Kann man als BSc VWL (Schwerpunkt Statistik und Ökonometrie) noch den Umstieg auf Data Science machen? Wenn ja wie?
Möchte keinen zweiten Bachelor machen.
Welchen Master kann man noch anvisieren, der einen in diesen Bereich bringt und mit dem Bachelor möglich ist?

WiWi Gast schrieb am 24.08.2019:

Kann man als BSc VWL (Schwerpunkt Statistik und Ökonometrie) noch den Umstieg auf Data Science machen? Wenn ja wie?
Möchte keinen zweiten Bachelor machen.
Welchen Master kann man noch anvisieren, der einen in diesen Bereich bringt und mit dem Bachelor möglich ist?

Evtl. nen Master in Statistik

Immer wieder die gleichen Fragen...
Data Science kannst du nicht auf einem VWL-Bachelor aufsetzen. Auch für eine Astronautenkarriere wird damit schwer. Entweder du machst einen entsprechenden Bachelor, oder du folgst einer VWL-Karriere.

WiWi Gast schrieb am 24.08.2019:

Immer wieder die gleichen Fragen...
Data Science kannst du nicht auf einem VWL-Bachelor aufsetzen. Auch für eine Astronautenkarriere wird damit schwer. Entweder du machst einen entsprechenden Bachelor, oder du folgst einer VWL-Karriere.

Son Quatsch, nach halt deinen Master in angewandter Mathematik irgendeine nichtlineare optimierungskacke und schon kannst du dich Data Scientist nennen..

Besser wäre natürlich der klassische weg theoretische Informatik / reine Mathematik -> reinforcement learning -> Wirtschaft mit über 120k Einstieg

Lern einfach SQL, 50% der 'Data Scientists' in Deutschland machen nichts anderes

WiWi Gast schrieb am 24.08.2019:

Immer wieder die gleichen Fragen...
Data Science kannst du nicht auf einem VWL-Bachelor aufsetzen. Auch für eine Astronautenkarriere wird damit schwer. Entweder du machst einen entsprechenden Bachelor, oder du folgst einer VWL-Karriere.

Kompletter BS. Erzähl doch nichts von Sachen von denen du keine Ahnung hast.

Mit einem Background in Ökonometrie und Statistik bist du gut vorbereitet. Bewirb dich und schau was passiert. Gefühlt die Hälfte aller Leute in angewandter ML/Data Science Forschung haben einen VWL/Econometrics background.

Etliche Ökonometrie Lehrstühle (Susan Athey, Guido Imbens, Sendhil Mulainathan nur Mal als Beispiele) befassen sich mit dem Kram, ganz zu schweigen davon dass viel was heute unter buzzwords gehyped wird nichts anderes als bekannte Statistikmethoden in neuer Verpackung und mit mehr Fokus auf prediction gegenüber causal inference sind

Mach hands-on ein paar Projekte. Lern Python, R und SQL.

WiWi Gast schrieb am 24.08.2019:

WiWi Gast schrieb am 24.08.2019:

Kompletter BS. Erzähl doch nichts von Sachen von denen du keine Ahnung hast.

Mit einem Background in Ökonometrie und Statistik bist du gut vorbereitet. Bewirb dich und schau was passiert. Gefühlt die Hälfte aller Leute in angewandter ML/Data Science Forschung haben einen VWL/Econometrics background.

Etliche Ökonometrie Lehrstühle (Susan Athey, Guido Imbens, Sendhil Mulainathan nur Mal als Beispiele) befassen sich mit dem Kram, ganz zu schweigen davon dass viel was heute unter buzzwords gehyped wird nichts anderes als bekannte Statistikmethoden in neuer Verpackung und mit mehr Fokus auf prediction gegenüber causal inference sind

Nicht TE, aber stehe auch vor dem gleichen Problem und konkrete Master wurden leider noch nicht gepostet.

+1

WiWi Gast schrieb am 24.08.2019:

WiWi Gast schrieb am 24.08.2019:

Kompletter BS. Erzähl doch nichts von Sachen von denen du keine Ahnung hast.

Mit einem Background in Ökonometrie und Statistik bist du gut vorbereitet. Bewirb dich und schau was passiert. Gefühlt die Hälfte aller Leute in angewandter ML/Data Science Forschung haben einen VWL/Econometrics background.

Etliche Ökonometrie Lehrstühle (Susan Athey, Guido Imbens, Sendhil Mulainathan nur Mal als Beispiele) befassen sich mit dem Kram, ganz zu schweigen davon dass viel was heute unter buzzwords gehyped wird nichts anderes als bekannte Statistikmethoden in neuer Verpackung und mit mehr Fokus auf prediction gegenüber causal inference sind

WiWi Gast schrieb am 25.08.2019:

+1

WiWi Gast schrieb am 24.08.2019:

Harte Worte für einen schlecht recherchierten Beitrag...

Ein ökonometrie-studium und ein vwl-studium sind zwei paar Schuhe, das wirst du in einem quantitativen Master schnell merken. Auch einen mathe-master kann zu 90% vergessen. Ich habe sehr quantitative VWL studiert und viel Ökonometrie gemacht. Dadurch verstehe ich viel von Data Science Methoden, wenn ich mich damit beschäftige, bin aber noch lange kein Data Scientist. Das ist einfach ein bisschen mehr als Lineare regressioenen und irgendwelche Vola-Modelle.

Ökonometrie-Lehrstühle wenden Data Science Methoden an, entwickeln sie aber nicht. Das ist der Knackpunkt. Data science beschäftigt sich mit der Entwicklung der Methoden, das ist der Inhalt dieser Wissenschaft.

Klar kann man irgendeinen Buzzword-Master machen. Aber macht dem TE doch nicht vor er könnte danach wirkliche Data Science machen. Dass das Anwendungsgebiet breiter ist steht ja außer Frage.

WiWi Gast schrieb am 25.08.2019:

Harte Worte für einen schlecht recherchierten Beitrag...

Ein ökonometrie-studium und ein vwl-studium sind zwei paar Schuhe, das wirst du in einem quantitativen Master schnell merken. Auch einen mathe-master kann zu 90% vergessen. Ich habe sehr quantitative VWL studiert und viel Ökonometrie gemacht. Dadurch verstehe ich viel von Data Science Methoden, wenn ich mich damit beschäftige, bin aber noch lange kein Data Scientist. Das ist einfach ein bisschen mehr als Lineare regressioenen und irgendwelche Vola-Modelle.

Ökonometrie-Lehrstühle wenden Data Science Methoden an, entwickeln sie aber nicht. Das ist der Knackpunkt. Data science beschäftigt sich mit der Entwicklung der Methoden, das ist der Inhalt dieser Wissenschaft.

Klar kann man irgendeinen Buzzword-Master machen. Aber macht dem TE doch nicht vor er könnte danach wirkliche Data Science machen. Dass das Anwendungsgebiet breiter ist steht ja außer Frage.

1/10

Data Sciene ist bei weitem keine Raketenwissenschaft und ich kenne genug Leute die das ohne vorherigen Data Science Bachelor studiert haben. Im Endeffekt trägst du immer nur irgendwelche Daten zusammen, als bräuchte man dafür überhaupt studiert haben.

Dann versucht es. Viel Erfolg!

ggWP schrieb am 25.08.2019:

1/10

Data Sciene ist bei weitem keine Raketenwissenschaft und ich kenne genug Leute die das ohne vorherigen Data Science Bachelor studiert haben. Im Endeffekt trägst du immer nur irgendwelche Daten zusammen, als bräuchte man dafür überhaupt studiert haben.

Deine Bekannten arbeiten im Bereich Data Analytics, kann das sein?

Aus Marketinggründen wird heutzutage alles Data Science genannt, was irgendwie mit Daten zu tun hat. Es ist aber auch nicht so, dass sich "richtige" Data Scientists ausschließlich mit Methodenentwicklung, also Grundlagenforschung beschäftigen. Es gibt durchaus praktische Anwendungen, bei denen die Formulierung und Beantwortung einer möglichen Fragestellungen die Fähigkeiten eines rudimentär ausgebildeten Data Analyst überschreiten.

WiWi Gast schrieb am 25.08.2019:

ggWP schrieb am 25.08.2019:

Deine Bekannten arbeiten im Bereich Data Analytics, kann das sein?

Naja er hat schon recht, arbeite mittlerweile in einer richtigen Data Science Abteilung. Jetzt gibts targets mit X paper pro Jahr veröffentlichen. Ist halt mehr research scientist, aber in Deutschland ist der Begriff sehr verwässert. Gehalt ist beim (zumindest bei mir) Research Bereich sehr viel höher geworden.

Haha okay, dann such dir bitte ein x-beliebiges paper dazu raus und versuche es zu verstehen :) Danach reden wir weiter

ggWP schrieb am 25.08.2019:

WiWi Gast schrieb am 25.08.2019:

1/10

Data Sciene ist bei weitem keine Raketenwissenschaft und ich kenne genug Leute die das ohne vorherigen Data Science Bachelor studiert haben. Im Endeffekt trägst du immer nur irgendwelche Daten zusammen, als bräuchte man dafür überhaupt studiert haben.

hat jemand konkrete vorschläge für programme?

WiWi Gast schrieb am 21.01.2022:

hat jemand konkrete vorschläge für programme?

Wie wäre es mit einem Master in Statistik?

WiWi Gast schrieb am 10.02.2022:

Wie wäre es mit einem Master in Statistik?

Hätte ich jetzt auch gesagt. Denke damit ist man am besten dafür ausgebildet.

ggWP schrieb am 25.08.2019:

1/10

Data Sciene ist bei weitem keine Raketenwissenschaft und ich kenne genug Leute die das ohne vorherigen Data Science Bachelor studiert haben. Im Endeffekt trägst du immer nur irgendwelche Daten zusammen, als bräuchte man dafür überhaupt studiert haben.

-10/10

Deine Freunde sind keine Data Scientists so wie 90% der Leute die sich so betiteln. Sie sind Data Analysts, die vorgefertigte Methoden anwenden

WiWi Gast schrieb am 07.06.2022:

ggWP schrieb am 25.08.2019:

-10/10

Deine Freunde sind keine Data Scientists so wie 90% der Leute die sich so betiteln. Sie sind Data Analysts, die vorgefertigte Methoden anwenden

Data Scientist sind Leute mit einem Master in Informatik und einer entsprechenden Ausrichtung, Mathematik oder einem Master in Statistik (Universität natürlich). Letzteres ist in meinen Augen am besten geeignet, um sich am Ende ernsthaft Data Scientist nennen zu dürfen.

WiWi Gast schrieb am 10.06.2022:

WiWi Gast schrieb am 07.06.2022:

Data Scientist sind Leute mit einem Master in Informatik und einer entsprechenden Ausrichtung, Mathematik oder einem Master in Statistik (Universität natürlich). Letzteres ist in meinen Augen am besten geeignet, um sich am Ende ernsthaft Data Scientist nennen zu dürfen.

Gesprochen wie ein wahrer Wiwi mit mehr Meinung als Fachwissen

WiWi Gast schrieb am 10.06.2022:

WiWi Gast schrieb am 07.06.2022:

Data Scientist sind Leute mit einem Master in Informatik und einer entsprechenden Ausrichtung, Mathematik oder einem Master in Statistik (Universität natürlich). Letzteres ist in meinen Augen am besten geeignet, um sich am Ende ernsthaft Data Scientist nennen zu dürfen.

Kann ich erstmal nur zustimmen, gibt aber mittlerweile etliche anspruchslose "Data Science" Studiengänge, die absolut jeden reinlassen.

Stimmt so bedingt. Ein Data Scientist beschäftigt sich mit den mathematischen Modellen hinter den Algorithmen, daher ist tiefgreifendes mathematisches Verständnis auf einem Niveau erforderlich, welches i.d.R. ein Mathematik Studium oder Informatik Studium erfordert. Ich kenne aber auch ein paar, die z.B. mit einem Master in Wirtschaftsinformatik absolviert haben und nun auch als Data Scientist arbeiten. Die haben aber auch ihr Studium sehr technisch gestaltet und viele Info/Mathe Module belegt. Für andere Stellen a la Business Analytics etc gilt das nicht, aber selbst da ist meistens ein technisches Studium gefordert. Ein reines Wiwi Studium bringt einem aber ganz sicher nicht an das Ziel, Data Scientist zu werden. Wenn ich Arzt werden will, studiere ich ja auch kein Jura.

WiWi Gast schrieb am 10.06.2022:

WiWi Gast schrieb am 07.06.2022:

Data Scientist sind Leute mit einem Master in Informatik und einer entsprechenden Ausrichtung, Mathematik oder einem Master in Statistik (Universität natürlich). Letzteres ist in meinen Augen am besten geeignet, um sich am Ende ernsthaft Data Scientist nennen zu dürfen.

Kann das bestätigen. Kenne einen BWLer (FH) der zugegeben recht talentiert ist, aber sich durch IT-Beratung und später Vertiefung Richtung Data Science nun eine ganze Data Science Abteilung leitet. ABER wie hier schon geschrieben, es ist tatsächlich eher so, dass die mathematischen Modelle im Deep Learning nicht mega komplex sind. Im Grunde ist das Thema ja genau dewesgen gehyped weil es einfach end-to-end eben arbeitet. Was früher für Spracherkennung mit enormen Aufwand realisiert wurde, wird nun duch ein deep-learning Netzwerk realisiert. Insgesammt was einem enorm in diesem Kontext hilft:

• Erfahrung mit arbeit von großen Datenmengen
• Erfahrungen mit Deep Learning Frameworks
• Erfahrungen in der Visualisierung
• Ein wenig Grundverständis der Modelle (die mit guter Kenntnis in der Statistik recht einfach zu verstehen sind)

Klar wenn man Forschung oder an cutting edge Themen arbeiten will, reicht das BWLer Studium nicht mehr aus. Meist arbeitet man aber in einem Kontext wo man eher vorhandene Modelle anwendet und nicht R&D macht (wofür die meisten Unternehmen eh nicht die Ressourcen haben um z.B. auch nur cutting edge Technologie wie GPT-3 zu reproduzieren). Vermutlich nicht Mal VW (aber bitte um Korrektur, falls da auf dem Level gearbeitet wird..)

WiWi Gast schrieb am 10.06.2022:

Stimmt so bedingt. Ein Data Scientist beschäftigt sich mit den mathematischen Modellen hinter den Algorithmen, daher ist tiefgreifendes mathematisches Verständnis auf einem Niveau erforderlich, welches i.d.R. ein Mathematik Studium oder Informatik Studium erfordert. Ich kenne aber auch ein paar, die z.B. mit einem Master in Wirtschaftsinformatik absolviert haben und nun auch als Data Scientist arbeiten. Die haben aber auch ihr Studium sehr technisch gestaltet und viele Info/Mathe Module belegt. Für andere Stellen a la Business Analytics etc gilt das nicht, aber selbst da ist meistens ein technisches Studium gefordert. Ein reines Wiwi Studium bringt einem aber ganz sicher nicht an das Ziel, Data Scientist zu werden. Wenn ich Arzt werden will, studiere ich ja auch kein Jura.

WiWi Gast schrieb am 10.06.2022:

Data Scientist sind Leute mit einem Master in Informatik und einer entsprechenden Ausrichtung, Mathematik oder einem Master in Statistik (Universität natürlich). Letzteres ist in meinen Augen am besten geeignet, um sich am Ende ernsthaft Data Scientist nennen zu dürfen.

jedes mal das gleiche hier, jemand ohne reinen Mathe Background aber soliden Grundlagen interessiert sich für einen Master und sofort fängt das gatekeeping an... für den TE und alle interessierten: ich hab den gleichen Background und bin im Ausland in einem Statistik-Master. Hatte 48 quantitative ECTS im VWL Bachelor aber hab einen mathematische Statistik Kurs als Auflage bekommen (was ich auch sinnvoll fand). Weil Ausland aber nicht für alle eine Option ist, hier paar Master in Deutschland wo du reinkommen kannst:

• Econometrics in Bochum/Duisburg-Essen/Dortmund: super vielfältiges Programm, chillige Bewerbung aber halt Pott. Dortmund ist deutschlandweit top für Statistik aber lässt quasi niemand anderes rein in den Statistikmaster, aber in Econometrics kannst du fast alles aus dem Dortmunder master belegen wenn du lust hast
• Survey Statistics Uni Bamberg: sehr spezifisch und nicht leicht abzuschließen aber easy reinzukommen
• Applied Statistics Uni Trier: same wie Bamberg
• HU Berlin Statistik: ziemlich schwer reinzukommen, nicht sehr gut organisiert aber gute Reputation und solides placement in Berlin
• Uni Halle: Economics Data Science and Policy, sehr neu, aber besonders für VWLer gemacht
• Uni Kiel: Quantitative Economics, auch gute Option
• Goethe Uni Quantitative Master of Science (MSQ), braucht glaube ich GRE oder GMAT
• Hochschule München Stochastic Engineering: FH aber gute Kurse Richtung finance, entspannte Zulassung

wo man glaube ich als VWLer echt Probleme hat reinzukommen ist Statistik an der LMU aber das Programm ist top, schade eigentlich. Uni Magdeburg weiß ich leider nichts drüber

Business Intelligence & Analytics an der TU Chemnitz als Budgetvariante. VWL-affin.

WiWi Gast schrieb am 11.06.2022:

jedes mal das gleiche hier, jemand ohne reinen Mathe Background aber soliden Grundlagen interessiert sich für einen Master und sofort fängt das gatekeeping an... für den TE und alle interessierten: ich hab den gleichen Background und bin im Ausland in einem Statistik-Master. Hatte 48 quantitative ECTS im VWL Bachelor aber hab einen mathematische Statistik Kurs als Auflage bekommen (was ich auch sinnvoll fand). Weil Ausland aber nicht für alle eine Option ist, hier paar Master in Deutschland wo du reinkommen kannst:

• Econometrics in Bochum/Duisburg-Essen/Dortmund: super vielfältiges Programm, chillige Bewerbung aber halt Pott. Dortmund ist deutschlandweit top für Statistik aber lässt quasi niemand anderes rein in den Statistikmaster, aber in Econometrics kannst du fast alles aus dem Dortmunder master belegen wenn du lust hast
• Survey Statistics Uni Bamberg: sehr spezifisch und nicht leicht abzuschließen aber easy reinzukommen
• Applied Statistics Uni Trier: same wie Bamberg
• HU Berlin Statistik: ziemlich schwer reinzukommen, nicht sehr gut organisiert aber gute Reputation und solides placement in Berlin
• Uni Halle: Economics Data Science and Policy, sehr neu, aber besonders für VWLer gemacht
• Uni Kiel: Quantitative Economics, auch gute Option
• Goethe Uni Quantitative Master of Science (MSQ), braucht glaube ich GRE oder GMAT
• Hochschule München Stochastic Engineering: FH aber gute Kurse Richtung finance, entspannte Zulassung

wo man glaube ich als VWLer echt Probleme hat reinzukommen ist Statistik an der LMU aber das Programm ist top, schade eigentlich. Uni Magdeburg weiß ich leider nichts drüber

LMU kommst du sicher rein, die Zulassungsvorraussetzungen sind recht klar und zumindest ins Auswahlgespräch zu kommen ist Modulmäßig nicht so wild.

Kann den Vorpostern nur zustimmen, man kann problemlos mit einem VWL Background und entsprechendem Master Data Scientist werden. Man braucht ganz sicher kein Mathe- oder Informatik-Studium dafür, auch wenn es für solche Absolventen natürlich leichter ist, etwas zu finden

Wie würdet ihr denn sagen sieht es im Bereich Data Engineering aus?
Also mehr die Dateninfrastruktur bauen. Ist es dort auch so extrem wichtig einen super theoretischem Hintergrund zu haben? Ich sehe dort viele Stellen für Wirtschaftsinformatiker oder auch fachfremde mit Praktika und eigenen Projekten ausgeschrieben.

Die Fernuni Hagen bietet zum Wintersemester auch das erste Mal einen Data Science Master an.

WiWi Gast schrieb am 11.06.2022:

Wie würdet ihr denn sagen sieht es im Bereich Data Engineering aus?
Also mehr die Dateninfrastruktur bauen. Ist es dort auch so extrem wichtig einen super theoretischem Hintergrund zu haben? Ich sehe dort viele Stellen für Wirtschaftsinformatiker oder auch fachfremde mit Praktika und eigenen Projekten ausgeschrieben.

Wirtschaftsinformatik ist nicht fachfremd

Ich arbeite schon fast 10 Jahre in dem Bereich, leider steht hier sehr viel Unsinn:
In Wahrheit ist es nämlich so 90% aller Data Scientists sind in der Praxis Business Analysts mit erweitertem Werkzeugkasten. Machine Learning, insbesondere Deep Learning spielt in deren Berufsleben nur eine untergeordnete Rolle, dafür hat man meist Research Engineers/Scientists oder ML Engineers, hier ist dann auch ein Dr. gern gesehen und der Bereich ist für Quereinsteiger praktisch unmöglich.

Für diese 90% Data Scientists, braucht es grundlegende Statistik, viel Kommunikationskompetenz und vorallem gute Nerven, um mit den Businesskaspern zu arbeiten. Leider wird oftmals auch der wichtige Output von Data Scientists einfach ignoriert. Data Science kann wirklich jeder machen, der einen quantitativen Background hat und genau das wird auch gemacht, daher ist der Bereich ziemlich überlaufen.

Es stimmt aber, mit dem "Data Science" von vor 10 Jahren hat das heute nicht mehr viel am Hut. Wer das will, muss in die Forschung.

Und zu Data Engineering, das ist vermutlich der am stärksten nachgefragte Bereich überhaupt, bekommt aber nicht so viel Aufmerksamkeit und man braucht einen Informatik Hintergrund.

WiWi Gast schrieb am 12.06.2022:

Ich arbeite schon fast 10 Jahre in dem Bereich, leider steht hier sehr viel Unsinn:
In Wahrheit ist es nämlich so 90% aller Data Scientists sind in der Praxis Business Analysts mit erweitertem Werkzeugkasten. Machine Learning, insbesondere Deep Learning spielt in deren Berufsleben nur eine untergeordnete Rolle, dafür hat man meist Research Engineers/Scientists oder ML Engineers, hier ist dann auch ein Dr. gern gesehen und der Bereich ist für Quereinsteiger praktisch unmöglich.

Für diese 90% Data Scientists, braucht es grundlegende Statistik, viel Kommunikationskompetenz und vorallem gute Nerven, um mit den Businesskaspern zu arbeiten. Leider wird oftmals auch der wichtige Output von Data Scientists einfach ignoriert. Data Science kann wirklich jeder machen, der einen quantitativen Background hat und genau das wird auch gemacht, daher ist der Bereich ziemlich überlaufen.

Es stimmt aber, mit dem "Data Science" von vor 10 Jahren hat das heute nicht mehr viel am Hut. Wer das will, muss in die Forschung.

Und zu Data Engineering, das ist vermutlich der am stärksten nachgefragte Bereich überhaupt, bekommt aber nicht so viel Aufmerksamkeit und man braucht einen Informatik Hintergrund.

kann ich nur bestätigen. habe allerdings weniger berufserfahrung als die person oben. bin nach dem mathestudium (abschlussnote 1,1, m.sc an der uni, nebenfach informatik) als 'datascientist' bei einem mittelgroßen IGM unternehmen gestartet. obwohl ich praktika und relativ gute noten hatte, hatte ich große probleme einen job als datascientist in der entwicklungsabteilung eines konzerns wie bosch, VW, Siemens oder bei renomierten spezialberatungen wie BCG Gamma zu finden. hatte durchweg nach relativ forschungsnahen stellen ausschau gehalten mit hohem entwicklungsanteil und wurde am ende von allen spannend klingenden jobs (das ist natrlich subjektiv) abgelehnt. gelandet bin ich dann bei einer kleineren firma. dort hatte ich auch einblick in die bewerbungsprozesse und musste feststellen, dass sich auf 'richtige datascience' stellen (nur meine meinung), also stellen in denen es um mathematische modellierung und die anwendung rigoroser statistik geht, nahezu jeder Nawi nach seiner promotion bewirbt und da sind auch sehr viele sehr gute leute dabei. kurz: der job ist in deutschland meiner meinung nach völlig überlaufen. gehalt war auch ziemlich durhschnittlich - leicht unter 60k zum einstieg und wenige entwicklungsmöglichkeiten in der fachkarriere. ein promovierter senior datascientist war mit 5 jahren BE immer noch deutlich unter 80k jahresgehalt.

wo hingegend größerer bedarf war, war in der infrastrukturentwicklung, also das was man heutzutage als dataengineering bezeichnet, gepaart mit guten SW entwicklungskenntnissen. wo es um fragen geht, wie baue ich einen 'datalake' im unternehmen auf oder wie baue ich gute interfaces zu existierenden datenbanken etc. also klassisches informatiker-wissen. das war zwar nicht viel besser bezahlt, allerdings waren die profile akademisch deutlich schlechter und die leute hatten es trotzdem leichter einen neuen gutbezahlten job zu finden.

zusammenfassend kann man sagen, dass wohl 'richtiges datascience' bei google, facebook, nvidia und in deutschland hauptsächlich an universitäten gemacht wird. die wenigen stellen in der deutschen industrie die in die richtung gehen sind hart umkämpft und wirklich guten leuten vorbehalten - dafür aber nur leicht überdurchschnittlich bezahlt (meiner meinung nach werden die gehälter den profilen nicht gerecht). die oben genannten 120k einstiegsgehalt nach promotion in reinforcementlearning mögen stimmen, halte ich aber für einen übertriebenen einzelfall - die hälfte an einstiegsgehalt sind wohl die regel und die anzahl der stellen die eine reinforcementlearning promotion benötigen sind wohl stark limitiert. dataengineering ist deutlich gefrager. schnittstellen kenntnisse - also leute mit kenntnissen in einer Domäne (Bank, Auto,..) und dem wissen wie man existierende modelle auf einfache fragestellungen in der domäne anwendet und die ergebnisse dann hübsch in eine powerpoint lädt und dem chef präsentiert sind meiner erfahrung nach auch gefragt. dafür braucht man aber kein statistikstudium...

In der Tat wird hier viel Halb- oder Unwissen verbreitet. Ich bin Statistiker, arbeite seit 5 (4J. + paar Zerquetschte) im Bereich "Data Science". Ersteinmal zu Data Science: DS ist Statistik mit etwas Informatik. Punkt, nichts anderes. Wenn man mal in die Literatur schaut sollte das ziemlich schnell klar werden.
In der Praxis ist Data Science i.d.R. Meetings und Datenaufbereitung. Mehr nicht. Manchmal habe ich das Gefühl dass DS nur aus Meetings besteht, ist aber ein anderes Thema...

Ich behaupte auch, ohne jetzt nach Quellen zu suchen, dass Deep Learning und Co. die wenigstens machen. Das geht dann oft in Richtung Entwicklung und Forschung und da werden dann keine Data Science Abschlüsse o.ä. sondern: Informatik, Mathematik, Statistik oder Physik eingestellt.

WiWi Gast schrieb am 12.06.2022:

zusammenfassend kann man sagen, dass wohl 'richtiges datascience' bei google, facebook, nvidia und in deutschland hauptsächlich an universitäten gemacht wird. die wenigen stellen in der deutschen industrie die in die richtung gehen sind hart umkämpft und wirklich guten leuten vorbehalten

Nochmal der mit den 10 Jahren Erfahung von oben. Ja stimmt, aber Vorsicht auch wenn es bei den genannten Firmen solche "Data Scientists" (die heißen dort mittlerweile gar nicht mehr so, sondern typischerweise Research Engineers/Scientists) gibt, ist das die Minderheit. Auch in den großen Technologiefirmen ist die Arbeit der sogenannten "Products Data Scientists" alles andere als spannend, oftmals sogar frustrierend. Habe im direkten Bekanntenkreis jemanden der bei Google sitzt und die Arbeit selbst ist wirklich nicht anders als in vergleichbaren Unternehmen. Das Umfeld/die Kultur ist aber natürlich ganz anders.

WiWi Gast schrieb am 12.06.2022:

Ich behaupte auch, ohne jetzt nach Quellen zu suchen, dass Deep Learning und Co. die wenigstens machen. Das geht dann oft in Richtung Entwicklung und Forschung und da werden dann keine Data Science Abschlüsse o.ä. sondern: Informatik, Mathematik, Statistik oder Physik eingestellt.

Das stimmt. ANNs machen typischerweise eher ML Engineers und die machen da auch keine Forschung sondern "Transfer Learning". Sicherlich spannender, aber man darf nicht erwarten hier das zu tun, was man in der Uni macht.

WiWi Gast schrieb am 12.06.2022:

Nochmal der mit den 10 Jahren Erfahung von oben. Ja stimmt, aber Vorsicht auch wenn es bei den genannten Firmen solche "Data Scientists" (die heißen dort mittlerweile gar nicht mehr so, sondern typischerweise Research Engineers/Scientists) gibt, ist das die Minderheit. Auch in den großen Technologiefirmen ist die Arbeit der sogenannten "Products Data Scientists" alles andere als spannend, oftmals sogar frustrierend. Habe im direkten Bekanntenkreis jemanden der bei Google sitzt und die Arbeit selbst ist wirklich nicht anders als in vergleichbaren Unternehmen. Das Umfeld/die Kultur ist aber natürlich ganz anders.

WiWi Gast schrieb am 12.06.2022:

Das stimmt. ANNs machen typischerweise eher ML Engineers und die machen da auch keine Forschung sondern "Transfer Learning". Sicherlich spannender, aber man darf nicht erwarten hier das zu tun, was man in der Uni macht.

Hi. Nochmal der mit 5 Jahre weniger Berufserfahrung. Danke für den Hinweis. Habe eben mal intern in meinem Unternehmen geschaut und da sind deine genannten Bereiche auch unter ,,Research" aufgelistet (neben den ganzen fancy Englisch Begriffen)

Solange du solide Kenntnisse in Statistik, Programmierung mit R und Python sowie Grundlegende Kenntnisse in Informatik nachweisen kannst, passt meiner Meinung nach alles für das spätere Berufsleben.

Je mehr man sich durch Mathe und Statistik beißt, desto leichter wird es später im Job sich neues Wissen anzueignen

Wie hier schon beschrieben wurde gibt es auch die Möglichkeit auf ,,Data Science" und weitere spezialisierte Studiengänge zu verzichten und einen Master in Statistik zu machen. Ich denke bis auf die LMU lassen dich da mit genügend ECTS in Mathe und Statistik sowie einem bestimmten Notendurchschnitt alle Unis, rein.
Hinzufügen würde ich noch die Universität Bielefeld: Statistische Wissenschaft.

Bamberg, Trier und Dortmund sind halt ziemliche Kaliber. Schwer zu bestehen und sehr theoretisch und abstrakt in der Mathematik. Dort heißt es halt pauken pauken pauken!

WiWi Gast schrieb am 14.06.2022:

Solange du solide Kenntnisse in Statistik, Programmierung mit R und Python sowie Grundlegende Kenntnisse in Informatik nachweisen kannst, passt meiner Meinung nach alles für das spätere Berufsleben.

Je mehr man sich durch Mathe und Statistik beißt, desto leichter wird es später im Job sich neues Wissen anzueignen

Mathe und Statistik ist in Firmen ungefähr nichts wert. Viel Aufwand für wenig finanziellen Nutzen. solltest statt auf mathe den fokus lieber auf die Schnittstelle zwischen business und IT legen und lernen wie man gescheit mit powerpoint umgeht. Für das fachliche suchst du dir dann nen blöden Werkstudenten aus den mintfächern. PS bin selbst mathematiker..

WiWi Gast schrieb am 15.06.2022:

WiWi Gast schrieb am 14.06.2022:

Mathe und Statistik ist in Firmen ungefähr nichts wert. Viel Aufwand für wenig finanziellen Nutzen. solltest statt auf mathe den fokus lieber auf die Schnittstelle zwischen business und IT legen und lernen wie man gescheit mit powerpoint umgeht. Für das fachliche suchst du dir dann nen blöden Werkstudenten aus den mintfächern. PS bin selbst mathematiker..

Das ist natürlich faktisch falsch. Gerade harte quant skills zahlen sich aus, um sich aus der BWL-Management Welle sichtbar zu machen. IT ist gefragt, korrekt. Business aber nicht. Gerade durch diesen ganzen Data Science Boom, was nichts anderes als Statistik ist, beleget die Mathematik wieder einen sehr hohen Platz. Und da würde ich auch den Fokus drauf legen, nicht Business o.ä.

Das ist natürlich faktisch falsch. Gerade harte quant skills zahlen sich aus, um sich aus der BWL-Management Welle sichtbar zu machen. IT ist gefragt, korrekt. Business aber nicht. Gerade durch diesen ganzen Data Science Boom, was nichts anderes als Statistik ist, beleget die Mathematik wieder einen sehr hohen Platz. Und da würde ich auch den Fokus drauf legen, nicht Business o.ä.

Kaum eine Firma in Deutschland verdient mit datascience Geld. Das ist mehr Marketing als alles andere. Du wirst als datascientist in Deutschland zu 90% mehr Zeit mit powerpoint verbringen als mit python und R. Aber klar,macht alle datascience und wundert euch dann dass auf einemittelmässig bezahlte Stelle 5 promovierte physiker/mathematiker kommen

WiWi Gast schrieb am 15.06.2022:

Kaum eine Firma in Deutschland verdient mit datascience Geld. Das ist mehr Marketing als alles andere. Du wirst als datascientist in Deutschland zu 90% mehr Zeit mit powerpoint verbringen als mit python und R. Aber klar,macht alle datascience und wundert euch dann dass auf einemittelmässig bezahlte Stelle 5 promovierte physiker/mathematiker kommen

Wieso Powerpoint? LaTeX sieht um Meilen besser aus gerade im Zahlenbereich

WiWi Gast schrieb am 15.06.2022:

Kaum eine Firma in Deutschland verdient mit datascience Geld. Das ist mehr Marketing als alles andere. Du wirst als datascientist in Deutschland zu 90% mehr Zeit mit powerpoint verbringen als mit python und R. Aber klar,macht alle datascience und wundert euch dann dass auf einemittelmässig bezahlte Stelle 5 promovierte physiker/mathematiker kommen

Das ist natürlich auch wieder faktisch nicht korrekt. Durch Daten lässt sich direkt sowie indirekt das meiste Kapital machen. Ob es nun bei der Pharma Experimente sind die in den klassischen Statistik Bereich gehen oder in einem IT Unternehmen mit großen Datenmengen hantiert wird, ist dabei egal.

Mit R und Python wird in diesen Bereich viel und intensiv gearbeitet, da diese Programmiersprachen nicht nur auf Berechnungen, sondern mittlerweile auch auf Dashboards, PP, LaTeX Dokumente, Interaktive Visualisierungen, etc. etc. optimiert sind. Damit lässt sich alles machen... und das effizient.

WiWi Gast schrieb am 15.06.2022:

Kaum eine Firma in Deutschland verdient mit datascience Geld. Das ist mehr Marketing als alles andere. Du wirst als datascientist in Deutschland zu 90% mehr Zeit mit powerpoint verbringen als mit python und R. Aber klar,macht alle datascience und wundert euch dann dass auf einemittelmässig bezahlte Stelle 5 promovierte physiker/mathematiker kommen

Da sagen die Zahlen aber etwas anderes. Du sprichst da denke ich den 0815 WiWi an. Als Data Scientist mit MINT Abschluss (Mathe, Physik, Info etc.) hast du eine überdurchschnittlich bezahlte Stelle und im Schnitt 1ner im Datenbereich auf 10 Stellen. Das ist die Realität

WiWi Gast schrieb am 15.06.2022:

Kaum eine Firma in Deutschland verdient mit datascience Geld. Das ist mehr Marketing als alles andere. Du wirst als datascientist in Deutschland zu 90% mehr Zeit mit powerpoint verbringen als mit python und R. Aber klar,macht alle datascience und wundert euch dann dass auf einemittelmässig bezahlte Stelle 5 promovierte physiker/mathematiker kommen

Ich denke Ihnen fehlt es etwas an Berufserfahrung. Powerpoints sind ein wichtiger Bestandteil, das stimmt. Reports werden jedoch mehrheitlich mit R und Pyhton erstellt, was dich dann vom 0815 WiWi unterscheidet. R und Python sind die Hauptwerkzeuge in diesem Bereich.

Wenn du irgendwelchen Stakeholdern mit Formeln kommst kannst du dich direkt einsargen lassen

WiWi Gast schrieb am 16.06.2022:

Wieso Powerpoint? LaTeX sieht um Meilen besser aus gerade im Zahlenbereich