Partner von:

Irgendwas mit Daten

Welt, Daten, Statistik [Quelle: pixabay.com, Autor: geralt]

Quelle: pixabay.com, geralt.

Sie sind die neuen Lieblinge der Arbeitgeber. Datenwissenschaftler sollen die Geschäftsmodelle der Zukunft entwickeln. Was aber macht ein "Data Scientist" genau, und was muss er dafür können?

Die Entwicklung scheint kein Tempolimit zu kennen. Im Jahr 2016 werden 9.000 Exabyte Daten erzeugt worden sein. Das sind 9 Billionen Gigabyte oder 360 Milliarden Bluray CDs. Würde man sie übereinanderschichten, könnte man 36.000 Stapel von der Höhe des Eiffelturms errichten. Rund 90 Prozent der Computerdaten wurden allein in den letzten zwei Jahren generiert – und die Wachstumskurve verläuft exponentiell. Kein Wunder also, dass die Beschäftigung mit diesen Informationsfluten zu einem neuen und ungeheuer schnell wachsenden Berufsfeld gehört. Big Data, Smart Data, Data Mining, Data Engineering, Predictive Analytics – die Liste der Schlagworte ist lang und unübersichtlich. Da liegt es nahe, jemanden zu suchen, der den Überblick bewahrt und Licht ins Dunkel des Datendschungels bringt: den "Data Scientist" oder Datenwissenschaftler.

Banken und Beratungsfirmen suchen die auf große Datenmengen spezialisierten Analysten genauso wie Autohersteller, Versicherungen und Verwaltungsbehörden. Die Unternehmensberatung McKinsey geht für 2017 von 150.000 offenen Stellen allein in den Vereinigten Staaten aus. Auch in Deutschland ist der Bedarf groß, Studiengänge schießen wie Pilze aus dem Boden, um die Nachfrage bedienen zu können. Ein Geschäftsüberblick der Universität Harvard kürte den "Data Scientist" sogar zum "attraktivsten Beruf des 21. Jahrhunderts". Was steckt hinter dem neuen Berufsbild, und mit welcher Ausbildung wird man zum Datenwissenschaftler? Wer stellt sie ein, und wie sieht ihr Anforderungsprofil aus? Und gibt es auch Gründe, die scheinbar unaufhaltsame Verschiebung von qualitativer hin zu quantitativer Analyse in Frage stellen?

Big Data ist ein Oberbegriff für Datenmengen, die zu groß, komplex, schnelllebig oder zu schwach strukturiert sind, um sie mit herkömmlichen Methoden der Datenverarbeitung auszuwerten. Dabei sind es nicht nur Suchmaschinen oder soziale Netzwerke, die immer schneller große Mengen von Daten ansammeln. Jeder Smartphone-, Kreditkarten- oder Amazon-Nutzer, jeder Autofahrer mit Navigationsgerät im Wagen und jeder Einkäufer mit Kundenkarte erzeugt täglich solche Datenströme.

"Fast jede Branche durchläuft zur Zeit eine digitale Transformation"

Diese Daten, Ausdruck unseres Verhaltens, unserer Vorlieben und Routinen, bergen ein enormes Informationspotential. Der Datenwissenschaftler soll gesammelte Informationen aller Art verknüpfen, entschlüsseln und auswerten – alles vor dem Hintergrund, Wissen herauszufiltern, das dabei hilft, geschäftliche Ziele besser und effektiver zu erreichen. In Deutschland wird Data Science vor allem als Aufbaustudium nach einem Bachelor zum Beispiel in Mathematik oder Informatik angeboten. München war 2015 eine der ersten Universitäten, die einen Master in Data Science anboten, Mannheim und Darmstadt ziehen von Februar 2017 an nach.

Datenanalyse ist dabei mitnichten auf Berufsfelder beschränkt, die direkt mit Informatik oder Datenverarbeitung zusammenhängen. Emmanuel Müller leitet die Data-Mining-Forschungsgruppe am Hasso-Plattner-Institut in Potsdam und sagt: "Fast jede Branche durchläuft zur Zeit eine digitale Transformation." Das spiegelt sich auch in den Stellenausschreibungen der Unternehmen wider. Der Bundesagentur für Arbeit wurden in den letzten zwölf Monaten 402 Vakanzen für Datenanalysten gemeldet. Versicherungen, Krankenhäuser, Logistikunternehmen, Regierungsbehörden – sie alle sind auf eine strukturierte Auswertung der bei ihnen anfallenden Daten angewiesen. "Mit Data-Science-Methoden lässt sich neues, unerwartetes und wertvolles Wissen über komplexe Systeme extrahieren." Das sei nützlich für die Entscheidungsfindung in einer Vielzahl von gesellschaftlichen Anwendungsgebieten.

Auf der einen Seite werden Datenanalysten also in nahezu jeder Branche umworben, und die Einstiegsgehälter liegen selten unter 45.000 Euro. Auf der anderen Seite sind die Anforderungen vieler Arbeitgeber aber auch sehr hoch: "Neben exzellenten akademischen Leistungen setzen wir hervorragende Kenntnisse in Statistik, maschinellem Lernen, Geo-Analytics oder Optimierung voraus sowie gute Kenntnisse der einschlägigen Programmiersprachen wie 'R' oder 'Python'", sagt Carsten Baumgärtner, Personalfachmann der Beratungsgesellschaft Boston Consulting. Entscheidend sei allerdings das Rundumpaket – im Idealfall eine Kombination aus Branchenkenntnis, Analyse- und Teamfähigkeit. Die Datenwissenschaftler arbeiteten an der Schnittstelle von Domänenexpertise und reiner Analyse, zwischen Informationstechnologie und Strategie und müssten vor allem in der Lage sein, Daten in verständliche und zielführende Handlungsanweisungen zu übersetzen.

Funktioniert das, liegen die Vorteile für Unternehmen auf der Hand: Wer Muster und Abhängigkeiten findet, kann schneller und fundierter Entscheidungen treffen, Prozesse effektiver gestalten und Kosten sparen. Doch wie bei jeder neuen Entwicklung, bei der zunächst nur das positive Potential wahrgenommen wird, könnte auch Big Data bald im Tal der Ernüchterung ankommen. Viele Arbeitgeber sind schon jetzt desillusioniert – ihre Ansprüche decken sich oft nicht mit dem Ausbildungs- und Erfahrungsniveau der Bewerber.

nach oben

Im e-fellows.net wiki kannst du dein Wissen teilen und von den Erfahrungen anderer Stipendiaten profitieren.

Verwandte Artikel

Hol dir Karriere-Infos,

Jobs und Events

regelmäßig in dein Postfach

Kommentare (0)

Zum Kommentieren bitte einloggen.

Das könnte dich auch interessieren