Neues Berufsbild in der IT

Data Scientist - Datenvirtuose des 21. Jahrhunderts

31.05.2014 von Daniel  Fallmann
Die Havard Business Review-Autoren Thomas H. Davenport und D.J. Patil bezeichnen den Data Scientist als "The Sexiest Job of the 21st Century". Doch was verbirgt sich hinter dem Berufsbild eines Datenwissenschaftlers?

Der Job des Data Scientist ist vergleichbar mit dem eines Goldschürfers, der ein umfassendes Wissen besitzt, um die Informations-Nuggets möglichst effizient, schnell und gewinnbringend aus den Tiefen der Rechenzentren zu holen. Er ähnelt einem Pionier, der Neuland betritt, indem er dort Muster erkennt, wo andere nur Datenchaos sehen. Seine Arbeit erinnert in bestimmten Fällen an einen Forensiker, der anhand kleinster Indizien die Ursachen für alle Unzulänglichkeiten in Geschäftsprozessen herausholen kann. Zudem ist er fähig, bis zu einem gewissen Grad verlässlich in die Zukunft zu blicken, weil seine Vorhersagen nicht Bauchgefühl sind, sondern auf den neuesten Erkenntnissen und Methoden der Predictive Analysis fußen.

Gefragt sind echte Allrounder

Es liegt auf der Hand, dass der Job des Data Scientists kein einfacher ist. Um alle erwähnten Aufgaben erfüllen zu können, braucht es echte Allrounder. Der Job des Data Scientists ist ein Mix aus Mathematiker, Informatiker, Statistiker, Software-Entwickler und Business Process Development Manager. Gefragt sind zudem Experten, deren geistiger Horizont nicht an der Abteilungsgrenze endet, sondern die fachbereichsübergreifend denken können. Last but not least sind Data Scientists jene Mitarbeiter, die jenseits aller Betriebsblindheit fähig sind, die richtigen Fragen zu stellen und aus den Antworten die optimalen Schlüsse zu ziehen.

Genau diese Fragen und Schlüsse sind es, die eine Big-Data-Anwendung erst zum Leben erwecken. Denn viele Big-Data-Tools sind zwar über Jahrzehnte gereifte, höchst intelligente Lösungen. Doch wie bei einem Konzertflügel braucht es den Pianisten, der es versteht, das Potenzial des Instruments auszureizen. Ebenso ist der Umkehrschluss wahr: Der Data Scientist kann seinen Job erst dann zufriedenstellend erledigen, wenn er mit den geeigneten Instrumenten arbeitet. Zu diesem Zweck stehen Data Scientists eine Reihe von Funktionen zur Verfügung, die seit vielen Jahren vor allem in der weltweit agierenden Fach-Community entwickelt werden.

Den Vorteil aus der Datenflut nutzen

Der Job des Data Scientist ist bereits heiß begehrt und bietet herausragende Verdienstmöglichkeiten. Weniger in Europa, dafür umso mehr in den USA oder auch China. In diesen Ländern erkennen viele Unternehmen, dass man vor der exponenziell wachsenden Datenflut nicht kapitulieren muss, sondern diese zu seinem Vorteil nutzen kann - vorausgesetzt, man hat den passenden Experten zur Hand.

Ein Blick über den großen Teich zeigt, dass hier der Bedarf an Ausbildungen bereits erkannt wurde. So bietet die Columbia Universität seit Herbst 2013 ein Master Programm mit dem Schwerpunkt Datenanalyse. An der Universität San Francisco wird bald die Auftakt-Klasse im Bereich Datenanalyse promovieren. Andere Universitäten wie die New York University, Stanford, Northwestern, oder die Indiana University bieten ebenfalls bereits Studiengänge im Bereich Data Scientists an.

In Europa besteht noch Handlungsbedarf

Zurück zu Europa: Eine Suchabfrage in den bekannten Jobbörsen ergibt, dass auch in Deutschland bereits einige Unternehmen nach diesen Personen suchen. Das noch relativ unbekannte Berufsfeld steckt bei uns gewissenmaßen noch in den Kinderschuhen, dementsprechend wenig Ausbildungsangebote stehen zur Verfügung. Beispielsweise bietet das Frauenhofer Institut erste Ausbildungsangebote an. An der Technischen Universität Dortmund gibt es ein Masterstudium im Bereich Datenwissenschaften/Data Science. Ein guter Anfang, doch es wird mehr Ausbildungsstätten brauchen, um den steigenden Bedarf an Fachkräften zu decken. (wh)

Big Data: Neue Berufsbilder
In den teilweise euphorischen Einschätzungen von Markforschern und IT-Unternehmen ist immer wieder die Rede von neuen Berufsbildern, die Big Data mit sich bringen soll. Dazu zählen unter anderem folgende Tätigkeiten:
Data Scientist
Er legt fest, welche Analyseformen sich am besten dazu eignen, um die gewünschten Erkenntnisse zu erzielen und welche Rohdaten dafür erforderlich sind. Solche Fachleute benötigen solide Kenntnisse in Bereichen wie Statistik und Mathematik. Hinzu kommen Fachkenntnisse über die Branche, in der ein Unternehmen beziehungsweise tätig ist und über IT-Technologien wie Datenbanken, Netzwerktechniken, Programmierung und Business Intelligence-Applikationen. Ebenso gefordert sind Verhandlungsgeschick und emotionale Kompetenz, wenn es um die Zusammenarbeit mit anderen Abteilungen geht.
Data Artist oder Data Visualizer
Sie sind die "Künstler" unter den Big-Data-Experten. Ihre Hauptaufgabe besteht darin, die Auswertungen so zu präsentieren, dass sie für Business-Verantwortliche verständlich sind. Die Fachleute setzen zu diesem Zweck Daten in Grafiken und Diagramme um.
Data Architect
Sie erstellen Datenmodelle und legen fest, wann welche Analyse-Tools Verwendung finden und welche Datenquellen genutzt werden sollen. Auch sie benötigen ein umfassendes Know-how auf Gebieten wie Datenbanken, Datenanalyse und Business Intelligence.
Daten-Ingenieur
Diese Aufgabe ist stark auf die IT-Infrastruktur ausgerichtet. Der Dateningenieur ist das Big-Data-Analysesystem zuständig, also die Hard- und Software sowie Netzwerkkomponenten, die für das Sammeln und Auswerten von Daten benötigt werden. Eine vergleichbare Funktion haben System- und Netzwerkverwalter im IT-Bereich.
Information Broker
Er kann mehrere Rollen spielen, etwa die eines Datenhändlers, der Kunden Informationen zur Verfügung stellt, oder die eines Inhouse-Experten, der Datenbestände von unterschiedlichen Quellen innerhalb und außerhalb des Unternehmens beschafft. Außerdem soll er Ideen entwickeln, wie sich diese Daten nutzbringend verwenden lassen.
Data Change Agents
Diese Fachleute haben eine eher "politische" Funktion. Sie sollen bestehende Prozesse im Unternehmen analysieren und anpassen, sodass sie mit Big-Data-Initiativen kompatibel sind. Nur dann lässt sich aus solchen Projekten der größtmögliche Nutzen ziehen. Wichtig sind daher ausgeprägte Kommunikationsfähigkeiten, Verständnis für Unternehmensprozesse sowie Kenntnisse im Bereich Qualitätssicherung und Qualitätsmanagement (Six Sigma, ISO 9000).