Nische oder nichts: Datenberatung im Zeitalter der KI

00:00:01: Hallo und herzlich willkommen zur nächsten Episode von Data Science mit Milch und Zucker.

00:00:06: Heute begrüße ich Rocky Kahn, er ist Advisor und Podcaster von Master of Data BI und AI.

00:00:13: Wir haben herausgefunden dass wir in der gleichen Uni waren hatten gleich einen guten Bezug zueinander Hatten in Mannheim studiert und ich hatte auch schon ein Podcast bei ihm gemacht.

00:00:22: Wir hatten schon einen Austausch in Richtung Ja, deutsche Data Beratung.

00:00:27: Es waren spannende Gespräche, spannende Austauschen.

00:00:29: Das möchte ich gerne mit euch teilen!

00:00:31: Deswegen herzlich willkommen, Rocky.

00:00:34: Hallo, schönen guten Morgen, René.

00:00:36: Vielen Dank für die Einladung.

00:00:38: Ja, gerne.

00:00:39: Wir gehen heute wie schon gesagt in Richtung ein bisschen deutsche Data-Beratung, Data Science natürlich auch real ist.

00:00:44: natürlich auch das Topik ist eine Fortführung sozusagen meiner von meiner Ansicht von Data Science.

00:00:51: Geh mal rein, fangen wir vielleicht an.

00:00:53: Du hast verschiedene Beratungsfirmen evaluiert in deutschem Markt.

00:00:57: Kennt sich das sehr gut aus?

00:00:59: Was ist so dein Eindruck?

00:01:02: Gibt es viele Beratungspfirmen?

00:01:04: wie soll man vielleicht anfangen wenn man eine Beratungen firma möchte?

00:01:07: Wie unterscheiden sich die Firmen?

00:01:10: Wichtig ist erstmal dass man hier erst einmal mit einer kleinen Analyse beginnt.

00:01:16: Das macht immer sehr viel Sinn.

00:01:18: Es gibt verschiedene Möglichkeiten, wie man das rausfinden kann.

00:01:20: Es gibt Unternehmen wie beispielsweise die Barg von Carsten Banger.

00:01:25: da kann man jetzt einige Firmen rausfischen was man auch machen kann.

00:01:29: es gibt verschiedene Datenbanken.

00:01:31: ich benutze sehr gerne die Datenbank Luscher und wenn man da mal einfach mal dieses Thema Data Science oder Business Intelligence einfach mal eingibt und das Mal auf Dach mal klassifiziert dann wird man rausfinden es gibt so um die circa zweitausend Beratungsunternehmen im Dachmarkt, was relativ groß ist.

00:01:53: Und man stellt fest auch hier gibt es eine Pareto-Verteilung also knapp achtzig Prozent haben ne Größe von ein bis zweihundert Mitarbeitern.

00:02:02: das heißt die sind gar nicht alle so riesig wie man sich das immer vorstellt.

00:02:06: und dann die Aufstellung ist dann die meisten Detafirmen kommen eher aus Deutschland befolgt von der Schweiz und Österreich.

00:02:15: Das ist so die Aufteilung.

00:02:19: Und was mir auch aufgefallen ist, ich war ja auch bei den Firmen gewesen wie Microstrategy.

00:02:24: Heute heißt die Firma strategy.

00:02:26: Ich habe damals direkt nach der Uni Mannheim bei Strategy angefangen das eine sehr bekannte BI-Firma.

00:02:32: Die sind mehr im Frontend tätig.

00:02:35: danach war ich bei SAS Databricks und im Zugemeiner Arbeiter habe ich mit verschiedenen Data Beratungen auch gearbeitet kennengelernt Und ich fand dieses Gebiet sehr, sehr spannend.

00:02:47: Deswegen habe ich mich da auch selbstständig gemacht in dem Bereich.

00:02:52: und deine Frage war ja auch gewesen wie kommt man da auch rein größen?

00:02:58: Jetzt gibt es eine Möglichkeit dass man sich beispielsweise die Hersteller anschaut wie Strategy oder ClickTech, Tableau, Thoughtsport das sind so diese typischen Front-End BI Anbieter.

00:03:11: dann gibt es Wo es einen Frontend gibt, gibt's natürlich auch ein Backend wie zum Beispiel jetzt im Bereich ETL.

00:03:17: Da kann man sich jetzt Talent anschauen.

00:03:19: gut die wurden ich glaube von Click jetzt übernommen.

00:03:22: ja dass man sich da auch die Hersteller auch anschauen kann und einfach mal guckt Wie sieht das Ökosystem aus?

00:03:28: Und dann kann man gucken ah okay Im Frontendbereich bei Click Deck Das ist jetzt zum Beispiel keine Ahnung Die Firma X oder bei Strategy war es damals gewesen BI Rabbit beispielsweise, sie sitzen zwar in Polen.

00:03:43: Aber so kann man sich dann herantasten.

00:03:45: und natürlich kann man jetzt auch Databricks anschauen.

00:03:48: da hat ich auch gearbeitet das Snowflake super spannend.

00:03:51: Auch vielleicht noch ein Fun Fact Ich war auf dem Data Innovation Summit in Stockholm gewesen dieses Jahr Und da habe ich auch verschiedene Firmen gefragt.

00:03:59: Sie waren viele Firmen sind im skandinavischen Raum wie hey was habt ihr gerade im Einsatz?

00:04:04: Und es waren immer diese drei Plattformen die genannt wurden Snowflakes Databricks oder Fabrik.

00:04:12: Und dann gab es auch natürlich ein paar andere, andere Installationen wie etwas mit AWS oder irgendwas mit AWS Nativ oder irgendetwas eine Mischung aus Exasol.

00:04:22: aber die Mehrheit hatte wirklich immer diese drei Firmen genannt und daher auch mein Tipp für deine Studis dass man sich auch mal anschaut wie hey Wie kann ich Wert einbringen in einen dieser drei Firme?

00:04:39: Ja, fährt beispielsweise eine Möglichkeit jetzt anzufangen.

00:04:44: Das deckt sich auch in meiner Erfahrung.

00:04:45: Ich denke mal Databricks Snowflake ist stark im Einsatz auch vor allem bei großen Firmen.

00:04:52: Es wird evaluiert wie man es einsetzen kann.

00:04:57: Wie siehst du da auch den Einsatz und vielleicht nochmal dem Bogen zu machen?

00:05:01: Also das gibt Hersteller und es gibt ja zwei tausend Firmen in deutschsprachigen Raum die Du jetzt genannt hast die Firmen.

00:05:06: Ich glaube, Snowflake ist zwar in Deutschland entstanden.

00:05:09: Ist aber auch dann stark investiert im Börsen-US Stock von den zwei Tausend Firmen.

00:05:15: oder es gibt halt Hersteller.

00:05:16: und wie kommt man jetzt hin?

00:05:18: Wird man das selber einsetzen wenn wir sagen würde ich will ein Databricks installieren Snowflakes oder nimmt man da eine Beratungsfirma wie du gesagt hast von den Zweitausend Firmen oder geht man da einen Mischweg als man sagt evaluiert und nimmt vielleicht noch eine Beratsungsfirme hinzu?

00:05:33: oder wie ist das so ein Vorgehensmodell?

00:05:39: Wenn ich jetzt einen Schwerpunkt im Data Science oder BI-Bereich habe, wie könnte ich da Fuß fassen?

00:05:43: Das heißt direkt Hersteller.

00:05:45: Oder Ökosystem?

00:05:48: Auch von Firmen die das einsetzen möchten.

00:05:51: Also nicht von Berufsanfängern sondern von Firma.

00:05:56: Dass er sich in DAX Konzernen möchte jetzt Databricks einsetzen oder mittelständisches Unternehmen.

00:06:03: Wie wird es vorhanden?

00:06:04: Da gibt es jetzt mehrere Möglichkeiten.

00:06:05: Es gibt nicht den sogenannten Silver Bullet, wie das musst du machen und dann kommst du sofort rein.

00:06:11: Das gibt es nicht!

00:06:14: Es kommt auf die Frage drauf an was will ich überhaupt?

00:06:17: Wille ich klassische Konzernkarriere machen also gerade bei großen Unternehmen?

00:06:21: Du hast jetzt ja genannt zum Beispiel jetzt keine Ahnung jetzt wie Daimler oder auch Fissmann von Kerry übernommen worden Mittelgroß oder Großunternehmen.

00:06:33: Da gibt es auch verschiedene Projekte, so Trainie-Projekte oder Juniorprojekte.

00:06:37: eine Möglichkeit.

00:06:39: Es gibt auch Firmen wie zum Beispiel Taut die sitzen in Köln das ist ne Beratungshirma.

00:06:45: Die stellen sehr gerne auch junge Leute ein.

00:06:46: also der der der Geschäftsführer war auch in meinem Podcast gewesen und da hat ich ihm auch diese Frage gestellt.

00:06:54: aber und er hat auch gesagt klar natürlich Erholen die auch sehr gerne junge Leute aber natürlich auch Leute, die ein bisschen älter sind.

00:07:02: Aber da hat man eine große Chance weil der Durchschnittsalter von Taut das lag so ich glaube bei unter dreißig und da hat Man auch gute Karten.

00:07:12: was man auch machen kann ist man kann einmal direkt auch an die Hersteller gehen.

00:07:17: auch eine weitere Möglichkeit gerade die größten wie microsoft aps da gibt es auch wiederum Programme, man kann sich auch natürlich eine SAP auch anschauen.

00:07:26: Die machen auch was im Bereich BI sind jetzt zwar nicht so super bekannt wie diese sexy Firmen wie Databricks oder Snowflake.

00:07:35: und natürlich gibt es auch noch eine weitere Möglichkeit gerade so wie das bei mir der Fall war.

00:07:41: ich bin ja eher in die BI-Schiene gestolpert.

00:07:44: Das war keine bewusste Entscheidung damals gewesen dass ich gesagt habe ich will immer BI Data Science machen.

00:07:50: Ich bin da reingekommen Durch einen Kumpel von mir, der war Headhunter und er hat gesagt, hey Rocky hättest du Lust.

00:07:58: Hier mal bei einer Software Firma anzufangen?

00:08:00: die Firma heißt Microsoft strategy Du hast BWL studiert ich hatte damals auch gar nicht irgendwas mit Detail gemacht hatte bwl gemacht und der meinte ja du kannst dann später im Vertrieb arbeiten all im Außendienst als Account Manager.

00:08:14: Und mein Einstieg sah so aus dass sich im Insightsails angefangen habe bei einer Firma und die uns Insightsales stellen.

00:08:20: das ist so Vertriebsinnendienst.

00:08:22: Du musst da Akquise machen, das heißt du bereites dann die Termine für den Account Manager vor und da brauchst du auch keine Berufserfahrung.

00:08:32: also auch eine Möglichkeit wenn man sagt wie hey ich habe SETA sein studiert Ich hab auch eine gewisse Affinität zu Vertrieb.

00:08:38: Ich will gar nicht viel jetzt hier mich mit Modellen beschäftigen oder vielleicht so eine Mischung machen.

00:08:43: Dann kann man sich auch überlegen ob Insightscales eine Möglichkeit ist anzufangen.

00:08:48: Ja, weil da kommt du sehr schnell rein.

00:08:52: Und noch eine Möglichkeit ist... Das ist jetzt keine Möglichkeit, das sind die Schnittmengen von allen René.

00:08:59: Egal wo ich mich bewerbe und ich müsste mir immer Gedanken machen was es etwas was ich mitbringen kann?

00:09:07: Was die anderen nicht haben!

00:09:08: Ich gebe dir mal ein Beispiel.

00:09:09: also der klassische Weg ist ja in der Bewerbung.

00:09:12: man schreibt man guckt erst einmal welche Stellen gibt es Und dann schreibt man irgendwie eine Bewerbung und hofft dann, dass man irgendwie angeschrieben wird.

00:09:20: Das ist der Klassiker!

00:09:21: So würde ich es eben nicht machen.

00:09:23: Meine Empfehlung wäre, das man erst mal sich die Gedanken macht in was für ne Firma will ich?

00:09:30: Will ich Großkonzern?

00:09:32: Wille ich ermittelständig?

00:09:33: Je kleiner die Firma desto größer logischerweise verantwortungsbereich... ...und dann muss mir auch überlegen wer trifft da die finale Entscheidung?

00:09:40: Und das ist nicht häufig der Recruiter sondern eher Geschäftsführer oder einer aus dem Fachbereich.

00:09:46: und dann muss mir die Frage stellen.

00:09:48: Was hat der was für ein Problem kann jetzt diese dieser Kollege haben?

00:09:53: Und wie kann ich mit meiner Kompetenz ihm helfen, dass er merkt ihr wow da ist ja jemand der sehr super schlau wenn ich ihn einstelle.

00:10:01: das ist ja No Brainer und hier kann man sich überlegen, also Dinge die man dann machen muss.

00:10:06: Heute hat mir der Claude Chatchi biet ihr es ja super einfach zu Recherche zu machen dass man vielleicht mal eine Analyse macht über eine bestimmte Firma und guckt okay welch Probleme hat gerade die Firma?

00:10:15: oder welche Kunden will sie akquirieren?

00:10:17: Welche Projekte macht sie?

00:10:18: und dann kann man vielleicht mit einem Point of View beginnen und sagen wir hier schau mal lieber Geschäftsführer du willst jemanden einstellen.

00:10:26: ich habe folgendes festgestellt ABC Wenn du mich einstellst, kann ich mit meiner Kompetenz DEF Folgendes helfen, dass du folgende Strategieninitiativen besser erreichen kannst.

00:10:36: Das ist ein ganz anderer Weg als wenn ich mich jetzt nur auf irgendwelchen wenigen Offen stellen die gerade da sind.

00:10:44: Jetzt versuche irgendwie jetzt Händerenken nicht zu bewerben.

00:10:47: Vielleicht bin ich es ein bisschen ausgeschweift hier?

00:10:51: Ja, also machen wir gerade weiter.

00:10:53: Das ist ja auch ein spannendes Thema mit das auch gerade wehend AI und wie man Unternehmen findet natürlich auch für Berufsanfänger oder einen Job sucht oder auch Beruf wechseln möchte oder auch wenn man eine Firma ist und neue Mitarbeiter einstellen möchte dann ist der AI ein großes Thema.

00:11:12: Wie kann man sich jetzt absetzen?

00:11:13: Oder kann die AI einmal setzen?

00:11:16: Oder wie siehst du das momentan in den Beratungsfirmen?

00:11:20: und Claude, was du gesagt hast.

00:11:21: Man kann schneller programmieren.

00:11:23: Ob das jetzt die Qualität anstimmt oder so?

00:11:26: Das ist vielleicht Ansichtssache.

00:11:27: Da scheiden sich die Meinungen.

00:11:29: aber wie siehst du das Ganze?

00:11:33: Die große Frage wird uns komplett allen die Jobs wegnehmen?

00:11:38: da gibt es ja jetzt ein paar sehr intelligente menschen die sagen ja das kann passiert wie zum beispiel der ehemalige chef architekt von google mogat datt heißt ich kann nie seinen namen richtig aussprechen also der ist ja mehr so, eher sehr negativ eingestellt.

00:11:56: aber es gibt auch leute die sehen anders.

00:11:59: was ist meine meinung?

00:12:00: ich habe eine eigene meinung.

00:12:03: Ich glaube nicht dass alle Menschen jetzt auf einmal arbeitslos werden glaub ich nicht.

00:12:09: ich sag jetzt auch warum woran das liegt?

00:12:11: Weil gerade das, was jetzt die KI herausbringt.

00:12:15: Also wenn wir uns zum Beispiel jetzt mal LLMs anschauen, keine Ahnung, was Claude erzeugt und da wird ja auch immer noch häufig viel haluziniert.

00:12:24: Und was ich als Data Scientist oder als Data Engineer, was Spaß sagen kann ist... Ich muss die Intelligenz haben hin zu hinterfragen Ist das was daraus kommt?

00:12:33: Macht das Sinn?

00:12:34: Ist das Bullshit?

00:12:35: Oder wie kann ich kombinieren?

00:12:37: Das sind so Dinge, das kann jetzt nicht mehr.

00:12:40: ... KI oder was keine KI auch noch nicht kann ist und das ist dieses spezifische Projektwissen.

00:12:46: Und das sage ich auch allen Data Beratungen, die Leute, die ab so geiles Projekt wissen über bestimmte Kunden wie sei es jetzt über die Heereus... ...über die Fraport ja?

00:12:56: Ein anderer Kunde der wo ihr da reinkommen wollt, der kann das ja niemals über Claude rausfinden.

00:13:03: Das heißt gerade wenn man sich über bestimmten Dinge oder über ein bestimmtes Projekt, wo man Erfahrung gemacht hat sich extrem gut auskennt und nicht nur bisschen sondern wirklich die einzelnen Details.

00:13:16: Dadurch macht man sich unverzichtbar weil keine Firma wird seine geheimen Projekte hier irgendwie in der KI zur Abfrage bereitstellen.

00:13:26: das darf man nicht.

00:13:27: Das macht auch keiner.

00:13:31: Also ein wichtiger Punkt.

00:13:32: Da hat man auch gestern noch ein Gespräch mit, dass man seinen Alpha nicht abgibt sonst hat die KI auch ist vielleicht ein bisschen ausschweifend.

00:13:38: aber es gab ja auch das Anthropic eine Partnerschaft gemacht hat mit der einen Firma die auch so Powerpoint Ähnliches macht und danach hat Anthropics selber umgesetzt hat das ganze Know-how Die ganzen Daten rausgezogen von der Firma Und hat's dann selber gemacht.

00:13:51: und ich denke mal sehr wichtig dass man Alpha nicht reinbringt.

00:13:55: Noch ein anderer Punkt EAS ist ja eine Herausforderung.

00:13:59: Und eine andere, was wir schon besprochen hatten war das Outsourcing.

00:14:04: Das Nier-Shoring oder Offshoring von Arbeitsplätzen.

00:14:08: Ich denke mal zwei Winkel einmal für Bewerber.

00:14:11: Man muss sich natürlich einmal als DAE eine Konkurrenz oder Tool, was man kennen muss.

00:14:16: und zum anderen passiert es in Deutschland sehr stark momentan – das Niershorring und Offshoring.

00:14:23: Wie siehst du das Ganze?

00:14:24: Wie kann man sich da vielleicht positionieren, einmal Ausblick von Bewerbern und vielleicht auch von Unternehmern.

00:14:30: Ja, das Nierschrollen ist jetzt kein komplett neues Thema.

00:14:33: Das hat man ja früher ja auch schon gemacht.

00:14:37: Und was man auf keinen Fall schaffen kann ... dass man sagt, okay ich mache es günstiger.

00:14:43: Weil es wird immer jemand geben in Osteuropa der es günster machen kann.

00:14:47: Ich möchte jetzt ungern den Namen nennen aber das ist schon ein sehr aggressiver Markt und die Leute in Oesteuropaa sind auch nicht schlecht ja?

00:14:56: Und sie haben teilweise Tagessätze, die liegen grad mal zwischen vier bis sechshundert Euro.

00:15:03: Und damit kann natürlich ein deutscher Bewerber so gut wie gar nicht mitteilhalten, geschweige denn die deutschen Beratungen auf lange Sicht.

00:15:09: Das funktioniert nicht.

00:15:11: Das heißt hier ist meine Empfehlung das sage ich auch allen Data-Beratung dass man sich stark spezialisiert also jetzt nicht versucht alles zu machen wie wir machen jedes Projekt was kommt sondern eher eine sehr gezielte bewusste Nischenstrategie macht.

00:15:28: und es gibt auch Firmen die machen das und sie sind auch super erfolgreich wie zum Beispiel Anaxima der Matthias Delling, der Geschäftsführer war auch bei mir.

00:15:35: im Podcast könnt ihr euch auch gerne mal anhören.

00:15:38: und diese Firma die gibt es schon seit über zwei Zweidseite Karten.

00:15:42: Und hier haben sich zum Beispiel jetzt nur auf Banken spezialisiert also Banken und Versicherungen.

00:15:48: aber Schwerpunkt ist sind Banken oder.

00:15:52: Matthias ist auch ehemals COBA Excommerzbank das heißt er kennt er weiß ganz genau wie eine Bank tickt.

00:15:58: er hat auch das Netzwerk Weiß auch genau was sind die Probleme, die jetzt in bestimmten Projekten kommen und bietet beispielsweise feste Preise an.

00:16:10: Also Paketpreise an!

00:16:12: Er geht gar nicht auf das Thema Tagessatz.

00:16:14: natürlich weiß auch welches Risiko da drin steckt aber dass dann auch einkalkuliert, aber das ist eine Möglichkeit wie man sich dann auch als Detaberatung positionieren kann.

00:16:23: Und natürlich darf man auch nicht vergessen Die deutsche Sprache.

00:16:29: also gerade im Mittelstand ist es teilweise nicht überall Teilweise immer noch so, dass eigentlich ja schon eine gewisse Barriere darstellt.

00:16:37: Da fühlt man sich wohler wenn mein Berater Deutsch kann.

00:16:41: ich weiß auch zum Beispiel von einem Kunden von mir Nostard die sitzen in Regensburg.

00:16:47: da kam auch das Feedback Ja wir finden es toll, dass ihr bei uns in der Nähe seid.

00:16:50: also das darf man nicht vergessen diese Nähe zum Kunden, dass ich immer wieder dort hin fahre und dass auch so eine Beziehung entsteht Das sollte man nicht komplett unterschätzen.

00:17:03: Also am Ende ist es, glaube ich eine Mischung aus verschiedenen Dingen.

00:17:06: Man muss eine sehr starke gewisse Expertise in einem ganz bestimmten Gebiet haben um sich nicht ersetzbar zu machen.

00:17:16: und wenn man oben sein noch sehr gut Deutsch kann und auch bereit ist auch mal ein zwei Mal die Woche zum Kunden zu fahren Ich denke das sind schon gewisse Vorteile die nicht jeder kann.

00:17:30: Also es ist dann kein Homeoffice mehr oder nicht so viel und mehr zum Kunde fahren als Beratungsfirma, als Berufsanfänger.

00:17:36: Vielleicht auch Firmen, dass die mehr verlangen das Mitarbeiter vor Ort sind oder zumindest ab-und zu wichtigen Meetings.

00:17:43: Und das andere ist die Spezialisierung.

00:17:44: was ich rausgehört habe und die Spezialisierung sollte am besten so sein, dass sie noch besser ist als die AI.

00:17:50: Dass man wirklich sagt er hat hier einen Punkt know how nicht zur AI geben keine heim Papiere hochladen wenn man jetzt spezielles Banken wissen hat Sondern das ist dann wichtig, dass man das selbst hat.

00:18:01: Ich glaube da schneidet sich oder geht es wieder zusammen?

00:18:05: Dass das dann der Thema ist.

00:18:08: Vielleicht hast du irgendwelche anderen Ideen für Spezialisierung, für Beratungsunternehmen oder auch für Berufsanfänger.

00:18:14: Klar einmal ist die Branche in den Nische gibt es vielleicht auch Themen, weil ich glaube AI mittlerweile macht auch die Software Tools, wie gesagt Databricks Snowflake soll man sich auf die Tools spezialisieren, Aber ich habe es früher gesehen, da war dann Hadoop mit Hortonworks.

00:18:31: Sie wurden wieder gekauft und das wurde wieder weg.

00:18:32: Da haben wir immer die Tools, die kommen und gehen.

00:18:37: Bringt es dann was?

00:18:38: Dass man sich immer wieder auf neue Tools fokussiert oder eher auf die Branche?

00:18:43: Sehr

00:18:43: spannende Frage!

00:18:45: Ja, das ist korrekt.

00:18:46: Also Claudera... Es gab ja mal eine Zeit, da waren Clauderas super beliebt.

00:18:51: Und der spannende Fun-Fact wie meisten Ex-Claudera Jungs sind dann später zu Databricks gewechselt, also da war wirklich so ein Muster zu erkennen.

00:19:02: Schwierig!

00:19:03: Es hilft schon... Also ich glaube schon dass Databracks Snowflake schon lange leben werden.

00:19:11: Ich halte es für unwahrscheinlich das die jetzt nächstes Jahr weg sind.

00:19:14: Das ist halt für sehr sehr unwahrscheinlich.

00:19:16: aber man muss auch vorsichtig sein.

00:19:17: Man hat jetzt ja auch sehr kurze Innovationszyklen und es wird sehr schnell entwickelt.

00:19:23: vorsichtig sein ist.

00:19:24: Und das kommen ja auch ständig immer irgendwelche neue Technologien, aber so schwergewichte wie zum Beispiel Snowflake, Data Bricks, dass die jetzt wirklich in ein zwei Jahren oder drei Jahren weg sind, halte ich für sehr unwahrscheinlich.

00:19:37: Wer weiß was in vier Jahren passiert?

00:19:39: Die Glaskugel habe ich nicht!

00:19:41: Aber was man gerade als junger, also junger Professionell mitbringen sollte, ist eben diese kritische Denkfähigkeit und einfach Neugierde dass man auch wirklich sich um diese Sache interessiert und nicht nur das Geld, deswegen der Hauptsache ich habe einen Job.

00:20:00: Dann wird man sowieso sehr gut darin.

00:20:03: Und wenn du jetzt eine klare Empfehlung von mir willst ist sollte man sich auf eine Technologie lieber eine Technologie spezialisieren als gar keine.

00:20:10: Das immer besser, dass man eine mindestens kann uns sagen können wir hört Hör zu, schau mal.

00:20:16: Ich habe mich hier auf dem Markt mal schlau gemacht und hab gesehen diese Technologie ist am meisten verbreit.

00:20:20: Da kann man erstmal denke ich nicht viel falsch machen.

00:20:24: Nebenbedingungen?

00:20:25: Man muss immer offen sein was kommt dann später im zweiten Jahr bei wichtiges?

00:20:29: ja ich will ja erst einmal Fuß fassen und eine Firma reinkommen.

00:20:33: Und wenn ich auch beispielsweise andere Geschäftsführer frage die in meinem Podcast kommen wie hey wel welche Tendenz siehst du denn was wird kommt dann immer mehr in den Markt.

00:20:41: das auch wieder eine Meinung.

00:20:42: ich höre immer wieder Databricks.

00:20:44: Also das scheint schon richtig gut zu sein, diese Technologie.

00:20:48: Ich sage das jetzt nicht weil ich einen Bias habe und da selbst gearbeitet habe.

00:20:51: aber selbst wenn man auch dann Snowflake nimmt, glaube nicht dass man da sehr viel falsch macht.

00:20:55: also wenn man zumindest diese zwei Technologien sich bislang auseinandersetzt und dann seine Bewerbung an eine Data Beratung, ich hatte jetzt Tout erwähnt oder wenn man dieses jetzt zu Nostad schickt also Nostads macht stark im Azure Bereich machen auch etwas mit Databricks kann man sagen hey guck mal Ihr seid ja eine Beratung und bietet ABC an.

00:21:16: Und ich habe gesehen, dass ihr zum Beispiel auch was mit Databricks macht.

00:21:21: Damit habe ich schon gewisse Projekte gemacht.

00:21:24: Das waren folgende Projekten die ich gemacht habe.

00:21:31: Danke so weit!

00:21:31: Jetzt würde vielleicht noch mal eine Fokus nochmal ändern.

00:21:37: Wir hatten jetzt ja oder Databracks Nowflag ist das eher bei großen Konzernen wie wir vorher gesagt haben.

00:21:42: Siehst du das auch bei kleinen Firmen, wenn man sagen würde okay ist vielleicht eine zwei oder hundert bis zweihundert Mann Firma.

00:21:53: Macht es da auch den Databricks einzusetzen oder Snowflake?

00:21:55: Oder muss man da anders vorangehen?

00:21:57: Ist es vielleicht auch eine Spezialisierung auf der Berufsanfänger?

00:22:01: Hast Du auch Erfahrungen in diese Richtung?

00:22:03: Ja

00:22:03: ich habe ja den Vorteil dass ich durch meine Sales Audits die ich bei Data Beratung gemacht habe konnte ich ja sehen was die für Kunden haben und wie so die Architektur aussieht.

00:22:15: Und da ist tatsächlich auch ein Muster zu erkennen.

00:22:17: gerade große Kunden, die haben fast alle entweder Databricks oder Snowflake oder eine Mischung von den beiden... ...oder halt Fabrik das ist der Klassiker!

00:22:30: Ja und es ist auch einen No-Brainer, fast alle arbeiten von den Großen mit irgendeinem der drei Hyperscalers.

00:22:36: Das sehe ich immer.

00:22:37: Also dieses Bild ist sehr stark Erkennbar.

00:22:42: Je kleiner es wird, wenn's kleine Firmen sind da sehe ich wiederum stark auch Fabrik sehr stark Fabrik oder auch teilweise irgendwelche Eigenentwicklung.

00:22:52: also ich seh jetzt auch eine Technologie.

00:22:53: das war ein Ex-Gunde von mir der den kann sich noch von Databricks HelloFresh und er ist jetzt zu einer anderen Firma gewechselt.

00:23:02: Ich weiß nicht mehr wie die heißt aber eine kleine Firma.

00:23:05: Und dann hat der VP Data zu mir gesagt ja Rocky Databricks ist super, aber es hat für uns nicht gepasst.

00:23:10: und der hat jetzt von einer Technologie gesprochen die kommt aus Niederlanden auch von einem deutschen Professor.

00:23:15: Das war Dacke db.

00:23:17: Die Oberfirma heißt ich Madadak Und das sollte man auch so im Auge behalten.

00:23:22: ebenfalls.

00:23:23: was sich auch wahrgenommen habe ist Was auch so bissl mehr kommt dieses Thema Krieghaus die sollt man auch nicht komplett unterschätzen.

00:23:30: also da wird ein paar Einfach Projekte gehört Aber gerade bei kleinen mittelgroßen.

00:23:38: Also da ist es nicht so der Klassiker, dass man da ständig Databricks aus Snowflake sieht.

00:23:43: Da sieht man auch häufig eigene Entwicklungen oder auch Dinge immer noch stark auch aus dem Open Source Bereich.

00:23:51: Aber noch einmal ich habe jetzt keine belastbaren Zahlen wie hier René Ich hab' jetzt fünfhunderttausend Firmen gesehen aber das ist ein bisschen meine Meinung was sich wahrgenommen haben.

00:24:03: Ja, das ist klar.

00:24:04: Ich meine es gibt ja was heißt ich hunderttausend eine Million kleine Firmen in Deutschland.

00:24:09: gefühlt.

00:24:09: da kann man natürlich nicht alle sehen dass jetzt aber immer gut guten Einblick steckt sich denke ich auch mal mit meinem Eindruck.

00:24:16: also macht ja auch Dator Bricks nur bei Nicht nur aber ich würde sagen bei großen Datenmengen vor allem Sinn und kleinere Firmen da geht's eher um Prozesse.

00:24:26: Also ich hatte damals ja bei Dator bricks im Jahr zwanzig-zwanzig angefangen.

00:24:29: ich war damals in dem Enterprise Team ... immer noch dieser Aufgelung strategic, ... ... nehmt Accounts Enterprise.

00:24:37: Dann gab es nochmal... Ach wie hießen die nochmal?

00:24:40: Nicht New Logo!

00:24:44: Die sich für die Start-ups gekümmert haben.

00:24:46: Mir fällt jetzt gerade der Name nicht ein.

00:24:47: Ich glaube Digital Natives.

00:24:48: also so waren sie aus die Aufteilungen und ich hatte damals schon festgestellt,... ...die sehr erfolgreichen Team damals, das hat jetzt vielleicht geändert aber damals waren's entweder die ganz grobe... die Teams, die die ganz großen Firmen betreut haben wie eine Daimler mehr als Mercedes-Benz.

00:25:09: Oder die Digital Natives aus Berlin Delivery Hero, HelloFresh, Get Your Guide.

00:25:17: Warum?

00:25:18: Weil was das muss da?

00:25:19: Die Digital Native haben jetzt zwar nicht viele Mitarbeiter aber deren Kernbusiness sind Daten und wiederum bei den Ganz großen Unternehmen.

00:25:29: die haben natürlich das Budget, das Geld große Teams so große Deterteams zu horten wie.

00:25:36: Wie die Kompetenz Center der Arbeit dann fünfzehundert Mann also dieses Muster habe ich damals schon erkannt ja.

00:25:43: Das ändert sich ein bisschen auch beispielsweise jetzt im Mittelstand wie me war.

00:25:49: da wird jetzt auch Databricks eingesetzt zum Beispiel.

00:25:53: Der Kollege kam auch bei mir im Podcast.

00:25:55: Ich weiß noch, damals war das noch im Aufbau gewesen bei der MEVA beispielsweise vor sechs Jahren.

00:25:59: Aber jetzt kommt da immer mehr.

00:26:01: genauso wie bei Fiesmann auch vor knapp sechs Jahren war schon einiges was man damit Azure und mit Databricks gemacht hat aber kommt jetzt immer mehr.

00:26:11: also man sieht schon auch im Mittelstand im gehobenen Mittelstand auch wieder Tendenzen Richtung Azure, Databrick, Snowflake.

00:26:23: Ja, sehr spannende Einsicht wie sich das Ganze aufteilt.

00:26:26: Ich denke es gibt viele, viele Settings und noch einen großen Bereich zwischendrin aber es ist echt spannend dass man die aufzeigen kann.

00:26:33: auch nochmal Danke für den Podcast.

00:26:34: ich denke wir hatten jetzt einige Themen angesprochen.

00:26:36: heute spannende Themen.

00:26:38: Jetzt noch zum Abschluss.

00:26:39: du hast ja viele Podcasts auch gemacht.

00:26:40: was ist jetzt aus deinem Podcast?

00:26:42: Aus deiner Praxiserfahrung?

00:26:45: Was sind da noch Tipps die du gerne Berufsanfänger mitgeben?

00:26:49: Also erstens ein Tipp den ich gerne mitgeben möchte.

00:26:53: Ich lehse auch sehr gerne, ich würde allen das Buch Ikigai empfehlen.

00:26:58: Also bei Ikigak du lachst ein bisschen lächelst, vielleicht kennst du was René?

00:27:01: Das kommt ja aus... Ah, hast du schon gesagt!

00:27:03: Ja, das

00:27:03: habe ich mir das letzte Mal schon empfohlen.

00:27:05: Ich hab es mir sogar gekauft euch noch nicht dazu gekommen zu lesen.

00:27:09: Das war so ein Spiegel-Bestzeller, dass ist von Ken Mogi weil häufig ist es ja so gerade als Berufsanfänger stellt man sich anstatt jetzt sofort in den zumindest besten Job zu springen, würde ich mir echt mal die Zeit nehmen und einfach mal das Buch mal in Ruhe lesen.

00:27:24: Warum?

00:27:24: Und da werden genau diese Fragen gestellt was kann ich sehr gut?

00:27:28: Was macht mir wirklich Spaß?

00:27:31: Wo kann ich einen Beitrag für die Gemeinschaft geben womit kann man auch Geld verdienen?

00:27:37: und so aus diesen verschiedenen Konzentrischen Kreisen entsteht dann eine kleine Schnittmenge Und genau diese Schmittlänge ist dieses Iki-Geil.

00:27:45: Also das würde ich erstmal allen empfehlen, bevor man jetzt irgendwie guckt wie wo ist denn die Exzente der Science Job?

00:27:50: Ach du hast jetzt einen Job bei Porsche oder bei Siemens bekommen.

00:27:55: so da hat man ja auch eine gewisse Artitüde.

00:27:57: Man will bei den großen DAX Konzerne vielleicht sein dass er zurückstecken und erst mal diese Basic diese Hausaufgabe machen Wenn das klar ist und man trotzdem immer noch sagt, ja ich will Data Engineer werden oder ich möchte gerne.

00:28:12: Ich sehe meine Karriere als Data Scientist bei einem mittelgroßen Unternehmen.

00:28:16: dann wäre auch mein zweiter Tipp anstatt diesen klassischen Bewerbungsprozess zu machen viel erstmal zu recherchieren was heißt dass nicht nur Claude oder ChatGPtiv sagen sondern auch mal vielleicht so ein Podcast wie dein mal anzuhören um einfach mal Wissen zu bekommen, was man so draußen sonst nicht von der KI findet.

00:28:38: Und dann drittens wenn man sich dann bewerben will dass man das auch meine Empfehlung nicht eine kalte Bewerbung rauszuhauen sondern eher zu gucken kann ich mich vielleicht irgendwie warm weiter empfehlen lassen.

00:28:51: stichwort Netzwerk ja und hier könnt Da könnte auch natürlich auch eine Möglichkeit sein, dass ein Student jetzt sagt, hey Rocky fand ich sehr sympathisch.

00:29:00: Du warst ja im Podcast und ich habe gesehen du kennst den Geschäftsführer von Tauert oder du hast Anaxima erwähnt die sind stark auf SAS.

00:29:08: Ich hab mich mit SAS sehr gut beschäftigt und ich weiß sie sind bei folgenden fünf Banken tätig.

00:29:14: Ich kenne mich auch mit Banken sehr gut aus und da gibt es ja folgendes Projekt im Zuge von... Jetzt erschwetze ich ein bisschen so, keine Ahnung, irgendwas mit Basel drei.

00:29:23: Ja und da kenne ich mich aus, magst du mir da vielleicht eine Empfehlung machen?

00:29:27: Und da wäre ich auch wieder sehr geneigt diesem Studenten Empfehlungen zu gehen weil ich sehe ah wow er hat all seine Hausaufgaben gemacht.

00:29:34: es ist nicht nur so ne Plumpe Frage wie hey empfiehle mich mal sondern ich sehe wow der hat seine Hausafgaben gemacht er kennt sich aus und ich würde auch dann dem Matthias einen Mehrwert bringen Dann würde ich das auch wirklich machen.

00:29:47: Also das wären so meine drei Empfehnungen.

00:29:49: also einmal Erstens dieses Thema Ichigai, dann zweitens nochmal raus sehr viel Recherche und Analyserarbeit machen.

00:29:58: Also besser zu viel besser den Markt zu kennen als meine Mitbewerber.

00:30:03: Und drittens stark auf das Thema Netzwerk zu gehen wenn man sich bewerben will.

00:30:12: Danke für die Tipps.

00:30:12: ich denke auch dass sind sehr spannende Themen auch was du noch mal gesagt hast mit auf eigene Steigen konzentrieren.

00:30:18: nicht nur was der Markt macht Es sieht es gerade wieder mit Schweinezyklus.

00:30:22: Früher hatte man gedacht, vor fünf Jahren Data Science IT ist die sichere Sache.

00:30:27: jetzt kommt KI und plötzlich sieht die Welt wieder anders aus.

00:30:30: also deswegen immer auch auf die eigenen Stärken hören.

00:30:33: nicht nur was der Markt sagt wo es gerade Bedarf ist bei der Bedarf ändert sich recht schnell.

00:30:38: wenn jeder darauf anspringt und jeder das machen will Ist vielleicht auch so ein Thema, wenn jetzt alle sagen man muss was mit AI machen und jeder fängt jetzt an mit AI.

00:30:46: Man weiß nicht was in fünf Jahren ist.

00:30:47: Vielleicht lieber erstmal schauen was es meine eigene Stärke?

00:30:50: Nicht nur weil die AI sich cool anhört und das sie da macht sondern vielleicht auch mal auf der eigenen inneren Stärke.

00:30:55: Aber ich denke mit AI kann man jetzt erst einmal kurzfristig wenig nicht sehr viel falsch machen.

00:31:00: also viel falsch kann man damit denk ich jetzt erstmal nicht sparen Weil weil es steckt einfach soviel Geld dahinter also wie viel da jetzt gerade massiv global investiert wird.

00:31:13: Genau, also halt nicht blind meine ich jetzt drauf losrennen sondern auch schauen muss in die Steigen.

00:31:18: Es gibt ja verschiedene Bereiche im AI-Bereich und ich glaube es wird auch noch so wie früher sein oder was ich sehe.

00:31:24: Klar jeder will jetzt irgendwelche Elements trainieren aber wenn die Daten nicht da sind dann bringt das beste Modell nichts.

00:31:31: Also Daten aufbereiten, bereinigungen ist immer noch ein Thema, Daten verfügbar zu machen in Unternehmen.

00:31:36: Aber ich glaube da trifft man jetzt ab.

00:31:38: Ich denke auch klar AI ist ein großes Thema.

00:31:40: trotzdem noch auf innere stecken.

00:31:44: So, danke für die China vom Podcast.

00:31:47: Es war ein spannender Insights.

00:31:48: auch nochmal Danke für die Tipps.

00:31:49: ich denke sie sind auch sehr interessant und auch das Angebot für Weiterempfehlungen Für Kandidaten wenn Sie sich bewerben müssen.

00:31:56: Die wissen jetzt ja genau wie sie dann an dich antreten können oder mal vielen Dank

00:32:00: Danke auch Danke auch René.

00:32:01: Vielen Dank für die Einladung Und ich werde gleich meinen Chai mit Agave und Hafermilch dann genießen

00:32:12: Dann genieße ihn.