Was macht ein Data Scientist?

Data Scientist oder der laute Ruf der Zukunft

Als vor vielen Jahren jemand prophezeite, dass Daten das Öl des 21. Jahrhunderts sein würden, konnte niemand ahnen, wie schnell er damit recht behalten sollte. Weder die heute dominierende Plattformökonomie mit ihren disruptiven Ansätzen noch Social Media, Mobile Computing, E-Business und E-Commerce oder andere datengetriebene Geschäftsmodelle wären ohne das Sammeln, Auswerten und Anwenden großer Datenmengen möglich. Big-Data-Technologien spielen nicht zuletzt auch für die Artificial Intelligence als Schlüsseltechnologie der Zukunft eine zentrale Rolle: Machine Learning kann nur stattfinden, wenn das KI-System auf eine Unmenge relevanter Daten zugreifen, in ihnen Muster erkennen und aus ihnen neue Erkenntnisse gewinnen kann.

Experten für die Digitale Transformation

Die Data Driven Company ist heute quer durch alle Branchen eher die Regel als die Ausnahme. Eine der Auswirkungen der Digitalen Transformation sind Berufe und Aufgabenbereiche wie Data Engineer, Data Architect, Data Analyst:in oder Data Scientist, die meist erst in der letzten Dekade entstanden sind. Mitarbeiter mit solchen Qualifikationen sind es erst, die die Unternehmen zum dynamischen und wertschöpfenden Umgang mit ihren Daten, Datensilos wie dem Data Warehouse befähigen und sie an der Digitalen Transformation teilnehmen lassen. Im Zusammenhang mit datengetriebenen Geschäftsmodellen und der Automatisierung von Geschäftsprozessen nehmen exzellent ausgebildete Datenexpert:innen eine wichtige, ja unverzichtbare Rolle ein. Da die Bedeutung von Daten ohne Zweifel eher zunehmen wird, sind Jobs rund um Datenanalyse Jobs mit Zukunft. Data Scientists gehören ganz vorn mit dazu.

Was macht man als Data Scientist?

Vereinfacht gesagt: Ein Data Scientist macht den uralten Menschheitstraum wahr und verwandelt Stroh in Gold. Oder, um im oberen Bild zu bleiben, in der Erde lagerndes Rohöl in raffinierte Ausgangsprodukte. Anders ausgedrückt: Data Scientists arbeiten mit historischen Rohdaten, wie die unstrukturierten Daten in den Datensilos genannt werden, extrahieren aus ihnen Muster und verwandeln die so gewonnenen Erkenntnisse in wertvolle Information. Je versierter sie betriebswirtschaftlich sind und je besser sie die Geschäftsstrategie ihres Unternehmens verstehen, desto besser werden sie in der Lage sein, gegenüber dem Management Empfehlungen auszusprechen, die zur Grundlage operativer oder strategischer Entscheidungen werden können.

Zwischen Hard und Soft Skills: Was muss man als Data Scientist können?

Data Scientists decken ein Berufsbild ab, in dem viele verschiedene Fähigkeiten und Kenntnisse erforderlich sind. In ihrem Beruf bzw. ihrem jeweiligen Einsatzgebiet sind sie Data Analyst:in, Statistiker:in und Stochastiker:in sowie Big Data Specialist in einem. Voraussetzung ist auch, dass sie das Computational Thinking verinnerlicht haben. Zusammengefasst, lassen sich die Data Scientist Skills in Soft- und Hardskills unterteilen:

Auf der „harten“ Seite müssen Data Scientists fundierte Kenntnisse in Advanced Analytics, Mathematik, Statistik und Stochastik mitbringen. Sie müssen auf jeden Fall Tools wie SAS, SQL-Datenbanken, Hadoop und andere Big-Data-Techniken wie Cloud Computing, Data Visualization oder Machine Learning Algorithms beherrschen. Von der Programmierseite her müssen sie die einschlägigen Programmiersprachen aus dem Effeff können. Davon sind R und Python als Programming Language die wichtigsten. Auch kümmern sie sich darum, die richtigen Data Pipelines zu legen, sie einem Monitoring zu unterziehen und sie beständig zu optimieren.

Auf der „weichen“ Seite müssen sie sich oft – hauptsächlich zu Anfang ihrer Karriere oder in Start-up-Unternehmen – als Data Experts und Generalist:innen begreifen. Da Data Scientists bei ihren Data-Science-Projekten nicht selten auch im Team arbeiten und ihre abstrakten Ergebnisse für das Management als Entscheidungsgrundlage aufbereiten müssen, kommen noch Softskills wie Kommunikationsfähigkeit hinzu. Ihre Aufgabe ist es dann nicht nur, „Number Cruncher“ und Zulieferer für das Management zu sein. Als Schnittstelle zwischen der Datenwelt und dem Business im Unternehmen erhalten sie die Chance, mit ihren Voraussagen im Rahmen der Predictive Analytics Empfehlungen für die weitere Unternehmensentwicklung auszusprechen oder sogar selbst daran mitzuwirken.

Wie viel verdient man als Data Scientist?

Für einige die wichtigste Frage überhaupt, für richtige Nerds steht sie erst an zweiter Stelle: Was verdient man als Data Scientist denn so? Wie so oft lässt sich diese Frage nur schwer pauschal beantworten. Je nach Unternehmensgröße, Branche, Standort, Qualifikation, (Personal-)Verantwortung und Berufserfahrung variiert das Gehalt erheblich. Im Mittel lässt sich aber sagen, dass das Einstiegsgehalt im Bereich Data Science rund 52.000 Euro pro Jahr beträgt, für einen Senior Data Scientist deutlich mehr. Betrachtet man etwa die Angaben auf den einschlägigen Jobbörsen, so wird das Jahresgehalt eines Data Scientists mit der Gehaltsspanne zwischen 48.000 und 65.000 Euro per annum angesetzt, je nach Aufgabe, Funktion und Verantwortung im Unternehmen nach oben hin offen. So verdienen Data Scientists auf der Position eines Head of IT in der Regel mehr als solche, die weiterhin als Programmierer:innen oder „Number Cruncher“ arbeiten. Eigentlich logisch.

Sind Data Scientisten gefragt?

Genauer betrachtet sind Data Scientists heute nicht gefragt – sie sind begehrt! Der Datenhunger der Unternehmen steigt und damit die Notwendigkeit, aus den unstrukturierten Daten strukturierte Datensätze zu extrahieren, diese zu analysieren, aus ihnen aussagekräftige Informationen und somit wertvolle Erkenntnisse zu gewinnen. Die Hürden dafür sind von der Qualifizierung her alles andere als niedrig, daher ist der Master-Abschluss für diesen Beruf meist eine gern gesehene Voraussetzung. Entsprechend rar ist das Angebot an Datenwissenschaftlern oder an Data Engineer Jobs, was zu einer hohen Nachfrage auf dem Arbeitsmarkt führt. Da sich die Themenbereiche Data Mining, Big Data Engineering sowie die Big-Data-Technologien aber rasant weiterentwickeln, wird das Aufgabenspektrum eines Big Data Engineers in zehn Jahren sicherlich anders aussehen als heute – ohne an Attraktivität zu verlieren.

Welche Berufsfelder deckt der Data Scientist ab?

Was macht den Beruf des Data Scientists aus? Schaut man sich die verschiedenen Berufsbilder für Datenwissenschaftler:innen an, so kann man – in Bezug auf den Umgang mit Daten – dieses Berufsfeld als eine Art eierlegende Wollmilchsau bezeichnen. Der Data Scientist kann zwar nicht alles, aber vieles, was eine Data Driven Company für ihre Wettbewerbsfähigkeit benötigt. Auf jeden Fall sind gut ausgebildete Data Scientists aber beides: einerseits hoch spezialisiert, zum anderen aber auch Generalist:innen, weil sie für ihren Job unterschiedliche Disziplinen beherrschen müssen.

Der Data Scientist kann sowohl im Bereich Data Analysis erfolgreich sein als auch als Programmierer:in seinen Weg machen. Dank seiner betriebswirtschaftlichen Ausbildung eignet er sich auch für Beratungsjobs an der Nahtstelle zwischen IT und Business, so bei der IT- und datengestützten Optimierung und Anpassung von Geschäftsprozessen. Nicht zuletzt kann er seine kommunikativen Fähigkeiten beweisen, indem er in den Vertrieb geht oder aber gleich Head of IT oder CIO wird. Bekanntlich sind solche Führungspositionen längst nicht mehr für reine IT-Themen zuständig. In dem Maß, in dem IT und Business verschmelzen, sind auch hier sowohl „echte“ Data Science Skills als auch profunde betriebswirtschaftliche Skills mehr als gefragt.

Data Scientist-Studiengänge an AKAD University

Um der Bedeutung der Datenexpertise in den Unternehmen gerecht zu werden, bietet die AKAD interessierten Studierenden eine ganze Reihe an Studiengängen im Bereich Data Science an. Dazu gehören jeweils ein Studiengang Data Science (B.Sc.) und Data Science (M.Sc.), ein dualer Studiengang Data Science (B.Sc.) sowie die Weiterbildung Spezialist Industrial Data Science.