von Corinna Serke (Managerin Talent Acquisition)
mit Canan Yilmaz (Senior Data Analyst)
In diesem “let’s talk” sprechen wir mit Canan aus dem SYZYGY Performance Data-Team. Wir reden darüber, was genau Data Analytics ist und wie AI ihren Arbeitsalltag im Moment beeinflusst. Außerdem erzählt sie uns wie ihre Herangehensweise ist, um Zielsetzungen zu erreichen.
Corinna: Was sollten mehr Menschen über Data Analytics wissen?
Canan: Data Analytics ist weit mehr als das Erstellen von nutzerfreundlichen Dashboards. Es erfordert technische Fähigkeiten in Programmiersprachen wie beispielsweise Python und SQL, sowie im Datenmanagement wie beispielsweise Data Cleansing und Data Modeling. Zudem sind Kenntnisse in Webtechnologien und statistischen Analysen erforderlich, um große Datenmengen zu verarbeiten und zu interpretieren. Dies wiederum erfordert ein Verständnis der Tools, die zur Umsetzung dieser Fähigkeiten benötigt werden. Die Analyse sollte mit branchenspezifischem Wissen kombiniert werden, um datenbasierte Entscheidungen zu unterstützen und Ziele zu optimieren. Data Analytics ist daher ein sehr vielseitiges und umfassendes Kompetenzfeld.
Corinna: Was ist dein Spezialgebiet in diesem Feld?
Canan: Mein Fachgebiet ist die Mustererkennung, ein zentraler Bereich der Data Science. Ich identifiziere Auffälligkeiten und Zusammenhänge. Besonders im Online Marketing ist es entscheidend, Daten nicht nur zu verstehen und Antworten zu liefern, sondern diese auch zu interpretieren und durch Storytelling das Gesamtbild zu vermitteln.
Corinna: Worin liegt deiner Meinung nach die größte Chance in Bezug auf AI im Data Analytics?
Canan: Ein Bereich der Data Analytics ist die Predictive oder Prescriptive Analytics. Diese beschäftigt sich mit dem Vorhersagen von zukünftigen Ergebnissen und dem Erkennen von Mustern oder Trends. Large Language Modelle, heute als AI bezeichnet, bieten die Möglichkeit, alle Menschen näher an die Datenanalyse heranzuführen, indem sie Barrieren abbauen und den Zugang vereinfachen. Allerdings nutzen wir für die Datenanalyse fortschrittlichere Methoden wie Deep und Maschine Learning, die ebenfalls zur Familie der AI-Begriffe gehören.
Corinna: Wie könnte diese AI künftig deinen Arbeitsalltag beeinflussen?
Canan: AI-Tools wie zum Beispiel ChatGPT basieren auf einem Large Language Model (LLM) und diese können für den Data Analytics-Bereich sinnvoll eingesetzt werden, um unter anderem mit Daten leichter zu interagieren oder auch Datenbankabfragen in Code zu übersetzen. Damit gelingt es effizienter und produktiver zu arbeiten. Kurz gesagt – man ist schneller.
Es ist wichtig, sich nicht starr an Ziele zu binden, sondern flexibel zu bleiben und stets die aktuellen Daten und Zahlen zu nutzen, um die Relevanz und Ausrichtung der Ziele zu überprüfen.
Canan Yilmaz
Corinna: Wie erreichst du die richtigen Ziele?
Canan: Die Ziele meiner Partner sind auch meine eigenen. Jedoch stellen wir in der Praxis oft fest, dass klare und definierte Ziele, die als Leitlinie dienen könnten, fehlen. In der dynamischen Welt der Business Intelligence ist es entscheidend, dass Ziele regelmäßig überprüft und angepasst werden, da sich die Rahmenbedingungen kontinuierlich verändern. Diese Flexibilität erfordert ein agiles Herangehen an Zielsetzungen, um auf aktuelle Entwicklungen und Veränderungen reagieren zu können. Die fortlaufenden Veränderungen können es herausfordernd machen, einmal festgelegte Ziele zu erreichen. Deshalb ist es wichtig, sich nicht starr an Ziele zu binden, sondern flexibel zu bleiben und stets die aktuellen Daten und Zahlen zu nutzen, um die Relevanz und Ausrichtung der Ziele zu überprüfen. Dies ermöglicht es, die notwendigen Schritte zu identifizieren, die zur Erreichung der optimalen Zielsetzung erforderlich sind. Dabei ist die Definition von klaren Zielen eine zwingende Voraussetzung, um datengetrieben bzw. dateninformiert arbeiten zu können.
Talent Acquisition Mangerin