Big Data & Co. – Data Science bietet Wettbewerbsvorteile

0

In vielen Firmen arbeiten heute Data Scientists, entweder als Angestellte oder in Form von Berateragenturen. Doch was können diese Spezialisten eigentlich konkret leisten? Tatsächlich herrschen über dieses relativ neue Berufsbild oftmals noch unklare Vorstellungen.

„Big Data“ ist mehr als ein gehyptes Buzzword

Die Auswertung großer Datenmengen wird zunehmend bedeutsamer für Unternehmen. Das gilt längst nicht mehr nur für die großen Konzerne, sondern auch für den Mittelstand. Im geschäftlichen Alltag fallen immer mehr Daten an und damit wächst der Bedarf nach ihrer systematischen Analyse. Wer das Thema halbherzig angeht oder gar ganz ignoriert, muss in vielen Branchen bereits heute einen Wettbewerbsnachteil in Kauf nehmen. Aus diesem Grund sind Experten inzwischen sehr gefragt. Das Problem: Es gibt viel weniger Fachkräfte auf dem Arbeitsmarkt als freie Stellen. Die Ausbildung kommt momentan noch nicht hinterher.

Die Fachrichtung Data Science ist nicht aus der akademischen Forschung heraus entstanden, sondern hat sich nah an der ökonomischen Praxis entwickelt. Mittlerweile ziehen die Universitäten nach. In Deutschland gibt es bereits in mehreren Städten interdisziplinäre Masterstudiengänge, wie etwa an der Uni Potsdam. In der Zwischenzeit schießen aufgrund der großen Nachfrage zahlreiche Fortbildungsangebote aus dem Boden.

Darunter gibt es leider auch weniger seriöse Anbieter, die zum Beispiel den Eindruck vermitteln, man könne Data Scientist werden, ohne Grundkenntnisse in Statistik zu haben. Momentan wird die Berufsbezeichnung „Data Scientist“ außerdem für verschiedene nicht-akademische Bereiche verwendet, und teilweise werden damit falsche Vorstellungen verbunden.

„Wie im Wilden Westen“

Heute würden viele Marketingfachleute nach einem „Data Scientist“ suchen, wüssten aber gar nicht so recht, was der eigentlich täte und was sie von ihm wollten, schreibt die Tech-Journalistin Ilyse Liffering im US-amerikanischen Magazin Digiday: „Es ist wie im Wilden Westen, besonders bei Unternehmen, die noch nie mit Daten zu tun hatten“. Manches, was unter dem Begriff Data Science zusammengefasst werde, habe gar nichts damit zu tun.

Wenn es zum Beispiel darum ginge, Excel-Tabellen auszuwerten und einfache Prognosen zu erstellen, sei kein Datenwissenschaftler gefragt, argumentiert Liffering. Nicht jeder, der mit Statistiken arbeitet, ist auch ein Data Scientist. Die Auswertung klassischer Analysemethoden ist weiterhin äußerst hilfreich im Tagesgeschäft der meisten Unternehmen. Zum Beispiel lassen sich viele Prozesse mit Mathematik und Tabellenkalkulation überwachen und auswerten.

Zur Optimierung von Time-Management und Logistik-Abläufen etwa genügt oftmals eine sorgfältig erstellte Excel-Tabelle. Der Data Scientist kommt erst dann ins Spiel, wenn große und unstrukturierte Datenmengen mit Rahmen einer statistischen Analyse gebändigt werden müssen.

Der Data Scientist ist ein Kommunikationstalent

Data Science befasst sich mit der Analyse von Big Data. Dazu wird in der Regel Machine Learning eingesetzt, eine Form der künstlichen Intelligenz. Die verwendete Software muss häufig erst erstellt und dann fortlaufend angepasst werden. Data Scientists sind hochspezialisierte Fachkräfte. Sie verfügen nicht nur über präzise Kenntnisse in den Fachgebieten Mathematik und Statistik, sondern beherrschen auch Programmiersprachen wie R oder Python.  Außerdem verstehen sie sich in der Regel auf den Umgang mit diversen Datenbank-Systemen und auf das Software Engineering.

Der Data Scientist ist aber nicht nur eine IT-Experte. Vielmehr muss er ausgeprägte Kommunikationsfähigkeiten besitzen. Das ist von entscheidender Bedeutung, denn so ist er in der Lage, die gewonnen Erkenntnisse nachvollziehbar präsentieren zu können. Dazu gehört unter anderem ein Verständnis für Design. Der Arbeitsalltag besteht nicht aus einsamer Arbeit am Computer. Stattdessen stehen viele Meetings und Besprechungen auf der Tagesordnung.

Denn Data Science ist ohne Teamarbeit nicht möglich. Nur wenn die Zusammenarbeit von verschiedenen Bereichen und Abteilungen des Unternehmens funktioniert, können alle relevanten Daten erfasst und ausgewertet werden.

Inhouse oder externe Agentur – das ist die Frage

In der Praxis bedeutet das häufig, dass Teams aus unterschiedlich spezialisierten Fachleuten zusammen an einem Projekt arbeiten. Der Data Scientist ist dann beispielsweise für die Entwicklung der strategischen Leitlinien und des Systems zuständig. Hinzu kommen klassische Datenanalysten, die im Alltag Workflows entwickeln und Informationen zueinander in Relation setzen. In der alltäglichen Praxis führt das Team gemeinsam komplexe statistische Auswertungen durch. Denn selbst der beste Data Scientist kann nur so gut sein wie das Team, in dem er agiert.

Nicht alle Unternehmen sind in der Lage, solche Strukturen intern zu schaffen. Eine statistische Auswertung wie Sie etwa von Statworx durchgeführt wird, bedarf ein enormes Maß an Know-How, weswegen die Inanspruchnahme einer solchen externen Beratungsagentur in einigen Fällen durchaus ratsam wäre. Zwar entwickeln jene Anbieter vor allem Data-Science-Lösungen für Großkonzerne, inzwischen investieren aber auch mittlere Unternehmen in solche Dienstleistungen. Das sei heute zwar noch relativ selten, sagen die Statworx-Experten, aber in naher Zukunft schon dürfte der Umgang mit Big Data ebenso alltäglich sein wie der Einsatz einer Buchhaltungssoftware.

About Author