Abteilung: Next Level Innovation
"Tage mit wenigen Terminen, meine liebsten Tage, stehen im Zeichen von: DATEN. An solchen Tagen arbeite ich an Projekten."
Ich bin seit 1. Mai dieses Jahres bei ForFarmers als Data Scientist im Team Next Level Innovation (NLI) beschäftigt. Eine wunderbare Herausforderung! Next Level Innovation ist eine wichtige Säule der Build to Grow-Strategie von ForFarmers.
Warum ich mich für diese Stelle entschieden habe? Hauptsächlich das klare Ziel von ForFarmers, datengesteuerter zu werden, hat dazu geführt, dass ich den schönen und sehr abwechslungsreichen Beruf des Consultants hinter mir gelassen habe, um mich voll und ganz auf Daten- und Innovationsfragen bei ForFarmers zu konzentrieren.
Ein paar Worte zu meiner Ausbildung und bisherigen Berufslaufbahn, denn: Wie wird man Data Scientist? Nach meinem Marketing-Studium arbeitete ich zunächst in der Debitorenbuchhaltung bei Randstad, einem Vermittlungsbüro, und machte nebenher meinen Master in Business Administration. Danach war ich als Business Intelligence-Consultant tätig. In dieser Funktion durfte ich vielen Unternehmen bei der Aufbereitung, Visualisierung und Interpretation von Daten helfen.
Oft werde ich gefragt: Was macht man als Data Scientist genau? Tage mit wenigen Terminen, meine liebsten Tage, stehen im Zeichen von: DATEN. An solchen Tagen arbeite ich an Projekten wie der Optimierung der Auftragszuteilung. Dabei handelt es sich um die Entscheidung, in welchem Werk wir eine Bestellung unter anderem unter Berücksichtigung der Logistik- und Produktionskosten am besten erzeugen können.
Darüber hinaus beschäftigen wir uns mit einem Projekt rund um Verkaufsprognosen, d. h. was laut den Daten der optimale Zeitpunkt für einen Kunden wäre, eine neue Bestellung aufzugeben. Das Ziel ist, dadurch die Zahl der Eilaufträge zu senken.
Ein anderes Projekt ist der Data Lake, ein zentraler Ort, an dem alle Daten gesammelt und zugänglich gemacht werden. Damit sind Quellen gemeint wie: Wetterdaten, Rezepturen, Schlachtdaten, Brütereidaten, CRV-Daten, Sensordaten (z. B. von Fütterungsstationen) und in Zukunft noch viel mehr. Kurz gesagt, genug schöne Herausforderungen, in denen ich arbeiten kann!