Data Scientist Vorstellungsgespräch: Fragen & Antworten (mit Musterantworten)

Musterantwort

Zuerst kläre ich die Geschäftsfrage und definiere, woran sich Erfolg messen lässt, bevor ich einen einzigen Datensatz öffne. Dann verschaffe ich mir über eine explorative Analyse einen Überblick über Qualität und Struktur der Daten. Erst danach wähle ich passende Modelle und beginne mit einem einfachen Baseline-Ansatz. Am Ende übersetze ich die Ergebnisse in klare Empfehlungen für die Fachseite.

Musterantwort

Ich verzichte auf Fachjargon und nutze stattdessen Analogien und anschauliche Beispiele aus dem Geschäftsalltag. Statt über Algorithmen spreche ich über die Auswirkungen, etwa welche Entscheidung das Modell verbessert. Visualisierungen helfen mir, Zusammenhänge greifbar zu machen. Mein Ziel ist, dass die Stakeholder dem Ergebnis vertrauen und es nutzen können.

Musterantwort

Ich untersuche zuerst, warum Daten fehlen oder fehlerhaft sind, da das die richtige Strategie bestimmt. Je nach Fall imputiere ich Werte, entferne problematische Datensätze oder behandle Fehlen als eigenes Merkmal. Jede Entscheidung dokumentiere ich, damit die Ergebnisse nachvollziehbar bleiben. Mir ist bewusst, dass schlechte Datenqualität jedes Modell untergräbt.

Musterantwort

Neben technischen Metriken wie Precision und Recall achte ich vor allem auf die geschäftliche Wirkung, etwa gestiegener Umsatz oder gesparte Kosten. Idealerweise validiere ich das über einen A/B-Test im echten Betrieb. Ich überwache das Modell auch nach dem Deployment, um Drift zu erkennen. Ein technisch gutes Modell ohne Geschäftsnutzen ist für mich kein Erfolg.

Musterantwort

In einem Churn-Projekt erwartete das Team, dass der Preis der wichtigste Faktor sei. Die Analyse zeigte jedoch, dass die Reaktionszeit des Supports einen weit größeren Einfluss hatte. Ich habe die Ergebnisse sorgfältig validiert, bevor ich sie präsentierte, um Zufall auszuschließen. Daraufhin hat das Unternehmen gezielt in den Support investiert.

Überanpassung bedeutet, dass ein Modell die Trainingsdaten zu genau lernt, inklusive Rauschen, und auf neuen Daten schlecht generalisiert. Unteranpassung tritt auf, wenn ein Modell zu einfach ist und die zugrunde liegenden Muster gar nicht erfasst. Ziel ist eine Balance, oft über Regularisierung und Validierung.

Beim überwachten Lernen trainiert man mit gelabelten Daten, um eine Zielgröße vorherzusagen, etwa bei Klassifikation oder Regression. Beim unüberwachten Lernen gibt es keine Labels, und das Modell sucht selbst Strukturen, beispielsweise durch Clustering.

Der p-Wert gibt die Wahrscheinlichkeit an, ein mindestens so extremes Ergebnis zu beobachten, wenn die Nullhypothese wahr ist. Ein kleiner p-Wert spricht gegen die Nullhypothese, ist aber kein Beweis und sollte stets im Kontext der Effektgröße betrachtet werden.

Ich kann die Daten über Resampling ausgleichen, etwa durch Oversampling der Minderheitsklasse mit SMOTE oder Undersampling der Mehrheitsklasse. Außerdem nutze ich geeignete Metriken wie F1-Score statt reiner Accuracy und passe gegebenenfalls Klassengewichte an.

Bias beschreibt systematische Fehler durch ein zu einfaches Modell, Varianz die Empfindlichkeit gegenüber den konkreten Trainingsdaten. Der Tradeoff besteht darin, beide so auszubalancieren, dass der gesamte Vorhersagefehler auf neuen Daten minimal wird.

Das Management wollte ein Produkt aufgrund einer Bauchentscheidung ausweiten. Meine Analyse zeigte jedoch, dass die Zielgruppe deutlich kleiner war als angenommen. Ich habe die Datenlage sachlich und mit klaren Visualisierungen präsentiert. Daraufhin wurde die Strategie angepasst und teure Fehlinvestitionen vermieden.

Für eine wichtige Vorstandssitzung blieb nur eine Woche für eine Analyse. Ich habe den Umfang bewusst auf die zentrale Frage reduziert und einen einfachen, aber belastbaren Ansatz gewählt. Ich habe klar kommuniziert, welche Aussagen das erlaubte und welche nicht. Die Ergebnisse lieferten genau die nötige Entscheidungsgrundlage.

In einem Projekt stellte sich heraus, dass ein zentrales Feld unzuverlässig befüllt war. Ich habe das Ausmaß des Problems quantifiziert und mit den Datenlieferanten Rücksprache gehalten. Gemeinsam haben wir eine Bereinigungsregel definiert und das Feld korrigiert. Erst danach habe ich mit der Modellierung fortgefahren.

Mein Modell sollte in ein Produktivsystem überführt werden. Ich habe eng mit den Engineers abgestimmt, wie das Modell als Service bereitgestellt und überwacht wird. Wir haben gemeinsam Schnittstellen und Monitoring definiert. Das Modell lief danach stabil im Betrieb und wir konnten seine Wirkung messen.