Data Scientists sind die Goldgräber des Digitalzeitalters: Sie untersuchen bspw. Daten von Konsumenten, um Rückschlüsse auf deren Kaufverhalten zu ziehen. Verschiedene Ausbildungswege führen in die Welt von Big Data bzw. Data Mining.
Wer mit der Kundenkarte Bonuspunkte sammelt, im Rahmen von Saisonschlussverkäufen bzw. Sale-Aktionen bei bestimmten Produkten als Kunde “zuschlägt” oder auch sich zu bestimmten Themen besonders oft beschwert, der hinterlässt die Währung, hinter der Data Scientists her sind: Daten, die bspw. Rückschlüsse auf Konsumverhalten und Kauf-Routinen erlauben. Was aber macht ein Data Scientist genau? Diese Frage stellte kürzlich ein Coachee in meiner Berufsberatung in Berlin.
Datenwissenschaftler werten diese Daten aus, um ihre Arbeitgeber in die Lage zu versetzen, Geschäftsprozesse zu optimieren – also zum Beispiel, um ganz bestimmte Waren zu ganz bestimmten Zeitpunkten preisreduziert anzubieten. Somit sind Data Scientists Business-Strategen.
Um solche Regelmäßigkeiten zu erkennen, entwickeln die Big Data-Spezialisten mathematische Modelle, wobei sie ihre Programmierkenntnisse nutzen. Die Programmiersprachen “Python” und “R” sind Mindestvoraussetzungen, um als Data Scientist zu arbeiten – andere Sprachen können je nach Einsatz-Branche hinzukommen.
Unterschied Data Scientist – Data Analyst
Für Irritation sorgt oftmals, bis hinein ins IT-Recruiting, die Abgrenzung zwischen Data Scientists und Data Analysts. Tatsächlich haben beide Fachkräfte auch Gemeinsamkeiten: Data Scientists wie auch Data Analysts fassen Erkenntnisse aus ihren ausgewerteten, zunächst schwach strukturiert vorliegenden Datenbergen zusammen, interpretieren diese und berichten an ihr Management. Anders als Data Analysts entwickeln Data Scientists aber zudem eine strategische Aussage bzw. leiten aus den Analysen eine Geschäftsstrategie ab. Data Analysts konzentrieren sich bei ihrer Auswertung eher auf bestehende Probleme in Geschäftsabläufen – etwa gehäuften Kunden-Beschwerden zu bestimmten Themen. Data Scientists haben den Blick mehr auf das “morgen” bzw. die Zukunft des Unternehmens und die strategische Prognose gerichtet und suchen nach der Frage selbst – etwa jener, wie ein bestimmter Geschäftsprozess zukunftsfest gestaltet werden kann oder Produktentwicklung innovativ bleibt.
Breites Einsatzgebiet: Datenspezialisten branchenübergreifend gefragt
Und dieses Einsatzgebiet ist breit aufgestellt: Data Scientists sind überall dort gefragt, wo große Datenmengen anfallen: in der Automobilwirtschaft ebenso wie bei Banken, Energie-Versorgern, Versicherungen oder natürlich IT-Dienstleistern. Das Einstiegsgehalt der begehrten Fachkräfte liegt entsprechend selten unter 45.000 Euro.
Wie wird man Data Scientist?
Analog zur stetig steigenden Nachfrage nach den Data Mining-Experten sind in den vergangenen Jahren an zahlreichen Hochschulen Masterstudiengänge in “Data Science” entstanden. Von vielen Arbeitgebern wird eine andere Qualifikation aber mindestens ebenso gern gesehen wie der Data Science-Mastertitel: eine Kombination aus einem branchenorientierten, technisch ausgerichteten Studium – bspw. einem zur Branche passenden Ingenieursabschluss – oder auch Physik oder Mathematik plus einer Weiterbildung über Massive Open Online Courses, so genannte MOOCs.
Lesen Sie auch: Was macht eigentlich ein Geoinformatiker?