Lisa Winter – Psychologie und Data Science

- Host (The Erium Podcast)Host
- Lisa Christina WinterSenior Product Researcher at Chatroulette, Co-Founder of Hakuna International, Doctor of Cognitive Psychology
Overview
In this episode of the Erium Podcast, the host speaks with Lisa Christina Winter, Senior Product Researcher at Chatroulette and Co-Founder of Hakuna International. Lisa explains what growth hacking means, how psychology and data science work together, and how she navigated her unconventional career path from cognitive psychology to data science.
About the guest
Lisa Christina Winter studied psychology in Graz and completed her doctorate there - at a university that treats the subject as a natural science discipline with a strong focus on statistics. After her doctorate, she moved to Switzerland and worked in data science consulting, before becoming a User Experience Researcher at Starmind and eventually Senior Product Researcher at Chatroulette. Alongside this, she is Co-Founder of Hakuna International, a project centered on growth hacking that she is particularly passionate about.
Summary
What Is Growth Hacking? Product vs. Marketing Growth
Lisa describes growth hacking as a data-driven approach that primarily helps start-ups achieve sustainable growth. She distinguishes between two dimensions: product growth hacking aims to optimize a product for a specific target audience through experimentation, enabling organic growth from within. Marketing growth hacking, on the other hand, asks experimentally which message reaches which person most effectively through which channel.
As a well-known - if ethically questionable - example, Lisa cites Cambridge Analytica, which combined psychology, marketing, and data science to precisely target audiences during elections. Her own company, Hakuna International, deliberately distances itself from this approach: transparency and the rejection of manipulation are core principles.
The AARRR Funnel: Growth as a Structured Process
According to Lisa, a central tool in growth hacking is the so-called Pirate Metric, also known as the AARRR funnel: Acquisition, Activation, Retention, Referral, and Revenue. Each stage describes a conversion phase in the user experience, and at every transition some users drop off.
Lisa emphasizes how important it is to keep these phases clearly separate. Anyone who mixes goals and experiments from different funnel stages risks making fatal mistakes. Sustainable growth means not only acquiring many new users, but ensuring that they exhibit the desired behavior and remain active in the long term.
From Freud to Kolmogorov-Smirnov: The Journey from Psychology to Data Science
Lisa describes how she originally began her studies because of classical psychologists like Freud, Jung, and Adler - and then was suddenly confronted with intensive statistics. What initially triggered resistance eventually became a genuine passion through deep engagement.
After her doctorate, she worked in data science consulting in Switzerland, where she acquired the technical skills she had been missing. But she soon realized that she missed the human side of things. She found the connection in behavioral data: users are people, people produce data, and psychology helps make sense of that data in a meaningful way.
Reading Personality from Data: Psychographic Targeting
Lisa explains how psychological insights can be used to draw conclusions about personality traits from data. For example, psychological research shows that people with neurotic tendencies tend to use more emojis, or that introverted and conscientious individuals respond better to facts and figures than to emotional content.
Such correlations are used to segment users and present information to them in the format they can best absorb. The goal is explicitly not manipulation, but rather making the same message more comprehensible. Qualitative methods such as interviews complement the data analysis, and clients are kept transparently informed about hypotheses and methodology.
Finding Your Own Niche: Advice for Data Science Beginners
When asked for a career tip, Lisa gives a clear answer: it is hard to be the best person in any single skill - but you can become the best person in a unique combination of skills. For her, that combination is statistics, experimentation, and psychology.
She encourages listeners not to let themselves be constrained by job titles or pigeonholes. Anyone who finds the aspects of data science that truly excite them and combines these with another strength or passion has already found their niche.
Key takeaways
- Growth hacking is divided into product hacking and marketing hacking, and aims for sustainable, qualitative growth - not merely higher user numbers.
- The AARRR funnel (Acquisition, Activation, Retention, Referral, Revenue) structures growth experiments - mixing the phases can have fatal consequences.
- Psychology and data science complement each other particularly well in the analysis of behavioral data, because users are people with a psychology.
- Personality tendencies can be derived from social media data and psychological research to tailor messages to specific audiences - ethically and transparently.
- Your own career niche is not created by a single skill, but by a unique combination of different strengths and passions.
- Job titles like 'Data Scientist' are secondary - what matters is which aspects of the work are truly exciting and what sets you apart from others.
Conclusion
The conversation with Lisa Christina Winter impressively demonstrates how an unconventional career path can become a genuine strength. Her combination of cognitive psychology, statistics, and data science is no coincidence, but the result of consistent self-reflection and a willingness to engage with unfamiliar disciplines. Growth hacking is far more than a buzzword - it is a structured, experimental approach that only works sustainably when data and an understanding of people work hand in hand.
For Students and Career Starters in Data Science
Lisa's message is clear: anyone who brings an unusual combination of skills to the table is not an outsider, but has a genuine competitive advantage. Having the courage to embrace your own niche pays off.
For Start-up Founders and Product Managers
Growth hacking only works with clear funnel logic and a focus on qualitative growth. Psychographic targeting can help to better understand users - provided you work transparently and ethically.
Show full transcript
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.