Die Rolle des Data Scientist – Aufgaben, Methoden, Perspektiven

by Fernando Ducoing

Die Digitalisierung wirbelt unsere Unternehmen ganz schön Durcheinander. Mit all den neuen Technologien und Anwendungen halten auch ganz neue Rollenbilder und Aufgabengebiete Einzug. Vom Chief Data Officer, dem Solution Architect bis hin zum Data Engineer reicht das Spektrum kryptischer Job-Title im Umfeld von Data-Driven Business. Ein Profil scheint gerade besonders gefragt: Das, des Data Scientist.

In freier Wildbahn sind sie kaum mehr anzutreffen, dafür auf Job-Börsen so heiß begehrt, dass man als Absolvent einer entsprechenden Ausbildung direkt vom Campus wegengagiert wird. Doch was macht so ein Data Scientist tatsächlich? Warum ist er so wichtig für den Erfolg Ihres Data-Driven Business? Wir haben unsere Community gefragt, was von einem Datenwissenschaftler erwartet wird, wie sie arbeiten und was man ihnen bieten muss.

Der Data Scientist ist …

… ein Einzelkämpfer und Team-Player.

Der Data Scientist steht als Schnittstelle zwischen Business, IT und Kunde und muss daher mehrere „Sprachen“ sprechen können. Eingebettet in Projekte, IT-Infrastruktur und Businessanforderungen ist es eine interdisziplinäre Rolle, die Gegensätze vereint: Sie benötigt Individualität und Kooperatives Handeln, Spezialwissen über die Datenanalyse genau wie Fachwissen über den jeweiligen Kontext.”

Günther Tschabuschnig, ZAMG

Günther Tschabuschnig
ZAMG/DIO

… Lieferant für Inspiration, Ideen und Fantasie.

Data Scientists sind die Speerspitze der Wertschöpfung aus Daten und damit auch der Digitalen Transformation. Sie helfen Business ihre Daten zu verstehen, zu visualisieren und in späterer Folge mit Mathematik Know-how künstliche Intelligenz zu entwickeln. Sie ersetzen am Anfang der digitalen Datenreise die Daten-Infrastruktur in dem sie Datenintegration und Visualisierung manuell machen. Sie legen den Grundstein nicht nur für konkretes Requirements Engineering im Datenbereich, sondern beflügeln die Fantasien von Business um endlich zu wagen, neue Wege und neue Business Modelle zu denken.”

Martin Dusek-Lippach - Wiener Linien

Martin Dusek-Lippach
Wiener Linien

… eher Trüffel-Sucher als Glücksritter.

Data Scientisten werden oft mit Goldgräbern verwechselt. Man setzt sich aber nicht hin, um aus einem möglichst großen Berg von Daten etwas Sinnvolles herauszulesen. Ein Data Analyst kann dann gute Arbeit leisten, wenn man ihm Hypothesen gibt, die er aufgrund der Daten und spezieller Methoden wie KI / machine learning / deep learnig verifizieren oder falsifizieren kann. Er arbeitet also gezielt, eher wie ein Trüffel-Sucher. Seine zweite wichtige Aufgabe ist die Visualisierung von Daten und anschauliche Präsentation seiner Erkenntnisse. Er berät damit seine Kollegen in Führungspositionen, damit diese fundierten Entscheidungen treffen können. Ein guter Data Scientist kann die Kollegen auch beim Stellen der richtigen Fragen hervorragend unterstützen und sie auf neue Ideen bringen.”

Ingrid Kriegl, Sphinx

Ingrid Kriegl
Sphinx IT Consulting

Die Suche nach dem richtigen Data Scientist ist schwierig … Sie im Unternehmen zu halten noch mehr.
Thomas Ramge, Technologie-Korrespondent

Gute Datenwissenschaftler bleiben Mangelware, auch wenn sich immer mehr Absolventen von Hochschulen so nennen.”

Stefan Gindl, Research Studios Austria

Wir beobachten, dass mittlerweile die Herausforderung nicht nur darin besteht, gute Data Scientisten am Markt zu finden, sondern auch, diese im Unternehmen zu halten. Bei Unternehmen ohne Strukturen für die zielgerichtete Entwicklung von Use Cases und Zusammenarbeit mit dem Business, rutschen Data Scientisten schnell in die Rolle eines Projektmanagers und ein Großteil ihrer Arbeit besteht aus administrativen Tätigkeiten, die ihre spezialisierten Fähigkeiten nicht erfordern. Die Erwartungshaltung von Data Scientisten ist jedoch, an der datengetriebenen Lösung komplexer Probleme zu arbeiten, die Teil eines digitalen Produkts ist.


Dazu sind neben Data Scientisten auch andere Rollen notwendig, und Unternehmen müssen die notwendigen Strukturen schaffen, die einen möglichst zielgerichteten Einsatz sämtlicher Rollen ermöglicht. Im Idealfall sind also aus der Sicht von Data Scientisten nicht nur die Rollen und Aufgaben in der Zusammenarbeit mit anderen Kollegen klar definiert, sondern auch die entsprechenden Verantwortlichkeiten (z.B. Datenverantwortlichkeit), Prozesse (z.B. Freigabeprozesse) und Technologien (z.B. Tools und Entwicklungsumgebungen) vorhanden
.”

https://confare.at/?page_id=20422&preview=true

Susanne Zach
EY

Data-Driven Business, Nachhaltigkeit, Leadership, Collaboration, Cyber Security, Kulturwandel sowie die wichtigsten IT-Management Events im DACH-Raum. Abonnieren Sie den Confare NEWSLETTER – Gemeinsam. Besser. Informiert. Wir halten Sie auf dem Laufenden.

Newsletteranmeldung_horizontal
Und was sind die konkreten Aufgaben und Methoden eines Data Scientist?

Die Data Scientists helfen besonders im Bereich der deskriptiven, prädiktiven und präskriptiven Analytics mit ihrem Methodenwissen zu Algorithmen. Eine wichtige Voraussetzung ist die Ergebnisgewinnung aus verschiedenen Datenquellen. Die effiziente Nutzung dieser Ergebnisse muss aber etabliert werden. Werden Ergebnisse gut genutzt, steigt auch die Zufriedenheit der Data Scientists.”

Stefan Zierlinger

Stefan Zierlinger
VERBUND

Stefan Gindl, Research Studios Austria

Stefan Gindl
Research Studios Austria

Die Data Scientists mit ihrer Spezialisierung auf den analytischen und vorhersagenden Teil der Datenverarbeitungspipeline kümmern sich um die Erstellung deskriptiver, prediktiver, und vermehrt auch preskriptiver Modelle. Sie wenden Methoden aus der Statistik, des Software-Engineerung und dem maschinellen Lernen an, um Daten zu beschreiben, Vorhersagen zu machen, oder Entscheidungen vorzuschlagen. Hierbei ist die Datenqualität aber auch die Datenquantität von entscheidender Bedeutung. Unterstützt werden die Data Scientist beispielsweise von Data Engineers, die sich hauptsächlich mit der hochverfügbaren und sicheren Bereitstellung von Daten befassen.”

Die Arbeitsweise des Data Scientist hat sich in den letzten Jahren ziemlich weiterentwickelt in dem mehr Standardisierungen (Architektur, Tools etc.) da sind. Auch zeigt es sich sehr stark an, dass sie bei gewissen systematischen Tätigkeiten wie Datensäuberung, Harmonisierung, die noch immer fast 75% der Arbeitszeit konsumieren, qualitative- maschinelle Unterstützung bekommen.” Beim automatisierten „Maschine Learning“ (AutoML) wird bspw. im Wesentlichen der End-to-End-Prozess der Anwendung des maschinellen Lernens auf reale Probleme automatisiert. Dabei werden viele Arbeitsschritte wie maschinell unterstützte Kategorisierung von Daten, Entdeckung und Ausmerzung von Fehlern etc. mit Klickgeschwindigkeit erledigt. Alles in Allem werden die kommenden Jahre sehr viel Überraschung und positives parat halten, wenn selbst „The Sexiest Job“ bis zu einem gewissen Level mehr und mehr automatisiert wird! Das Positive daran ist, dass diese Hilfen bei den Data Scientists hoch angesehen- und sehr willkommen sind. Selten habe ich in meiner Laufbahn Datenspezialisten getroffen die zu wenig zu tun hatten. Das Gegenteil ist der Fall und hier helfen natürlich jede auch so kleine maschinelle Unterstützung durch Tools, Tricks & Tipps.

Alim Kalam: Digitalen Business

Alin Kalam
Lufthansa Group / Austrian Airlines

Confare Digital CIO ThinkTank:
Cyber-Resilienz und der Faktor Mensch

05. November 2020 | 13.30 – 15 Uhr  JETZT ANMELDEN:

Digital CIO ThinkTank - Cyber Resilienz
Mehr zum Thema finden Sie im neuen Data Driven Business Factsheet 2020 powerd by Sphinx IT Consulting:
Confare Factsheet Data Driven Business
0 comment

Für Sie ausgewählt

Leave a Comment

LinkedIn
Share