Interview mit Eric Weber, Influencer und Data Scientist

"Angefangen mit Data Science und Programmierung auseinanderzusetzen habe ich mich in den Jahren 2008 und 2009. Zu dieser Zeit war die Verwendung von R definitiv nicht sehr benutzerfreundlich. Das Gleiche gilt für Python. Das Interesse an Daten war schon immer da, es ging nur darum, es als tatsächliche Rolle zu formalisieren. Also habe ich Data Science gemacht und darüber unterrichtet, ohne es einige Jahre lang so zu nennen. In den Jahren 2013 und 2014 begann ich, mehr über meinen Weg in dieser Branche nachzudenken und was es bedeutet, praktische Probleme zu lösen und nicht unbedingt zu versuchen, regelmässig darüber zu berichten. Wenn man über ein Thema schreibt, sucht man nach Perfektion, man sucht nach einem Paper, das die Standards mehrerer Gutachter erfüllt und auf deren Feedback eingeht. Wenn man in der Branche der Datenwissenschaft arbeitet, ist Perfektion so etwas wie der Feind. Man will nicht unbedingt perfekt sein, sondern man will etwas produzieren, das seine Aufgabe erfüllt. Wenn man nach Perfektion sucht, wird man nicht weiterkommen. Man wird sich einfach nicht schnell genug in einem Feld bewegen.

Als ich bei LinkedIn anfing und aktiv auf LinkedIn postete, kam ich in Kontakt mit Laurent, dem CEO von Constructor Academy. Wir tauschten Ideen aus, wie ich ein Teil von Constructor Academy sein und aktiv unterrichten könnte, während ich immer noch in meinen Job als Data Scientist tätig sein könnte. In den letzten Jahren hat sich dieser Wandel bei mir vollzogen. Von einem individuellen Mitarbeiter, der viel mehr im Tagesgeschäft der Data Science arbeitet, hin zu einer Führungsrolle. Viele Leute, die in Data-Science-Organisationen einsteigen, sind vielleicht nicht immer Data Scientists, der Tag für Tag programmieren. Aber sie werden einen Einfluss in einem Unternehmen haben und man muss immer irgendwo anfangen."

"Die Entscheidung, sich mit einem Programmanbieter zu assoziieren, ist eine ziemlich grosse, denn in vielerlei Hinsicht müssen die eigenen Werte und Erwartungen an das, was Data Science bedeutet, übereinstimmen. Der wichtigste Grund für mich für die Zusammenarbeit mit Constructor Academy ist die Qualität. Es gibt viele Möglichkeiten, an Programmen und Kursen teilzunehmen und von anderen Menschen in der Branche und auf der ganzen Welt zu lernen, aber wenn man über die Anzahl der Möglichkeiten nachdenkt, die sich wirklich aufbauen und sich auf die Qualität der Erfahrung für die Person konzentrieren, schränkt das die Auswahl auf ein paar wenige ein. Es gibt eine Menge Universitäten und Programmanbieter, die sich mehr darauf konzentrieren, wie viel Umsatz sie mit einer einzelnen Person machen können. Ich glaube fest daran, dass die Qualität der Erfahrung wichtig ist und dass sie direkt zum Erfolg der Teilnehmer führt, die ein Programm durchlaufen. Schliesslich führt die Qualität dazu, dass man Jobs bekommt. In diesem Umfeld gibt es viele Versprechungen darüber, wie genau ein Programm einen auf eine bestimmte Rolle vorbereiten kann. Nur sehr wenige haben das gleiche Mass an Vorbereitungsangeboten für Jobs, wie Constructor Academy. Ich glaube an Constructor Academy und deshalb möchte ich auch weiterhin mit Constructor Academy zusammenarbeiten."

"Wenn man darüber nachdenkt, eine Karriere im Bereich Data Science anzustreben, bietet das Bootcamp von Constructor Academy in vielerlei Hinsicht einen Mehrwert. Bevor man beginnt, gibt es einige Dinge, die man berücksichtigen muss. Die erste Komponente ist die eigene Kompetenzentwicklung, die zweite ist Vorbereitung auf reale Projekte und die dritte ist, wie man sich vernetzt. Constructor Academy spricht jeden dieser Punkte auf grossartige Weise an. Viele Bootcamps auf dem Markt konzentrieren sich auf generische Fähigkeiten. Sie versuchen eine Menge Dinge abzudecken, anstatt in die Tiefe zu gehen. Constructor Academy verfolgt den Ansatz, in die Tiefe zu gehen und sich wirklich intensiv mit diesen verschiedenen Ideen auseinanderzusetzen. Das zahlt sich aus, wenn man seine Karriere als Data Scientist antritt. Man lernt nicht nur etwas über die Algorithmen. Man lernt auch, warum sie funktionieren. Man lernt etwas über die Mathematik, die dahintersteckt, und das erweist sich als besonders wertvoll.

Bei der zweiten Komponente geht es darum, sich für die Arbeit in der Industrie fit zu machen. Wie lassen sich die Inhalte und Techniken in einer realen Industrieumgebung und durch die Kombination mit realen Unternehmen und Projekten sowie Problemen anwenden?

Bei der dritten Komponente geht es darum, dich mit Akteuren in der Branche zu vernetzen. Ich denke, Constructor Academy hebt sich von anderen Anbietern dadurch ab, dass Constructor Academy tiefgreifende Partnerschaften entwickelt und gepflegt hat und diese im Laufe der Zeit sogar ausgebaut hat. Die Art und Weise, wie die Studenten am Ende des Programms mit Unternehmen dank ihrer Projekte vernetzt sind, ist so ziemlich unübertroffen. Diese drei Dinge zeichnen Constructor Academy aus, und ich habe schon viele Bootcamps und Programme gesehen, aber dies ist eine einzigartige Gelegenheit, alle drei Dinge auf einmal anzugehen."

"Das, was einen in Data Science exzellent macht, sind Problemlösungsfähigkeiten. Ebenso kann man sein Wissen über eine bestimmte Branche oder Domäne nutzen, um tatsächlich ein effektiverer Data Scientist zu werden. Ich glaube, es ist eine Absicht oder ein Gerücht im Umlauf: “Man muss plötzlich alles vergessen, was man wusste, um in der Welt der Data Science Fuss fassen zu können. Man hat zwar einen Doktortitel oder einen Master, aber das spielt keine Rolle.” Natürlich spielt es eine Rolle! Dass man ein Experte auf einem bestimmten Gebiet ist, dass man weiss, wie man forscht, wie man gründlich ist, wie man schreibt – all diese Dinge sind extrem wichtig. Es hängt nur ein kleiner Teil davon ab, wie gut man programmieren kann. Ein grosser Teil hängt auch von Fähigkeiten ab wie, Probleme zu lösen, Kommunizieren, Beharrlichkeit, ... und das ist sozusagen das Markenzeichen jedes Doktors oder jedem, der ein höhreres akademisches Diplom hat. Dass man in der Lage ist, sich durch Komplexität zu arbeiten und sich durch Dinge zu arbeiten, die herausfordernd sind und trotzdem eine Lösung zu finden. Es gibt einen Fokus auf die technische Statistik, SQL, Coding, etc. die sicherlich wichtig sind. Das sind Fähigkeiten und einige der grösseren Dinge, die einen erfolgreich machen.

Es ist faszinierend, wenn man darüber nachdenkt, was Menschen erlaubt, in ihrer Karriere zu wachsen. Typischerweise hat es damit zu tun, dass man etwas findet, das einen interessiert und dass man gerne an der Lösung von Problemen in diesem Bereich arbeiten möchte. Ich weiss, dass es herausfordernd sein kann zu denken: "Ich habe so hart für diesen Abschluss gearbeitet..." oder "Ich habe 10 Jahre Erfahrung in diesem anderen Bereich...". Erfahrung ist wichtig. Man muss nur darüber nachdenken, wie man diese in seiner beruflichen Entwicklung einbringen kann. Data Science hilft einem, die richtigen Fähigkeiten zu erlernen. Die Denkweise und die Art, wie man Probleme löst, macht am Ende den grossen Unterschied."