<\/p>\n\n\n\n
Liudmilas Interview<\/h5>\n\n\n\nLiebe Liudmila, Du hast einen unglaublichen Karrierewechsel hingelegt und bist letztes Jahr erfolgreich in Deinen Job als Digital Analyst gestartet. Wie hast Du das geschafft?<\/h2>\n\n\n\n
Vielen Dank. Als ich im Jahr 2017 nach Deutschland zog, war es mir aufgrund meiner Visumsbedingungen nicht m\u00f6glich, einen anderen Master-Studiengang zu w\u00e4hlen und musste meinen bisherigen Studiengang aus Russland fortf\u00fchren. Da ich jedoch eher eine Praktikerin als eine Theoretikerin bin, habe ich beschlossen, andere Wege zu gehen, um meine Ziele zu erreichen. Hauptausl\u00f6ser waren meine Leidenschaft f\u00fcr Daten und meine Bereitschaft, ins kalte Wasser geschmissen zu werden.<\/p>\n\n\n\n
W\u00e4hrend 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 f\u00fchren w\u00fcrde, deshalb habe ich mich auf meine Entwicklung fokussiert und bin der Faszination f\u00fcr das Thema Daten nachgegangen.<\/p>\n\n\n\n
Selbstlerner sind eher selbstkritisch und haben oft Bedenken, dass ihre F\u00e4higkeiten und ihr Wissen nicht ausreichen k\u00f6nnten. Dabei ist das gar nicht n\u00f6tig. Auch nach einem Hochschulabschluss kommen wir erst einmal mit leeren H\u00e4nden 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 w\u00e4hrend meines Studiums f\u00fcr verschiedene Stellen und kam so zu meinem aktuellen Job.<\/p>\n\n\n\n
Welche Rolle hat das \u201eWomen in Data\u201c-Stipendium und die Data Analyst-Weiterbildung mit Zertifikat bei Deinem Quereinstieg gespielt?<\/h2>\n\n\n\n
Das \u201eWomen in Data\u201c-Stipendium von StackFuel und Telef\u00f3nica Germany<\/a> 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<\/a> bei StackFuel mir durch ihren Praxisbezug die M\u00f6glichkeit bot, mit echten Branchendaten zu arbeiten und realistische Data Analytics-Gesch\u00e4ftsszenarien zu bew\u00e4ltigen.<\/p>\n\n\n\n Im Laufe der f\u00fcnf Weiterbildungsmonate habe ich jeden Schritt einer typischen Datenanalysten-Pipeline durchlaufen und dabei die notwendigen Python-Module anzuwenden gelernt. F\u00fcr mich war das wie eine Art Praktikum. Die Themen und Aufgaben waren so realit\u00e4tsnah, dass ich mir sicher sein konnte, dass ich nicht nur ein vages theoretisches Wissen erhalten w\u00fcrde, sondern nach Abschluss mit realen Gesch\u00e4ftsproblemen umgehen k\u00f6nnen werde.<\/p>\n\n\n\n Im Abschlussprojekt konnte ich mein gesammeltes Wissen kombinieren und datengest\u00fctzte Erkenntnisse aus dem Datensatz eines Telekommunikationsunternehmens gewinnen. Um das Unternehmen bei der Durchf\u00fchrung von zwei gro\u00dfen Marketingkampagnen zu unterst\u00fctzen, habe ich die Ursachen f\u00fcr die hohe Kundenabwanderung analysiert und Zielst\u00e4dte f\u00fcr Kampagnen ermittelt. Ich konnte das individuelle Kundenverhalten vorhersagen, um herauszufinden, welche Kunden gezielt angesprochen werden mussten, bevor sie sich abmelden w\u00fcrden.<\/p>\n\n\n\n Mit Blick auf mein fertiges Abschlussprojekt war ich wirklich \u00fcberrascht, wie viel ich in der Zeit der Data Analyst-Weiterbildung<\/a> gelernt habe. Die Weiterbildung bei StackFuel gab mir dar\u00fcber hinaus die M\u00f6glichkeit, andere Frauen kennenzulernen, die daran interessiert waren, einen Einstieg in die Tech-Branche zu finden. Ihre erstaunlichen Geschichten haben mich inspiriert, weiterzumachen.<\/p>\n\n\n\n <\/p>\n\n\n\n Erstens begleiten uns Daten in absolut jedem Aspekt des Lebens. Die F\u00e4higkeit, Entwicklungen, Wahrheiten und Trends hinter einfachen Zahlen zu erkennen, kann uns nicht nur helfen, bestehende Herangehensweisen zu verbessern, sondern auch durch verbesserte Entscheidungen etwas v\u00f6llig Neues zu schaffen.<\/p>\n\n\n\n Die Arbeit mit Daten kann mit einer Zwiebel verglichen werden: Man muss Schicht f\u00fcr Schicht einzeln untersuchen. Dies wird als Top-Down-Ansatz bezeichnet, bei dem man sich zun\u00e4chst auf einer primitiven Ebene umsieht und dann tiefer gr\u00e4bt, um Muster zu entdecken und Informationen daraus abzulesen.<\/p>\n\n\n\n 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 m\u00fcssen wir die Ergebnisse unserer Analysen einem nichttechnischen Publikum pr\u00e4sentieren und verst\u00e4ndlich machen.<\/p>\n\n\n\n Damit Daten zum Handeln und zur Ver\u00e4nderung anregen, muss man die Geschichte, die in ihnen verborgen liegt, erz\u00e4hlen. Wir sind als Kultur dazu gemacht, Geschichten zu erz\u00e4hlen und zu behalten. Dabei ist es nat\u00fcrlich erforderlich, die technische Seite nicht aus den Augen zu lassen und die Daten nicht der Geschichte anzupassen, sondern die Geschichte den Daten.<\/p>\n\n\n\n Nicht zuletzt sind Daten untrennbar mit Gesch\u00e4ftsproblemen und deren L\u00f6sung verbunden. Bei der Arbeit mit Daten kommt es in erster Linie auf die gesch\u00e4ftliche Vision an, also auf die F\u00e4higkeit, einen Mehrwert f\u00fcr das Unternehmen zu schaffen. Es hilft nicht, in Daten zu w\u00fchlen und unglaublich komplexe Modelle erstellen, wenn die Besonderheiten des Gesch\u00e4fts nicht verstanden und ber\u00fccksichtigt werden. Es geht darum, die wichtigsten Fragen f\u00fcr das Unternehmen und Antworten darauf zu finden. Und diese sind sehr individuell. Daf\u00fcr sind nicht immer besonders ausgefeilte Analysen erforderlich.<\/p>\n\n\n\n Wir danken Liudmila f\u00fcr das Interview und dass sie sich die Zeit genommen hat, mit uns zu sprechen. Wenn Du mehr von Liudmila lesen m\u00f6chtest, verpass nicht Teil 2 ihres Interviews zum Thema lebenslanges Lernen, wie sie auf ihre Data Analyst-Weiterbildung<\/a> aufgebaut hat und Frauen in der Datenbranche. <\/strong><\/p>\n\n\n\n![\"Werde\u202fData](\"https:\/\/stackfuel.com\/wp-content\/uploads\/2022\/02\/4werde-data-scientist-data-analyst-online-weiterbildung-1024x118.png\")
<\/a><\/figure>\n\n\n\nWelche drei Eigenschaften begeistern Dich am meisten an der Arbeit mit Daten?<\/h2>\n\n\n\n
![\"F\u00fcr](\"https:\/\/stackfuel.com\/wp-content\/uploads\/2022\/02\/15werde-data-scientist-data-analyst-online-weiterbildung-1024x118.png\")
<\/a><\/figure>\n\n\n\n