Hvad gør en Analytics Translator?

Jobtitel: Analytics Translator

Navn: Holger Hürtgen

Uddannelse: Studiesoftwareudvikler / Technomathematiker

Virksomhed: McKinsey

Hvad laver du?

Jeg er en oversætter. Dog ikke for sprog i klassisk forstand, men for “matematisk tysk, tysk matematik”. Så jeg er tosproget og den personificerede grænseflade mellem forretning og data. Det fungerer sådan: Jeg taler med mine klienter på forretningssiden af ​​virksomheden og prøver at forstå, hvilket problem de har der i det “rigtige” liv.

Derefter prøver jeg at løse problemet med en analytisk tilgang. Til det oversætter jeg problemet i datavidenskabsafdelingen med mine kolleger fra praksis til en form, hvor det kan behandles med analysemetoder. Så vi spørger os selv: hvad er fakta? Hvilken analysemetode er nødvendig? Hvilke data skal vi kigge efter? Så fortsætter det igen, og vi starter tilbageoversættelsen til erhvervslivet. Klæbepunktet er, at vi hjælper med at få det til at ske højre Løs problemet. Det lyder banalt i starten, men det er det ikke.

Vi fortsætter i tre trin. Først analyserer vi problemet. Derefter vælger vi den passende metode, og til sidst skal det hele oversættes. Dette betyder også, at jeg ser på koderne og også går teknisk dybt – selvom jeg ikke programmerer mig ofte mere.

udstilling

Hvordan kom du til denne opgave?

Det var i 2006, i verdensmesterskabet – jeg underviste stadig i USA som underviserassistent ved University of Wisconsin-Milwaukee og på hjemmebesøg i Tyskland, også for at få fodfæste her og finde et job. På det tidspunkt tænkte jeg, at dette skulle være inden for et meget teknisk område. Mens næsten hele Tyskland stadig fejrede det store mål for Philipp Lahm mod Costa Rica ved verdensmesterskabet i 2006, kiggede jeg mig rundt i halvtidspausen
og fandt jobvarslingen for en Junior Analytics-specialist hos McKinsey. Min kone er en forretningsadministrator og spurgte mig på det tidspunkt, om jeg endda vidste, hvad McKinsey gjorde – ærligt var jeg forholdsvis udefilet her!

Under alle omstændigheder inviterede McKinsey mig til at tale, og jeg måtte løse et case study. Dette er normalitet i konsulentbranchen: ingen ansøgningsprocedurer uden løsning af praktiske forretningssager. Det var min første oversættelse, så at sige. I samtalen viste det sig, at McKinsey ikke vidste nøjagtigt, hvordan profilen til jobbet skulle se ud i detaljer. Jeg mener, at det er symbolsk for mange ansøgningsprocesser i dag: Virksomhederne skriver ikke en klar jobprofil, men undersøger sammen med ansøgerne de opgaver, “den nye” skal overtage. Selvfølgelig har du brug for meget mod til at prøve det på begge sider. Erfaringen har vist, at McKinsey ramte mærket. I begyndelsen af ​​2007 sluttede jeg mig derefter som en datavidenskabsmand. Og var den første af min art på det tyske McKinsey-kontor.

Hvilken egenskab hjælper dig mest i din hverdag? Hvorfor?

Det lyder måske lidt banalt, men jeg kan godt lide at forklare ting. Dette er meget nyttigt, fordi jeg ikke kun skal lave matematik i jobbet med Analytics Translator, men også kan forklare en masse. I mit private liv er jeg måske i modsætning til stereotyp matematikeren ret udadvendt og kan lide at tale med mennesker.

Beskriv så klart som muligt et projekt, der især har imponeret dig

Et spændende felt er forudsigelsen af ​​afslutninger af kontrakter – såsom inden for telekommunikation. Virksomheder ønsker proaktivt at engagere kunder, når de ønsker at holde op. Problemet: Selvfølgelig kan jeg ikke henvende mig til alle kunder, men jeg vil nå ud til de rigtige mennesker. Så spørgsmålet er: hvem ville stoppe? For at besvare disse skal du se på de tidligere data. Har kunden nogensinde opsagt sin kontrakt i fortiden? Telefoner han til andre netværk? Så bygger du en model. Og her er en nøglefaktor: Hvis modellen siger, at denne kunde er 90 procent sandsynligvis at stoppe, ved jeg stadig ikke hvorfor.

Dataforskeren udvikler derfor en model, der kan forudsige en afslutning måske kun til 60 procent, men ved årsagen, og afslutningen forudsiger tidligere. Er det på nettet? Til tjeneste? Var regningen forkert? At have denne info rettidigt er meget mere værd. Det er vigtigt, at det slet ikke handler om afslutningsforudsigelse, men om undgåelse af ophør!

Hvad er vigtigst for dig i dit job? Hvad er det sjoveste?

Det vigtigste for mig er den direkte kontakt til klienterne. I det sproglige, det er stadig pejorative stadig som, Data Scientists er nørderne, der sad i det mørke maskinrum. Forresten! Dette er ikke et job for bagværelset. Vi udviklede vores folk lige fra begyndelsen, og det startede med mig. Jeg vil også understrege, at jobbet med “oversætter” faktisk ikke er en rolle i sig selv, men en færdighed, som du har brug for i forskellige roller.

Det kan også være, at man kender en klient, som man rådgiver, også fra hverdagen. For eksempel, hvis du bruger produktet eller modtager reklame. Så kommer du hjem og åbner postkassen og ser, at f.eks. Annonceringen ser pludselig meget anderledes ud. Og når venner, bekendte eller naboer kommer til dig og siger, at de finder dem meget bedre nu, er det en god følelse. Derefter gjorde du ikke kun kunden lykkelig, men min arbejdsverden opretter forbindelse til den daglige verden.

Den bedste ros fik jeg fra min kone: Hun sagde til en reklame i kosmetikbranchen, at dette nu er meget mere tiltalende end før. Da jeg kunne sige stolt: Det er hvad jeg har gjort for dig! Naturligvis var det ikke helt sandt, der er en masse hardcore-maskinlæring bag det. Ikke desto mindre kan du ikke overlade maskinen til at arbejde: F.eks. Kan en købsadfærd indikere, at et produkt er mere velegnet til unge eller ældre købere. Men dette har intet at gøre med den virkelige tidsalder: Så er du nødt til at tænke over regler, hvis du virkelig ønsker at anbefale unge rynke cremer, hvis maskinen forudsiger det.

Mit job er uundværligt, fordi …

… data og analyser bliver mere og mere vigtige, og ingen kan undgå data i dag. Stort set ethvert niveau kræver denne evne – fra callcenter-agent til chef for digital officer!

Hvis du ikke var en Business Translator, hvad ville du være?

Måske ville jeg have arbejdet på universitetet. Eller jeg ville være blevet en matchmaker for fodboldfagfolk – hvor min McKinsey-karriere kommer fra.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *