DieManager von Morgen WiWi-TReFF.de - Zeitung & Forum für Wirtschaftsstudium & Karriere
Berufseinstieg: Wo & WieML-KI

Data Science und AI: sehr viele Bewerber

Autor
Beitrag
WiWi Gast

Data Science und AI: sehr viele Bewerber

Ich möchte euch davor warnen, dass Data Science und AI sehr kompetetiv ist und sich sehr viele Bewerber auf eine Stelle bewerben. Es gibt zwar wenige Experten, aber sehr viele Absolventen und Quereinsteieger, also lasst euch nicht von medialen Hypes fehlleiten.

Nicht nur, dass es viele Bewerber gibt, es sind auch sehr gute Bewerber, im Sinne von Noten (großer Teil<1.5). Über 100 Bewerbungen auf eine Stelle in einem Industrie Mittelständler. wohingegen wir auf vergleichbare Stellen abseits von KI, viel weniger Bewerber haben (auch qualitativ).

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

danke

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

Woher stammen deine Informationen?

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

Wie sehen das andere?

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

Mir egal, habe schon einen Job

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

WiWi Gast schrieb am 05.09.2019:

Ich möchte euch davor warnen, dass Data Science und AI sehr kompetetiv ist und sich sehr viele Bewerber auf eine Stelle bewerben. Es gibt zwar wenige Experten, aber sehr viele Absolventen und Quereinsteieger, also lasst euch nicht von medialen Hypes fehlleiten.

Nicht nur, dass es viele Bewerber gibt, es sind auch sehr gute Bewerber, im Sinne von Noten (großer Teil<1.5). Über 100 Bewerbungen auf eine Stelle in einem Industrie Mittelständler. wohingegen wir auf vergleichbare Stellen abseits von KI, viel weniger Bewerber haben (auch qualitativ).

Ich weiss nicht ob es stimmt, aber eines kann ich bestätigen, nämlich dass viele Informatiker Master und anspruchsvollen Schwerpunkten später etwas machen, was ein fähiger Fachinformatiker mit Lehre nicht auch hin kriegen würde.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

WiWi Gast schrieb am 05.09.2019:

Ich möchte euch davor warnen, dass Data Science und AI sehr kompetetiv ist und sich sehr viele Bewerber auf eine Stelle bewerben. Es gibt zwar wenige Experten, aber sehr viele Absolventen und Quereinsteieger, also lasst euch nicht von medialen Hypes fehlleiten.

Nicht nur, dass es viele Bewerber gibt, es sind auch sehr gute Bewerber, im Sinne von Noten (großer Teil<1.5). Über 100 Bewerbungen auf eine Stelle in einem Industrie Mittelständler. wohingegen wir auf vergleichbare Stellen abseits von KI, viel weniger Bewerber haben (auch qualitativ).

Der Hype wird auch wieder abflachen. Im Moment stellen gerade große Firmen da massiv Leute ein, damit sie innovativ und fortschrittlich wirken.

In den 70ern und 80ern war "Operations Research" genau so ein Hype. Die meisten Firmen machen den gleichen Kram wie damals, bloß heute verkauft man das halt dann als "Maschine Learning". Der Hype ist damals dann auch schnell abgeflacht und die meisten haben den Bereich dann (ge­zwun­ge­ner­ma­ßen) wieder verlassen.

Es gibt auf der Welt kaum eine handvoll Firmen, die sich wirklich seriös mit ML und KI beschäftigen. Und die sind eher klein und sehr selektiv (z.B. Deepmind). Alle anderen machen da kaum mehr als Selbstvermarktung.

In den USA ist man schon etwas weiter. Da ist "Data Scientist" schon als der "most frustrating Job 2019" bekannt, eben weil Firmen damit kaum mehr als Selbstvermarktung machen. In Europa kommt der Trend gerade erst an, wird sich aber auch nicht ewig halten.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

WiWi Gast schrieb am 05.09.2019:

Ich weiss nicht ob es stimmt, aber eines kann ich bestätigen, nämlich dass viele Informatiker Master und anspruchsvollen Schwerpunkten später etwas machen, was ein fähiger Fachinformatiker mit Lehre nicht auch hin kriegen würde.

Ich arbeite jetzt seit 20 Jahren in dem Bereich und kann trotz massivem medialem Hype und "Fachkräftemangel" keinerlei positive Entwicklung im Informatikbereich erkennen. Ich würde meinen Kindern definitiv von einem Studium der Informatik abraten (viele Kollegen übrigens auch).

Als die IT in Deutschland noch in den Kinderschuhen stecke, da war man als Dipl. Inf. noch wer. Man konnte de facto machen was man wollte, wurde gut bezahlt und war begehrte Mangelware. Man hat auch viele interessante und fortschrittliche Projekte gehabt, die eine große Auswirkung auf den ganzen Konzern gehabt haben.
Jetzt über 15 Jahre später verwaltet man nur noch. Alles wird an irgendwelche Dienstleister outgesourct. Als ITler im Konzern hat man da noch die Glückskarte. Man verdient gut und muss eigentlich wenig machen. Was man als ITler bei irgendwelchen Dienstleistern ertragen muss, da ging es unseren Putzkräften im Konzern (Gewerkschaft sei Dank) früher besser (bevor die auch an einen Dienstleister ausgelagert wurden...).

Die Deprofessionalisierung in dem Bereich ist auch ziemlich stark inzwischen. Einen Dienstleister zu finden, der eine simple IT-Aufgabe zuverlässig erledigt, ist inzwischen eine Kunst geworden. Die Großen sind Mist und zocken einen dabei noch ab, die kleinen sind zwar günstig aber auch Mist.

Ich glaube, dass die immer zunehmende Zahl an (eigentlich wenig geeigneten) Absolventen und die unzähligen Quereinsteiger auch ihren Anteil daran haben. Mich wundert es immer wieder, was für Gestalten mir dann von irgendwelchen Dienstleistern als "Senior Software Engineer" oder als "Lead Developer" in Rechnung gestellt werden. Wenn man die Leute mal anruft, können die meist nicht mal die einfachsten Zusammenhänge fehlerfrei erklären.
Kein Wunder, dass Projekte dann nicht in der geforderten Qualität und Zeit geliefert werden können (obwohl immer alle im Pitch glauben, dass sie das schaffen). Aber unser Vorstand ist halt taub für solche Probleme (IT ist ja nicht mal direkt vertreten, sondern dem COO untergeordnet).

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

Wer sich nur einmal die Statistiken zur globalen Datenmenge anschaut weiß, dass dieser Bereich große Aussichten hat. Allerdings sollte auch einmal der Beruf des Data Engineers in den Vordergrund rücken und man muss festhalten, dass die fancy Machine Learning Methoden vielleicht 10 % der Zeit eines Data Scientists im Alltag darstellen.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

WiWi Gast schrieb am 05.09.2019:

Wer sich nur einmal die Statistiken zur globalen Datenmenge anschaut weiß, dass dieser Bereich große Aussichten hat. Allerdings sollte auch einmal der Beruf des Data Engineers in den Vordergrund rücken und man muss festhalten, dass die fancy Machine Learning Methoden vielleicht 10 % der Zeit eines Data Scientists im Alltag darstellen.

Es muss differenziert werden. Durch die weltweite Vernetzung und die Skalierungsmöglichkeiten kann ein schlauer Kopf auch im Bereich Data Science mehrere Leute ersetzen, Tendenz steigend. Reine Anwender, die den Großteil der Leute ausmachen (vorranging WInfs, Infs ohne entsprechende Spezialisierung, Quereinsteiger) fahren dementsprechend immer Gefahr, wegrationalisiert zu werden. Derzeit leben wir noch in einer glücklichen Phase, in der die ML-Forschung so weit voraus ist (und gleichzeitig äußerst anfängerfreundlich in gängigen Programmiersprachen implementiert ist), dass selbst relativ primitives Anwenderwissen einen hohen Praxisnutzen für Firmen darstellt. Das kann sich alles in ein, zwei Jahren komplett ändern.

Wenn heute jemand noch ML machen möchte, würde ich ihm raten, die "Entweder Alles oder Nichts" Schiene zu fahren. Spezialisierung, idealerweise mit Top-PhD.

Das berührt natürlich nicht die Tatsache, dass es auch als Fachfremder zumindest nützlich/interessant ist, sich Grundkenntnisse bei Coursera und co. anzueignen.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

Denke, dass der Bereich in Zukunft weiterwachsen wird und auch zukünftig gute Perspektiven bieten wird. Allerdings wird man in dem Bereich (wie ein Vorposter schon geschrieben hat) immer mehr Data Engineering Schills brauchen. In den USA zeichnet sich der Trend schon seit längerem ab: in einem datenbasierten Projekt entsteht in etwa 5-mal so viel Arbeit im Data Engineering Bereich wie im reinen Data Science (mathematisch, statistisch).

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

Da muss ich ganz klar widersprechen. Ein Großteil der Arbeit entsteht nicht in der Weiterentwicklung von (mathemischen) Methoden und auch nicht in der Entwicklung von bahnbrechenden neuen statistischen Modellen. Über 90% der Arbeit sind Beschaffung der Daten, Aufarbeitung der Datensätze, Arbeit an der technischen Verarbeitung von Daten und allgemein Anwendung der Basics. Und genau diese Arbeit ist es die gerade nicht wegrationalisiert werden wird und kann. Es wird genau andersrum sein: Es werden sich methodische Standards durchsetzen die einen Großteil der echten Entwicklungsarbeit abseits der Spitzenforschung überflüssig machen aber der "unsexy" Teil der Arbeit der wird definitiv bleiben.

Allein, dass hier nur so mit Buzzwords wie deepmind rumgeworfen wird zeigt, dass hier ein Großteil keine realistische Vorstellung davon hat was bei Data Science Projekten im Endeffekt wirklich gemacht wird.

WiWi Gast schrieb am 05.09.2019:

Es muss differenziert werden. Durch die weltweite Vernetzung und die Skalierungsmöglichkeiten kann ein schlauer Kopf auch im Bereich Data Science mehrere Leute ersetzen, Tendenz steigend. Reine Anwender, die den Großteil der Leute ausmachen (vorranging WInfs, Infs ohne entsprechende Spezialisierung, Quereinsteiger) fahren dementsprechend immer Gefahr, wegrationalisiert zu werden. Derzeit leben wir noch in einer glücklichen Phase, in der die ML-Forschung so weit voraus ist (und gleichzeitig äußerst anfängerfreundlich in gängigen Programmiersprachen implementiert ist), dass selbst relativ primitives Anwenderwissen einen hohen Praxisnutzen für Firmen darstellt. Das kann sich alles in ein, zwei Jahren komplett ändern.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

  1. Data Science ist nicht Informatik. Ich arbeite jetzt seit über sechs Jahren in dem Bereich und auch als Unternehmenberater für verschiedene Konzerne. Informatiker kommen immer erst ganz zum Schluss zur Anwendung, wenn man sich Gedanken um die Integration machen muss. Beim vorherigen Aufbau waren IT'ler eher weniger hilfreich. In den Meetings sind sie meist stumm.
  2. Der Großteil der Unternehmen ist überhaupt nicht auf eine Intergration dieser Techniken vorbereitet, stellt daher auch nur Beschränkt Budgets für die Abteilungen zur Verfügung. Der aktuelle Konzern, für den ich beratend tätig bin, hat erst einmal per se(!) zwei Jahre veranschlagt mit dem Hinweis, dass größere Projekte nicht vor 2020 starten. Das wurde wohlbemerkt Ende 2018 entschieden. War bei zwei anderen Kunden vorher auch so. Bis dahin bin ich tatsächlich der einzige, der in der Richtung etwas tut.
  3. Es wird allgemein überschätzt was statistische Methoden tatsächlich im Alltag(!), also im operativen Geschäft berwerkstelligen können, sofern das ganze nicht auf Naturgesetzen beruht und langfristig(!) automatisierbar ist. Sprich: Es gibt sehr vielfältige Anwendungen in der Softwareantwicklung, bspw. autonomes Fahren, in der sequentielle Verbesserung von Proktionsprozessen, usw. Das heißt aber nicht, dass es für andere Abteilungen anwendbar gemacht werden kann.
  4. Das, was landläufig als "Data Science" kolportiert wird, ist in der Regel Data Engineering. Es kommt ganz selten vor, dass tatsächlch eine eigene Algorithmik entwickelt wird. Und das ist auch nicht wünschenswert, da Aufwand und Ertrag überhaupt nicht abschätzbar sind.

Damit erhöht sich aber auch der Kreis der Anwender. Im Zweifel können dies auch BWL'er sein. Es ist viel wichtiger, dass man erkennt, welche Fragestellungen man mit welchen Techniken analysieren kann.

Beispiel: Ich habe aktuell einen ziemlich großen Datensatz, prädestiniert für eine dynamische Panelregression. So etwas wird selten bis gar nicht in den Data Science Kursen gelehrt oder gar angewendet. Es gibt auch in Python keine passende Integration für so etwas (also, das, was ich benötige). Jemand, der jetzt diese Daten bekommt würde also vollkommen falsch an die Sache herangehen.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

Alle Tools, die Data Engineers heute das Leben einfach machen, werden laufend von der Spitzenforschung beeinflusst und maßgeblich gepflegt. Siehe z.B. den Ideal-Case von AutoML - komplexe Prozesse, die ehemals viele Data Scientists & Engineers benötigten, werden letztlich auf die Leute reduziert, die die zugrundeliegende Technologie bei Google bauen (hochspezialisierte Forscher) und ein paar wenige Anwender, welche eigentlich fast gar keinen Mehrwert mehr bringen.

Datenbeschaffung & Sanitation ist nochmal ein Thema für sich, wobei da derzeit externe Serviceprovider erstarken.

Und wo ist DeepMind bitte ein Buzzword?

WiWi Gast schrieb am 05.09.2019:

Da muss ich ganz klar widersprechen. Ein Großteil der Arbeit entsteht nicht in der Weiterentwicklung von (mathemischen) Methoden und auch nicht in der Entwicklung von bahnbrechenden neuen statistischen Modellen. Über 90% der Arbeit sind Beschaffung der Daten, Aufarbeitung der Datensätze, Arbeit an der technischen Verarbeitung von Daten und allgemein Anwendung der Basics. Und genau diese Arbeit ist es die gerade nicht wegrationalisiert werden wird und kann. Es wird genau andersrum sein: Es werden sich methodische Standards durchsetzen die einen Großteil der echten Entwicklungsarbeit abseits der Spitzenforschung überflüssig machen aber der "unsexy" Teil der Arbeit der wird definitiv bleiben.

Allein, dass hier nur so mit Buzzwords wie deepmind rumgeworfen wird zeigt, dass hier ein Großteil keine realistische Vorstellung davon hat was bei Data Science Projekten im Endeffekt wirklich gemacht wird.

WiWi Gast schrieb am 05.09.2019:

Es muss differenziert werden. Durch die weltweite Vernetzung und die Skalierungsmöglichkeiten kann ein schlauer Kopf auch im Bereich Data Science mehrere Leute ersetzen, Tendenz steigend. Reine Anwender, die den Großteil der Leute ausmachen (vorranging WInfs, Infs ohne entsprechende Spezialisierung, Quereinsteiger) fahren dementsprechend immer Gefahr, wegrationalisiert zu werden. Derzeit leben wir noch in einer glücklichen Phase, in der die ML-Forschung so weit voraus ist (und gleichzeitig äußerst anfängerfreundlich in gängigen Programmiersprachen implementiert ist), dass selbst relativ primitives Anwenderwissen einen hohen Praxisnutzen für Firmen darstellt. Das kann sich alles in ein, zwei Jahren komplett ändern.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

WiWi Gast schrieb am 05.09.2019:

Wenn heute jemand noch ML machen möchte, würde ich ihm raten, die "Entweder Alles oder Nichts" Schiene zu fahren. Spezialisierung, idealerweise mit Top-PhD.

Das würde ich trotz meines phds tatsächlich überhaupt nicht unterschreiben, im Gegenteil ich würde dazu raten eher Generalist zu werden, denn diese spezialisierten Tasks werden fast ausschließlich in den großen Techunternhemen umgesetzt und alle anderen nutzen die Services/Frameworks nur. Klar wenn man da rein kommt passt das aber das sind sehr wenige Stellen. Was viel mehr gebraucht wird sind Leute, die diese Tools nutzen und gleichzeitig wissen, wie man so etwas gewinnbringend im Unternehmen einsetzen kann. Also wirklich Schnittstellenpositionen mit breiten SWE Wissen.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

Data Scientist sind support Funktionen. Die bringen keinen Umsatz => wenig pay. Das wird immer so sein.

antworten
WiWi Gast

Data Science und AI: sehr viele Bewerber

DeepMind hat mit Data Science tatsächlich gar nichts zu tun, zumindest nicht mit dem Data Science, was die meisten Unternehmen brauchen. Deep Mind ist reine Forschung.

Data Science ist auch ein sehr inflationärer Begriff. In der Regel braucht es keine neuronalen Netze, sondern Regression oder XGBosst. Auch die Art des Models ist nicht so wirklich wichtig, da diese einfach austauschbar sind, es geht immer um Datenaufbereitung und co. Da ist es dann aber auch nicht damit getan ein 0815 Tutorial gemacht zu haben und über das "produktiv stellen" wollen wir lieber nicht reden.

AutoML ist auch wieder so ein gehyptes Tool, dass kaum Anwendungfindet, denn es nimmt dir im Prinzip nichts ab, was eine GridSearch nicht auch kann. Die Toy-Usecases kannst du auch vergessen. Die ganzen Cloud Lösungen haben mich bisher auch eher enttäuscht der Mehrwert ist im Vergleich zu den Kosten eher gering.

antworten

Artikel zu ML-KI

Künstliche Intelligenz ist Top-Thema bei Unternehmen

Die Großbuchstaben "KI" auf einer Taste stehen für "Künstliche Intelligenz"

Neun von zehn Managern erwarten grundlegende Veränderungen bei ihren Geschäftsprozessen und Kundeninteraktionen durch Künstliche Intelligenz (KI). Die strategische Bedeutung von Künstlicher Intelligenz zieht daher Anpassung der Unternehmens­strategie nach sich. Effizienz und Kundenzentrierung werden dabei derzeit als größtes Potenzial der KI-Technologien gesehen, so die Ergebnisse von Lünendonk und Lufthansa Industry Solutions in ihrer Sonderanalyse Künstliche Intelligenz.

Deutschland will führend in Künstlicher Intelligenz werden

Künstliche Intelligenz: Das Wahlplakat der CDU zur Bundestagswahl 2017 zeigt Angela Merkel.

Deutschland müsse "noch schneller und entschiedener" bei der Förderung der Künstlichen Intelligenz (KI) werden. Das sagt Bundeskanzlerin Merkel in ihrem neuen Video-Podcast. Deshalb will die Bundesregierung bis zum Ende dieser Legislaturperiode drei Milliarden Euro für die Förderung von Künstlicher Intelligenz ausgeben.

Bewerbungsgespräch: Künstliche Intelligenz analysiert angehende Führungskräfte

Thomas Belker, Vorstandssprecher Talanx Service AG

Thomas Belker, Vorstandssprecher der Talanx Service AG, sprach im Interview mit dem Tagesspiegel über Precire – einer Software, die in zehn Minuten die Persönlichkeit eines Bewerbers durchanalysiert. Der Algorithmus kann 42 Dimensionen einer Persönlichkeit messen. Talanx nutzt die Software, um Bewerber für den Vorstand und die beiden Führungsebenen darunter auszuwählen, sowie für die Weiterentwicklung des Top-Managements.

Bain-Karriereprogramm »Red Carpet« für Berufseinsteiger

Bain-Karriereprogramm "Red Carpet": Von oben aufgenommen betritt eine Business-Frau gerade einen roten Teppich.

Das neue Karriereprogramm „Red Carpet“ der Strategieberatung Bain & Company unterstützt Studenten beim Berufseinstieg. Ob Wirtschaftswissenschaftlerin oder Wirtschaftswissenschaftler im ersten Semester, Jurist im Staatsexamen oder Psychologiestudentin im Master: Das Karriereprogramm „Red Carpet“ richtet sich an Studierende aller Fachrichtungen und Semester.

Studie: Hochschulabsolventen starten erfolgreich ins Berufsleben

Berufsstart: Ein Vogel landet im Getümmel.

Die Arbeitslosenquote liegt sowohl für Fachhochschul- als auch für Universitätsabsolventen mit traditionellen Abschlüssen – Diplom, Magister, Staatsexamen - nach einem Jahr bei 4 Prozent. Bachelors sind sogar noch seltener arbeitslos (3 Prozent, FH bzw. 2 Prozent Uni). Das zeigt die aktuelle Absolventenstudie des HIS-Instituts für Hochschulforschung (HIS-HF).

Broschüre: Startklar - Tipps und Infos für Uni-Absolventen

Berufseinstieg: Ein Lego-Männchen steht am Start in einem Labyrint.

Wie gelingt der Start in den Beruf am besten? Hilfestellung leistet die Broschüre »Startklar«, die vom Informationszentrum der deutschen Versicherer ZUKUNFT klipp + klar neu aufgelegt wurde. Uni-Absolventen finden dort nützliche Tipps, wie sie ihrem Traumjob näher kommen.

Millenials mit Angst um Arbeitsplatz durch holprigen Berufsstart

Eine Frau klettert - wie nach dem Berufseinstieg - in einer Halle nach oben.

Die Generation Y, der zwischen 1980 und 1999 Geborenen, ist durch Probleme beim Berufseinstieg geprägt. Die Konsequenzen sind ein Gefühl der Unsicherheit und Angst um den Arbeitsplatz. Die unter 35-Jährigen Millenials denken zudem überwiegend individualistisch, zeigt eine von der Hans-Böckler-Stiftung geförderte Studie.

Bildung auf einen Blick 2016: Start ins Berufsleben funktioniert

Blick auf Berufseinstieg: Der Gesichtsausschnitt einer Frau mit Auge und Augenbraue.

Die aktuelle OECD-Studie „Bildung auf einen Blick 2016“ bestätigt: Die deutsche Erwerbslosenquote liegt in allen Bildungsbereichen unter dem OECD-Durchschnitt. Das berufliche Bildungssystem in Deutschland beweist seine Stärke durch den reibungslosen Übergang von der Ausbildung in den Beruf. Der Bericht zeigt, wer einen Studienabschluss ergreift, hat einen Gehaltsvorteil von mehr als 50 Prozent. Im Ländervergleich sind in Deutschland besonders MINT-Studiengänge beliebt.

Vitamin-B beim Berufseinstieg der Königsweg

Eine goldene selbstgebastelte Krone symbolisiert die kostbaren Beziehungen beim Berufseinstieg.

Hochschulabsolventen, die über persönliche Kontakte ihre erste Stelle finden, erzielen höhere Gehälter, haben bessere Aufstiegschancen und bleiben diesem Arbeitgeber länger treu, so lautet das Ergebnis einer Absolventenbefragung vom Bayerischen Staatsinstitut für Hochschulforschung.

JobTrends 2017: Gute Jobaussichten für Wirtschaftswissenschaftler

Screenshot: Jobtrends-Studie 2017 von Kienbaum und Staufenbiel.

Was Berufseinsteiger im Jahr 2017 wissen müssen, dem ist die JobTrends-Studie von Staufenbiel und Kienbaum nachgegangen. Personaler checken Bewerbungen oft nur in maximal fünf Minuten. In nur sechs Prozent der Fälle googlen Entscheider den Namen der Bewerber. Punkten können Absolventen beim Berufseinstieg eher mit Praxiserfahrung als mit einem guten Studienabschluss. Beim Gehalt können Berufseinsteiger aktuell fünf bis zehn Prozent mehr heraushandeln.

Junge Menschen starten immer später ins Berufsleben

Ein Gemälde an einer geschlossenen Garage von Menschen, die in einer Kneipe sitzen und der Schrift:...what else?!

Anteil der Erwerbstätigen unter den jungen Menschen im Alter von 15 bis 29 Jahren von April 1991 bis Mai 2003 deutlich von 63% auf 48% gesunken.

McKinsey-Fellowship: Einstiegsprogramm Marketing & Sales für Studenten

Ein Mann geht mit großen Schritten an einem Graffiti mit dem Inhalt: Good vorbei.

Hochschulabsolventen mit ersten Berufserfahrungen und Interesse an Marketing und Vertrieb können sich ab sofort für das Marketing & Sales Fellowship von der Unternehmensberatung McKinsey & Company bewerben. Der neue Jahrgang des Programms startet zum 1. Oktober 2017 in Düsseldorf, München oder Köln. Die Bewerbung ist bis zum 23. April 2017 möglich.

Berufseinstieg: Stipendiaten fordern bessere Digitalausbildung im Studium

Einstieg, Enter, Berufseinstieg,

Die Digitalisierung ist längst nicht mehr aufzuhalten. Um auf dem zukünftigen Arbeitsmarkt bestehen zu können, sollten junge Talente während des Studiums darauf vorbereitet werden. Fähigkeiten in der Analyse großer Datenmengen, Webanalysen und Programmierung zu besitzen, sehen Toptalente für den Berufseinstieg als zentral an. Das ergeben die neuen Ergebnisse der Umfrage „Most Wanted“ des Karrierenetzwerks e-fellows.net und der Unternehmensberatung McKinsey & Company.

Literatur-Tipp: Top-Karriere mit Staufenbiel Wirtschaftswissenschaftler

Handbuch-Staufenbiel Wirtschaftswissenschaftler 2010

Der erste Job soll top sein: Wer als Wirtschaftswissenschaftler nach der Uni durchstarten will, sollte auch Experte in Sachen Karriere, Bewerbung, Arbeitgeber und Einstiegsgehälter sein. Wie es mit Karriere und Jobeinstieg klappt, das zeigt zweimal im Jahr jeweils die aktuelle Ausgabe von »Staufenbiel Wirtschaftswissenschaftler«.

Unternehmen legen bei Absolventen am meisten Wert auf Praxiserfahrung

Eine blaue Mappe mit der weißen Aufschrift Bewerbung rechts oben in der Ecke, auf einem Hocker im Garten.

Die Hochschul-Recruiting-Studie 2014 der Jobbörse Jobware und der Hochschule Koblenz deckt die wichtigsten Einstellungskriterien auf. Die Unternehmen legen bei Absolventen am meisten Wert auf die Praxiserfahrung, den passenden Studiengang und Studienschwerpunkt.

Antworten auf Data Science und AI: sehr viele Bewerber

Als WiWi Gast oder Login

Forenfunktionen

Kommentare 17 Beiträge

Diskussionen zu ML-KI

24 Kommentare

Weg von VWL

WiWi Gast

WiWi Gast schrieb am 18.01.2020: Traumhaft, macht aber wenig Sinn, dem TE sowas zu raten, wenn der sich das selb ...

Weitere Themen aus Berufseinstieg: Wo & Wie