ein Mann und zwei Frauen sitzen auf einem roten Sofa vor einer Glaswand

Jobsharing im Data Mining | Geht nicht? Geht doch!

Fragt man Nicola Taormina (42), Leiter des Bereichs Steuerung und Systeme, dann waren die Data Mining Stellen für ihn bisher ideale Einsteigerstellen nach dem Studium. Die Jobs werden besetzt, etwa zwei bis drei Jahre von einer Person bearbeitet, dann ziehen diese Kollegen/Innen typischerweise weiter und Neue müssen eingearbeitet werden. Um diesem Prozess entgegenzuwirken, schlug Nicola vor, die offene Stelle im Data Mining im Jobsharing zu besetzen. Der Vorteil: gut ausgebildete Mitarbeitende können auch in Teilzeit hochqualifizierte Arbeit leisten und sich den Herausforderungen stellen. Allerdings wäre der Abnutzungseffekt im Job sicher geringer. Routine schleiche sich durch Teilzeit weniger schnell ein und die Mitarbeitenden blieben länger auf ihren Stellen. Gesagt, getan.

Data Mining | Aufgaben

Nicole Senpinar (40) und Susanne Spengler (40) sind seit gut einem Jahr bei der Baloise im Jobsharing tätig. Beide arbeiten im Bereich Data Mining. Sie generieren datenbasierte Infos, u.a. damit unser Marketing arbeiten kann. Heisst, sie betreiben vor allem Analysen rund um Zielgruppen. Wen lohnt es, im Markt anzusprechen? Wer ist Kunde, kennt aber bestimmte Produkte noch nicht? Letztlich ist das Marketing aber nur ein Beispiel. Nicole und Susanne erstellen für sämtliche Bereiche der Baloise Datenpakete, die wertvolle Infos zu bestimmten Projekten liefern und gezielte Kundenansprache erst möglich machen. Denkbar sind auch Anfragen aus dem Vertrieb: Wir brauchen bitte alle Kunden mit Gebäudeversicherung, aber ohne Erdbebenversicherung. Voilà. Schon liefern die beiden die entsprechenden Daten.

Jobsharing in einem anspruchsvollen Arbeitsumfeld

“Wenn man unsere Arbeit beschreibt, klingt das so simpel. Data Mining. Nach Daten graben. Aber dahinter stehen hochkomplexe Prozesse mit anspruchsvollen Datentools. Es gibt nicht viele im Unternehmen, die unsere Programme lesen können”, erzählt Nicole. “Letztlich aber geht es nicht nur um die Selektion von Daten, sondern um deren Analyse, um Rechenmodelle. Die Fachbereiche wünschen sich z.B., das Kundenverhalten besser vorhersagen zu können. Wer spricht auf welche Kampagne an? Dazu müssen wir bestimmen, welche Daten überhaupt relevant sind.” Nicoles und Susannes Arbeit im Jobsharing wird immer arbeitsintensiver. Die Anfragen häufen sich, der Qualitätsanspruch ist sehr hoch. Big Data gleicht einem Goldrausch. Alle wollen schürfen. “Unsere Challenge liegt in den sich ständig verändernden Datenlandschaften. Das technische Umfeld ist komplex, die Anfragen kommen parallel und wir müssen den Überblick behalten.”

Data Mining ist mehr als nur Daten liefern

Spannend an Nicoles und Susannes Arbeit ist auch, dass sie im Prinzip bei allen Anfragen an sie das grosse Ganze sehen und verstehen müssen. Beispiel Marktbearbeitung. Beide Frauen müssen von A-Z wissen, was läuft über den Wunsch nach Data hinaus im Fachbereich selbst bzw. im Prozess an sich, der sich mit einer bestimmten Datenabfrage verbindet. “Ich kann nur die richtigen Daten filtern, wenn ich alle Informationen kenne. Ich bin nur in der Lage, Qualität zu liefern, wenn ich gesamt sehe, worum es geht”, sagt Nicole. “Deshalb steigen wir oft sehr tief in uns neue Materie ein.”

Jobsharing | Geteiltes Wissen  

Nicole arbeitet 50%, Susanne 60% – ihre Stelle wird gesamt mit 110% berechnet. Die eine kommt Di/Do und Mi Vormittag, die andere Mi/Do/ Fr. Es gibt Überschneidungen, an denen sich beide Frauen abstimmen, ihr Wissen abgleichen und so beständig bei allen Anfragen bzw. Projekten auf einem Nenner sind. “Unsere Arbeit ist planbar. Es gibt nur wenige adhoc Wünsche. Falls doch, sind wir flexibel. Montags ist unser drittes Teammitglied Ansprechpartner. Der Rest ist eine Frage der Organisation. Das hat sich gut eingespielt. ” So empfindet es Nicole. “Ideal ist, dass Susanne und ich ganz verschiedene Stärken haben. Sie hat Wirtschaftswissenschaften studiert, ich bin Naturwissenschaftlerin. Wir lernen voneinander und bringen unterschiedliche Erfahrungen ein.”

Ihr Chef Nicola ergänzt: “Sie bauen gemeinsam Wissen auf und selbst wenn eine von beiden doch mal gehen sollte oder schlichtweg krank ist, verbleibt das Know-how mit der anderen im Unternehmen und die Einarbeitung eines neuen Teammitglied ist einfacher zu bewerkstelligen. Ein toller Nebeneffekt.”

Jobsharing| Rückkehr zu Vollzeit ist gewollt und wichtig

Beide Frauen haben Kinder und wollten deshalb ihr Pensum reduzieren. Aber diese Teilzeit ist kein Commitment für immer. “Weiterentwicklung ist immens wichtig”, betont Nicola. “Wir holen neue Kollegen/Innen mittels Teilzeit in die Baloise, ermöglichen Eltern so bspw. den Wiedereinstieg nach der Geburt ihrer Kinder. Wenn diese dann älter sind, gibt es die Chance, ihre Arbeit auch ausserhalb des Data Mining wieder aufzustocken. Das ist für mich nur logische Konsequenz. Diese Mitarbeitenden sind eingearbeitet, passen zu uns, kennen die Abläufe. Umso besser, wenn sie später wieder voll einsteigen.”


Susanne Spengler

Ich bin positiv überrascht, wie gut das Jobsharing funktioniert. Ehrlich gesagt, war ich vorab eher skeptisch: Ob es gut kommt, ob es persönlich passt und man die Abgrenzung/ Abstimmung dann auch wirklich hinbekommt? Es funktioniert bei uns tatsächlich! Die persönliche Ebene hat zwischen Nicole und mir auf Anhieb gepasst. Wir denken in vielerlei Hinsicht ähnlich, können aber auch gut miteinander diskutieren, Klartext reden und konstruktiv im Hinblick auf eine Lösung arbeiten. Und auch unser Umfeld – ist voll von Wertschätzung und Vertrauen! Wir haben das Gefühl, vollwertige Mitglieder im Team zu sein und tragen dabei ebenso volle Verantwortung im Job. Was mich freut ist, dass ich mich so auch weiterentwickeln und dazu lernen kann.


Mehr spannende Arbeitsmodelle bei der Baloise!

Welcher Job passt zu dir? Bewirb dich!