Data Scientist: Markt

Stelle

eine offene Stelle, die das Qualitäts-Gate passiert hat und mindestens zwei Technologien nennt

Beobachteter Kandidat

ein Kandidat, dessen Stack diese Technologie enthält; ein Aggregat — kein einziger Datensatz verlässt den Perimeter

Matchbarer Kandidat

noch nicht gezählt

Fenster

Stellen, die zum Zeitpunkt der Erstellung des Snapshots offen waren

Junior DS — der zugänglichste Einstieg in die Richtung ML/KI (typischer Weg: Analyst 1-2 Jahre → Junior DS). Der Sprung Junior → Middle — nach dem ersten produktiven Modell + dem ersten eigenständigen A/B-Test. Middle → Senior — Verantwortung für mehrere Projekte + Verantwortung für den Geschäftseffekt (dokumentierte Steigerung von Umsatz / Retention / Conversion). Senior → Lead / Principal — DS-Strategie für einen Produktbereich + Einstellung von 3-7 DS + Mentoring. Karriereweg: Data Analyst (1-2 Jahre) → Junior DS (1-2 Jahre) → Middle (2-3 Jahre) → Senior → entweder Lead / Principal DS (Tiefe), Wechsel zum ML Engineer (technischerer Pfad), Wechsel zum Product Manager oder Gründer.

Top 5: python, sql, cloud, aws, llm. Python — Monopol (R ist aus neuen Stellen 2026 fast verschwunden, bleibt in Legacy im Gesundheitswesen/in der Biostatistik). Souveränes SQL — Pflicht: komplexe Abfragen mit Fensterfunktionen + CTEs + souveräne JOINs + Abfrageoptimierung (DS lesen Ausführungspläne). Datenmanipulation: pandas (Kern), NumPy (numerisch), Polars (modern, auf dem Vormarsch — 10-100× schneller bei großen Daten), PyArrow. Klassisches ML — das Kernarsenal: scikit-learn (Modellauswahl / Vorverarbeitung / Pipelines / Metriken), XGBoost + LightGBM + CatBoost (Gradient Boosting — Arbeitspferd für tabellarische Daten), statsmodels (Regression + Zeitreihen + statistische Tests). Statistik: scipy.stats, statsmodels, Causal Inference (DoWhy, EconML — Senior-Bonus). Visualisierung: matplotlib + seaborn + plotly (im Notebook), Tableau / Looker / Power BI / Apache Superset / Metabase (für Stakeholder). A/B-Tests: scipy.stats / statsmodels für die Analyse, interne Plattformen oder Statsig / Eppo / Optimizely / GrowthBook. Verständnis von Power-Analyse, Berechnung der Stichprobengröße, Korrektur für multiples Testen, sequenziellem Testen. Deep Learning (Bonus, nicht Pflicht): PyTorch / TensorFlow für CV- / NLP-Aufgaben in DS. Experiment-Tracking: MLflow oder Weights & Biases. BI-Tools / Dashboards: Tableau / Looker / Apache Superset / Metabase / Mode / Hex. Notebooks: Jupyter + VS Code (der Markt 2026 wandert von reinem Jupyter zu Hybriden). Cloud-Workbenches für DS: AWS SageMaker Studio / GCP Vertex AI Workbench / Databricks / Snowflake Snowpark. Senior-Extras: Causal Inference (DoWhy / EconML / CausalImpact), Uplift-Modellierung, Bayes'sche Modellierung (PyMC / Stan), Zeitreihen (Prophet / NeuralProphet / statsforecast).

Data Analyst — Fokus auf Reporting + Dashboards + Ad-hoc-Analysen. SQL + Excel + Tableau / Looker / Power BI. Weniger ML-lastig. Geeignet als Einstieg in die Datenrichtung. Data Scientist (diese Seite) — Fokus auf Problemformulierung im Business + statistische Modellierung + A/B-Tests + Kommunikation von Erkenntnissen. SQL in der Tiefe + Python + sklearn + XGBoost + statsmodels + Visualisierung. Macht ML, verantwortet aber keine Produktionsinfrastruktur (Deployment / Serving / Monitoring — das ist der ML Engineer). ML Engineer — Fokus auf ML-Pipelines in Produktion + Deployment + Skalierung + LLM/RAG-Infrastruktur. Stack wie DS + Docker / K8s + MLflow + Airflow + Cloud-managed ML. Siehe ML Engineer. Karriereweg: Analyst → DS Junior → DS Middle/Senior. Wechsel DS ↔ ML Engineer in 3-6 Monaten (MLOps + Docker / K8s + Cloud-ML lernen). Wechsel DS ↔ Product Manager in 2-4 Monaten (DS bringt bereits Produktdenken + A/B-Tests mit — dazu Roadmap-Planung + Stakeholder-Management). DS → Research Engineer / Scientist — erfordert einen PhD oder 3+ Jahre tiefe Spezialisierung.

Entscheidungsbaum für die Wahl des DS-Toolkits 2026: 1) Tabellarische Daten, Klassifikation/Regression, <1M Zeilen → scikit-learn (LogisticRegression / RandomForest / GradientBoosting). Pipelines + Preprocessing — sklearn gewinnt bei einfacher Integration. 2) Tabellarische Daten, >100K Zeilen, performancekritisch → XGBoost / LightGBM / CatBoost. Das Standard-Arbeitspferd 2026 für tabellarische Aufgaben: Kreditscoring, Churn-Prognose, Conversion, Betrugserkennung, Nachfrageprognose. LightGBM — am schnellsten, XGBoost — das ausgereifteste Ökosystem, CatBoost — am besten für kategoriale Features ohne Preprocessing. 3) Zeitreihen → Prophet / NeuralProphet (Facebook) oder statsforecast (Nixtla — State of the Art im klassischen Bereich) oder ein ML-Ansatz (LightGBM auf Zeitreihen mit Feature Engineering — schlägt oft spezialisierte Bibliotheken). 4) NLP / Textklassifikation → Hugging Face Transformers (Fine-Tuning kleiner BERT/DeBERTa/RoBERTa) oder scikit-learn TF-IDF + LogisticRegression bei <10K Dokumenten (einfachere Baseline). 5) Computer Vision → PyTorch + torchvision (Bildklassifikation / Detektion / Segmentierung). Für die Produktion — vLLM / TGI. 7) Empfehlungssysteme → LightGBM / XGBoost auf Nutzer × Artikel mit Feature Engineering (das Arbeitspferd 2026), implicit / LightFM (Klassiker des Collaborative Filtering), PyTorch Deep Recsys (NeuMF / Two-Tower / Transformer4Rec). 8) Kausale Inferenz / Uplift-Modellierung → DoWhy / EconML / CausalML. 9) Bayessche Modellierung (wenn die Quantifizierung von Unsicherheit wichtig ist — Medizin / Finanzen) → PyMC / Stan / NumPyro. 10) Anomalieerkennung → PyOD + Isolation Forest + LightGBM-basierte Ansätze. Standard 2026: 80% der tabellarischen Aufgaben werden mit LightGBM / XGBoost / CatBoost gelöst; Deep Learning — für CV / NLP / Recsys.

Ja, 27% der DS-Stellen sind vollständig remote oder hybrid. DS-Arbeit — Jupyter + Cloud-Data-Warehouse (Snowflake / BigQuery / Databricks / Redshift) + Dashboards. Outsourcer — fast immer remote bei US-Projekten. Russische Produktunternehmen — hybrid oder remote nach der Probezeit. Russische Banken — hybrid/Büro wegen Compliance bei der Datensicherheit. Internationale Tech-Unternehmen — vollständig remote als Standard. Relokations-Hubs: Polen (Warschau/Krakau — DS-freundlich), Deutschland (Berlin / München), Kanada (Toronto / Vancouver), Serbien, Georgien, VAE. Englisch für internationale DS-Remote-Arbeit — Pflicht (Aufschlag +25-40%, und DS-Rollen erfordern Kommunikation mit Stakeholdern — Englisch muss man hören).

Product Data Scientist — ein DS mit starkem Produktfokus + Verantwortung für Growth-Experimente + Retention-Modellierung + Analyse der Wirkung von Features. Arbeitet eng mit PM und Engineering zusammen. Der Stack ist derselbe, doch der Fokus: Meisterschaft bei A/B-Tests (Multivarianten-Experimente, sequenzielles Testen, Korrektur für multiples Testen, Power-Analyse), Growth-Kennzahlen (DAU/MAU/Retention-Kurven/Funnel-Analyse), kausale Inferenz für Beobachtungsdaten. Gehalt vergleichbar mit Senior DS (Median), aber in US-Produkt-Startups übertrifft Product DS oft den allgemeinen DS Senior — dank der Verantwortung für die Geschäftswirkung. Allgemeiner Data Scientist — kann in jeder Domäne arbeiten (Risiko im Bankwesen, Nachfrage im Handel, Qualität in der Fertigung). Research DS (oder einfach „DS“ im Forschungskontext) — Fokus auf neue Modellierungsansätze + Paper (oft PhD-Track). Siehe auch Research Engineer / Scientist. Karrierewahl: Product DS, wenn Sie die Produktwirkung reizt und Sie gern mit Stakeholdern kommunizieren, allgemeiner DS für Flexibilität bei der Domäne, Research DS für die Erforschung neuer Methoden. Alle drei sind legitime Wege ab Senior.

Roadmap: 1) SQL beherrschen — ein Muss (Fensterfunktionen / CTEs / JOIN-Strategie / Abfrageoptimierung). Buch „SQL for Data Scientists“ von Tanimura. Kurs „Mode SQL Tutorial“ (kostenlos). 2) Python für DS: pandas + NumPy beherrschen, nicht nur die Syntax, sondern auch Performance-Muster (Vektorisierung, Fallstricke von .apply). Buch „Python for Data Analysis“ von McKinney. 3) Statistik: deskriptive + inferenzielle Statistik + Hypothesentests + ANOVA + lineare Regression in der Tiefe. Kurs „Statistical Learning“ von Hastie / Tibshirani (StanfordOnline — kostenlos). Buch „Practical Statistics for Data Scientists“ von Bruce. 4) Klassisches ML: scikit-learn beherrschen (Pipelines / Kreuzvalidierung / Trade-offs von Metriken / Kalibrierung), XGBoost / LightGBM / CatBoost (die Arbeitspferde des Gradient Boosting). Andrew Ng „Machine Learning Specialization“ (Coursera) + „Introduction to Statistical Learning“ von Hastie (ISL — kostenloses PDF). 5) A/B-Tests beherrschen — Poweranalyse, Stichprobengröße, sequenzielle Tests, Korrektur für multiples Testen, Varianzreduktion mit CUPED. Bücher: „Trustworthy Online Controlled Experiments“ von Kohavi (Pflichtlektüre), „Statistical Methods in Online A/B Testing“ von Georgi. 6) Visualisierung & Storytelling — matplotlib + seaborn + plotly für Notebooks + Tableau / Looker / Power BI / Apache Superset für Stakeholder. Bücher: „Storytelling with Data“ von Knaflic, „The Visual Display of Quantitative Information“ von Tufte (Klassiker). 7) Domänenspezialisierung — eine von Fintech / Gesundheitswesen / Einzelhandel / Telekommunikation / E-Commerce wählen und domänenspezifische Herausforderungen studieren. 8) Deep Learning als Bonus: PyTorch-Grundlagen für DS-Aufgaben in CV / NLP. 9) Kausale Inferenz (Bonus für Senior): „The Effect“ von Huntington-Klein (kostenloses Online-Lehrbuch), Bibliotheken DoWhy / EconML. 10) Pet-Projekt: durchgängiges DS-Projekt auf Kaggle (Datenexploration → Feature Engineering → Modellauswahl → Kalibrierung → Präsentation für das Business) + 1 Projekt mit A/B-Test-Simulation. International (EN): DeepLearning.AI (Andrew Ng), fast.ai, Coursera IBM Data Science Professional. Analyst → Junior DS — 6-12 Monate. Backend Middle → Junior DS — 8-14 Monate (Lücke bei Mathematik + Statistik).

3027 active open DS positions. Geography: the US, the UK, Singapore. The real market is broader thanks to a huge international remote segment. Time to close a Senior DS role — 4-10 weeks (faster than ML Engineer thanks to broader entry pool).

Ein Senior DS verantwortet den gesamten Zyklus vom Geschäftsproblem bis zum Produktionsmodell + technische Führung. Beherrschung von SQL: Window Functions / CTEs / komplexe JOINs / Abfrageoptimierung / Lesen von Ausführungsplänen. Python für DS: Performance-Muster für pandas / NumPy / Polars, Vektorisierung, profilgetriebene Optimierung. Beherrschung der Statistik: Hypothesentests in der Tiefe, bayessches Denken, kausale Inferenz (DoWhy / EconML), Grundlagen bayesscher Modellierung (PyMC). Beherrschung des klassischen ML: Feature Engineering in der Tiefe, Begründung der Modellauswahl, Kalibrierung, am Geschäft ausgerichtete Metriken, Beherrschung der Hyperparameter von Gradient Boosting (XGBoost / LightGBM / CatBoost). Beherrschung von A/B-Tests: Power-Analyse, sequenzielles Testen, Korrektur für multiples Testen, Varianzreduktion mit CUPED, Umgang mit Netzwerkeffekten, Novelty-/Primacy-Effekte, Switchback-Experimente für Marktplätze, Geo-Experimente. „Trustworthy Online Controlled Experiments“ von Kohavi — das Handbuch auf dem Schreibtisch. Deep Learning (Bonus): PyTorch für DS-Aufgaben in CV / NLP. LLM-bewusste DS: Prompt Engineering, RAG-Grundlagen, LLM-as-Judge für die Evaluierung, LLM-Anwendungen im DS-Workflow (Datenexploration / synthetische Daten / Unterstützung beim Labeling). Visualisierung & Kommunikation: Beherrschung von Storytelling mit Daten — Ergebnisse für nichttechnische Stakeholder in Geschäftsentscheidungen übersetzen. Cloud-DS: eines von AWS SageMaker / GCP Vertex AI / Databricks / Snowflake in der Tiefe. Soft Skills: Stakeholdermanagement (Produkt / Unternehmen / Engineering), technisches Schreiben (Analysedokumente, Berichte nach Experimenten, Entscheidungsmemos), Mentoring von Middle DS, Einstellung (Interviews mit DS-Kandidaten), Kommunikation mit der Führungsebene. Domänenexpertise: tiefes Verständnis von ein bis zwei Domänen (Fintech / Healthcare / Handel / Telekommunikation / E-Commerce) — der wichtigste Treiber für einen Aufschlag ab Senior+. Englisch ab Senior+ PFLICHT — DS-Rollen haben intensiven Kontakt mit Stakeholdern, und die meisten Materialien / Papers / die Community sind auf Englisch.