Lisa Winter – Psychologie und Data Science

- Host (The Erium Podcast)Moderator
- Lisa Christina WinterSenior Product Researcher bei Chatroulette, Co-Founderin Hakuna International, Doktorin der kognitiven Psychologie
Überblick
In dieser Folge des Erium Podcasts spricht der Host mit Lisa Christina Winter, Senior Product Researcher bei Chatroulette und Co-Founderin von Hakuna International. Lisa erklärt, was Growth Hacking bedeutet, wie Psychologie und Data Science zusammenwirken und wie sie ihren ungewöhnlichen Karriereweg von der kognitiven Psychologie zur Data Science gegangen ist.
Über den Gast
Lisa Christina Winter hat in Graz Psychologie studiert und dort promoviert – an einer Universität, die das Fach als naturwissenschaftliche Disziplin mit starkem Statistikfokus behandelt. Nach ihrem Doktorat zog sie in die Schweiz und arbeitete im Data-Science-Consulting, bevor sie als User Experience Researcher bei Starmind und schließlich als Senior Product Researcher bei Chatroulette tätig wurde. Parallel dazu ist sie Co-Founderin von Hakuna International, einem Projekt rund um Growth Hacking, das ihr besonders am Herzen liegt.
Zusammenfassung
Was ist Growth Hacking? Produkt- vs. Marketing-Wachstum
Lisa erklärt Growth Hacking als einen datengetriebenen Ansatz, der vor allem Start-ups beim nachhaltigen Wachstum unterstützt. Dabei unterscheidet sie zwei Dimensionen: Produkt-Growth-Hacking zielt darauf ab, ein Produkt durch Experimente für eine bestimmte Zielgruppe zu optimieren und so organisches Wachstum von innen zu ermöglichen. Marketing-Growth-Hacking hingegen fragt experimentell, welche Botschaft welche Person über welchen Kanal am besten erreicht.
Als bekanntes – wenn auch ethisch fragwürdiges – Beispiel nennt Lisa Cambridge Analytica, das Psychologie, Marketing und Data Science kombinierte, um Zielgruppen bei Wahlen präzise anzusprechen. Ihr eigenes Unternehmen Hakuna International grenzt sich davon bewusst ab: Transparenz und Verzicht auf Manipulation sind zentrale Prinzipien.
Der AARRR-Funnel: Wachstum als strukturierter Prozess
Ein zentrales Werkzeug im Growth Hacking ist laut Lisa die sogenannte Pirate Metric, auch AARRR-Funnel genannt: Acquisition, Activation, Retention, Referral und Revenue. Jede Stufe beschreibt eine Conversion-Phase im Nutzererlebnis, und bei jedem Übergang fallen Nutzer weg.
Lisa betont, wie wichtig es ist, diese Phasen klar zu trennen. Wer Ziele und Experimente aus verschiedenen Funnel-Stufen vermischt, riskiert fatale Fehler. Nachhaltiges Wachstum bedeutet nicht nur viele neue Nutzer zu gewinnen, sondern sicherzustellen, dass diese das gewünschte Verhalten zeigen und langfristig aktiv bleiben.
Von Freud zu Kolmogorov-Smirnov: Der Weg von der Psychologie zur Data Science
Lisa schildert, wie sie ursprünglich wegen klassischer Psychologen wie Freud, Jung und Adler das Studium begann – und dann unvermittelt mit intensiver Statistik konfrontiert wurde. Was zunächst Ablehnung auslöste, wurde durch intensives Beschäftigen zur echten Leidenschaft.
Nach ihrer Promotion arbeitete sie im Data-Science-Consulting in der Schweiz, wo sie die technischen Fähigkeiten erwarb, die ihr noch fehlten. Doch bald merkte sie, dass ihr die menschliche Seite fehlte. Die Verbindung fand sie in Verhaltensdaten: User sind Menschen, Menschen produzieren Daten, und Psychologie hilft, diese Daten sinnvoll zu interpretieren.
Persönlichkeit aus Daten lesen: Psychografisches Targeting
Lisa erklärt, wie psychologische Erkenntnisse genutzt werden können, um aus Daten Rückschlüsse auf Persönlichkeitsmerkmale zu ziehen. So weiß man aus der psychologischen Forschung, dass Personen mit neurotischen Tendenzen dazu neigen, mehr Emojis zu verwenden, oder dass introvertierte und gewissenhafte Personen eher auf Fakten und Zahlen reagieren als auf emotionale Inhalte.
Solche Zusammenhänge werden genutzt, um Nutzer in Segmente einzuteilen und ihnen Informationen in der Form aufzubereiten, die sie am besten aufnehmen können. Dabei geht es ausdrücklich nicht um Manipulation, sondern darum, dieselbe Botschaft verständlicher zu machen. Qualitative Methoden wie Interviews ergänzen die Datenanalyse, und Kunden werden transparent über Hypothesen und Vorgehensweise informiert.
Die eigene Nische finden: Rat für Data-Science-Einsteiger
Auf die Frage nach einem Karrieretipp gibt Lisa eine klare Antwort: Es ist schwer, in einem einzelnen Skill die beste Person zu sein – aber man kann die beste Person in einer einzigartigen Kombination aus Skills werden. Für sie ist das die Verbindung aus Statistik, Experimentieren und Psychologie.
Sie ermutigt Hörer, sich nicht von Jobtiteln oder Schubladen einschränken zu lassen. Wer die Aspekte der Data Science findet, die ihn wirklich begeistern, und diese mit einer anderen Stärke oder Leidenschaft kombiniert, hat bereits seine Nische gefunden.
Kernaussagen
- Growth Hacking unterscheidet sich in Produkt- und Marketing-Hacking und zielt auf nachhaltiges, qualitatives Wachstum – nicht auf bloße Nutzerzahlen.
- Der AARRR-Funnel (Acquisition, Activation, Retention, Referral, Revenue) strukturiert Wachstumsexperimente – das Vermischen der Phasen kann fatale Folgen haben.
- Psychologie und Data Science ergänzen sich besonders stark bei der Analyse von Verhaltensdaten, denn User sind Menschen mit einer Psyche.
- Aus Social-Media-Daten und psychologischer Forschung lassen sich Persönlichkeitstendenzen ableiten, um Botschaften zielgruppengerecht aufzubereiten – ethisch und transparent.
- Die eigene Karrierenische entsteht nicht durch einen einzigen Skill, sondern durch eine einzigartige Kombination aus verschiedenen Stärken und Leidenschaften.
- Jobtitel wie 'Data Scientist' sind zweitrangig – entscheidend ist, welche Aspekte der Arbeit wirklich begeistern und womit man sich von anderen abhebt.
Fazit
Das Gespräch mit Lisa Christina Winter zeigt eindrücklich, wie ein ungewöhnlicher Karriereweg zur echten Stärke werden kann. Ihre Verbindung von kognitiver Psychologie, Statistik und Data Science ist kein Zufall, sondern das Ergebnis konsequenter Selbstreflexion und der Bereitschaft, sich auf fremde Disziplinen einzulassen. Growth Hacking ist dabei weit mehr als ein Buzzword – es ist ein strukturierter, experimenteller Ansatz, der nur dann nachhaltig funktioniert, wenn Daten und Menschenverständnis zusammenwirken.
Fuer Studierende und Berufseinsteiger in Data Science
Lisas Botschaft ist klar: Wer eine ungewöhnliche Kombination aus Skills mitbringt, ist kein Außenseiter, sondern hat einen echten Wettbewerbsvorteil. Mut zur eigenen Nische zahlt sich aus.
Fuer Start-up-Gruender und Produktverantwortliche
Growth Hacking funktioniert nur mit klarer Funnel-Logik und dem Fokus auf qualitatives Wachstum. Psychografisches Targeting kann dabei helfen, Nutzer besser zu verstehen – vorausgesetzt, man arbeitet transparent und ethisch.
Volltranskript anzeigen
Speaker0: Ihr hört die Ihrem Podcast, der Data Science und Machine Learning Podcast für Studienabsolventen und Young Professionals.
Speaker1: Heute spreche ich mit Chadoulets Senior Product Researcher Lisa Christina Winter. Sie erzählt uns, was Growth Hacking ist, wie man seine eigene Nische findet und wie sie von der Psychologie zur Data Science gekommen ist. Seid gespannt. Doktor in kognitiver Psychologie von der Carl Franzins Universität in Graz, Co Founder und Advisor von Hakuna International, einem Unternehmen für Growth Hacking, User Experience Researcher bei Starmind und seit Januar diesen Jahres Senior Product Researcher bei Chatruelette. Ich hab sicherlich einiges vergessen, freu mich aber sehr, dass sie da ist. Lisa Christina Winter, herzlich willkommen im Podcast. Vielen Dank, ich freu mich sehr, da zu sein. Hi Lisa, wie geht's dir? Was hast Du denn bis heute schon so gemacht?
Speaker2: Ah, mir geht's sehr gut. Danke vielmals. Heute war sehr intensiver Tag. Wir haben im Moment einige Challenges bei Chadroulette und vieles verändert sich. So, wir haben wir haben bis jetzt geworkshopt und ja.
Speaker1: Ist das typisch für deine aktuellen Arbeitstage? Also ist es sehr chadruulett geprägt? Also ich hab gesehen, Du bist ja auch noch bei Hakuna International teilweise beschäftigt.
Speaker2: Wie genau ist da die Verteilung? Genau, also ich bin angestellt bei Chetrolet, das ist auch meine Haupttätigkeit. Hakuna Madata oder jetzt Hakuna International sind es eher Hobbyprojekte, wobei ich's sehr ernst nehme, weil ich welch Grow Hacking sehr gern hab. Mein typischer Arbeitstag, muss ich sagen, sowohl bei Herr Kuna als auf Badgetoilette, besteht üblicherweise mit 1 Bestandsaufnahme, Szene von, was passiert derzeit grad und was was fehlt, wöchentliche
Speaker1: oder monatliche Ziele zu erreichen? Jetzt hast Du schon den Begriff Growth Hacking angeschnitten. Lass uns da doch mal direkt einsteigen. Kannst Du den Begriff vielleicht für mich und unsere Hörer klären? Was ist genau ist Growth Hacking und was geht's da?
Speaker2: Sehr gerne. So Growth Hacking hat das Ziel, produktbasierte Firmen, vor allem in der Start up Welt, beim Wachsen zu unterstützen. Und das funktioniert so, indem man die Wachstumshebel oder sogenannte Grow Levers identifiziert und mit so geringen Kosten wie möglich versucht zu optimieren. Ich unterteil persönlich Growf Hacking gern in 2 verschiedene Teile und zwar Produkt- und Marketing Growfacking. Wobei beim Produkt Growfacking geht's eher darum, experimentell herauszufinden, wie ein Produkt für eine bestimmte Zielgruppe optimiert werden kann und dem Produkt so beim Wachstum von innen zu helfen sozusagen. Das das könnt 'n sein, die sich die sich schließen. Also Du bringst neue User auf die Seite, weil Du das Produkt toll findest, aber es hat viel mit mit User- oder Nutzerfreundlichkeit zu tun. Und dann gibt's Marketing Crowdfacking, wo es dabei wo es darum geht, experimentell herauszufinden und zu verstehen, mit welcher Message man welche Person wo erreichen möchte. Und Marketing Crowfacking ist recht bekannt geworden durch Cambridge Analytica auf eine Art und Weise. Genau. Die die haben eine Kombination aus aus Psychologie, Marketing und Data Science verwendet, wirklich, wirklich sehr präzise Ihre Zielgruppe herauszufinden, zu identifizieren, mit welcher Mitteilung Sie die Zielgruppe am besten ansprechen können und die Zielgruppe im im Falle von Präsidentschaftswahlen und so weiter zum Wähler zu konvertieren. Mhm. War damals ein 1 Skandal. Das machen wir natürlich so nicht und uns sind moralische Aspekte noch sehr wichtig.
Speaker1: Kannst Du vielleicht uns auch erzählen, was denn da typische Herausforderungen sind, wenn man betreiben möchte, außer jetzt vielleicht moralische Unannehmlichkeiten? Also vor allem auch, sag ich mal, im Kontakt mit Kunden zum Beispiel, ne. Also es kann zum Beispiel sein, dass man jetzt, betreiben zu wollen, mal eine gewisse Foundation braucht, auf auf der man irgendwie, mit der man irgendwie arbeiten möchte. Mhm. Mit welcher Erwartung treten Kunden zum Beispiel jetzt an dich auch heran, die Du vielleicht dann gar nicht erfüllen kannst mit dem, was die Kunden einem bieten oder was was was sind da so typische Herausforderungen?
Speaker2: Das ist eine gute Frage. Ich glaub, was was am wichtigsten ist, immer im Hinterkopf zu behalten, ist, dass Qualität sehr oft 'n sehr, sehr oft auf Kosten der Quantität geht und umgekehrt. Das heißt, im Crafacting geht's ja darum, Wachstum zu erreichen, allerdings ist nachhaltiges und und hochqualitatives Wachstum das Gewünschte. Das bringt jetzt nix, wenn man irgendwelche Strategien anwendet, weder im Produkt noch im Marketing, unendlich viele neue User zu generieren, wenn die User dann nicht das Verhalten zeigen, was man sich wünscht oder das Produkt so benutzen,
Speaker1: wie sie das Produkt benutzen sollen.
Speaker2: Mhm. Das ist das ist etwas, was mir immer wieder aufgefallen ist, wo wo einfach die Definition ganz zu Projektbeginn extrem relevant ist. Es ist wichtig, sich dessen bewusst zu sein und wirklich in in Funnels zu arbeiten. Also am Anfang, ich weiß nicht, ob Du mit dem mit der Pirate Metric vertraut bist, dem AARA Funnel. Klärbe ich gerne auf. Genau. Also da da geht's Acquisition, Activation und später Retention, Reveral und Revenue. Das ist ja Sind so die Conversions von von einem Step zum anderen im Grunde im Funnel. Und beim Crowfacking geht das alles in sozusagen in in Loops. Das heißt, Acquisition, da geht's darum, so viele User wie möglich zu erreichen. Ja. Aktivation geht's dann darum, dass dass die User tatsächlich das das gewünschte Verhalten zeigen oder den Aha Moment erleben, das Produkt wertschätzen zu lernen und dann in weiterer Folge zurückzukommen. Das ist dann Retention und so weiter. Und bei jedem von diesen fallen Leute weg. Und wichtig ist einfach, dass dass jeder von diesen Steps im Funnel verschiedene Experimente mit sich bringt und verschiedene Ziele. Und die zu vermischen, dass das ist etwas, was sehr einfach passieren kann und fatale Folgen haben kann. Jetzt hatt ich ja eingangs auch erwähnt, dass Du ein
Speaker1: Doktor in kognitierter Psychologie warst, richtig? Genau. Genau. Wie genau hat dich das dabei beeinflusst? Also also korrigier mich, wenn ich falschliege, aber so wie ich das eben auf deinem LinkedIn Profil gesehen hatte, kommst Du eher aus der Psychologie. Wie genau bist Du denn dann bei Data Science gelandet oder wie hast Du bist Du zu dieser Schnittmenge von Psychologie und Data Science gekommen?
Speaker2: Genau, also mein mein gesamter Background ist im im Bereich der Psychologie eigentlich. Aber ich hab in Österreich studiert, wie man wahrscheinlich hören kann. Ich bin aus Österreich ursprünglich und in Graz ist Psychologie ein Teil der naturwissenschaftlichen Fakultät und eine sehr experimentelle Disziplin. Das heißt, ohne Statistik wär die Psychologie zumindest in, so wie wir sie in Österreich betrachten, komplett hoffnungslos. Das heißt, es gibt vom Haus aus Überschneidungspunkte, nämlich den den Teil der Statistik und auch diskreten Mathematik. Wo es dann aber besonders spannend wird, ist, wenn Verhaltensdaten ins Spiel kommen, was natürlich im vor allem im digitalen Produktumfeld immer der Fall ist. Und für mich persönlich, ich habe sehr spezielle Beziehungen zur Statistik gehabt ganz am Anfang, weil ich wo ich angefangen hab, Psychologie zu studieren, weil ich sehr interessiert an an Freud, Jung und Adler und weniger an Kolmogorowsmirnov und und viele, die alle heißen und bin dann mehr oder weniger ins kalte Wasser gestoßen worden. Und ganz am Anfang hat mir das überhaupt keinen keinen Spaß gemacht und im Laufe der Zeit, weil ich mich so intensiv damit beschäftigen musste, habe ich mich wirklich in den Bereich Statistik verliebt. Und hab mich dann auch die die restlichen Jahre wirklich ganz stark drauf spezialisiert und hab dann recht bald mal gemerkt, dass dass mir einige Skills fehlen, die die ich bräuchte, das Beste aus meinen Statistikfähigkeiten zu machen und das waren im Grunde alles technische Skills.
Speaker1: Mhm.
Speaker2: Und ich würd jetzt nicht sagen, dass ich das der größte Programmierer bin, noch immer nicht. Ich programmier, aber es war ein wichtiger Skill, den ich dazu gebraucht hab, die Daten einfach zugänglich zu machen für mich, für meine Statistikprogramme. Und ja, dann bin ich in die Schweiz gezogen, hab meinen Doktorat fertiggemacht und bin im Data Science Consulting gelandet. Und das hab ich dann einige Jahre gemacht in Schweizer Firmen. Hat mir auch sehr viel Spaß gemacht und ich hab wahnsinnig viel gelernt, vor allem das, was mir gefehlt hat, die technischen Skills und einiges an Programmierfähigkeiten und hab dann aber gemerkt, irgendwann früher oder später, dass mir die Psychologie oder die menschliche Seite vom Ganzen dann auch ein bisschen fehlt. Dann hab ich recht bald festgestellt im Grunde, sobald Verhaltensdaten im Spiel sind, haben wir ganz viel Psychologie, mit der wir arbeiten können. Weil im Mittelpunkt der Psychologie stehen Menschen, User sind Menschen, Menschen produzieren Daten und wir versuchen, mit den Daten zu arbeiten, Insights zu generieren und so erschließt sich der Kreis. Und ein Produkt zu optimieren, ob das jetzt Jet Roulette ist oder was auch immer, ein 1 Start-up produziert, muss man Menschen verstehen, die User, die Anwender, die Kunden. Und insbesondere im Bereich ist das jetzt wieder relevant, weil man durch die Daten Möglichkeiten bekommt, die Menschen und deren Psyche und Persönlichkeit zu verstehen und die Ergebnisse wirklich auf sehr personalisierte Ebene zu optimieren. Und
Speaker1: vielleicht 'n Beispiel zu geben. Sehr gerne, das wollte ich jetzt grade tatsächlich danach fragen.
Speaker2: Wenn wir die Persönlichkeit von 1 von einem Menschen verstehen, dann dann wissen wir gleichzeitig, wie diese Informationen aufnimmt oder verarbeitet. Und natürlich, also was was wichtig dazu zu sagen ist, natürlich gibt's da keinen Rezept für jeden Bild. Sind alles Durchschnittswerte und und Korrelationen, die natürlich nicht perfekt sind. Mhm. Das heißt, wir wir kennen Tendenzen von Personen, wenn wir deren Persönlichkeit kennen. Wenn wir zum Beispiel wissen, dass jemand auf der auf dem Kontinuum der Neurotik eher auf der neurotischen Seite zu Hause ist, dann wissen wir, dass dass diese Personen besonders gut auf emotionale Inhalte reagieren oder visuelle Reize ansprechen, wohingegen besonders gewissenhafte Personen oder introvertierte Personen eher auf Zahlen und Fakten reagieren. Und das das ist jetzt einfach wirklich Informationsaufnahme und Verarbeitung, die mit wo die Kognition und die Persönlichkeit in gewisser Hinsicht zusammenhängen. Wenn wir das aber wissen von 1 Person, dann dann gibt uns das einen immensen Vorteil in dahingehend, wie wir die Informationen aufbereiten, sodass sie von der Person am besten aufgenommen werden können. Und das ist natürlich im Marketing oder wenn's darum geht, den richtigen Anwender für 'n Produkt zu finden,
Speaker1: extrem wertvoll. Das ist sehr viel wert, ja. Ja. Dürfte ich da kurz einhaken? Und zwar, was was mich interessieren würde, ist, wie sich denn sone Persönlichkeit, also jetzt zum Beispiel mit den 2 Beispielen, die Du sie gegeben hast, ob jetzt quasi ich am Ende dafür sorgen möchte, dass meine Werbung, sagen wir jetzt zum Beispiel mal, emotionaler geprägt ist. Wie lässt sich denn so eine Persönlichkeit aus Daten rauslesen? Also Du hast so vielleicht 'n ganz simples Beispiel für uns. Also ich mein, ich bezweifle, dass man da dass man da eine Tabelle am Ende dazu kriegt mit 1 Person und das steht dann, eher emotionaler Natur beziehungsweise eher rationaler Natur. Mhm. Wie genau lässt sich so was rauslesen aus Daten?
Speaker2: Also es kommt drauf an, welche Daten zur Verfügung stehen, je nach Produkt. Aber was sehr häufig gemacht wird, ist mit Social Media Daten können wir zum Beispiel viel arbeiten. Und ein 1 ganz einfaches Beispiel zu geben, wir wissen aus psychologischer Forschung, dass Personen, die zum Beispiel neurotische Tendenzen haben, dazu neigen, mehr Emoticans zu benutzen als andere. Das ist natürlich Das bedeutet in keinster Art und Weise, dass jede Person, die Emoticans benutzt, neurotisch ist oder Klar, ja. Umgekehrt. Das das wär ein ganz einfaches Beispiel. Viele viele Informationen findet man wirklich in der psychologischen Forschung und Literatur, wo man eben solche Zusammenhänge bereits untersucht hat. Das heißt, man muss nicht immer das Rad neu erfinden. Andere Sachen sind bestimmte Korrelationen mit mit Skalen aus Persönlichkeitsfragebögen und Musikgeschmack oder teilweise auch einfach soziodemografische Variablen, die wir von Personen wissen. Das heißt, wir wir arbeiten sehr häufig auf Segmentebene, eher als auf auf ultrapersonalisierter Ebene. Das bedeutet, wenn wenn ich wenn ich dich und deinen Background kenne und weiß, wie alt Du bist, wo Du herkommst, welche Musik Du hörst und wie Du in der Vergangenheit mit meinem Produkt umgegangen bist zum Beispiel, dann dann gehörst Du auf Basis der Informationen, die ich von dir hab, je mehr, desto besser, in ein bestimmtes Segment.
Speaker1: Mhm.
Speaker2: Und ich würde dir dann die Mitteilung zeigen, von der ich das Gefühl hab auf auf Basis 1 1 Wahrscheinlichkeitscores, dass Du die Information am besten aufnehmen kannst. Und was da noch ganz wichtig ist, da geht's nicht Manipulation im negativen Sinne, so was wir auf auf keinen Fall machen. Und bei Hakuna Emerdata, was uns jetzt unterscheidet von von Cambridge Analytica zum Beispiel, ist, wir würden nie hergehen und verschiedene Informationen, an verschiedene Personen raussenden, die widersprüchlich ist oder so. Also es geht jeweils dieselbe Information. Wir versuchen einfach, den sie verdaulicher zu machen sozusagen.
Speaker1: Sehr interessant. Ich hätt noch eine kleine Interessensfrage dazu tatsächlich. Dann können wir gerne noch etwas mehr über deinen Werdegang sprechen. Und zwar, wenn Du jetzt, also wie wie kommuniziert man dann seine Ergebnisse mit dem Kunden? Und wenn man jetzt zum Beispiel den den Raschak an die Hand geben möchte, vielleicht sollte man die Werbung eher so gestalten. Fügt man da noch das weil hinzu? Also ich meine, wenn ich jetzt zum Beispiel mir vorstellen würde, gestaltet eure Werbung lieber so, weil wir gesehen haben, dass da sehr viele Emoticons benutzt werden. Ist ja irgendwie, also wirkt wie eine sehr komische Begründung zunächst. Natürlich ist die sicherlich wissenschaftlich fundiert, aber kam's da schon mal zu zu Stirnrunzeln beim Kunden wegen solcher Begründungen, wenn man das einfach nicht gewohnt ist?
Speaker2: Also wir wir klären im Vorfeld jeweils mit Kunden ab, welche Herangehensweise Sie sich wünschen. In zusätzlich zu den zu Datenanalyse machen wir sehr häufig auch qualitative Forschung. Das heißt, wir machen noch Interviews dazu mit tatsächlichen Kunden und verschiedenen Personen aus aus potenziellen Zielgruppen, zu identifizieren, ob was es überhaupt für Hypothesen gibt oder was überhaupt Gründe, ein bestimmtes Produkt zu benutzen, sein könnten. Das heißt, wir wir klären das im Vorfeld schon ab. Wir sind auch sehr konkret damit, nach was wir genau suchen, je nachdem, welches Produkt es sich handelt. Und von dem her zeigen wir üblicherweise unseren Kunden die Hypothesen im Vorfeld. Das heißt, wir wir würden bereits im Vorfeld elaborieren, wie wir wie wir vorhaben, Merotizismus zu messen
Speaker1: zum Beispiel. Okay, also quasi
Speaker2: mit offenen Kartenspielen sozusagen. Ja, auf jeden Also Transparenz ist uns ist uns sehr wichtig.
Speaker1: Ja. Cool. Also und wenn Du jetzt zurückblickst auf deine universitäre Laufbahn und auch deine berufliche Laufbahn, was würdest Du denn sagen, war denn ein besonders außergewöhnliches Ereignis, was dich stark geprägt hat oder gibt's da was? Kannst Du uns da was erzählen vielleicht?
Speaker2: Ich glaub, das ist eine gute Frage. Ich glaube, es gibt einige Ereignisse, die mich sehr stark geprägt haben. Wenn ich auf meine Ausbildung zurückschau, dann würde ich sagen, das waren meine meine Erfahrungen mit mit der Statistik. Eben weil weil die Gefühle so intensiv waren in beide Seiten und weil ich niemals gedacht hätte, dass ich dass ich später mal in den Data Science Bereich wechseln werd. Was was sicher wertvoll für mich war, war ein Offsite, ein Company Offsite, was wir vor vor Kurzem gehabt haben mit Jet Roulette. Wir waren in Mexiko für einige Wochen, weil unser Office renoviert worden ist. Ah, okay. Das war das war ganz speziell und wir haben dort extrem viel zusammengearbeitet auf eine Art und Weise, die ich so noch nie erlebt gehabt hab. Also wirklich, das der ganze das ganze Aufsatz hat sich angefühlt wie wie 'n zweiwöchiger oder dreiwöchiger Workshop. Also wirklich ein langer Design Sprint und Klingt
Speaker1: auch bisschen nach Klassenfahrt fast. Genau,
Speaker2: genau. Ich glaub, das das wird sehr wertvoll, weil ich wirklich jetzt das Gefühl hab, ich bin an einem Punkt in meiner Karriere, wo wo ich wirklich meine Nische gefunden hab und mich sehr, sehr wohlfühle in der und dadurch auch bereit bin, von sehr stark von verschiedenen Perspektiven zu profitieren. Und und mir wirklich alle verschiedenen Ansichtspunkte anzuschauen, ohne mich in irgendeiner Art und Weise eingegriffen zu fühlen. Und das das war irgendwie 'n Aha Erlebnis in in Mexiko, weil wir alle extrem viel voneinander gelernt haben.
Speaker1: Dann vielleicht direkt daran anschließend zum zum Abschluss noch, hast Du vielleicht einen Tipp an unsere Hörer, die Complexity Masters, wie sie denn vielleicht ihre Nische finden können oder vielleicht einen einen anderen Tipp für das berufliche Leben? Mhm. Also alles, wenn's
Speaker2: Data Science geht, da da gibt's ganz, ganz viele verschiedene Schulden, wie die Hörer sicher wissen. Viele haben Software Engineer Backgrounds, viele sind Statistiker, andere wie ich sind Psychologen. Und was ganz, ganz wichtig ist, ist, ich glaube, es ist schwierig, die beste Person in einem bestimmten Skill zu sein, aber man kann die beste Person in 1 in 1 uniken Kombination aus Skills sein. Und ich denk, das ist ganz wichtig. Sich von niemandem erzählen lassen, ob man ein echter Data Scientist ist oder nicht. Es spielt nämlich auch überhaupt keine Rolle, sind alles nur Jobtitel, sondern wirklich die Aspekte der Data Science, die einen ansprechen, sei das sei das die Analyse von Daten oder Machine Learning oder welcher Aspekt auch immer es sein mag. Für mich ist es ist es Statistik und das Experimentieren selbst. Sobald man das kombiniert mit mit 1 anderen Stärke oder Leidenschaft, hat man seine Nische schon gefunden, finde ich. Also das das ist wirklich was, das mir ganz wichtig war und und geholfen hat, ja,
Speaker1: wirklich gut in einem Bereich zu werden. Ein tolles Schlusswort. Vielen Dank, vielen Dank, Lisa. Ich wünsch dir noch viel Erfolg bei Chatruilett. Vielen herzlichen Dank, Herr Good. Danke. Das war mein Gespräch mit Lisa Winter. Besonders spannend fand ich, wie sie Psychologie und Data Science in Einklang bringt und dadurch echten Mehrwert generiert. Was ist eure Meinung dazu? Und habt ihr es auch geschafft, Nische zu kreieren? Wenn ja, wie? Schreibt uns auf unseren Social Media Kanälen. Wenn ihr wissen wollt, wie Data Science in Politik zum Wahlkampf genutzt wird, dann hört in unsere Folge mit Political Data Scientist Juan Carlos Medina Cerano rein. Sie ist verlinkt in der Beschreibung. Master the Complexity.
Speaker0: Jeden Dienstag erscheint eine neue Folge von The Erium Podcast. Auf dem Laufenden zu bleiben, folgt uns auf Facebook, Instagram, Twitter und LinkedIn. Wenn ihr uns unterstützen wollt, gebt uns eine 5 Sterne Bewertung auf Apple Podcasts, folgt uns auf Spotify und empfehlt uns weiter. Bis zum nächsten Mal bei The IRIUM Podcast.