"Mein Job beginnt da wo Excel aufhört!"
Man bezeichnet sie häufig als Daten-Geeks mit der Fähigkeit zu zaubern. Sie jonglieren mit großen Datenmengen, haben exzellente Software Development-Fähigkeiten und beherrschen mindestens eine Programmiersprache perfekt. Dabei sind sie Lösungsarchitekt:innen, machen komplexe Datensätze verständlich sowie bildlich vorstellbar und sind Designer qualitativ hoher Prognose-Tools, um die Allianz bei der Verbesserung ihrer Produktpalette zu unterstützen. Die Rede ist von Data Scientists.
Ich habe mit Andreas Cardeneo, Alexander Höweler und Steffen Lotter über die Vielseitigkeit des Berufsbilds Data Science bei der Allianz Deutschland gesprochen. Vor seinem Einstieg bei der Allianz war Andreas bereits in einem großen deutschen Softwareunternehmen als Datenexperte tätig und tobt sich nun bei Advanced Analytics der Allianz Leben richtig aus. Alexander und Steffen hingegen sind beide nicht die klassischen Data Scientists wie sie im Buche stehen. Alex hat kein typisches Studium im Bereich Data Science absolviert, sondern mit einem klassischen, aber sehr datenorientierten, BWL-Studium sein Faible für große Datensätze entdeckt. Nach ersten Berufserfahrungen als Data Scientist in der IT-Beratung ist er seit Anfang des Jahres im SMC Portfoliomanagement, sprich für kleine und mittelständische Unternehmen, der Allianz Deutschland tätig. Steffen ist Aktuar in der Allianz Privaten Krankenversicherung (APKV) und seit einiger Zeit zunehmend mit Data Analytics-Themen in Berührung.
Wie unterscheiden sich Aktuar und Data Scientist?
Aktuariat, das sicherlich bekannteste Berufsbild in der Versicherungsbranche, und Data Science werden häufig fälschlicherweise über einen Kamm geschert. Im Gegensatz zum Data Scientist beschäftigt sich der klassische Aktuar vorrangig mit Pricing, Produktentwicklung, (Risiko-) Modellbau und -verbesserung. Dafür ist besonders tiefgreifendes versicherungsmathematisches Wissen von enormer Wichtigkeit. Data Scientists hingegen sind Expert:innen der Datenanalyse und stellen so die perfekte Ergänzung zu der bereits bestehenden Fachexpertise der Aktuare dar. Essentielles Handwerk eines Data Scientist ist es Datenmengen zu verstehen und diese erklären zu können, sowie diese anschließend auf die Geschäftswelt zu transferieren und Managementstrategien und Lösungssätze daraus ableiten zu können. Eine Schnittstelle zwischen den beiden Bereichen ergibt sich z.B. dann, wenn die Bereiche Data Science und Data Analytics das Aktuariat unterstützen, mithilfe von Analytics-Methoden, Kund:innenverhalten besser verstehen und antizipieren zu können.
„Ich muss am Anfang also das fachliche Ziel verstehen und es dann quasi in eine Data Science-Fragestellung übersetzen. Wenn die Frage also anfänglich bspw. lautet „Welche Kund:innen kaufen kapitalmarktnahe Produkte der Altersvorsorge?“ mache ich daraus gedanklich die Frage „Wie klassifiziere ich Kund:innen in Kaufende kapitalmarktnaher Produkte und andere Kund:innen?“.
– Andreas Cardeneo
Wie sieht das klassische Aufgabenfeld eines Data Scientist aus?
Einen klassischen Arbeitsalltag gibt es im Leben eines Data Scientist nicht. Durch das bereits angesprochene breit aufgestellte Aufgabenportfolio von Datenanalyse bis zur Präsentation der Ideen ist die Arbeit eines Data Scientist sehr vielseitig und abwechslungsreich. Dabei ist man viel mit Kolleg:innen anderer Fachbereiche in Kontakt, um sich die nötigen Informationen, die man für die oft als Kern-Tätigkeit eines Data Scientist verstandene Entwicklung eines statistischen Modells braucht, zusammen zu sammeln. Es ist jedoch auch nur so vielseitig wie man sich proaktiv einsetzt, sagt Alex. Das Thema Data Science sei so neu bei der Allianz, da müsse man manchmal ganz schön viel Überzeugungsarbeit leisten damit auch mal neue Wege ausprobiert werden, so Alex weiter.
Um das abwechslungsreiche Tätigkeitsfeld eines Data Scientist dabei besser zu beschreiben, nutzt Alex eine Fisch-Metapher: „Data Scientists sind unter Wasser am Programmieren und tauchen ab und an mal auf, um sich auszutauschen, aktuelle Ideen vorzustellen und neue Ideen zu sammeln (immer mal wieder Luft holen). Dann tauchen sie wieder ab, um entsprechende Modelle zu bauen.“ An dieser Stelle danke für die anschauliche Erklärung lieber Alex! :-)
Ein Aufgabenbeispiel an dem Alex gerade schraubt, zielt darauf ab. die Suche nach der richtigen Versicherung auf Basis von Datensätzen zu vereinfachen. Worum es da geht, erklärt Alex lieber selbst: „Grundsätzlich ist es so, dass es für Firmenkunden bzw. Allianz Vertreter:innen sehr komplex ist, eine passende Versicherung zu finden. Der Arbeitsaufwand ist sowohl auf Kunden- als auch Allianz Seite relativ hoch. Wir wollen das Ganze vereinfachen indem wir viele Sachen in unserer Antragsstrecke für den/die Kund:in und Vertreter:in mithilfe von Machine Learning und Natural Language Processing Algorithmen automatisieren und so die komplexen Berechnungen im Hintergrund laufen und abgewickelt werden. D.h., dass dem/der Kund:in das passenden Produkt angeboten wird, bevor er es überhaupt artikulieren muss. Wenn der/die Kund:in sagt: „Super, das war ja einfach, intuitiv und genau das, was ich brauche“, dann ist mein Job getan. Das Erlebnis muss für Kund:innen einfach sein. Um das Komplizierte kümmern wir uns im Hintergrund. So können den Kund:innen die richtigen Versicherungen vorgeschlagen werden und gleichzeitig weiß sie oder er, dass ihm oder ihr ein innovatives Produkt zur Verfügung steht“. Am Ende besteht die Herausforderung darin, das Entwickelte so zu erklären, dass die Projektpartner die Erkenntnisse der Modellanwendung auch verstehen und wissen welchen Mehrwert es haben kann.
Was ist das besondere und außergewöhnliche als Data Scientist bei der Allianz angestellt zu sein, bzw. Aufgaben im Bereich Data Science zu übernehmen?
Meine Interviewpartner heben hierbei die große Bandbreite der Themen und die Vielfältigkeit des Berufsbildes hervor – die Mischung aus Überzeugen, innovativer Technik und tatsächlicher Umsetzung sowie den ganzen Prozess den man, von der Datenanalyse zu Beginn bis zum fertigen Produkt am Ende, miterleben kann.
“Es ist toll, wenn man für den Baum, den mal als Samen gesät und als Pflänzchen gegossen hat, am Ende gelobt wird und er dann auch noch Früchte trägt.“ – Alexander Höweler
Steffen lobt vor allem die Technik mit der die Allianz Deutschland arbeitet: „Diese ermöglicht ein schnelles und zielführendes Arbeiten.“ Außerdem haben Data Scientists die Möglichkeit sich durch viele Weitbildungsmöglichkeiten, persönlich aber auch fachlich weiter zu entwickeln. Was Alex montags motiviert ist die Tatsache, dass er dafür sorgt, dass sich die Allianz in vielen kleinen Schritten weiterentwickelt und sich im Bereich Zukunftsfähigkeit weiter verändert.
„Letztlich geht es darum, den wirtschaftlichen Erfolg des Unternehmens zu verbessern. Das will man eigentlich immer und es ist nichts Spezifisches für Data Scientists. Die Frage ist nur, wo man ansetzt und nachdem die Geschäftsprozesse ihre Spuren in den Daten hinterlassen und man erkannt hat, dass viele Datenanalysen Gemeinsamkeiten haben und man oft dieselben oder zumindest ähnliche Methoden verwenden kann, hat sich daraus ein eigenes Feld entwickelt.“ – Andreas Cardeneo
Steffen gefällt der facettenreiche Beruf: „Es kommen immer wieder neue Fragestellungen auf. Aber auch die Analytics Methoden und deren Mathematik entwickeln sich stetig weiter. Es gibt immer mehr technische Möglichkeiten, die man ausschöpfen kann. Eines ist gewiss, langweilig wird es niemals.“ – Steffen Lotter
Durch die verschiedenen Themen- und Fachbereiche mit denen man immer wieder zusammenarbeitet, hat man außerdem ein kontinuierlich wechselndes Team, ein agiles Team sozusagen. Dabei kann es auch mal sein, dass man mit internationalen Ansprechpartner:innen anderer Allianz Gesellschaften Kontakt hat.
Zum Schluss habe ich Steffen gefragt was er jungen und dynamischen Data Scientists, die Interesse an einem Jobeinstieg bei der Allianz haben mit auf den Weg geben möchte. Z.B. was ihn täglich herausfordert?
„Stetig neue Fragestellungen erfordern auch, stetig neue Lösungsmöglichkeiten zu entwickeln. Der Umgang mit den großen Datenmengen bei der Allianz ist nicht immer einfach, da verschiedene Daten ggf. auf verschiedenen Systemen liegen. Diese zu vereinen und zu validieren ist nicht immer einfach. Aber ich mag die Arbeit mit den Daten sehr.“
Für Andreas war es am Anfang auch eine Herausforderung sich als Neuling in der Branche zurecht zu finden. Ein bisschen so, „als käme man in ein fremdes Land, dessen Sprache man nicht spricht“, sagt er. Aber das nette Team und die tolle Projektatmosphäre haben dann schnell dazu beigetragen, dass er sich wohlfühlte.
Das größte Vorurteil über den Beruf des Data Scientist, welches ich schon immer bereinigen wollte, ist: Dass man wie ein Computer Nerd im Keller sitzt und niemals mit Leuten spricht. Und dass man tagtäglich 10 Stunden programmiert!“ – Alexander Höweler
Ich möchte mich bei Andreas, Alex und Steffen bedanken, die tolle Interviewpartner waren und sich viel Zeit genommen haben uns einen Einblick in ihre spannende Welt als Data Scientists zu geben!
Dieser Artikel wurde von der Allianz zur Verfügung gestellt. Weitere Beiträge finden Sie im Karriereblog der Allianz.
Vor dem Hintergrund des hochdynamischen Feldes Data Science und Data Analytics hat die DAV im Rahmen der virtuellen Mitgliederversammlung im November 2020 die Einführung der Zusatzqualifikation „Certified Actuarial Data Scientist (CADS)“ für Mitglieder der Vereinigung beschlossen. Für den Titel CADS sind vier Prüfungen in den Fächern „ADS Basic“, „ADS Advanced“, „ADS Immersion“ und „ADS Completion“ erfolgreich zu absolvieren, von denen die ersten drei Fächer bereits jetzt als Spezialwissen im Rahmen der DAV Ausbildung absolviert werden können. Während in den ersten beiden Fächern „Basic“ und „Advanced“ klassische Prüfungen zu absolvieren sind, werden die Blöcke „Immersion“ und „Completion“ mit praktischen Prüfungen abgeschlossen. In allen vier Modulen sind jeweils im Vorfeld dreitätige Vorbereitungsveranstaltungen verpflichtend zu besuchen. Die Ausbildung vereint unter anderem Fragestellungen der Datenverarbeitung und des Datenschutzes, die Erarbeitung von Data Science Anwendungen und den Umgang mit State-of-the-Art Programmiersprachen vor einem versicherungsmathematischen Hintergrund. Weitere Informationen zur Zusatzqualifikation CADS finden Sie hier.