Was ist ein Data Scientist?

Welcher Typ Mensch ist ein Data Scientist, was macht er und warum Sie gern einer werden wollen.

Data Scientists sind eine neue Art von Datenanalytikern, die über die technischen Voraussetzungen zur Lösung komplexer Probleme verfügen - und über die Neugierde, herauszufinden, welche Probleme gelöst werden müssen.

Sie sind teils Mathematiker, teils Informatiker und teils Trendspotter. Da sie sowohl im Unternehmens- als auch im IT-Bereich tätig sind, sind sie sehr gefragt und werden gut bezahlt. Wer möchte da nicht gerne als Data Scientist arbeiten?

Sie sind auch ein Zeichen der Zeit. Vor einem Jahrzehnt gab es den Beruf des Data Scientist noch nicht, aber die Tatsache, dass sie plötzlich so gefragt sind, zeigt, wie Unternehmen heute über Big Data denken. Diese unglaubliche Flut von unstrukturierten Daten kann nicht länger ignoriert und verdrängt werden. Es ist eine wahre Goldgrube, die zur Umsatzsteigerung beiträgt – vorausgesetzt, es gibt jemanden, der darin gräbt und wichtige Informationen zutage fördert, die vorher noch niemand in Erwägung gezogen hat. Hier kommt der Data Scientist ins Spiel.

Wie ist der Beruf des Data Scientist entstanden?

Viele Data Scientists haben ihre Karriere als Statistiker oder Data Analyst begonnen. Doch mit dem Wachstum und der Weiterentwicklung von Big Data (und Big Data-Speicher- und -Verarbeitungstechnologien wie Hadoop) veränderten sich auch diese Berufe. Daten sind in der IT-Abteilung schon lange kein Randthema mehr. Es handelt sich um Schlüsselinformationen, die Analysen, kreative Neugier und ein Händchen für die Umsetzung von Hightech-Ideen in neue gewinnbringende Möglichkeiten erfordern.

Die Rolle des Data Scientist ist auch akademischen Ursprungs. Vor einigen Jahren erkannten die Universitäten, dass die Arbeitgeber Mitarbeiter suchten, die sowohl Programmierer als auch Teamplayer waren. Deshalb haben die Lehrkräfte ihre Lehrveranstaltungen entsprechend angepasst, und einige Einrichtungen, z.B. das Institute for Advanced Analytics an der North Carolina State University, haben sich darauf vorbereitet, die nächste Generation von Data Scientists hervorzubringen. Inzwischen gibt es mehr als 60 ähnliche Studiengänge an den Universitäten in den ganzen USA.

“My days can be very similar but week-to-week work can vary greatly. For a few weeks I might be working on a text mining project, and after that I could be creating a predictive model around the customer. Mixed in are meetings with others about analytics and how it can help different parts of the business.”

Alex Herrington
Data Scientist bei einem großen US-Einzelhandelsunternehmen Lesen Sie hier Alex Geschichte

Kirk Borne, PhD, Principal Data Scientist bei Booz Allen Hamilton, geht auf das Missverständnis ein, dass Data Science ein IT-Beruf ist – und wie Data Scientists in der neuen Ära größerer, komplexerer Daten helfen können.

Mehr über Data Scientists

Treffen mit einer Data Scientist: Interview mit Kristin Carney.
Whitepaper zum Thema Mehrwert aus der Arbeit Ihres Data Scientists ziehen herunterladen.

Typische Aufgaben eines Data Scientist

Für die Rolle des Data Scientist gibt es noch keine typische Stellenbeschreibung, aber die folgenden Aufgaben werden wahrscheinlich in den Tätigkeitsbereich eines Data Scientist fallen:

Sammeln von großer Mengen ungeordneter Daten und Umwandlung dieser Daten in nutzerfreundliche Formate.
Lösung geschäftlicher Probleme mithilfe datengesteuerter Techniken.
Arbeit mit einer Vielzahl von Programmiersprachen, einschließlich SAS, R und Python.
Solide Kenntnisse im Bereich Statistik, einschließlich statistischer Tests und Verteilung.

Behalten Sie den Überblick über Analysetechniken wie Machine Learning, Deep Learning und Text Analytics.
Kommunikation und Zusammenarbeit nicht nur mit der IT sondern auch mit der Geschäftsleitung.
Die Suche nach Datenreihen und -mustern sowie das Aufspüren von Trends, die sich positiv auf das Geschäftsergebnis auswirken können.

Was gehört zum Rüstzeug eines Data Scientist?

Diese Begriffe und Technologien werden häufig von Data Scientists verwendet:

Data Vizualisation: die Darstellung von Daten in nutzerfreundlichen Formaten, damit sie leicht analysiert werden können.
Machine Learning: ein Zweig der künstlichen Intelligenz basierend auf mathematischen Algorithmen und Automatisierung.
Deep Learning: ein Teilbereich des Machine Learnings, der Daten zur Darstellung komplexer Zusammenhänge nutzt.

Mustererkennung: eine Technologie zur Erkennung von Datenmustern (wird häufig im Zusammenhang mit Machine Learning verwendet).
Datenvorbereitung: die Umwandlung von Rohdaten in ein Format, in dem sie leichter verarbeitet werden können.
Textanalytik: der Analyseprozess unstrukturierter Daten, um wichtige Geschäftsinformationen zu sammeln.

“On a typical day, I brainstorm and problem solve how to answer questions that come from the business with my team, I review analysis and recommendations completed by my staff, and I attend a variety of meetings.”

Kristin Carney
Data Scientist, World’s Foremost Bank
Hier geht es zu seiner Geschichte

Wie können Sie Data Scientist werden?

Eine Karriere im Bereich Data Science anzustreben, könnte sich als kluger Schachzug erweisen. Es gibt viele Beschäftigungsmöglichkeiten und die Chance, im Technologiebereich zu arbeiten, der Ihnen Raum für Experimente und Kreativität eröffnet. Welche Strategie bietet sich also für Sie an?

Als Student
Ein erster wichtiger Schritt ist die Auswahl einer Universität, die einen Abschluss in Data Science anbietet – oder zumindest Kurse in Data Science und Analytics in ihrem Lehrplan hat. Die Oklahoma State University, die University of Alabama, die Kennesaw State University, die Southern Methodist University, die North Carolina State University und die Texas A&M sind allesamt Beispiele für Hochschulen mit Data-Science-Kursen.

Als Quereinsteiger
Die meisten Data Scientist arbeiten bereits als Data Analyst oder Statistiker, aber manche kommen auch aus nicht-technischen Bereichen wie die Betriebswirtschaft. Wie können Spezialisten mit so unterschiedlichem Background im selben Bereich arbeiten? Entscheidend ist, was sie gemeinsam haben: ein Händchen für die Lösung von Problemen, eine gute Kommunikationsfähigkeit und eine unstillbare Neugierde, wie bestimmte Prozesse wirklich funktionieren. Informieren Sie sich hier, wie Sie mit Hilfe der SAS Academy for Data Science I ein zertifizierter Data Scientist werden können.

Abgesehen von diesen Qualifikationen müssen Sie auch über ein solides Wissen zu folgenden Themen verfügen:

Statistik und Machine Learning
Programmiersprachen wie SAS, R oder Python
Datenbanken wie MySQL und Postgres.
Data Vizualisation und Reporting-Technologien
Hadoop und MapReduce

Wenn Sie sich diese Fähigkeiten nicht selbst aneignen wollen, können Sie einen Online-Kurs belegen oder sich für ein Bootcamp anmelden. Und dann sollten Sie sich natürlich ein Netzwerk aufbauen. Halten Sie engen Kontakt zu anderen Data Scientists in Ihrem Unternehmen oder melden Sie sich bei einer Online-Community an. So verschaffen Sie sich Insider-Informationen darüber, was Data Scientists tun – und wo Sie die besten Jobs finden.

Wann ist ein Unternehmen bereit, einen Data Scientist einzustellen?

Bevor Sie eine Stelle als Data Scientist annehmen, sollten Sie zunächst einige Aspekte über Ihren zukünftigen Arbeitgeber abklären:

Hat das Unternehmen mit großen Datenmengen zu tun und gibt es komplexe Probleme, die gelöst werden müssen? Unternehmen, die Data Scientists wirklich brauchen, haben zwei Dinge gemeinsam: Sie verwalten riesige Datenmengen und stehen tagtäglich vor schwerwiegenden Problemen. Sie gehören typischerweise zu Branchen wie dem Finanzwesen, der Regierung und der Pharmaindustrie.
Weiß das Unternehmen, wie wichtig seine Daten sind? Die Unternehmenskultur hat einen Einfluss darauf, ob ein Data Scientist eingestellt werden sollte. Verfügt es über eine Umgebung, die Analysen unterstützt? Wird das Vorhaben von der Geschäftsführung unterstützt? Wenn nicht, wäre die Investition in einen Data Scientist reine Geldverschwendung.
Ist das Unternehmen bereit für Veränderungen? Als Data Scientist erwarten Sie, ernst genommen zu werden, und dazu gehört auch, dass Ihre Arbeit Früchte trägt. Sie widmen Ihre Zeit der Suche nach Verbesserungen für das Unternehmen. Als Reaktion darauf muss ein Unternehmen bereit sein, nach Ihren Suchergebnissen zu handeln.

Die Einstellung eines Data Scientists, der Geschäftsentscheidungen auf der Grundlage von Daten treffen soll, kann für manche Unternehmen ein Vertrauensvorschuss bedeuten. Vergewissern Sie sich, dass das Unternehmen, für das Sie möglicherweise arbeiten werden, die richtige Einstellung hat – und bereit für einige Veränderungen ist.

“I work for an agile company, which requires me to be flexible and adapt to circumstances. Last week, for example, I was doing several tasks, including improving recommendation scores; tuning the integration with the operational content management system; creating new transformed variables based on consumer behavior to be used for affinity models; and doing some refactoring of existing performance reports/analytical dashboards."

Manuel-David Garcia
Data Scientist für ein mittelständisches Unternehmen in Heidelberg, Deutschland
Lesen Sie hier seine ganze Geschichte

Technologien für einen Data Scientist

SAS^® Viya^® Data Science-Angebote richten sich explizit an Data Scientists. Die Self-Service-Funktionalitäten für AI und Machine Learning helfen Ihnen, Modelle schnell zu erstellen und einzusetzen. Neben leistungsstarken Algorithmen erhalten Sie auch wichtige Funktionen zur Datenaufbereitung, Datenvisualisierung und Modellverwaltung.

Erfahren Sie mehr über die Data Science-Angebote

Sie benötigen weitere Informationen?

Data Management

Hier erhalten Sie weitere Informationen zu Data Management - z.B. Fachartikel, Forschungsergebnisse, Videos und vieles mehr.

Analytics

Informieren Sie sich über die neuesten Entwicklungen im Bereich der Analytik durch entsprechende Artikel und Untersuchungen.