Lieber Praxis als Theorie: Liudmilas Einstieg als Digital Analystin

Inhaltsverzeichnis

Lesezeit: 4 Min

Liudmila setzt auf Praxiserfahrung und punktet genau damit. Im Juni 2021 startet sie mit dem „Women in Data“-Stipendium ihre Data Analyst-Weiterbildung mit Fokus auf die Programmiersprache Python und beginnt kurz nach ihrem Abschluss als Digital Analystin bei einem führenden Immobilienportal. Sie sagt es ist nie zu spät, umzulernen und eine neue Karriere zu starten. Wer dabei den Fokus auf die Praxis setzt, hat die Nase vorn. Warum erfährst Du in Part 1 des zweiteiligen Interviews.

Liudmilas Interview

Liebe Liudmila, Du hast einen unglaublichen Karrierewechsel hingelegt und bist letztes Jahr erfolgreich in Deinen Job als Digital Analyst gestartet. Wie hast Du das geschafft?

Vielen Dank. Als ich im Jahr 2017 nach Deutschland zog, war es mir aufgrund meiner Visumsbedingungen nicht möglich, einen anderen Master-Studiengang zu wählen und musste meinen bisherigen Studiengang aus Russland fortführen. Da ich jedoch eher eine Praktikerin als eine Theoretikerin bin, habe ich beschlossen, andere Wege zu gehen, um meine Ziele zu erreichen. Hauptauslöser waren meine Leidenschaft für Daten und meine Bereitschaft, ins kalte Wasser geschmissen zu werden.

Während des Beginns der Corona-Zeit begann ich mit dem intensiven Selbststudium und nahm erste Projekte in Angriff. Anfangs war mir selbst noch nicht klar, wohin mich dieser Weg führen würde, deshalb habe ich mich auf meine Entwicklung fokussiert und bin der Faszination für das Thema Daten nachgegangen.

Selbstlerner sind eher selbstkritisch und haben oft Bedenken, dass ihre Fähigkeiten und ihr Wissen nicht ausreichen könnten. Dabei ist das gar nicht nötig. Auch nach einem Hochschulabschluss kommen wir erst einmal mit leeren Händen in die Arbeitswelt. Die Theorie hat oft nur wenig mit den realen Arbeitsanforderungen zu tun. Deshalb sind Praktika und Werkstudentenjobs auch so wichtig, um reale Erfahrungen zu sammeln. Ich bewarb mich noch während meines Studiums für verschiedene Stellen und kam so zu meinem aktuellen Job.

Welche Rolle hat das „Women in Data“-Stipendium und die Data Analyst-Weiterbildung mit Zertifikat bei Deinem Quereinstieg gespielt?

Das „Women in Data“-Stipendium von StackFuel und Telefónica Germany kam zu einem absolut richtigen Zeitpunkt in mein Leben und hat mir sehr geholfen, den Durchbruch zu schaffen. Ich wurde damals auf das Stipendium aufmerksam, weil es sich konkret an Frauen/ Migrantinnen/ Karrierewechslerinnen wie mich richtete. Besonders gefiel mir die Tatsache, dass die Data Analyst-Weiterbildung bei StackFuel mir durch ihren Praxisbezug die Möglichkeit bot, mit echten Branchendaten zu arbeiten und realistische Data Analytics-Geschäftsszenarien zu bewältigen.

Im Laufe der fünf Weiterbildungsmonate habe ich jeden Schritt einer typischen Datenanalysten-Pipeline durchlaufen und dabei die notwendigen Python-Module anzuwenden gelernt. Für mich war das wie eine Art Praktikum. Die Themen und Aufgaben waren so realitätsnah, dass ich mir sicher sein konnte, dass ich nicht nur ein vages theoretisches Wissen erhalten würde, sondern nach Abschluss mit realen Geschäftsproblemen umgehen können werde.

Im Abschlussprojekt konnte ich mein gesammeltes Wissen kombinieren und datengestützte Erkenntnisse aus dem Datensatz eines Telekommunikationsunternehmens gewinnen. Um das Unternehmen bei der Durchführung von zwei großen Marketingkampagnen zu unterstützen, habe ich die Ursachen für die hohe Kundenabwanderung analysiert und Zielstädte für Kampagnen ermittelt. Ich konnte das individuelle Kundenverhalten vorhersagen, um herauszufinden, welche Kunden gezielt angesprochen werden mussten, bevor sie sich abmelden würden.

Mit Blick auf mein fertiges Abschlussprojekt war ich wirklich überrascht, wie viel ich in der Zeit der Data Analyst-Weiterbildung gelernt habe. Die Weiterbildung bei StackFuel gab mir darüber hinaus die Möglichkeit, andere Frauen kennenzulernen, die daran interessiert waren, einen Einstieg in die Tech-Branche zu finden. Ihre erstaunlichen Geschichten haben mich inspiriert, weiterzumachen.

Werde Data Analyst wie Liudmila – online und berufsbegleitend in nur 3 Monaten. Entdecke unsere Data Analyst-Weiterbildung und geförderten Weiterbildungen mit Bildungsgutschein.

Welche drei Eigenschaften begeistern Dich am meisten an der Arbeit mit Daten?

Erstens begleiten uns Daten in absolut jedem Aspekt des Lebens. Die Fähigkeit, Entwicklungen, Wahrheiten und Trends hinter einfachen Zahlen zu erkennen, kann uns nicht nur helfen, bestehende Herangehensweisen zu verbessern, sondern auch durch verbesserte Entscheidungen etwas völlig Neues zu schaffen.

Die Arbeit mit Daten kann mit einer Zwiebel verglichen werden: Man muss Schicht für Schicht einzeln untersuchen. Dies wird als Top-Down-Ansatz bezeichnet, bei dem man sich zunächst auf einer primitiven Ebene umsieht und dann tiefer gräbt, um Muster zu entdecken und Informationen daraus abzulesen.

Zweitens ist die Arbeit mit Daten untrennbar mit der Arbeit mit Menschen verbunden. Jede:rAnalyst:in muss die Branche und das Unternehmen genau verstehen, in dem sie/er arbeitet. Man muss sich dazu mit verschiedenen Spezialistinnen und Fachabteilungen treffen und mit ihnen kommunizieren. Dazu müssen wir die Ergebnisse unserer Analysen einem nichttechnischen Publikum präsentieren und verständlich machen.

Damit Daten zum Handeln und zur Veränderung anregen, muss man die Geschichte, die in ihnen verborgen liegt, erzählen. Wir sind als Kultur dazu gemacht, Geschichten zu erzählen und zu behalten. Dabei ist es natürlich erforderlich, die technische Seite nicht aus den Augen zu lassen und die Daten nicht der Geschichte anzupassen, sondern die Geschichte den Daten.

Nicht zuletzt sind Daten untrennbar mit Geschäftsproblemen und deren Lösung verbunden. Bei der Arbeit mit Daten kommt es in erster Linie auf die geschäftliche Vision an, also auf die Fähigkeit, einen Mehrwert für das Unternehmen zu schaffen. Es hilft nicht, in Daten zu wühlen und unglaublich komplexe Modelle erstellen, wenn die Besonderheiten des Geschäfts nicht verstanden und berücksichtigt werden. Es geht darum, die wichtigsten Fragen für das Unternehmen und Antworten darauf zu finden. Und diese sind sehr individuell. Dafür sind nicht immer besonders ausgefeilte Analysen erforderlich.

Wir danken Liudmila für das Interview und dass sie sich die Zeit genommen hat, mit uns zu sprechen. Wenn Du mehr von Liudmila lesen möchtest, verpass nicht Teil 2 ihres Interviews zum Thema lebenslanges Lernen, wie sie auf ihre Data Analyst-Weiterbildung aufgebaut hat und Frauen in der Datenbranche.

Für Artikel, Interviews und weitere kostenlose Inhalte zum Thema Data Science, Datenmanagement und Onlinekurse wie die Data Analyst-Weiterbildung mit Bildungsgutschein, folge StackFuel auf Facebook, Instagram, LinkedIn und XING. 

Laura Redlich
Laura Redlich
Als waschechte Berlinerin hat sich Laura schnell der Kreativ- und Start-up-Szene angeschlossen. Nach ihrem Studium in Medien- und Kommunikationsmanagement an der Mediadesign – Hochschule für Design und Informatik, war Laura bereits als Redakteurin bei IQPC tätig, wo sie die Bereiche Finance, Tech, Data und AI verantwortete und bekannte Vorreiter der Branche auf Kongressen interviewte. Bei StackFuel baut Laura das Content Lab – unser vielseitiges Angebot an kostenlosen Inhalten, Webinaren und Veröffentlichungen – stetig aus.

Ähnliche Beiträge

Newsletter

Subscribe to our newsletter and stay updated to our trainings and the latest L&D trends!

Mit Absenden des Formulars habe ich die Datenschutzerklärung und AGB zur Kenntnis genommen. Ich bin damit einverstanden, dass mir StackFuel E-Mails mit Angeboten und Neuigkeiten sendet.

Meistgelesene Beiträge
Die Top 5 Fähigkeiten, die jeder Data Scientist braucht
30 Juni 2022
Automatisierung von Prozessen: Potenziale erkennen und nutzen
08 Februar 2021
So wirst Du Data Analyst
21 April 2021
Meistgelesene Beiträge