Skills
- fundierte Kenntnisse in Statistik, Wahrscheinlichkeitstheorie und Inferenzstatistik
- Kenntnisse in Versuchsplanung und statistischen Studiendesigns
- Erfahrung mit statistischen Methoden wie Regressionsanalyse, Hypothesentests, Varianzanalyse oder Zeitreihenanalyse
- sicherer Umgang mit Statistiksoftware und Programmiersprachen, z.B. R, Python oder SPSS
- Erfahrung in der Aufbereitung, Analyse und Interpretation von Daten
- Verständnis für statistische Unsicherheit und die Aussagekraft von Ergebnissen
Aufgaben
- statistische Studien, Umfragen oder Experimente planen und geeignete Methoden für Datenerhebung und Auswertung auswählen
- Daten aufbereiten, analysieren und hinsichtlich Qualität und Aussagekraft bewerten
- geeignete statistische Verfahren anwenden und deren Ergebnisse interpretieren
- Zusammenhänge, Unterschiede und relevante Einflussfaktoren in Daten untersuchen und statistisch absichern
- statistische Methoden und Auswertungsverfahren für konkrete Fragestellungen anpassen oder weiterentwickeln
- Studien- und Analyseergebnisse in Berichten, Präsentationen oder wissenschaftlichen Dokumentationen aufbereiten
Pro & Contra
- vielseitige Einsatzmöglichkeiten in Forschung, Industrie, Gesundheitswesen, Marktforschung, Umweltschutz oder öffentlichem Bereich
- starker Fokus auf mathematische und statistische Methoden
- Einfluss auf Qualität von Entscheidungen und Forschungsergebnisse durch gutes Studiendesign und fundierte Analyse
- hohe Anforderungen an methodische Genauigkeit und Qualität
- Ergebnisse müssen häufig verständlich für Personen ohne statistischen Hintergrund aufbereitet werden
Schnittstellen
- Forschung & Entwicklung
- Qualitätsmanagement
- je nach Branche Medizin, Marktforschung, Produktion & andere Fachbereiche
Persönlichkeit
- Freude an der Anwendung mathematisch-statistischer Methoden
- sorgfältige und methodische Arbeitsweise
- kritisches Denken bei der Interpretation von Ergebnissen
- Fähigkeit, komplexe statistische Zusammenhänge verständlich zu erklären