Hannah Ziemons - Data Scientist

Break Time Talk: Ein Cappuccino mit Data Engineer Hannah

„Bei einem Gespräch auf der Dachterrasse lässt sich jedes Problem gemeinsam lösen.“

taod: Hannah, Kaffee oder Tee?
Hannah: Cappucino mit Hafermilch.

 

taod: Wenn die Pause gleich rum ist, woran arbeitest Du dann weiter?
Hannah: Das kann so unterschiedlich sein. Heute werde ich wahrscheinlich noch einen Workshop für ein Projekt vorbereiten, in dem wir neue Data Science Use Cases diskutieren.

 

taod: Macht Spaß?
Hannah: Meistens ja (lacht). Klar mit den verschiedenen Projekten ist es auch manchmal anstrengend, nicht den Überblick zu verlieren, aber ich lerne super viel. Und zu sehen, wie sich ein Projekt entwickelt und der Kunde am Ende wirklich eine funktionierende Lösung erhält, motiviert sehr. Vor allem, wenn man weiß, dass man sich im Zweifel immer an seine Kollegen wenden kann und bei einem Getränk auf der Dachterrasse bisher noch jedes Problem zusammen gelöst werden konnte.

taod: Wie wurdest Du zur Data Engineer?
Hannah: Gute Frage. Wahrscheinlich, weil ich nach dem BWL-Bachelor erkannt habe, dass es mir doch zu oft um Meinung statt Fakten in Diskussionen geht. Nach meinem Master in Business Intelligence und Smart Services habe ich dann zuerst viel an Data Science und Analytics-Projekten gearbeitet, aber schnell gemerkt, wie oft es an den richtigen Daten scheitert. Und dass es ziemlich cool ist, wenn man deren Integration gleich selber umsetzen kann und nicht auf andere angewiesen ist.

Data Engineer Hannah

taod: Dein Job in drei Worten?
Hannah: Daten. Abwechslung. Katzen-Memes.


taod: Wer sollte Data Engineer werden? Und wer nicht?
Hannah: Alle die Spaß daran haben, das bereits Gelernte ständig zu hinterfragen, weil sich die relevanten Technologien so oft ändern. Im Vergleich zu den Consultants und Scientist am besten aber auch, wer noch mehr als visionär und kreativ gerne logisch und gründlich arbeitet, auch wenn sich das natürlich nicht ausschließt. Programmiererfahrung ist in jedem Fall wichtig, eine schnelle Lernfähigkeit gleicht aber vieles aus. Vor allem die Vielzahl an No-Coding-Tools heutzutage lässt die Bedeutung von einem Gesamtverständnis der Datenwelt und das schnelle Eindenken in neue Projekte immer wichtiger werden.