieren und Prozesse zu optimieren. Ein klassisches Beispiel ist die Funnel-Analyse, um die größte Schwachstelle im Conversion-Prozess zu finden.
Beispiel für eine Funnel-Analyse (Quelle: Clevertap)
Darüber hinaus können Marketing-Ops-Analysten Hypothesentests durchführen, um die Leistung zu steigern. Mithilfe sauberer A/B-Tests lässt sich zum Beispiel feststellen, dass Emojis in Betreffzeilen die Klickrate bei jüngeren Zielgruppen deutlich erhöhen. Die Rolle eignet sich hervorragend für alle mit einer Affinität zum Marketing – und für Berufseinsteiger, denn laut NCSU verlangen bis zu 45% der Ausschreibungen für Marketing-Ops-Analysten weniger als 2 Jahre Berufserfahrung und 80% einen Bachelorabschluss.
Financial Analyst
Financial Analysts prüfen Finanzdaten, identifizieren Anlagechancen und bewerten die Wirkung von Handlungsempfehlungen. Konkret analysieren sie das Zusammenspiel von makroökonomischen Faktoren, mikroökonomischen Bedingungen und den Fundamentals eines Unternehmens. Zahlen sind ihr tägliches Handwerkszeug: Zur Bewertung der Unternehmensgesundheit betrachten sie unter anderem Bruttomarge, Nettomarge, Wachstumsraten, Eigenkapitalrendite und Ergebnis je Aktie.
Außerdem erstellen sie Prognosen zur künftigen Performance und Bewertung von Unternehmen – mit statistischen Methoden (z. B. Regressionsanalyse) und fortgeschrittenen Finanzmodellen (z. B. Discounted-Cashflow-Analyse).
Beispiel für eine einfache Regressionsanalyse durch einen Financial Analyst (Quelle)
Laut Investopedia haben Personen mit Bachelorabschluss – bevorzugt in Rechnungswesen, Ökonomie, Finanzen oder Statistik – oder mit MBA gute Chancen auf diese Rolle.
Machine Learning Engineer (MLE)
Laut LinkedIn zählt MLE 2022 zu den 25 am schnellsten wachsenden Jobtiteln. MLEs entwerfen, bauen und überführen Machine-Learning-Modelle in den Produktivbetrieb. Sie beherrschen Modellarchitekturen, orchestrieren ML-Pipelines und überwachen ML-Lösungen in Produktion.
Ein MLE bei einem Ride-Hailing-Anbieter könnte zum Beispiel die Zeit überwachen, die die produktive Matchmaking-KI benötigt, um Fahrer und Fahrgast zuzuordnen. Gemeinsam mit Data Scientists stellt der MLE sicher, dass ein definierter Schwellenwert nicht überschritten wird. Die Rolle passt zu Personen mit starker Programmierkompetenz, etwa Software- oder Data Engineers. Ein solides Fundament in Mathematik und Statistik sowie ein gutes Verständnis von ML-Modellen sind Pflicht.
Starte deine Datenkarriere
Wer sich zu sehr auf den Titel Data Scientist versteift, übersieht leicht spannende Alternativen. Unser Rat: Scheue dich nicht vor anderen Jobtiteln – solange du dort Data-Science-Kompetenzen on the job ausbauen kannst. Wie Steve Jobs sagte: “You cannot connect the dots looking forward … so you have to trust that the dots will somehow connect in your future.”
Dieser Artikel erschien zuerst in der DataCamp Certified Community, einer exklusiven Plattform für alle Lernenden, die eine der DataCamp-Zertifizierungen erfolgreich abgeschlossen haben. Möchtest du Zugang zu noch mehr Inhalten, die dir helfen, in der Datenbranche die Nase vorn zu behalten? Hol dir jetzt deine Zertifizierung!
