Wie ein Lernender über 1.500 Arbeitsstunden sparte – mit 200+ Kursen und mehr als 1.000.000 XP

Cameron White ist Analyst im Data-Science-Team bei Fruit of the Loom und ein DataCamp-XP-Millionär. Auf LinkedIn steht bei ihm selbstbewusst: „Über 200 Kurse, mehr als 10.000 Übungen, über eine Million XP und fast alle Skill Tracks und Career Tracks auf DataCamp abgeschlossen.“

Er ist außerdem alleinerziehender Vater eines kleinen Sohnes – Zeit ist für ihn das wertvollste Gut.

Mit DataCamp zur Datenflüssigkeit

Heute beherrscht Cameron Python und R und ist in vielen Data-Science-Aufgaben versiert – von ETL über Zeitreihenmodelle bis hin zu Textanalysen und mehr. Vor fünf Jahren war das noch anders. Er hatte gerade seinen Bachelor in Mathematik und Statistik abgeschlossen, der Großteil seines Studiums war sehr theoretisch, mit ein paar angewandten Statistik-Kursen. Er startete als Praktikant bei Fruit of the Loom, woraus eine Festanstellung im neu gegründeten Data-Science-Team wurde. Das Problem? Er hatte keine Vorstellung davon, welche Aufgaben Data Scientists konkret erledigen und wie sie diese angehen.

Ich weiß noch genau, wie ich das Jobangebot bekam und den Begriff Data Scientist hörte – aber damals hatte ich keine Ahnung, was das wirklich bedeutet.

Um sich auf seine Rolle bei Fruit of the Loom vorzubereiten, suchte Cameron nach Online-Plattformen, mit denen er schnell Data-Science-Kompetenzen aufbauen konnte. Er testete einen unserer Mitbewerber, stellte aber fest, dass deren Kurse „nicht zu [seinen] Bedürfnissen als Lernender passten“. 2015 entdeckte er DataCamp und war dank unseres Learning-by-Doing-Ansatzes sofort begeistert.

Ich liebe es, dass ich mit DataCamp in meinem eigenen Tempo lernen kann.

Cameron schätzt die Flexibilität von DataCamp: Die Plattform bietet ein nahtloses Lernerlebnis auf Desktop und mobil. Er kann immer dann lernen, wenn sich ein 30-minütiges Zeitfenster ergibt – zum Beispiel, nachdem er seinen Sohn ins Bett gebracht hat. Auch unsere Videos gefallen ihm: „sehr kurz, aber hilfreich“.

Er ist zudem von der Qualität unserer Lehrenden überzeugt – wir arbeiten ausschließlich mit führenden Data-Science-Expertinnen und -Experten zusammen, von denen einige die Tools und Packages, die Cameron täglich nutzt, selbst entwickeln und pflegen.

Viele Kurse werden vom Paketautor selbst unterrichtet! Wer könnte ein besserer Lehrender sein als die Person, die das Paket entwickelt hat?

Der Business-Impact des Lernens mit DataCamp

Cameron nimmt sich nach Möglichkeit jeden Tag eine Stunde für DataCamp – und konnte das Gelernte „schon unzählige Male direkt in der Arbeit einsetzen, manchmal sogar gleich am nächsten Tag!“

So kannte er den Tidyverse nicht, bevor er unser R-Lernprogramm erkundete. Heute nutzt sein Team Tidy-Data-Prinzipien „fast jeden einzelnen Tag, in nahezu jedem Projekt“. Viele der auf DataCamp vermittelten Modellierungsansätze hat er zudem in verschiedenen Preismodellierungs-Szenarien eingesetzt.

Nach dem Kurs Data Manipulation in R with dplyr erlebte Cameron einen massiven Performance-Schub – sowohl bei der Verarbeitung großer Datensätze als auch bei der Codierzeit. Diese Kompetenzen ließen sich leicht umsetzen, und er teilte seine Learnings begeistert mit Kolleginnen und Kollegen und sorgte so intern für Rückenwind für R und dplyr.

Eines seiner großen Projekte ist eine Predictive-Analytics-Zusammenarbeit mit Microsoft. Dabei zeigte sich: Ein Temperatursturz um 12 Grad innerhalb von sechs Tagen bewegt eine enorme Zahl von Konsumentinnen und Konsumenten dazu, Winterkleidung zu kaufen. Diese Erkenntnisse ermöglichten es, die Lieferkette proaktiv auf regionale Bedürfnisse auszurichten und den Absatz von Fleece und anderer Kaltwetter-Produkte von Fruit of the Loom zu optimieren. Für dieses Projekt nutzten Cameron und sein Team viele Learnings aus DataCamps Kursen zu SQL, zum Import und zur Bereinigung von Daten in R sowie zu fortgeschrittener Modellierung.

196 Arbeitstage mit DataCamp sparen

Der Einfluss von DataCamp auf Camerons Arbeit ist enorm. Schauen wir uns an, wie viel Zeit er nach vier Jahren Lernen mit DataCamp nach eigener Rechnung eingespart hat.

• Cameron arbeitet rund 200 Tage pro Jahr, also etwa 800 Tage in vier Jahren. Davon entfallen schätzungsweise 20% auf aktives Coden – das sind 160 Arbeitstage (oder 1.280 Arbeitsstunden).
• Von der aktiven Codierzeit entfielen schätzungsweise 40% (also 512 Stunden) auf explorative Datenanalysen, die er dank der auf DataCamp erlernten Tidy-Konzepte deutlich beschleunigen konnte. Von diesen 512 Stunden geht er davon aus, dass Tidy-Prinzipien etwa die Hälfte der Zeit eingespart haben.
• In den übrigen 60% seiner Zeit hat er etwa 10% damit verbracht, anderen bei Coding-Fragen zu helfen – ein deutlicher Rückgang, seit sein Team DataCamp nutzt.
• Den Rest, knapp 700 Stunden, schätzt Cameron für fortgeschrittene Aufgaben: Modellierung mit Konzepten aus unseren Kursen zum caret-Paket, Erstellen von Shiny-Apps oder das Einbinden von Webdaten. Besonderes Lob erhält unser Kurs Writing Efficient R Code von Colin Gillespie, der seine Laufzeiten deutlich verbesserte.
• Auf Basis seiner groben Schätzung erzielte er einen Gewinn von 675 Stunden pro Jahr direkt beim Coden. Das beinhaltet noch nicht den großen Zeitgewinn in nicht-codebasierten Phasen, etwa beim initialen Projektentwurf. Neue Methoden aus DataCamp haben auch hier spürbar beschleunigt. Er schätzt eine Ersparnis von 70% bzw. 896 Stunden.

In Summe hat Cameron in den letzten vier Jahren geschätzt 1.571 Arbeitsstunden bzw. 196 Arbeitstage eingespart! Wie eingangs erwähnt, ist Zeit für Cameron das kostbarste Gut – und er weiß sie optimal zu nutzen.

Wie DataCamp Zusammenarbeit fördert

Camerons Team nutzt seine DataCamp-Lizenzen, um in freien Momenten im Job neue Themen zu lernen. Sie sind durchaus wettbewerbsfreudig und fordern sich gelegentlich bei DataCamp-XP heraus – das „hält die Sache spannend“.

Außerdem hat das Team formale Ziele, jährlich eine bestimmte Anzahl an Trainingsstunden zu erreichen – wofür sie in erster Linie DataCamp nutzen.

Das Wachstum des Teams zeigt sich an der Zahl neuer Methoden, Algorithmen und Prozesse, die wir auf der Plattform entdecken.

Teams auf dem Weg zur Datenflüssigkeit begleiten

Für Cameron war der schwierigste Teil zu Beginn seiner Data-Science-Karriere zu wissen, wo er anfangen und worauf er seine Energie fokussieren sollte. Er findet, dass DataCamp ihn mit unseren Skill Tracks und Career Tracks hervorragend anleitet.

Data Science ist ein extrem spannender, abwechslungsreicher und lohnender Karriereweg – und die Plattform von DataCamp hat mir enorm geholfen, in diesem Feld erfolgreich zu sein.

Erfahre mehr über Camerons Weg zur Datenflüssigkeit und vernetze dich mit ihm auf LinkedIn und Twitter.

Wenn du wissen möchtest, wie DataCamp dein Team in Data Science und Analytics voranbringen kann, besuche datacamp.com/business oder vereinbare eine Demo unserer Plattform.