94k, 5j. BE, 31 Jahre alt. M.Sc. Statistik und M.Sc. Data Science, Pharamabereich/Biostatistik

Gibt es hier Quants mit einem M.Sc. Statistik, Data Science o.ä. die von ihrem Berufseinstieg (Branche, Aufgaben, Gehalt, etc.) berichten wollen? :) Freue mich sehr über einen Einblick.

WiWi Gast schrieb am 30.01.2024:

Gibt es hier Quants mit einem M.Sc. Statistik, Data Science o.ä. die von ihrem Berufseinstieg (Branche, Aufgaben, Gehalt, etc.) berichten wollen? :) Freue mich sehr über einen Einblick.

Push

WiWi Gast schrieb am 31.01.2024:

Push

Push +2

WiWi Gast schrieb am 02.02.2024:

Push +2

Interessante Frage, schließe mich an

WiWi Gast schrieb am 30.01.2024:

Gibt es hier Quants mit einem M.Sc. Statistik, Data Science o.ä. die von ihrem Berufseinstieg (Branche, Aufgaben, Gehalt, etc.) berichten wollen? :) Freue mich sehr über einen Einblick.

Ja hier. Studium war der Horror und der verdienst danach gut. Dennoch verdienst du als Arzt oder Jurist um ein vielfaches mehr.

WiWi Gast schrieb am 05.07.2023:

Ich behaupte jetzt mal, dass die TU Dortmund schon länger einen reinen Statistik-Master im Angebot hat und mit der LMU mithalten kann.

Der reine Statistikmaster an der LMU läuft meines Wissens aus und wurde durch Statistics and Data Science ersetzt. Die TU Dortmund fährt einen etwas anderen Weg und bietet sowohl Statistik als auch Data Science separat an, wobei Data Science dort auch einen hohen Statistikanteil besitzt.

Würdet ihr trotzdem sagen, (reine) Statistik habe einen besseren Ruf als ein Master in Data Science (diese These habe ich hier in Forum des Öfteren gelesen) oder ist Data Science inzwischen ebenbürtig?

WiWi Gast schrieb am 27.03.2024:

Der reine Statistikmaster an der LMU läuft meines Wissens aus und wurde durch Statistics and Data Science ersetzt. Die TU Dortmund fährt einen etwas anderen Weg und bietet sowohl Statistik als auch Data Science separat an, wobei Data Science dort auch einen hohen Statistikanteil besitzt.

Würdet ihr trotzdem sagen, (reine) Statistik habe einen besseren Ruf als ein Master in Data Science (diese These habe ich hier in Forum des Öfteren gelesen) oder ist Data Science inzwischen ebenbürtig?

Im Forschungsbereich in Unternehmen sowie Wissenschaft ist ein theoretischer(er) Statistik Master natürlich gerne gesehen. Hier werden die sogenannten ML und AI Algorithmen tiefergehend untersucht. Böse Zungen munkeln, dass man mit einem M.Sc. in Informatik oder Statistik breiter aufgestellt und für Top-Arbeitgeber attraktiver ist (z.B. MS, Apple, NVIDIA, ...). Mir persönlich wäre das relativ Schnuppe, wenn der Master an einer Universität absolviert wird. Nach dem Berufseinstieg zählt pro weiteres Jahr immer mehr die Berufserfahrung, aber wem sag ich das.

Wenn man natürlich bereits einen M.Sc. in Statistik oder Informatik hat, wäre natürlich ein weiterer Master spezialisiert auf Data Science eine super Ergänzung! Da spielt es auch dann keine Rolle mehr ob Uni oder FH oder sonstiges

WiWi Gast schrieb am 30.03.2024:

Im Forschungsbereich in Unternehmen sowie Wissenschaft ist ein theoretischer(er) Statistik Master natürlich gerne gesehen. Hier werden die sogenannten ML und AI Algorithmen tiefergehend untersucht. Böse Zungen munkeln, dass man mit einem M.Sc. in Informatik oder Statistik breiter aufgestellt und für Top-Arbeitgeber attraktiver ist (z.B. MS, Apple, NVIDIA, ...). Mir persönlich wäre das relativ Schnuppe, wenn der Master an einer Universität absolviert wird. Nach dem Berufseinstieg zählt pro weiteres Jahr immer mehr die Berufserfahrung, aber wem sag ich das.

Wenn man natürlich bereits einen M.Sc. in Statistik oder Informatik hat, wäre natürlich ein weiterer Master spezialisiert auf Data Science eine super Ergänzung! Da spielt es auch dann keine Rolle mehr ob Uni oder FH oder sonstiges

Was würdest du/würdet ihr in meiner Situation für an sinnvollsten halten? Ich habe einen Bachelor in Informatik und möchte im Bereich Data Science Fuß fassen (habe bisher eher Erfahrungen in der Softwareentwicklung).

Es stehen folgende Optionen zur Auswahl:

1. Master Informatik TU9 (4 Semester Regelstudienzeit)
2. Master Data Science TU9 (4 Semester Regelstudienzeit)
3. Doppelstudium Master Informatik und Data Science TU9 (voraussichtlich 6 Semester Regelstudienzeit, wenn geschickte Fächerwahl)
4. Master Angwandte Statistik Uni Göttingen (4 Semester Regelstudienzeit)

WiWi Gast schrieb am 31.03.2024:

Was würdest du/würdet ihr in meiner Situation für an sinnvollsten halten? Ich habe einen Bachelor in Informatik und möchte im Bereich Data Science Fuß fassen (habe bisher eher Erfahrungen in der Softwareentwicklung).

Es stehen folgende Optionen zur Auswahl:

1. Master Informatik TU9 (4 Semester Regelstudienzeit)
2. Master Data Science TU9 (4 Semester Regelstudienzeit)
3. Doppelstudium Master Informatik und Data Science TU9 (voraussichtlich 6 Semester Regelstudienzeit, wenn geschickte Fächerwahl)
4. Master Angwandte Statistik Uni Göttingen (4 Semester Regelstudienzeit)

Bin zwar nicht der Poster aber würde 2 oder 4 empfehlen. 3 ist meiner Meinung nach Zeitverschwendung. Wenn du länger an der Uni bleiben willst dann mach lieber einen PhD wobei das natürlich zeitlich nochmal deutlich länger dauert.

Ein data science master ist halt etwas breiter aufgestellt. Man hat neben Statistik auch noch mehr Algebra, Numerik, Optimierung und Informatik Module im Katalog und hat wohl in der Regel deutlich mehr Wahlfreiheit.
Ein Statistik master hat halt einen starken Fokus auf einen Bereich. Es gibt (wenn auch wenige) jobs bei denen man nur mit einem Statistik Studium rein kommt dafür bereitet dich ein data science master wahrscheinlich etwas besser auf den Großteil der data science Jobs vor. Aber allgemeine hast du mit 2 und 4 sehr ähnlich Möglichkeiten und ich würde mich nach den persönlichen Interessen richten.

WiWi Gast schrieb am 31.03.2024:

Was würdest du/würdet ihr in meiner Situation für an sinnvollsten halten? Ich habe einen Bachelor in Informatik und möchte im Bereich Data Science Fuß fassen (habe bisher eher Erfahrungen in der Softwareentwicklung).

Es stehen folgende Optionen zur Auswahl:

1. Master Informatik TU9 (4 Semester Regelstudienzeit)
2. Master Data Science TU9 (4 Semester Regelstudienzeit)
3. Doppelstudium Master Informatik und Data Science TU9 (voraussichtlich 6 Semester Regelstudienzeit, wenn geschickte Fächerwahl)
4. Master Angwandte Statistik Uni Göttingen (4 Semester Regelstudienzeit)

Das kommt darauf an wo es hin soll. Mit einem B.Sc. in Informatik kannst du ruhig Data Science studieren. Du hast ja die Grundlagen, die bei reinen Data Science Studiengängen gekürzt ist, absolviert. Ein Master ist ja u.a. dafür da, sich zu spezialisieren.

Wenn du mehr in Richtung Data Engineering gehen möchtest würde ich dir Informatik empfehlen. Wenn es um anspruchsvolle Data Science Jobs mit viel Comoutational Statistik geht sowie Modellierungen, dann ist der Master in Göttingen nicht verkehrt. V.a. mit dem Statistik Master hast du es schlussendlich einfacher in der Praxis, dir komplexe Algorithmen, Moellierungs- und Optimierungstechniker selbst anzueignen und anzuwenden. Statistik ist halt Mathematik und besteht zu einem nicht unerheblichen Teil aus mathematischer Theorie.

MS und NVIDIA interessiert ein Master nicht die Bohne, erst recht nicht von einer deutschen Uni und im Bereich AI. Die bekommen gerade Zehntausende Bewerbungen aus aller Welt, darunter PhDs von Harvard, Stanford & Co. Daher am besten die Erwartungen unten halten diesbezüglich.

WiWi Gast schrieb am 31.03.2024:

MS und NVIDIA interessiert ein Master nicht die Bohne, erst recht nicht von einer deutschen Uni und im Bereich AI. Die bekommen gerade Zehntausende Bewerbungen aus aller Welt, darunter PhDs von Harvard, Stanford & Co. Daher am besten die Erwartungen unten halten diesbezüglich.

Einen Master brauchst du, wie hier bereits erwähnt, oft um überhaupt den Einstieg zu finden. Danach zählt pro Jahr die Berufserfahrung.

Push

Hat jemand den Studiengang ,,Applied Statistics" an der Uni Trier absolviert oder studiert diesen gerade?

Im Internet findet man leider recht weniger darüber. LG und Danke :)

WiWi Gast schrieb am 16.05.2024:

Hat jemand den Studiengang ,,Applied Statistics" an der Uni Trier absolviert oder studiert diesen gerade?

Im Internet findet man leider recht weniger darüber. LG und Danke :)

Der Studiengang ist umbenannt worden und hieß vorher Survey-Statistics. Das Programm ist fast Deckungsgleich mit Bamberg und Berlin. Inhalt steht in den Modulhandbücher. Pflichtmodule sind mathematische Statistik ( III und/oder IV), Stichprobentheorie, Bayes, R Programmierung, usw.

Lohnt es sich den überhaupt noch etwas analytisches wie Mathematik oder Statistik zu studieren, wenn es Data Science gibt?

WiWi Gast schrieb am 24.07.2024:

Lohnt es sich den überhaupt noch etwas analytisches wie Mathematik oder Statistik zu studieren, wenn es Data Science gibt?

Mathematiker (würde sogar auch sagen Statistiker) sind ein ganz anderes Kaliber als "Data Scientists". Man muss allerdings auch dazu sagen, dass die Stellen für (reine) Mathematiker rar gesät sind. Wenn man dort nicht zu den Top 10% gehört und eine der wenigen Top-Stellen in HFs oder Market Makern ergattern kann, bleibt fast nur noch Forschung und Versicherung. Alles andere könnten mMn auch Data Scientists machen.

WiWi Gast schrieb am 24.07.2024:

Lohnt es sich den überhaupt noch etwas analytisches wie Mathematik oder Statistik zu studieren, wenn es Data Science gibt?

Was für eine Frage. Die auch hier im Forum schon 100 mal durchgekaut wurde.

Meine Meinung ist: Analytisch anspruchsvolle Fächer wie Mathematik und Statistik studiert man hauptsächlich für sich selbst. Aus spass an der Freude. Oder fürs Ego um am Ende zu sagen "seht her, ich habe eine schwere Nawipromotion" um dann nicht ganz so frustriert durchs Leben zu gehen, weil niemand sich dafür interessiert. Der Großteil der Absolventen macht damit Finanziell eher ein Minusgeschäft, denn am Ende verdient man oft nicht mehr, oft sogar weniger, als der Wirtschaftsinformatiker von der FH. Bei deutlich mehr Aufwand.

Bei "Datascience" kommt noch dazu. Dass es das in 100 verschiedenen Ausführungen gibt. Es gibt "Mathematical datascience" - studiengänge, die sind dann eher wie Mathe mit Schwerpunkt Statistik, Optimierung und mit Nebenfach Computerscience sind. Dann gibt es Datascience an Informatik Fakultäten, die dann vielleicht eher die Engineering-Komponente beleuchten und dann gibt es noch an der FH deines vertrauens den Datascience Studiengang wo du ein bisschen Theorie hast, aber hauptsächlich lernst, wie du Modelle in der Praxis anwendest. Alle haben sicherlich irgendwo ihre Berechtigung. Firmen unterscheiden auch oft nicht, ob sie jetzt einen Datascientisten mit Schwerpunkt XY oder einen Mathematiker, Physiker oder Computerscientist einstellen. Im konkreten Anwendungsfall ist dann meist eh nicht das Studienfach entscheidend, sondern die Problemlösekompetenz.

WiWi Gast schrieb am 24.07.2024:

Lohnt es sich den überhaupt noch etwas analytisches wie Mathematik oder Statistik zu studieren, wenn es Data Science gibt?

Data Science ist an guten Unis (wie z. B. der TU Dortmund oder der RWTH), ebenfalls sehr analytisch und ist an der Schnittstelle zwischen angewandter Mathematik/Statistik und Informatik (was an der Uni natürlich auch ziemlich analytisch ist, zumindest die für Data Science wichtigen Module) angesiedelt.

Es gibt aber auch schlechte Data Science Studiengänge, z. B. Data and Information Science an der TH Köln, die scheinen mit dem Namen ihre Informationswissenschaft schmackhafter machen zu wollen, aber ohne dass es vernünftige Basics gibt (z. B. kein einziges reines Mathemodul). Darunter leiden dann natürlich auch gute Programme, weil viele Arbeitgeber da nicht differenzieren können, ob das Programm nun Hand und Fuß hat und die nötigen mathematischen Grundlagen vermittelt oder nicht, daher raten viele dazu, lieber auf ein etablierteres Fach wie Mathematik oder Statistik zu setzen.

Wobei ich denke, dass dieser Effekt doch eher vernachlässigbar ist, denn ein gutes Unternehmen sollte auch einen guten Kandidaten erkennen können, spätestens im Bewerbungsgespräch und da spielt es dann auch nicht mehr so eine große Rolle, wie der Studiengang nun hieß. Und in Data Science ist es wahrscheinlich einfacher, sich theoretische Kenntnisse, die man doch irgendwie in der Praxis braucht, anzueignen, während ein theoretischer Mathematiker da schon deutlich mehr über den Tellerrand blicken muss.

WiWi Gast schrieb am 25.07.2024:

WiWi Gast schrieb am 24.07.2024:

Was für eine Frage. Die auch hier im Forum schon 100 mal durchgekaut wurde.

Meine Meinung ist: Analytisch anspruchsvolle Fächer wie Mathematik und Statistik studiert man hauptsächlich für sich selbst. Aus spass an der Freude. Oder fürs Ego um am Ende zu sagen "seht her, ich habe eine schwere Nawipromotion" um dann nicht ganz so frustriert durchs Leben zu gehen, weil niemand sich dafür interessiert. Der Großteil der Absolventen macht damit Finanziell eher ein Minusgeschäft, denn am Ende verdient man oft nicht mehr, oft sogar weniger, als der Wirtschaftsinformatiker von der FH. Bei deutlich mehr Aufwand.

Bei "Datascience" kommt noch dazu. Dass es das in 100 verschiedenen Ausführungen gibt. Es gibt "Mathematical datascience" - studiengänge, die sind dann eher wie Mathe mit Schwerpunkt Statistik, Optimierung und mit Nebenfach Computerscience sind. Dann gibt es Datascience an Informatik Fakultäten, die dann vielleicht eher die Engineering-Komponente beleuchten und dann gibt es noch an der FH deines vertrauens den Datascience Studiengang wo du ein bisschen Theorie hast, aber hauptsächlich lernst, wie du Modelle in der Praxis anwendest. Alle haben sicherlich irgendwo ihre Berechtigung. Firmen unterscheiden auch oft nicht, ob sie jetzt einen Datascientisten mit Schwerpunkt XY oder einen Mathematiker, Physiker oder Computerscientist einstellen. Im konkreten Anwendungsfall ist dann meist eh nicht das Studienfach entscheidend, sondern die Problemlösekompetenz.

Ein WiWi Studi für den Statistik zu hoch ist, ich verstehe :)
Für den Rest: Last euch von gekränkten Neidern bitte nicht beeinflussen und macht immer eure eigenen Recherchen. Ein Statistiker ist in analytischen Berufen einem WiWi und Co. in 99 von 100 Fällen vorzuziehen. Das weiß auch die Fachabteilung dann. In einem datengetriebenen Zeitalter ist ein Statistiker nunmal flexibler einsetzbar als ein WiWi, PoWi, SoWi und Konsorten. Und zum Thema Ego: Ja man kann durchaus stolz darauf sein einen M.Sc. in Statistik zu haben und das zurecht , sehr gut erkannt ;). Damit erkennst du den Wert auf dem Arbeitsmarkt und den Schwierigkeitsgrad eines solchen Studiums schonmal an, super! You're welcome :)

WiWi Gast schrieb am 24.07.2024:

Lohnt es sich den überhaupt noch etwas analytisches wie Mathematik oder Statistik zu studieren, wenn es Data Science gibt?

Es spielt keine große Rolle ob man jetzt einen master in Mathe mit den entsprechenden Vertiefungen oder data science studiert weil die Module in der Regen die gleichen sind. Die unis versehen einfach das was sie sowieso schon haben mit einem neuen Namen um mehr potentielle Studenten anzusprechen.

WiWi Gast schrieb am 24.07.2024:

Lohnt es sich den überhaupt noch etwas analytisches wie Mathematik oder Statistik zu studieren, wenn es Data Science gibt?

Ja tut es. Wie schon ausgeführt wurde ist ein fundiertes Fach wie Mathematik, Statistik, Physik oder Informatik immer gerne gesehen. Tendenz steigend da immer mehr BS Studiengänge auf dem Markt (#notall).
I.d.R. wirst du immer höher angesehen werden (beruflich wie gehaltstechnisch) als bspw. Mit einem Master in WiWi, Quant Finance, VWL, Psychologie oder ähnliches.

Ja tut es. Wie schon ausgeführt wurde ist ein fundiertes Fach wie Mathematik, Statistik, Physik oder Informatik immer gerne gesehen. Tendenz steigend da immer mehr BS Studiengänge auf dem Markt (#notall).
I.d.R. wirst du immer höher angesehen werden (beruflich wie gehaltstechnisch) als bspw. Mit einem Master in WiWi, Quant Finance, VWL, Psychologie oder ähnliches.

Könntest du hier etwas detaillierter aus deiner erfahrung berichten? Meiner erfahrung nach werden quantleute (bin selbst so jmd) zwar unter kollegen geschätzt. Das spiegelt sich aber oft nicht im gehalt wieder. Oft sind die leute eher introvertierte tüftler, die wichtige fachliche arbeit machen, aber eben nicht mit bunten powerpoints bei chefs hausieren gehen.

Währenddessen arbeiten leute mit weniger quantitativen abschlüssen oft in projectmanagement o.ä positionen in denen traditionell in deutschland mehr verdient wird als auf fachlichen positionen. Das ist zwar bedauerlich und es ist sicher auch nicht besonders klug von den firmen, dass fachliche arbeit hier kaum finanziell gewertschätzt wird. aber so ist es eben meiner erfahrung nach.

Ein WiWi Studi für den Statistik zu hoch ist, ich verstehe :)
Für den Rest: Last euch von gekränkten Neidern bitte nicht beeinflussen und macht immer eure eigenen Recherchen. Ein Statistiker ist in analytischen Berufen einem WiWi und Co. in 99 von 100 Fällen vorzuziehen. Das weiß auch die Fachabteilung dann. In einem datengetriebenen Zeitalter ist ein Statistiker nunmal flexibler einsetzbar als ein WiWi, PoWi, SoWi und Konsorten. Und zum Thema Ego: Ja man kann durchaus stolz darauf sein einen M.Sc. in Statistik zu haben und das zurecht , sehr gut erkannt ;). Damit erkennst du den Wert auf dem Arbeitsmarkt und den Schwierigkeitsgrad eines solchen Studiums schonmal an, super! You're welcome :)

Ich weiß nicht, woher du deine Schlüsse ziehst. Ich bin Mathematiker. Dein Angriff geht also etwas am Ziel vorbei:) Ich habe nur meine Einschätzung und Erfahrung des (deutschen) Arbeitsmarktes wiedergegeben. Deine Sichtweise spiegelt meiner Erfahrung nach eher die Sichtweise vieler Studenten wieder, die denken, nur weil sie ein schweres Fach wie Statistik studiert haben, müsste ihnen irgendjemand auf dem Arbeitsmarkt mehr bezahlen. Guck mal in die Konzerne und Dienstleister in der Deutschen Industrie. Da siehst du haufenweise Doktoren der Physik/ Mathe / Statistik auf Fachpositionen die sich von den Dualen mit FH Abschluss und Absolventen von Wirtschafts-bindestrich Studiengängen sagen lassen, was sie zu tun haben. Und auch deutlich weniger Geld verdienen. Gut, Philosophen und Powis findet man da eher weniger, aber was ich sagen will ist, dass die Fachkarriere eben in Deutschland faktisch nicht existent ist und Sprüche wie

„Der Ingenieur ist das Pferd auf dem der Kaufmann reitet“

kommen auch nicht von ungefähr. Es ist einfach eine kulturelle Entwicklung hier in Deutschland in den letzten Jahren von statten gegangen (vielleicht wars auch schon immer so...), in der Fachkompetenz als billige austauschbare Ware gesehen wird. Es ist schön, wenn du das beste Getriebe, den besten Algorithmus für irgendwas entwerfen kannst mit deinem tollen schweren Studium. Geld und Anerkennung bekommen am Ende Leute auf anderen Positionen dafür.

Ist natürlich nur meine persönliche Wahrnehmung und ich bin auch noch nicht der aller Älteste, aber das ist der Eindruck den ich aus meiner bisherigen Erfahrung und der aus meinem Umfeld aus größtenteils Nawis habe.

Aber jetzt sag doch du mal, was "deine eigenen recherchen" zum Arbeitsmarkt ergeben? ich hoffe dass dabei mehr rauskommt, als dass man mit buzzwords wie "datengetriebenes Zeitalter" um sich wirfst, die größtenteils aus Marketingabteilungen von Unternehmen kommen, aber mit denen in Deutschland in kaum einer Firma (vielleicht mit Ausnahme von SAP) im großen Stil Geld verdient wird. Übrigens, wir kommen auch ins "Zeitalter der Elektrochemie" (E-Auto, Batterie, Speicher etc).. trotzdem kennen ich keinen Deutschen Chemiker der wirklich Zufrieden ist mit seiner Arbeit.

WiWi Gast schrieb am 26.07.2024:

Könntest du hier etwas detaillierter aus deiner erfahrung berichten? Meiner erfahrung nach werden quantleute (bin selbst so jmd) zwar unter kollegen geschätzt. Das spiegelt sich aber oft nicht im gehalt wieder. Oft sind die leute eher introvertierte tüftler, die wichtige fachliche arbeit machen, aber eben nicht mit bunten powerpoints bei chefs hausieren gehen.

Währenddessen arbeiten leute mit weniger quantitativen abschlüssen oft in projectmanagement o.ä positionen in denen traditionell in deutschland mehr verdient wird als auf fachlichen positionen. Das ist zwar bedauerlich und es ist sicher auch nicht besonders klug von den firmen, dass fachliche arbeit hier kaum finanziell gewertschätzt wird. aber so ist es eben meiner erfahrung nach.

Ich arbeite in der Pharma und bearbeite dort nicht-klinische Fragestellung. Ich muss dir im großen und ganzen leider zustimmen. Aber für eine höhere Stelle ala' Power Point ist man als Statistiker mindestens qualifiziert, vorausgesetzt es handelt sich um eine seriöse Stelle. Man muss sich halt auch verkaufen können, das ist richtig. Z.b. Data Science anstatt Statistik auf die Bewerbung schreiben.

WiWi Gast schrieb am 27.07.2024:

Ich arbeite in der Pharma und bearbeite dort nicht-klinische Fragestellung. Ich muss dir im großen und ganzen leider zustimmen. Aber für eine höhere Stelle ala' Power Point ist man als Statistiker mindestens qualifiziert, vorausgesetzt es handelt sich um eine seriöse Stelle. Man muss sich halt auch verkaufen können, das ist richtig. Z.b. Data Science anstatt Statistik auf die Bewerbung schreiben.

Oben hieß es doch noch, Data Science sei weniger angesehen als Statistik, jetzt soll es das Gegenteil sein?

Ist auch Blödsinn, was der Kollege oben geschrieben hat

WiWi Gast schrieb am 28.07.2024:

Oben hieß es doch noch, Data Science sei weniger angesehen als Statistik, jetzt soll es das Gegenteil sein?

Ist ein Master in Statistik denn wirklich die bessere Entscheidung als ein Master in Data Science, wenn man in den Bereich Data Science oder Machine Learning möchte? Schließlich ist man mit Data Science ja viel spezialisierter für den Bereich und es gibt ja auch gute Masterprogramme wie an der TUM oder RWTH, die sich ausschließlich an MINTler wenden. Ich kann mir schlecht vorstellen, dass die wirklich als so "schmalspurig" angesehen sein sollen, wie einige hier behaupten, ist ja eigentlich ein Master in angewandter Mathematik und vermutlich sogar komplexer als ein Informatikmaster mit einfacherem Schwerpunkt (wie z. B. Software Engineering). Reine Statistik ist zwar vermutlich schon noch etwas schwieriger, aber da fehlen dann meines Erachtens oft der Fokus auf Data Science und auch Grundlagen wie Algorithmen und Datenstrukturen etc.

Aber es kann natürlich sein, dass ich den Arbeitsmarkt falsch einschätze und die ganzen Unternehmen unbedingt Statistiker (mit vielleicht ein paar ML-Kursen) als Data Scienctists einstellen wollen statt Leuten, die sich im Studium schon auf Data Science spezialisiert haben und an einer soliden Uni waren.

Oben hieß es doch noch, Data Science sei weniger angesehen als Statistik, jetzt soll es das Gegenteil sein?

Die erwartungshaltung seitens der firmen ist eine etwas andere denk ich.

Statistiker: Idealerweise, arbeitest du in einer Pharma-firma und wertest studiendaten mit hilfe von rigorosen statistischen methoden aus. Die Methoden sind komplex, aber kein Rocketscience. Dein arbeitgeber beschäftigt dich hauptsächlich, weil er zum Einen von Regulierungsbehörden dazu gezwungen wird. Zum anderen weil er natürlich sicherstellen möchte, dass Medikament XY auch wirklich wirkt. Ausserdem könnten neuartige Statistische Methoden möglw Helfen, weniger Daten verwenden zu müssen, was dann zu Einsparungen führen könnte. Auf der anderen Seite kostest du natürlich auch Geld, was vom Profit abgeht. Weswegen uU Konzerne auf die Idee kommen, statistische Auswertungen von billigeren Dienstleistern machen zu lassen. Das drückt natürlich Löhne.

Datascientist: Du arbeitest in einem Konzern. Du wurdest eingestellt, weil dein Chef "irgendwas mit AI" machen muss, um seine Zielvereinbarung zu erreichen. Er hat selbst keine Ahnung was du eigentlich tust und kannst, aber er denkt, wenn er zwei promovierte Mintler einstellt, könne er Resultate wie bei Google erwarten. In Realität bist du 90 % der Zeit damit beschäftigt Usecases und Daten für Model XY zu finden, zu reinigen und dann ein Model aus dem Scikit learn (Ersetze hier beliebige andere Python Bibliothek) Toolkit darauf anzuwenden. Im Idealfall baust du dann einen "Demonstrator" den du mehr schlecht als recht zusammengeschustert hast und bastelst eine Powerpoint in der du deinem Chef irgendwie beweist, dass deine Position nicht ganz sinnlos ist. Die meisten Projekte scheitern spätestens an der realen Umsetzung, weil zu teuer und/ oder weil die Dateninfrastruktur überhaupt nicht ausreicht.

Ich habe nur Berufserfahrung als Datascientist. Mein wissen über Statistiker kommt eher vom Hörensagen, also man berichtige mich hier.

WiWi Gast schrieb am 28.07.2024:

Die erwartungshaltung seitens der firmen ist eine etwas andere denk ich.

Statistiker: Idealerweise, arbeitest du in einer Pharma-firma und wertest studiendaten mit hilfe von rigorosen statistischen methoden aus. Die Methoden sind komplex, aber kein Rocketscience. Dein arbeitgeber beschäftigt dich hauptsächlich, weil er zum Einen von Regulierungsbehörden dazu gezwungen wird. Zum anderen weil er natürlich sicherstellen möchte, dass Medikament XY auch wirklich wirkt. Ausserdem könnten neuartige Statistische Methoden möglw Helfen, weniger Daten verwenden zu müssen, was dann zu Einsparungen führen könnte. Auf der anderen Seite kostest du natürlich auch Geld, was vom Profit abgeht. Weswegen uU Konzerne auf die Idee kommen, statistische Auswertungen von billigeren Dienstleistern machen zu lassen. Das drückt natürlich Löhne.

Datascientist: Du arbeitest in einem Konzern. Du wurdest eingestellt, weil dein Chef "irgendwas mit AI" machen muss, um seine Zielvereinbarung zu erreichen. Er hat selbst keine Ahnung was du eigentlich tust und kannst, aber er denkt, wenn er zwei promovierte Mintler einstellt, könne er Resultate wie bei Google erwarten. In Realität bist du 90 % der Zeit damit beschäftigt Usecases und Daten für Model XY zu finden, zu reinigen und dann ein Model aus dem Scikit learn (Ersetze hier beliebige andere Python Bibliothek) Toolkit darauf anzuwenden. Im Idealfall baust du dann einen "Demonstrator" den du mehr schlecht als recht zusammengeschustert hast und bastelst eine Powerpoint in der du deinem Chef irgendwie beweist, dass deine Position nicht ganz sinnlos ist. Die meisten Projekte scheitern spätestens an der realen Umsetzung, weil zu teuer und/ oder weil die Dateninfrastruktur überhaupt nicht ausreicht.

Ich habe nur Berufserfahrung als Datascientist. Mein wissen über Statistiker kommt eher vom Hörensagen, also man berichtige mich hier.

Da stimme ich eigentlich zu im großem und ganzen. Natürlich ist das ein sehr negatives Bild, dass du hier malst. Aber den Eindruck, den du hier schilderst, wird in meiner Praxis als Statistiker leider viel zu oft bestätigt.

Zum Thema Gehaltsverhandlung würde ich eben auf geschickte Art und Weiße aufzeigen, weshalb ich als Data Scientist oder Statistiker, einen echten Mehrwert bieten und (was die Datenarbeit angeht) 99 von 100 Aufgaben eines WiWi's der mit Excel arbeitet übernehmen kann (keine WiWi Abwertung!).

WiWi Gast schrieb am 28.07.2024:

Ist ein Master in Statistik denn wirklich die bessere Entscheidung als ein Master in Data Science, wenn man in den Bereich Data Science oder Machine Learning möchte? Schließlich ist man mit Data Science ja viel spezialisierter für den Bereich und es gibt ja auch gute Masterprogramme wie an der TUM oder RWTH, die sich ausschließlich an MINTler wenden. Ich kann mir schlecht vorstellen, dass die wirklich als so "schmalspurig" angesehen sein sollen, wie einige hier behaupten, ist ja eigentlich ein Master in angewandter Mathematik und vermutlich sogar komplexer als ein Informatikmaster mit einfacherem Schwerpunkt (wie z. B. Software Engineering). Reine Statistik ist zwar vermutlich schon noch etwas schwieriger, aber da fehlen dann meines Erachtens oft der Fokus auf Data Science und auch Grundlagen wie Algorithmen und Datenstrukturen etc.

Aber es kann natürlich sein, dass ich den Arbeitsmarkt falsch einschätze und die ganzen Unternehmen unbedingt Statistiker (mit vielleicht ein paar ML-Kursen) als Data Scienctists einstellen wollen statt Leuten, die sich im Studium schon auf Data Science spezialisiert haben und an einer soliden Uni waren.

Push

WiWi Gast schrieb am 29.07.2024:

WiWi Gast schrieb am 28.07.2024:

Push

Statistik ist eben Theorie und mathelastiger i.d.R. Ergo kannst du bei Entwicklungs-, Forschungs- und schwer analytischen Berufen punkten. Ich bezweifle jedoch stark, dass ein Statistiker auf Anhieb Datenpiplines und produktionsfähige Lernmodelle implementieren kann. Er kann sich das aufgrund des theorielastigen Studiums in der Theorie leichter bzw. Schneller aneignen, jedoch ist man mit einem M Sc. in Data Science eben gerade für solche praktischen Implementierungen ausgebildet.

Studiert einfach etwas sinnvolles in diese Richtung und ergänzt alles weitere. Problem gelöst, Thread kann geschlossen werden.

Zu Thema Gehalt möchte ich auch aber auch noch etwas sagen:
Das ist immer eine Sache der Verhandlungsfähigkeit! Wenn ein BWLer oder VWLer mehr verdient als ein Data Scientist oder Statistiker, v.a. in Pharma und Banken, dann hat man bei der Gehaltsverhandlung aber definitiv etwas falsch gemacht. Bei gleichem Verantwortungslevel natürlich.

Was weiter oben als Erfahrungsbericht geschrieben wurde, kann ich mit meiner Erfahrung nicht bestätigen. Dass es sinnfreie überbezahlte Stellen gibt weis ich auch.

Kannst du nach deiner Präferenz entscheiden. Wenn du gute Arbeit machst, spielt es nachher sowieso keine Rolle, ob du mal Stat oder DS studiert hast.

WiWi Gast schrieb am 29.07.2024:

WiWi Gast schrieb am 28.07.2024:

Push

WiWi Gast schrieb am 31.03.2024:

WiWi Gast schrieb am 31.03.2024:

Das kommt darauf an wo es hin soll. Mit einem B.Sc. in Informatik kannst du ruhig Data Science studieren. Du hast ja die Grundlagen, die bei reinen Data Science Studiengängen gekürzt ist, absolviert. Ein Master ist ja u.a. dafür da, sich zu spezialisieren.

Wenn du mehr in Richtung Data Engineering gehen möchtest würde ich dir Informatik empfehlen. Wenn es um anspruchsvolle Data Science Jobs mit viel Comoutational Statistik geht sowie Modellierungen, dann ist der Master in Göttingen nicht verkehrt. V.a. mit dem Statistik Master hast du es schlussendlich einfacher in der Praxis, dir komplexe Algorithmen, Moellierungs- und Optimierungstechniker selbst anzueignen und anzuwenden. Statistik ist halt Mathematik und besteht zu einem nicht unerheblichen Teil aus mathematischer Theorie.

Push

WiWi Gast schrieb am 29.07.2024:

WiWi Gast schrieb am 29.07.2024:

Statistik ist eben Theorie und mathelastiger i.d.R. Ergo kannst du bei Entwicklungs-, Forschungs- und schwer analytischen Berufen punkten. Ich bezweifle jedoch stark, dass ein Statistiker auf Anhieb Datenpiplines und produktionsfähige Lernmodelle implementieren kann. Er kann sich das aufgrund des theorielastigen Studiums in der Theorie leichter bzw. Schneller aneignen, jedoch ist man mit einem M Sc. in Data Science eben gerade für solche praktischen Implementierungen ausgebildet.

Studiert einfach etwas sinnvolles in diese Richtung und ergänzt alles weitere. Problem gelöst, Thread kann geschlossen werden.

Zu Thema Gehalt möchte ich auch aber auch noch etwas sagen:
Das ist immer eine Sache der Verhandlungsfähigkeit! Wenn ein BWLer oder VWLer mehr verdient als ein Data Scientist oder Statistiker, v.a. in Pharma und Banken, dann hat man bei der Gehaltsverhandlung aber definitiv etwas falsch gemacht. Bei gleichem Verantwortungslevel natürlich.

Was weiter oben als Erfahrungsbericht geschrieben wurde, kann ich mit meiner Erfahrung nicht bestätigen. Dass es sinnfreie überbezahlte Stellen gibt weis ich auch.

Push

WiWi Gast schrieb am 03.08.2024:

WiWi Gast schrieb am 29.07.2024:

Push

push

WiWi Gast schrieb am 03.08.2024:

WiWi Gast schrieb am 29.07.2024:

Push

Push 2

WiWi Gast schrieb am 29.07.2024:

WiWi Gast schrieb am 29.07.2024:

Statistik ist eben Theorie und mathelastiger i.d.R. Ergo kannst du bei Entwicklungs-, Forschungs- und schwer analytischen Berufen punkten. Ich bezweifle jedoch stark, dass ein Statistiker auf Anhieb Datenpiplines und produktionsfähige Lernmodelle implementieren kann. Er kann sich das aufgrund des theorielastigen Studiums in der Theorie leichter bzw. Schneller aneignen, jedoch ist man mit einem M Sc. in Data Science eben gerade für solche praktischen Implementierungen ausgebildet.

Studiert einfach etwas sinnvolles in diese Richtung und ergänzt alles weitere. Problem gelöst, Thread kann geschlossen werden.

Zu Thema Gehalt möchte ich auch aber auch noch etwas sagen:
Das ist immer eine Sache der Verhandlungsfähigkeit! Wenn ein BWLer oder VWLer mehr verdient als ein Data Scientist oder Statistiker, v.a. in Pharma und Banken, dann hat man bei der Gehaltsverhandlung aber definitiv etwas falsch gemacht. Bei gleichem Verantwortungslevel natürlich.

Was weiter oben als Erfahrungsbericht geschrieben wurde, kann ich mit meiner Erfahrung nicht bestätigen. Dass es sinnfreie überbezahlte Stellen gibt weis ich auch.

agree!

Uiuiui spannender Therad! Hier wird ja sehr lebhaft diskutiert :).

Ich habe im Bachelor BWL studiert und im Anschluss meinen Master in angewandter Statistik gemacht.

Nach dem Master dann bei ner Versicherung gestartet. Gehalt ist sehr gut und Nein keine 100k.