Lebenslauf-Beispiel: Data Scientist
Wer den Lebenslauf eines Data Scientists liest, will sehen, dass Ihre Modelle eine geschäftliche Entscheidung verändert haben – nicht eine Liste von Algorithmen. Dieses Beispiel zeigt, wie Sie Python, SQL und Machine Learning mit messbaren Ergebnissen verbinden: gehaltener Umsatz, gesenkte Kündigungsquote oder eingesparte manuelle Arbeit.
Data Scientist
katharina.weber@email.com · +49 152 3874 6120 · linkedin.com/in/katharinaweber
Data Scientist mit 5 Jahren Erfahrung in der Entwicklung von Machine-Learning-Modellen, die Entscheidungen zu Pricing, Kundenbindung und Marketing steuern. Entwickelte ein Churn-Modell, das jährlich 1,9 Mio. € Umsatz sichert, und ein Experimentier-Framework für 8 Produktteams.
04/2022 – heute
- Entwicklung eines Churn-Prognosemodells (Gradient Boosting), das Abo-Kündigungen um 14 % senkte und jährlich 1,9 Mio. € Umsatz sichert
- Aufbau eines A/B-Test-Frameworks in Python und SQL, das 8 Produktteams für über 60 Experimente pro Quartal nutzen
- Deployment der Modelle mit MLflow und Airflow; Zeit vom Prototyp bis zur Produktion von 6 Wochen auf 10 Tage verkürzt
07/2019 – 03/2022
- Entwicklung eines Betrugs-Scorings für Schadenmeldungen, das 22 % mehr Betrugsfälle erkannte – ohne mehr Fehlalarme
- Automatisierung des Wochenreportings mit Python und Power BI; 15 Stunden pro Woche für das Analyseteam eingespart
- Bereinigung und Zusammenführung von über 40 Mio. Vertragsdatensätzen aus 5 Altsystemen in ein zentrales Data Warehouse
München · 10/2017 – 06/2019
Beispiele für das Kurzprofil im Lebenslauf als Data Scientist
Data Scientist mit M.Sc. in Statistik und sechsmonatigem Praktikum, in dem sie Klassifikationsmodelle mit Python und scikit-learn entwickelte. Sicher in SQL, Versuchsplanung und der verständlichen Aufbereitung von Ergebnissen für Fachabteilungen in klaren Dashboards.
Data Scientist mit 4 Jahren Erfahrung im produktiven Einsatz von Machine-Learning-Modellen für Pricing und Kundenbindung im E-Commerce. Entwickelte ein Churn-Modell, das Kündigungen um 14 % senkte, und ein A/B-Test-Framework für mehr als 60 Experimente pro Quartal.
Lead Data Scientist mit über 9 Jahren Erfahrung darin, große Verhaltensdatenmengen in produktive ML-Systeme zu überführen. Führt ein Team von 6 Personen, steigerte mit einer Recommendation Engine den durchschnittlichen Warenkorb um 18 % (8 Mio. € pro Jahr) und etablierte den Standard für Modell-Monitoring.
Die wichtigsten Kenntnisse im Lebenslauf als Data Scientist
Fachkenntnisse
Soft Skills
Häufige Fragen: Lebenslauf als Data Scientist
Was gehört in den Lebenslauf eines Data Scientists ohne Berufserfahrung?
Stellen Sie zwei oder drei vollständige Projekte mit echten, unsauberen Daten an den Anfang: Fragestellung, Methode und Ergebnis, etwa Modellgüte oder eine Erkenntnis mit Entscheidungsrelevanz. Ergänzen Sie Statistik- und ML-Module, Kaggle-Platzierungen, Praktika, Werkstudentenjobs oder Abschlussarbeit sowie Links zu sauber dokumentierten Notebooks auf GitHub.
Sollte ich alle Machine-Learning-Algorithmen auflisten, die ich kenne?
Nein. Eine lange Liste wirkt breit, aber oberflächlich. Nennen Sie Methoden in Ihren Stationen dort, wo sie ein echtes Problem gelöst haben, und beschränken Sie die Kenntnisse auf Werkzeuge, die Sie im Fachinterview vertreten können. Recruiter interessiert das Geschäftsergebnis mehr als die Frage, ob Sie XGBoost oder ein neuronales Netz verwendet haben.
Wie zeige ich Wirkung, wenn meine Modelle nie produktiv gingen?
Beziffern Sie die Entscheidung, die Ihre Analyse gestützt hat: umgeschichtetes Budget, priorisierte Features, vermiedene Kosten oder eingesparte manuelle Arbeitsstunden. Auch Offline-Metriken wie eine AUC-Verbesserung gegenüber dem bisherigen Modell zählen, wenn Sie erklären, warum sie wichtig war. Analysen, die die Strategie geprägt haben, sind echter Impact.