Ein Shopping-Portal schlägt Produkte vor, die exakt den Kundengeschmack treffen, ein virtueller Assistent beantwortet Fragen auf Zuruf. Hinter den Kulissen dieser schon alltäglichen Anwendungen steckt die Arbeit von Data Scientists. Sie entlocken riesigen Datenmengen Informationen, auf deren Basis Unternehmen strategische Entscheidungen treffen - zum Beispiel bei der Entwicklung neuer Produkte oder Geschäftsfelder.

Die Aufgaben von Data Scientists sind so komplex wie die, die Recruiter zu lösen haben, um geeignete Kandidaten zu finden. Für den Dekra Arbeitsmarkt-Report 2022 wurden 350 Stellenangebote analysiert, um herauszufinden, welche Aufgaben ein Data Scientist am neuen Arbeitsplatz übernehmen soll und was er hierfür können muss.

Advanced-Analytics- und Phyton-Kenntnisse von Vorteil

Jedes Unternehmen verfolgt andere Ziele und auch die Zusammenstellung der Teams wirkt sich auf die Aufgaben von einem Data Scientist aus. Die meisten der gesuchten Expertinnen und Experten befassen sich mit fortgeschrittenen Analysemethoden. Neben allgemeinen Kenntnissen in Datenanalyse benötigen sie Erfahrung im Bereich Machine Learning. Außerdem setzt nicht ganz jeder fünfte Arbeitgeber Erfahrung mit Deep Learning voraus. In den Stellenbeschreibungen finden sich zudem Aufgaben, die den gesamten Analyseprozess abdecken: Die zukünftigen Mitarbeitenden sollen beispielsweise Modelle und Methoden entwickeln und evaluieren oder Daten so aufbereiten, dass sie sich in die entsprechenden Analyse-Tools exportieren lassen.

Technisch-analytische Fähigkeiten sind das eine. Ein Data Scientist arbeitet eng mit denjenigen zusammen, die später ihre Analysen nutzen, zum Beispiel aus den Fachabteilungen oder der Geschäftsführung. Hier kommt es darauf an, komplexe Fragestellungen oder Ergebnisse verständlich zu erklären und zu präsentieren.

Die Datenmenge wächst täglich. Unternehmen stoßen schnell an die Grenzen ihrer Speicherkapazitäten und verlegen sie in die Cloud oder verfolgen ein hybrides Modell. Jobsuchende müssen sich daher gut mit Technologien wie Cloud Computing oder Datenbanken auskennen. Frameworks wie Hadoop und Spark setzen sie im Bereich Big Data ein, um sehr große Datenmengen zu verarbeiten.

Wer außerdem Python beherrscht, ist für die Jobsuche gut aufgestellt: Es ist die geläufigste Programmiersprache im Bereich Data Analytics. Das spiegelt sich auch in den Anforderungsprofilen, wo Python sehr oft vorkommt (84 Prozent). In jeder zweiten Offerte findet sich außerdem die Programmiersprache R und SQL als Anforderung (50 beziehungsweise 49,4 Prozent). R wurde speziell für statistische Berechnungen entwickelt, wogegen ein Data Scientist die Datenbanksprache SQL benötigt, um beispielsweise Datenbankstrukturen zu definieren.

Hochschulabschluss und Berufserfahrung ideal

In den Beruf führen verschiedene Wege. Ein Studium ist optimal, aber etwa ein Drittel der befragten Arbeitgeber sind offen gegenüber anderen Werdegängen, wenn Jobsuchende entsprechende Erfahrungen vorweisen können. Auch bei den Fachrichtungen sind Unternehmen flexibel: Sie zählen durchschnittlich 3,7 Studiengänge auf, die für eine Stelle infrage kommen. Am häufigsten sind das:

• Informatik (70 Prozent),

• Mathematik (53,4 Prozent),

• Statistik (31,4 Prozent) und

• Physik (30,9 Prozent).

Fachspezifische Ausbildungen finden sich hingegen erst an neunter Stelle der Nennungen (15,4 Prozent). Die meisten Offerten richten sich indes an erfahrene Data Scientists.

Arbeitgeber legen größten Wert auf verantwortungsbewusste Datenexperten. Unbedachtes Handeln kann fatale Folgen haben, nicht nur wirtschaftlich. Viele der gewünschten Soft Skills beziehen sich auf die Kernaufgaben, beispielsweise die Fähigkeit, komplexe Aufgaben zu bewältigen oder eine analytische und strukturierte Denk- und Arbeitsweise. Die interdisziplinäre Zusammenarbeit funktioniert nur, wenn Mitarbeiter kommunikations- und teamfähig sind, was Arbeitgeber in den Anforderungsprofilen auch betonen. Sicher aufzutreten und durchsetzungsfähig zu sein, hilft im Umgang mit dem Management.

Lange Benefits-Liste für Datenarbeiter

Der Bewerbermarkt ist eng, was sich auch an den Rahmenbedingungen im Job bemerkbar macht. An erster Stelle der langen Liste an Benefits findet flexible Arbeitszeitgestaltung (56 Prozent). Oft können Data Scientists auch im Home-Office oder hybrid arbeiten (46,6 Prozent). Gute Datenexperten sind wissbegierig und möchten sich weiterentwickeln.

Mehr als jeder zweite Arbeitgeber stellt deshalb Weiterbildungen und Zertifizierungen in Aussicht (53,1 Prozent). Die vielen weiteren Zusatzleistungen reichen von Gesundheits- und Fitnessangeboten über Fahrrad-Leasing und soziale Services bis hin zur Möglichkeit von Sabbaticals. Ein attraktives Gehalt ist wohl selbstverständlich und findet sich erst an zehnter Stelle (23,1 Prozent). Recruiter stellen daher eher die Zusatzleistungen in den Vordergrund, die für die tendenziell junge Zielgruppe interessant sind.