Leser fragen, Experten antworten

Data Scientists müssen Fachbereiche verstehen

Karriere in der IT ist ihr Leib- und Magenthema - und das seit 18 Jahren. Langweilig? Nein, sie endeckt immer wieder neue Facetten in der IT-Arbeitswelt und in ihrem eigenen Job. Sie recherchiert, schreibt, redigiert, moderiert, plant und organisert.
Was genau sind Data Scientists? Was muss dieser können und was sollte bei einer Neu- oder Umorientierung in Richtung Big Data Architecture beachtet werden?

Alle zwei Wochen stehen unseren Lesern in der Rubrik "Ratgeber Karriere" Experten mit Rat und Tat zur Seite, wenn es um Fragen rund um die Karriere geht. In letzter Zeit haben sich unsere Leser sehr für den Trendberuf Data Scientist und die Big-Data-Themen aus der IT-Perspektive interessiert.

Was macht ein Data Scientist?

Ein Leser möchte wissen, was es mit dem Trendberuf Data Scientist auf sich hat: "Handelt es sich um einen IT-Nerd und Datenjongleur, oder kommt so jemand auch in Unternehmensbereichen wie beispielsweise dem Facility-Management ins Spiel?"

Dorothea Schwalbach ist Personalchefin von SAS Deutschland.
Dorothea Schwalbach ist Personalchefin von SAS Deutschland.
Foto: Schwalbach

Dorothea Schwalbach, Personalchefin des Softwareherstellers SAS Deutschland, kennt sich mit dieser Materie bestens aus: "Data Scientists sind weder Wissenschaftler mit weißen Kitteln noch speziell ausgebildete Experten, die nur in Softwareunternehmen arbeiten. Ihr Beispiel mit dem Facility-Manager trifft es da unter Umständen schon besser. Entscheidend ist die Konfrontation mit großen Datenmengen und die Fähigkeit, diese für Unternehmen oder Geschäftsbereiche schnell auswerten zu können.

Big Data Scientists agieren eigenständig

Ob im Marketing, Controlling oder eben auch im Facility-Management - Big Data betrifft heute bereits alle Unternehmen und Fachgebiete. Eine individuelle Unterstützung durch die IT-Abteilung oder durch Kollegen mit speziellen mathematischen Kenntnissen ist selbstverständlich nicht flächendeckend möglich. Deshalb sind Big Data Scientists, die eigenständig agieren können, gerade in den Fachabteilungen stark gefragt. Es sind die Kollegen, die, ausgestattet mit entsprechender Software, dafür sorgen, dass aus verfügbaren Daten entscheidungsrelevante Informationen werden. Entsprechende Positionen werden mit durchaus unterschiedlichen Kompetenzträgern besetzt. Die übergreifende Qualifikation besteht darin, eine Brücke zwischen Fachlichkeit und leicht anwendbaren Big Data Analytics zu schlagen.

Moderne Auswertungs-Tools

Voraussetzung ist, dass Data Scientists moderne Auswertungs-Tools anwenden können und die Anforderungen des Fachgebiets verstehen. Da wir von Bewerbern wie Unternehmen häufig solche Fragen bekommen, bieten wir eine Schulung zum SAS Data Scientist an, die auf die Anforderungen des neuen Rollenbilds vorbereitet."

Datenarchitektur und Soeicherstrukturen

Ein langjähriger Berater und Projektleiter im Bereich Data Warehouse und Business Intelligence interessiert sich für Big-Data-Themen aus der IT-Perspektive - also etwa für Datenarchitekturen, Speicherstrukturen für strukturierte und unstrukturierte Daten, NoSQL, Hadoop oder auch MapReduce. In zwei bis drei Jahren will er in den Big-Data-Bereich wechseln und seine Kompetenzen in Richtung Big Data Architect ausbauen. Was sollte er bei seiner Neu- und Umorientierung beachten?

Eine Umorientierung in den Big Data Bereich sollte laut Schwalbach mit einem umfassenden Kenntnisgewinn beginnen.
Eine Umorientierung in den Big Data Bereich sollte laut Schwalbach mit einem umfassenden Kenntnisgewinn beginnen.
Foto: Kurhan, Fotolia.com

Schwalbach empfiehlt folgende Vorgehensweise: "Spezialisierung ist immer ein möglicher Karrierepfad. Da IT-Themen einer hohen Dynamik ausgesetzt sind, ist Ihr Vorhaben, grundlegende Kompetenzen auch im analytischen Bereich aufzubauen, absolut richtig. Gerade weil Sie bereits eine klare Vorstellung haben und Ihnen die IT-Perspektive liegt, rate ich, möglichst früh viel über andere Fachabteilungen zu lernen. Dieses Wissen ist später in der IT-Abteilung gut einsetzbar.

Verschwommene Abteilungsgrenzen

Hinzu kommt, dass klassische Abteilungsgrenzen technologiebedingt immer mehr verschwimmen. Ein Beispiel hierfür ist die wachsende Nähe zwischen CIOs und Chief Marketing Officers (CMOs). Viele Innovationen im Big-Data-Kontext sind Reaktionen auf Fragen, die mit klassischer Business Intelligence nicht mehr zu beantworten sind. Business Intelligence ist vereinfacht gesagt der statistische Blick in den Rückspiegel, bei dem es zum Beispiel um Fragen geht wie: Was haben wir getan? ­Welche Effekte haben wir erzielt? Was können wir rückblickend daraus lernen? Die fundierte Analyse von Big Data hingegen richtet den Blick nach vorne.

Big Data setzt daher komplexere Mathematik in der Software - wir ­sprechen hier von Analytics - voraus, ist aber auch der Schlüssel zu wesentlich wertvolleren, eben zukunftsgewandten Informationen. Ihre Erfahrungen sollten Sie also keinesfalls verhehlen. Auch weil Ihre neuen Ziele als logischer nächster Schritt so für jeden potenziellen Arbeitgeber absolut nachvollziehbar sind."