Niels, wie bist Du zu Cassini gekommen?
Vor meiner Zeit bei Cassini habe ich am Deutschen Institut für Wirtschaftsforschung als Volkswirt promoviert und gearbeitet. Während dieser Zeit habe ich es genossen, mich in wissenschaftliche und technische Details zu vertiefen und stets zu lernen. Mir ist aber auch klar geworden, dass ich nicht in der Forschung bleiben möchte, weil mir bei all dem Abstrakten die handfesten Ergebnisse meiner Arbeit gefehlt haben. Gleichzeitig fand ich die Abwechslung und Einblicke in unterschiedliche Bereiche verlockend, die die Beratungstätigkeit bietet. Bei der Suche hat Cassini mich von Anfang an als modernes und aufgewecktes Unternehmen überzeugt. Der Rest ist Geschichte.
Wie bist Du von VWL zu Data Science gekommen?
Mein Spezialgebiet waren statistische Methoden für Volkswirte in der Zeitreihenanalyse. In dem Bereich habe ich sehr viel mit Daten gearbeitet und hierfür auch Methoden entwickelt. Das hat mir sehr viel Spaß gemacht und ich wusste: Egal wohin ich mich entwickle, Daten sollen Bestandteil meiner Arbeit sein.
Wo sind Deine Schwerpunkte? Was machst Du genau bei DAA?
Kurz: Datenanalysen, Visualisierungen, Dashboards und Modelle bei Kunden entwickeln und darauf aufbauend Auswertungen erarbeiten, die einen Mehrwert für ihn liefern. Oft geht es auch darum, Grundlagen zu schaffen und die Daten des Kunden so zu organisieren, dass alles am richtigen Platz und im richtigen Format ist, sodass die Daten verwendet werden können und alle Mitarbeiter und Mitarbeiterinnen wissen, was diese überhaupt bedeuten.
Daneben kenne ich mich als Volkswirt gut mit Analysen von Kausaleffekten aus. Beim klassischen maschinellen Lernen geht es oft erst mal um reine Vorhersagekraft und weniger darum zu verstehen, weshalb ein System bestimmte Ergebnisse liefert. Wenn es allerdings darum geht, Veränderungen vorzunehmen, auch in einer Organisation oder an einem Produkt, ist es sehr hilfreich, eine Vorstellung davon zu haben, wie die Wirkmechanismen sind und was die Veränderung bewirken mag. In diesem Bereich sehe ich noch viel Potenzial für sogenannte kausale Inferenz und kausales Lernen anhand von Daten und Experimenten, gerade auch im Unternehmenskontext.
Was ist das Besondere im DAA-Team?
Der Teamspirit. Wir haben einen lockeren und freundlichen Umgang miteinander. Bei jeder Herausforderung tauschen wir uns aus und wachsen mit- und aneinander. Und extern treten wir als Experten und Expertinnen in unserem jeweiligen Kontext auf. Unsere Einschätzung und unsere Meinungen werden auch vom Kunden sehr wertgeschätzt.
Warum macht es Dir besonders viel Spaß, mit Daten zu arbeiten?
Es ist immer wieder eine kleine Schatzsuche. Am Anfang bekommen wir einen Datensatz und wenn wir ihn uns in Excel oder einem anderen geeigneten Programm anschauen, ist da erst mal unglaublich viel Chaos. Dann geht es darum, zu schauen, was es für Muster gibt. Wie können wir die Daten so aufbereiten, dass es auch für andere verständlich ist?
Wie sah Dein letztes Projekt aus?
Das Projekt war bei einer großen Kommune in Deutschland, die sich digitalisiert und auf dem Weg ist, mehr Daten zu verwenden, um die Öffentlichkeit besser zu informieren und um bessere Entscheidungen treffen und langfristig auch die Stadt klimaneutraler gestalten zu können. Das war bisher eines der am faszinierendsten Projekte. Herausfordernd war am Anfang die neue Projektumgebung: das Einfinden in die Organisationsstruktur, die Projektziele, die IT-Landschaft und die speziellen Tools, die für verschiedene Analysen zum Einsatz kommen. Da hilft es, wenn man Spaß am Lernen hat.
Warum ist es für Unternehmen immer wichtiger, sich mit Daten zu beschäftigen?
Es steckt unglaublich viel Informationspotenzial in Daten, die Organisationen nutzen können, um am Ende effizienter arbeiten zu können - ich denke, das gilt für alle Organisationen, egal welcher Branche. Daten sollten zudem zu einer Quintessenz werden, sodass Dienstleistungen und Produkte gebaut werden können, die ohne Daten gar nicht möglich wären.
Welche Herausforderungen siehst Du in dem Bereich zurzeit für Unternehmen? Worauf sollten sie achten?
Unternehmen sollten einen Plan haben, wenn sie sich mit dem Thema Daten beschäftigen. Wahrscheinlich trifft das auf so vieles zu. Aber besonders beim Thema Daten ist es sehr leicht, planlos anzufangen. Daher ist es so wichtig, ein Ziel vor Augen und so etwas wie eine Datenstrategie entwickelt zu haben, bevor man sich in ein konkretes Projekt stürzt.
Wie baut man diese am besten auf?
Im ersten Schritt sollte man schauen, was bereits im Unternehmen existiert. Gibt es eine Datenstrategie oder eine Data Governance? Wenn nicht, sollte man sich damit beschäftigen und sie gemeinsam mit der Fachabteilung entwickeln bzw. sich zumindest mit ihnen abstimmen. Am Ende ist es wichtig, dass diese Vorbereitungen auch gelebt werden und nicht nur ein Stück Papier bleiben.
Danke, Niels für Deine Einblicke! Wir wünschen Dir weiterhin viel Spaß und Erfolg.
