Was macht ein Data Scientist?

19.10.2020
Von 
Maximiliane Piontek ist Studentin und freie Mitarbeiterin der Redaktion COMPUTERWOCHE bei der IDG Communications Media AG.
Data Scientists helfen Unternehmen im Umgang mit großen Datenmengen. Lesen Sie, was Datenwissenschaftler ausmacht und was sie können sollten.
Data Scientists, auch Datenwissenschaftler genannt, analysieren große Datenmengen für Unternehmen.
Data Scientists, auch Datenwissenschaftler genannt, analysieren große Datenmengen für Unternehmen.
Foto: metamorworks - shutterstock.com

Data Scientist - Definition

Ein/e Data Scientist verkörpert einen Beruf mit mehreren Profilen. Data Analysten, Manager, Architects oder Business Developer beschäftigen sich mit Big Data und helfen somit Unternehmen, ihre Prozesse zu optimieren und Geschäftsmodelle auszubauen.

Data Science - Definition

Data Science oder Datenwissenschaft ist die Extraktion von Wissen aus Datenmengen. WissenschaftlerInnen in diesem Forschungsfeld verwenden dabei fundierte Methoden, Prozesse und Algorithmen um Muster in strukturierten und unstrukturierten Daten zu finden.

Datenwissenschaftler - Berufsfelder

Data Scientists arbeiten in Unternehmen, die ein Interesse daran haben, ihre Prozesse zu optimieren, wie in der Logistik, im Onlinehandel oder in der Energiebranche. Sie können sich dabei auf die Produktpersonalisierung, das Kundenbeziehungsmanagement (CRM) oder die Risikoberatung spezialisieren. Der Beruf als Data Scientist hat einen regelrechten Trend erfahren. Doch seit geraumer Zeit kann das Berufsbild nicht mehr so scharf gezeichnet werden, da die Aufgaben sich mit zunehmender Digitalisierung verändern und in vielen verschiedenen Feldern benötigt werden.

Ein/e Data Scientist muss beispielsweise mithilfe der Potenzialanalyse erkennen können, welche Projektidee die vielversprechendste ist. Oder wie aus Daten Regeln, Entscheidungsbäume und künstliche neuronale Netze gewonnen werden können, die Vorhersagen oder Empfehlungen liefern. Im Service- und Supportbereich analysieren Data Scientists vor allem Kundenreaktionen indem sie Stichwörter und Schlüsseldaten extrahieren.

In Zusammenhang mit Industrie 4.0 erkennen Data Scientists anhand der Zeitreihenanalyse aus historischen Daten Modelle, die zukünftige Ereignisse prognostizieren können. Solche Daten gewinnen sie beispielsweise aus Sensoren von Maschinen. Eine weitere Aufgabe ist die Analyse von Bildern und Videos anhand von Bilderkennungsverfahren - etwa in der Medizin. Data Scientists sind darauf spezialisiert, Schäden oder Risiken zu erkennen und darauf aufbauend Prozesse zu optimieren.

Im Gegensatz zu Softwareentwicklern behalten Data Scientists einen umfassenden Blick auf die strategischen und operativen Prozesse des Unternehmens und haben damit maßgeblichen Einfluss auf die Produktentwicklung. Dafür benötigen sie insbesondere statistisches Know-how, um Ergebnisse zu beurteilen und evaluieren zu können. So soll ein geeigneter Lösungsweg in der Modellentwicklung gefunden werden.

Außerdem sollten Data Scientists einige Programmiersprachen und Grundlagen der Softwareentwicklung beherrschen. Da die eingesetzten Sprachen und Tools jedoch je nach Unternehmen unterschiedlich sind, sollten kontinuierliche Fortbildungen nicht fehlen. Besonders im Bereich von KI-Anwendungen, beziehungsweise Deep und Machine Learning liegen Spezialbereiche von Datenwissenschaftlern.

Den einen Data Scientist gibt es nicht. Zumeist arbeiten verschiedene Spezialisten gemeinsam im Team: Datenanalysten, Data Architects, Data Manager und Data Business Developer. Datenanalysten werten Daten aus, während Data Architects bei besonders großen und unstrukturierten Datenmengen eingreifen.

Die Datenmengen miteinander zu verknüpfen ist die Aufgabe des Data Manager - er kümmert sich auch um die Datenqualität. Unternehmensziele und Marktgegebenheiten behalten wiederum Data Business Developer im Blick.

Wie wird man Datenwissenschaftler?

Im interdisziplinären Bachelorstudiengang Data Science werden in erster Linie Grundlagen der Mathematik, Informatik und Statistik vermittelt. Besonders im Fokus stehen dabei Programmiersprachen und Softwareentwicklung, Datenanalyse und statistische Analysen. Auf dieser Basis können sich die Studierenden in unterschiedlichen Lehrangeboten spezialisieren, in deren Rahmen sie sich oft an eigenen Projekten ausprobieren können.

Im Masterstudiengang vertiefen die Studierenden dann Kenntnisse in Machine Learning, Data Assimiliation, Business Analytics oder Applied Data Science. Neben der Ausbildung an einer Universität können aber auch Zertifikate im Rahmen von berufsbegleitenden Weiterbildungen und Schulungen oder eines Fernstudiums erworben werden.

Lesen Sie auch: