So gelingt der Quereinstieg als Data Scientist

TLDR

6 Umschulungsmöglichkeiten zur/zum Data Scientist:

• Online-Kurse
• Bootcamps
• Kaggle
• GitHub
• Selbststudium
• BSc oder MSc in Data Science

3 Strategien für den Quereinstieg als Data Scientist

1. Fortbildung (autodidaktisch, Bootcamps, online-Kurse oder Studium) und dann direkt auf Data Scientist Jobs bewerben.
2. Weiterbildung on-the-job und innerhalb deines Unternehmens in eine Data Scientist Rolle wechseln.
3. Erstmal als Data Analyst arbeiten. Jobs als Data Analyst sind für Quereinsteiger:innen leichter zu bekommen. Mit der Berufserfahrung als Data Analyst hat man dann bessere Chancen auf einen Data Scientist Job.

Nicht alle Data Scientists haben Data Science studiert oder schon immer als Data Scientist gearbeitet. Wie machbar ist also der Quereinstieg im Data-Science-Bereich? Das kommt darauf an. Der Karrierewechsel ist absolut realistisch und relativ schnell machbar, wenn du schon coden und/oder Statistik beherrscht. Aber auch ohne diese Skills kann es klappen – mit einer guten Strategie, um deine Lücken schnell zu schließen und die Stärken, die du schon mitbringst, effektiv auszuspielen.

In diesem Post schauen wir uns drei Strategien für den Quereinstieg als Data Scientist an. Wir klären, welche davon wann am besten passt und gehen die Lern- und Weiterbildungsmöglichkeiten für Data Scientist Quereinsteiger:innen durch.

Wie finden Quereinsteiger einen Job als Data Scientists? (3 + 1/2 Strategien)

Stratgie 1: Bewirb dich direkt auf Data Scientist Jobs

Einfach bewerben, du hast nichts zu verlieren.

Für welchen Quereinsteiger:innen-Typ funktioniert die Strategie?
Diese Strategie ist dann aussichtsreich, wenn du einen mit Data Science verwandten Background hast (am ehesten MINT, evtl. auch VWL, BWL, Soziologie, Psychologie). Du kannst coden und kennst dich mit Statistik aus und hast vielleicht auch schon berufliche Erfahrung mit Datenauswertung gesammelt. Im Idealfall kannst du durch Kaggle-Rankings oder dein GitHub-Profil Data Science-spezifische Coding Skills unter Beweis stellen.

Bei welchen Unternehmen funktioniert die Strategie?
Bei Unternehmen mit etablierter Data-Abteilung, d.h. tendentiell größere Unternehmen, aber auch Mittelständler, die tech-forward sind. Dort bist du nicht die/der erste data hire überhaupt. Das heißt es gibt Leute im Unternehmen, die deine Fähigkeiten einzuschätzen können. Solche Unternehmen trauen sich deshalb am ehesten, Quereinsteiger:innen als Data Scientists einzustellen. Unternehmen, wo das nicht der Fall ist, fällt es schwer, andere Qualifikationen als einen einschlägigen Uni-Abschluss als solche zu erkennen.

Strategie 2: Wachse in die Data Scientist Rolle hinein - on the job

Versuche in deinem jetzigen Job, mehr mit Data Science in Berührung zu kommen. Durch Fortbildungen oder neue Data-Projekte.

Stratgie 2a: Überzeuge dein Unternehmen, deine Weiterbildung zum Data Scientist zu fördern

Nimm an Data Science Fortbildungen teil, wenn dein Unternehmen solche organisiert. Wenn nicht: such selbst nach Weiterbildungsmöglichkeiten und überzeuge dein Unternehmen dich bei deinem Vorhaben zu unterstützen (zum Beispiel, indem du einen Teil deiner Arbeitszeit zum Lernen nutzen darfst, oder indem sie die Kosten für externe Fortbildungsangebote tragen).

Für welche Quereinsteiger:innen funktioniert die Strategie?
Du bist schon etwas länger im Unternehmen, arbeitest viel mit Daten, man schätzt deine Excel-Expertise. Du hast dich darüber informiert, wie Data Scientists arbeiten und was sie können müssen. Und du traust dir zu, aufzuholen.

Bei welchen Unternehmen funktioniert die Strategie?
Bei Unternehmen, die schon Data Scientists beschäftigen und auf der Suche nach weiteren sind. Auch das sind tendenziell Großunternehmen sowie tech-affine Mittelständler. Am besten Unternehmen, die Data-Fortbildungen fest vorsehen (dann musst du weniger Überzeugungsarbeit leisten).

Stratgie 2b: Stoße in deinem Unternehmen Data Science Projekte an

Schlage deinem Unternehmen vor, dass du einen Teil deiner Arbeitszeit für ein Data-Projekt nutzen könntest: in dem du Data Science Methoden verwendest. Das Projekt sollte natürlich sinnvoll sein, also z.B. Arbeitsprozess in deinem Team beschleunigen. Wenn du das OK bekommst, kannst du schon im jetzigen Job deine Statistik-und Coding-Fähigkeiten verbessern. Und wenn das Projekt erfolgreich ist, empfiehlst du dich auch für eine Data Scientist Stelle.

Für welche Quereinsteiger:innen funktioniert die Strategie?
Ähnlich wie in 2a: du bist schon längere Zeit im Unternehmen und arbeitest bereits mit Daten. Außerdem hast du dich schon etwas in Data Science Theorie eingelesen und das ein oder andere Skripte zur Datenauswertung geschrieben. Du traust dir zu, ein eigenes Data Project durchzuführen.

Bei welchen Unternehmen funktioniert die Strategie?
Bei mittelständigen Unternehmen, die noch keine nennenswerten Data Science Projekte verfolgen, das aber ändern möchten (ohne sofort ein ganzes Data-Team einzustellen).

Strategie 3: Werde Data Analyst… um Data Scientist zu werden

Bewirb dich auch auf Jobs als Data Analyst. In dieser Rolle sammelst du Erfahrung im Arbeiten mit Daten. Bestenfalls lernst du nebenher noch coden. Das alles kannst du in die Waagschale werfen, wenn du dich später auf einen Data Scientist Job bewirbst. Entweder intern oder bei einem anderen Unternehmen.

Im Vergleich zu Quereinsteiger:innen ganz ohne Erfahrung im Bereich Data, hast du als Data Analyst viel bessere Chancen, eine Stelle als Data Scientist zu bekommen (v.a. als codender Data Analyst).

Für welche Quereinsteiger:innen funktioniert die Strategie?
Die Anforderungen an Data Analysts sind geringer als an Data Scientists und für alle zu erfüllen, die im Studium oder Berufsleben schonmal statistisch gearbeitet haben: Du kennst dich mit deskriptiven Statistiken aus, kannst Graphen lesen und erstellen (Programmiererfahrung nicht nötig).

Bei welchen Unternehmen funktioniert die Strategie?
Bei Unternehmen, die Data Analysts einstellen (ziemlich viele).

Data Science für Quereinsteiger (6 Weiterbildungsmöglichkeiten)

Egal auf welchen Plattformen und mit welchen Materialien, Quereinsteiger:innen sollten sich auf die Basics konzentrieren: Statistik und Python.

• Data Science Online-Kurse werden auf vielen Plattformen angeboten (z.B. Coursera, edX). Von Anfänger:innen-Niveau bis Fortgeschritten; manche kostenlos, andere gebührenpflichtig.
• Data Science Bootcamps sind Intensiv-Kurse, die meist über mehrere Wochen oder wenige Monate gehen. Es gibt eine Reihe von online-Bootcamps und auch ein paar offline-Optionen in Deutschland (Kosten meist mehrere tausend Euro).
• Ein Data Science Studium ist die zeitintensivste Weiterbildungsmöglichkeit, vermittelt aber auch die meisten Kenntnisse und Kompetenzen. Außerdem haben Hochschulabschlüsse auf dem Arbeitsmarkt einen viel höheren Stellenwert als Bootcamp-Zertifikate oder Bescheinigungen von Online-Kursen. Einen Bachelor oder Master in Data Science kann man auch in Teilzeit, berufsbegleitend oder an einer Fernuni studieren.
• Kaggle ist perfekt für learning by doing. Sobald du dich ein bisschen auskennst, kannst du an Kaggle Competitions teilnehmen. Du kannst dir anschauen, wie andere User:innen frühere Competitions gelöst haben und dich mit der Community über deine aktuelle Competition austauschen. (Willkomener Nebeneffekt: ein gutes Abschneiden auf Kaggle kommt gut bei Bewerbungen.)
• Auch auf GitHub teilen Leute ihre Code-Lösungen zu Data Science Projekten. Super nützlich gerade, wenn du selbst noch nicht so lange codest. 
• Data Science lernen geht auch im Selbststudium. Zu Data Science, Python, Statistik etc. findet man viele Lehrbücher frei verfügbar im Netz. Außerdem lohnt es sich, auf den Seiten von Unis nachzuschauen. Einige machen ihre Vorlesungsmaterialien öffentlich zugänglich. Vorlesungsmitschnitte zu Data Science Kursen gibt’s auch auf YouTube, genauso wie Programmier-Tutorials.

Für wen ist der Quereinstieg als Data Scientist realistisch?

Umso mehr Kompetenzen man mitbringt, die Data Scientists in ihrer Arbeit unbedingt brauchen, desto eher glückt der Quereinstieg als Data Scientist:

• Absolut realistisch (überschaubarer Aufwand): Am einfachsten und am schnellsten klappt der Quereinstieg bei Kandidat:innen mit soliden Kenntnisse in Statistik und Programmieren. Das trifft auf viele Quereinsteiger:innen mit MINT-Background zu, oder auch Wirtschafts- und Sozialwissenschaftler:innen, die im Studium oder im bisherigen Berufsleben gecodet haben.
  To-dos: Quereinsteiger:innen mit breitem Vorwissen müssen nicht viel nachholen, um als Data Scientist arbeiten zu können. Sie können die wichtigsten Data Science Modelle durchgehen (eventuell auch Machine Learning Methoden) und sich mit den gängigsten Tools und Python-Packages vertraut machen.
• Machbar (moderater Aufwand): Mehr (aber immer noch gut machbarer) Aufwand kommt auf Quereinsteiger:innen aus Soziologie, Psychologie und den Wirtschaftswissenschaften zu, die bisher kaum gecodet haben, dafür aber Statistikkenntnisse und Erfahrung mit Excel und Statistiksoftware mitbringen. Auch Informatiker:innen, die bisher noch nicht mit Daten gearbeitet haben, schaffen mit moderatem Einsatz den Quereinstieg als Data Scientist.
  To-dos: Wem Coding Skills fehlen, sollte prograsmmieren lernen (Fokus: meistgenutzte Data Science Packages) und mit den gängigsten Data Science Tools rumprobieren. Wer programmieren kann, aber in Statistik noch unbeschlagen ist, holt vor allem Data Science Theorie nach und schaut sich deren Anwendung an.
• Kompliziert (großer Aufwand): Schwieriger wird es, wenn Quereinsteiger:innen keinen quantitastiven Studiengang absolviert und auch im bisherigen Berufsleben weder programmiert noch mit Datan gearbeitet haben. In diesem Fall musst das komplette Skill Set von Data Scientists erst noch aufgebauten werden–schwer, aber nicht unmöglich!
  To-dos: Der sicherste Weg, um in diesem Fall Data Scientist zu werden: einen Bachelor oder Master in Data Science machen (oder in einem verwandten Fach).

Data Scientist ohne Studium, geht das?

Es muss zwar kein Data Science Studium sein, aber ganz ohne Studium wird es schwer. Weil Data Scientists wissenschaftlich arbeiten, hilft es auf jeden Fall, wenn du einenn akademischen Abschluss mitbringst. Außerdem erwarten die allermeisten Unternehmen zumindest irgendeinen Uni- oder Hochschulabschluss. (Eine Ausbildung zum Data Scientist kann man leider nicht machen.)