Die Hauptunterschiede bei der Arbeit als Data Scientist in Startups, Konzernen oder der Forschung

Startup

Die Arbeit in einem Startup kann chaotisch sein, man „lebt“ von Woche zu Woche und ist sich oft unsicher, was man in den kommenden Monaten machen wird. Man muss viel iterieren und bedenken, dass Pläne leicht geändert werden können. Mylan: „Nachdem man intensiv an einem Projekt gearbeitet hat, kann es passieren, dass wir entscheiden müssen, alles komplett umzukrempeln. Man muss in der Lage sein, mit Unvorhersehbarkeit umzugehen. Doch bei der Arbeit in einem Startup kann man sofort etwas beitragen und hat große Wirkung. Unsere Tech-Leute sitzen schnell mit denen am Tisch, die den Kurs bestimmen, und arbeiten an einem kompletten Modul (und nicht nur an einem kleinen Teil). Man bekommt schnell eine Menge Verantwortung und Freiheit. Eine vollständige Lösung allein zu entwickeln, ist keine Ausnahme. Das ist großartig, wenn man dafür gemacht ist.“

In einem Startup arbeitet man in einem kleinen Team an verschiedenen Projekten und Lösungen. Deshalb ist es nicht überraschend, dass Startups eher dazu neigen, jemanden einzustellen, der ziemlich vielseitig ist. Mylan: „Von Entwicklern, die innerhalb eines Teams mehrere Rollen übernehmen können, profitieren Startups besonders. Abhängig von der Größe des Teams und dem Budget muss man höchstwahrscheinlich ein bisschen von allem machen. Das sehe ich als Vorteil. Es trägt dazu bei, Probleme zu lösen und einfallsreich zu werden. Startups haben ein hohes Tempo, beispielsweise bei der Entscheidungsfindung. Infolgedessen arbeiten wir schneller als Unternehmen, in denen jeder seine eigene Spezialisierung hat oder nur an seinem 'eigenen' Teil innerhalb eines Projekts arbeitet.“

Unternehmen

Großunternehmen verfügen über viele Ressourcen und reichlich Kapital. Sie organisieren häufig Wissenssitzungen mit Kollegen sowie aufschlussreiche Diskussionen mit Mitarbeitenden aus verschiedenen Hintergründen und Kulturen. Romain: „Wenn man für Großunternehmen arbeitet, hat man die Möglichkeit, Lösungen für Probleme zu entwickeln. Allerdings können Dinge viel Zeit in Anspruch nehmen, was ein Projekt verlangsamen kann.“

In einem Großunternehmen kann man an der Entwicklung von Algorithmen, der Erstellung von Dashboards, dem Stakeholder-Management, der Infrastrukturpflege, der Forschung, der Entwicklung von Proof of Concepts und der Produktentwicklung arbeiten. Romain: „Meine Aufgaben und Verantwortlichkeiten sind ziemlich vielfältig, und derzeit arbeite ich an Computer Vision-Themen wie Objekterkennung, Segmentierung und Klassifikation. Darüber hinaus habe ich mit der Verarbeitung natürlicher Sprache, tabellarischen Daten (Analysen) und Zeitreihen (Prognosen) gearbeitet. Nebenbei stimme ich mich mit Stakeholdern ab, pflege den Code und die Infrastruktur und bin auf der Suche nach neuen Anwendungsfällen, an denen ich arbeiten kann. Ich denke, ich hatte das Glück, viele verschiedene Dinge zu machen, was nicht immer der Fall sein könnte für jemanden, der jahrelang in demselben Unternehmen arbeitet.“

Forschung

Das Arbeiten in einem Forschungsumfeld ist explorativ und vor allem an einer horizontalen Perspektive für mehrere Geschäftsbereiche interessiert. Es gibt mehr Freiheit in Bezug auf das, was man tun möchte, als in einem Startup, aber weniger Einschränkungen als beim Arbeiten für große Unternehmen. Oscar: „Wir streben Innovationen an, und dafür braucht man Raum, Zeit und Budget, um zu forschen. Wir kennen nicht immer das Ergebnis eines Projekts. Manchmal können wir Erkenntnisse sofort teilen, andere Male können wir die Forschung in zukünftigen Projekten nutzen. Derzeit arbeite ich an conversational AI und daran, wie neue Methoden den Kundensupport verbessern können. Um auf dem neuesten Stand zu bleiben, teilen Experten alle zwei Wochen ihr Wissen und ihre Erfahrungen zu einem bestimmten Thema. Zum Beispiel gingen die neuesten Erkenntnisse und Updates über virtuelle Systeme in Japan.“

Fazit

Als motivierter Entwickler interessierst du dich für Daten und möchtest dich mit vielfältigen intellektuellen Herausforderungen und Anregungen für realistische Probleme auseinandersetzen. Die Wahl der Art von Organisation, für die du als Data Scientist arbeiten möchtest, hängt davon ab, was du tun und beitragen möchtest. Als Data Scientist findest du Unterschiede in Bezug auf Verantwortung und Vielfalt (sowie den Wechsel zwischen ihnen) bei Aufgaben, aber auch hinsichtlich der Dauer von Projekten. Die wichtigsten Fragen, die du dir stellen solltest, sind: Möchte ich Lösungen für jedes Problem finden, dem ich begegne, und kann ich Unsicherheit aushalten? Dann wirst du wahrscheinlich in einer Startup-Umgebung großartig abschneiden. Oder: Bevorzuge ich langfristige, vorhersehbare Pläne und die Sicherheit zu wissen, was bei meiner Arbeit zu tun ist? Dann passt du wahrscheinlich am besten zu einem Unternehmensumfeld. Eine weitere Frage, die du dir stellen solltest: Möchte ich mehr Freiheit in der Forschungsexploration, um einen Mehrwert zu schaffen? Und möchte ich eine bessere Lösung oder ein besseres Produkt entwickeln, das immer nach mehr Informationen verlangt? Dann ist die Forschung dein Tätigkeitsbereich. Wahrscheinlich ist die entscheidende Frage, die du dir stellen solltest: Welche Eigenschaften der Arbeit passen am besten zu mir als Person? Etwas, das du nur herausfinden kannst, indem du es selbst erlebst.