Kategorie: Blog

Joining Tableau: My First Impressions and Journey with a Seattle-Based Analytics Startup Company

Joining Tableau: my Tableau bootcamp buddies, ready to conquer the world of analytics together
Joining Tableau: my Tableau bootcamp buddies, ready to conquer the world of analytics together

Joining Tableau has been an exhilarating step in my career. As a data enthusiast and very early adopter of Tableau, I was excited to join Tableau, a Seattle-based startup company that is coming up with the next level of self-service data analytics software – compared to classic BI software.

A New Chapter: Tableau’s Frankfurt Office

After my transition from academia to Capgemini, I joined Tableau’s newly opened Frankfurt Office. My first weeks have been nothing short of amazing, with an incredible opportunity to contribute to company building and be one of the first employees in Tableau’s new Frankfurt Office that was just recently opened to ramp up Tableau’s Europe business.

Being part of a startup company is an incredible experience, and I am thrilled to have the opportunity to work on such an innovative and disruptive product. It is a privilege to be involved in building a company from the ground up, especially in such an exciting industry as data analytics.

Tableau’s new Frankfurt Office has brought exciting opportunities, especially for me, who just earned my MBA degree. I have been able to apply my newfound knowledge to contribute to the growth of the company. I am honored to be part of the team that is bringing this new product to market and to be able to learn from some of the best minds in the business.

Bootcamp Experience: Learning the Culture

Tableau’s bootcamp in Seattle is nothing short of awesome. The three-week program is intense, but the wealth of knowledge and experience that I have gained from it has been invaluable. I have learned a lot about the company’s culture, the product, and the industry as a whole. The bootcamp has given me a great foundation for my work at Tableau and has helped me hit the ground running in my role as one of the first employees in Frankfurt, Europe’s hub for finance and technology.

Tableau is known for its unique company culture that encourages creativity, innovation, and collaboration. From weekly hackathons to Tableau’s famous Data Night Out events, there’s always something exciting happening at the company. As someone who is passionate about data and thrives in a collaborative environment, I couldn’t be more thrilled to be a part of this culture.

Career Opportunities: Why You Should Consider Joining Tableau

Being involved in company building is a great thing when you’re in a startup, and I am honored to be part of this exciting journey. I look forward to continuing to contribute to the growth of the company and to be part of a team that is making such a huge impact in the world of data analytics. If you’re looking for a challenging and rewarding career in data analytics, Tableau is definitely the place to be.

Interested in a career in data analytics like mine? Follow me on Twitter and LinkedIn to stay connected.

And yes, we all get these awesome DATA hoodies:

Joining Tableau: Awesome DATA Hoodies

Generation Y: Was erwarten Digital Natives von der Arbeitswelt?

Seattle: Space Needle
Innovation kann nicht diktiert werden, sondern muss erwünscht sein

Die Generation Y, zwischen 1977 und 1998 geboren, gilt als sehr gut ausgebildet. Sie sind als Digital Natives in der digitalen Welt aufgewachsen und rasche Veränderung gewohnt. Sie gelten als kreativ und technikaffin. Wären dies nicht die idealen Kandidaten, um die Digitalisierung bei Banken voranzutreiben, um Datenschätze mittels Data Science zu erschließen und um Fachwissen, Geschäftsverständnis und Kreativität zu vereinen?

Als potentieller Arbeitgeber stellt sich darüber hinaus noch eine viel wesentlichere Frage: Wie komme ich an die High Potentials dieser Generation und wie kann ich sie halten? Tatsächlich besteht für etablierte Unternehmen sogar akuter Handlungsbedarf, um weiterhin als Arbeitgeber attraktiv zu bleiben. Allein mit höheren Gehältern und Prestige klappt das nicht. Es ist vielmehr die intrinsische Motivation und die Sinnfrage, die hier zum Zuge kommen.

Traditionelle Unternehmenskulturen sind eine Hürde für die Generation Y und der Digitalen Transformation gleichermaßen. Heute verändern sich die Märkte so rasant, dass Unternehmen nur erfolgreich sein können, wenn sie zügig antizipieren und reagieren. Jedoch setzen die meisten Unternehmen mehr auf Risikominimierung als auf Entscheidungsfreiheit und Fortschritt: Informationen werden zurückgehalten oder gefiltert, Strukturen und Prozesse sind verkrustet und aufgebläht, tatsächliche Entscheidungen werden nur von wenigen getroffen und nur zögerlich kommuniziert.

Dies steht den Digital Natives im Weg. Die Generation Y braucht eine Arbeitsatmosphäre, die zu ihr passt. Dies muss in die Kultur der Unternehmen übergehen, in die Arbeitsweise und Entscheidungsphilosophie. Bürokratie muss auf ein Minimum reduziert werden, um schnelles Handeln zu ermöglichen. Innovation kann nicht diktiert werden, sondern muss erwünscht sein. Ideen können durch jeden, überall und zu jeder Zeit entstehen – man muss ihnen nur den Freiraum geben.

Quantitative Finance Applications in R

Do you want to do some quick, in depth technical analysis of stock prices?

After I left CERN to work as consultant and to earn an MBA, I was engaged in many exciting projects in the finance sector, analyzing financial data, such as stock prices, exchange rates and so on. Obviously there are a lot of available models to fit, analyze and predict these types of data. For instance, basic time series model arima(p,d,q), Garch model, and multivariate time series model such as VARX model, state space models.

Although it is a little hard to propose a new and effective model in a short time, I believe that it is also meaningful to apply the existing models and methods to play the financial data. Probably some valuable conclusions will be found. For those of you who wish to have data to experiment with financial models, I put together a web application written in R:

TSLA
Quantitative Finance Analysis in R (click image to open application)

How to Log your Twitter Follower Stats with IFTTT to a Google Spreadsheet

tstats GitHub repository
The tstats script (on GitHub) logs your Twitter Follower Stats with IFTTT to a Google Spreadsheet

How can we log the follower statistics for a Twitter account?

In order to store these stats, I’d like to use IFTTT’s new Maker channel that was introduced last month. I have created a simple Bash script (tstats.sh) to log this data to a spreadsheet in my Google Drive. I run this as a cron job every 24 hours.

Prerequisites

Ruby:

sudo apt-get install ruby-dev

Twitter CLI:

gem install t

Authorize your Twitter account:

t authorize

A Google account, as the log is saved to a spreadsheet in your Google Drive.

An IFTTT account.

Connect the Maker and Google Drive channels to your IFTTT account.

Usage

cd into the tstats directory and edit the script with your IFTTT secret key, your IFTTT trigger event name and your Twitter screen name. Make the script executable with:

chmod +x tstats.sh

Then simply run it with:

./tstats.sh

If you receive a „Congratulations“ message and an entry is added to your spread sheet, you can go ahead and add it to your cron to run at a predetermined time.

To have this script run every 24 hours, add this to your crontab (you may need to change the path):

42,09 * * * * /home/user/tstats/tstats.sh >/dev/null 2>&1

[Update 26 Jul 2018] Now on GitHub: Yes, three years later this script is still hot! However, WordPress is not the perfect place to host code. As part of my preparation for my TC18 session on Social Media in New Orleans, I moved the code to a GitHub repositroy: https://github.com/aloth/tstats

5 Vorteile von Data Science

Deutschherrnbrücke mit Skyline von Frankfurt am Main
Nicht nur Banken handeln ihre Daten als Gold des 21. Jahrhunderts

Keine Frage, die Digitalisierung prägt unseren Alltag und stellt auch an Banken immer neue Anforderungen. Daten werden als das neue Gold gehandelt. Und genau darin liegt die große Chance der Banken: Finanzinstitute hatten schon immer enorme Mengen an Daten, oft aus vielen verschiedenen Quellen. Aber wie wird das volle Potenzial dieser Daten genutzt und wie werden Erkenntnisse aus diesen gewonnen? Hier kommt Data Science ins Spiel.

Wie gewinnen Sie Erkenntnisse aus Ihren Daten?

Data Science verwendet Methoden aus der Mathematik, Statistik und Informationstechnologie. Data Scientists verfügen darüber hinaus über ausgeprägte Kommunikationsfähigkeiten auf sämtlichen Ebenen eines Unternehmens und bereiten Ergebnisse für das Management der einzelnen Fachabteilungen genauso verständlich auf wie für den CEO. Banken können dazu neben Kontoinformationen auch Kundentransaktionen, Kundenkommunikation, Kanalnutzung, Kundenverhalten und Social-Media-Aktivitäten. Vieles davon wird idealerweise nahezu in Echtzeit verarbeitet und ausgewertet.

Der Daten-Leverage-Effekt:

Da der Bankensektor weiterhin mit knappen Margen und und schwindendem Gewinn zu kämpfen hat, ist es für Finanzinstitute äußerst wichtig einen Hebel anzulegen, um Kosten zu reduzieren, Kunden zu binden und neue Einnahmequellen zu erschließen. Einen solchen Daten-Leverage-Effekt erzielen Sie mit ihren Daten – sofern Sie auf Data Science und damit einhergehend auf eine erweiterte Analyse setzen.

Betrachten Sie diese fünf Vorteile:

  1. Bessere Erkenntnisse: Gewinnen Sie eine neue Sicht auf Ihre treuesten und profitabelsten Kunden und verstehen Sie deren Bedürfnisse bereits vor dem Kundengespräch. Datenanalyse kann helfen, den Überblick zu behalten und Vorschläge für entsprechende Kommunikationskanäle zu liefern.

  2. Kundenbindung: Sorgen Sie für zufriedenere Kunden und finden Wege treue Kunden zu belohnen. Zudem lassen sich Kunden identifizieren, die ggf. eine Kündigung erwägen. Führen Sie dazu die Metriken „Loyalität“ und „Churn“ ein, um hierfür ein Messinstrument zu haben.

  3. Kostengünstiges Marketing: Entwickeln Sie effektives Marketing und Kampagnen, die an die richtige Person zur richtigen Zeit ausgerichtet sind. Dabei hilft Ihnen eine Cluster-Analyse, um Kundensegmente zu identifizieren.

  4. Minimieren von Risiken: Beschleunigen und verbessern Sie Ihr Risiko- und Fraud-Management durch Mustererkennung und Maschinenlernen.

  5. Handeln Sie: Behalten Sie Ihr Dashboard mit den wesentlichen Kennzahlen im Auge und ergreifen Maßnahmen, deren Auswirkung Sie zeitnah beobachten können. Nutzen Sie die Daten und Vorhersagen als Kernelement für Ihre Storyboards mit denen Sie das Top-Management überzeugen.

Nutzen Sie bereits die richtigen Werkzeugen zur Datenanalyse und Datenvisualisierung in Ihrem Unternehmen? Falls nicht, wäre es nun an der Zeit über den Einsatz von Data Science nachzudenken.

Beitrag zuerst veröffentlicht am 19.06.2015 im Capgemini IT-Trends-Blog.