Was ist und was macht ein Data Scientist? Aufgaben, Fähigkeiten und Karriere

Der Data Scientist durchforstet und interpretiert große Datenmengen, um hieraus nützliche Informationen als Grundlage für strategische Unternehmensentscheidungen abzuleiten. Über die Big Data-Analyse ist er in der Lage, Informationen, die in den Daten “versteckt” sind, herauszuarbeiten und letzten Endes Daten in neue Erkenntnisse und Chancen umzusetzen.

Der Beruf des Data Scientist entstand im Gefolge der massiven Verbreitung der Digitalisierung: Unternehmen sind heute in der Lage, riesige Datenmengen aus verschiedenen Datenquellen quasi in Echtzeit zu sammeln (die sogenannten “Big Data”), und suchen nach Experten, die das Datenmaterial analysieren und es in Erkenntnisse und Handlungsempfehlungen für die Unternehmensführung übersetzen können.

Die “Datenwissenschaftler” müssen die zur Verfügung stehende große Menge strukturierter und unstrukturierter Daten auswerten, explorieren und hieraus nützliche Informationen für das Unternehmen zu gewinnen wissen: Trends, Entwicklungen, Geschäftschancen und andere statistisch relevante Daten.

Was macht also ein Data Scientist genau?

Der Data Scientist sammelt zunächst Datenmaterial aus verschiedenen Quellen - z. B. aus ERP- und CRM-Software, Datenbanken, Web Analytics, Social Media, elektronischen Dokumenten, Daten aus Sensoren und der M2M-Kommunikation - und überführt diese heterogenen Daten in organisierte, zugängliche Formen.

Er setzt hierzu Datenanalyse-Software, Algorithmen, statistische Verfahren und Machine-Learning-Tools ein, um komplexe Analysen zu erstellen, das Data Warehouse über spezifische Queries abzufragen und nützliche Erkenntnisse zu extrahieren (Data Mining). Auf diese Weise gelingt es dem Data Scientist, aus einer großen Menge irrelevanter Daten nur die wenigen “Smart Data” herauszufiltern, die für das Unternehmen von Wert sind. Dazu konstruiert er Korrelationsmodelle, arbeitet die Zusammenhänge heraus, erstellt Szenarien und Vorhersagemodelle.

Hier ergibt sich vielleicht die Frage: wo liegt der Unterschied zwischen Data Scientist und Data Analyst?

Hierzu lässt sich anmerken, dass der Data Scientist sozusagen die Evolution des Analysten ist: im Unterschied zum Datenanalyst sucht er nicht nur die Antwort auf eine spezifische Fragestellung, sondern leistet eher eine übergreifende Arbeit. Der Data Scientist verarbeitet große Datenmengen auf unterschiedliche Weise, um versteckte, unerwartete Tendenzen, Chancen und Risiken mit eventuell signifikanter Auswirkung auf das Business herauszufinden.

Es ist somit besonders wichtig, dass der Data Scientist die betriebswirtschaftlichen Zusammenhänge versteht und sich in den Dynamiken des Unternehmens, für das er arbeitet, auskennt: um festzustellen, welches die Herausforderungen, die Probleme, aber auch die Lösungsmöglichkeiten sind, die sich aus der Datenanalyse ergeben könnten.

Z. B. kann der Data Scientist ein Unternehmen darin unterstützen, seine Marktnische sowie die Kundenzielgruppe besser zu definieren, die Marketing-Strategie zu optimieren oder die Produktentwicklung ausgehend von den effektiven Daten neu zu überdenken. Kurzum: datenbasierte Insights zu gewinnen.

Die extrapolierten Informationen müssen für die Unternehmensführung aufbereitet werden: eine weitere Tätigkeit des Data Scientist hat mit der Erstellung von Reports und der Datenvisualisierung zu tun. Mithilfe von Grafiken, Tabellen, Diagrammen und Infographics kann der Data Scientist die Ergebnisse seiner Recherche und die Notwendigkeit bestimmter Maßnahmen für entscheidende Wettbewerbsvorteile verständlicher erläutern.

Wo kann man als Data Scientist Arbeit finden?

Data Scientist arbeiten überwiegend in den Abteilungen Finance, Marketing und Business Intelligence. Der Beruf verbreitet sich derzeit in allen Branchen: so gibt es Stellenangebote für Data Scientist in Handelsunternehmen (Retail und E-Commerce), in Groß- und mittelständischen Unternehmen aus Industrie und Handwerk, in der Logistik, im Transportwesen, in IT- und Telekommunikationsgesellschaften, im Banken- und Versicherungswesen, in der Wissenschaft, dem Gesundheitswesen und in der Öffentlichen Verwaltung.

Man kann als Angestellter Mitarbeiter oder als Freiberufler tätig sein.

Die Arbeit des Data Scientist findet in erster Linie im Büro statt, auch wenn manche Unternehmen die Möglichkeit ortsunabhängigen Arbeitens (remote) mit flexiblen Arbeitszeiten bieten.

Bleibe auf dem Laufenden und verpasse kein Stellenangebot mehr!

Erhalte alle neuen Stellenanzeigen für: Data Scientist

E-Mails können jederzeit abbestellt werden.

Die wichtigsten Tätigkeiten des Data Scientist sind:

• Identifizierung und Zusammenstellung geeigneter Datenquellen aus großen strukturierten und unstrukturierten Datenbeständen
• Vorbereitung und Durchführung von komplexen Big Data Analysen
• Gewinnung von Insights aus dem Datenmaterial und Erstellung von Prognosen für die Zukunft
• Erstellung von Dashboards und Reports zwecks verständnlicher Presentation der Analyseergebnissen
• Handlungsempfehlungen und Vorschläge zu datenbasierten Strategien und Maßnahmen
• Entwicklung neuer Analysemethoden und Datenbankanwendungen, um die Datenbasis optimal zu prüfen und zu interpretieren

Um Data Scientist zu werden, empfiehlt sich eine akademische Ausbildung: etwa ein Bachelor- oder Master-Studium in Data Science und Business Analytics, Informatik, Wirtschaftsinformatik, Statistik, Mathematik, IT-Engineering oder BWL.

Es gibt aber auch Data Scientist Weiterbildungen, Zertifikatskurse, Schulungen für Quereinsteiger oder Trainee-Programms mit hoher Praxisrelevanz, die gezielt zum Beruf Data Scientist ausbilden.

Eine gute Data Science Ausbildung ist fachübergreifend: sie muss solide Kenntnisse in Informatik und Programmieren, Data Engineering, in Statistical Modelling, Machine Learning, Data Mining und Data Visualization vermitteln und außerdem Grundkenntnisse in Betriebswirtschaftslehre.

Hinsichtlich der Programmierkenntnisse wird in Stellenangeboten für Data Scientists insbesondere die Beherrschung der statistischen Programmiersprachen (wie R oder Python) verlangt sowie der Datenbanken-Sprachen wie SQL und die Fähigkeit, Software für Data Management, Data Exploration & Visualization wie SAS und Hadoop zu verwenden.

Vervollständigt werden die Kompetenzen des Data Scientist durch die Kenntnis der Business Intelligence (BI)-Tools, der Prinzipien des Projektmanagements und der rechtlichen wie ethischen Aspekte der Datenverarbeitung und Datennutzung, z. B. hinsichtlich dem Schutz personenbezogener Daten.

Allerdings kann die Ausbildung des Data Scientist nie als wirklich abgeschlossen angesehen werden: aufgrund der rapiden technologischen Weiterentwicklung müssen auch die Kompetenzen eines “Datenwissenschaftlers” kontinuierlich aktualisiert werden.

Die wichtigsten Skills und Fähigkeiten, die von einem Data Scientist gefordert werden, sind:

• Fähigkeit, große Datenmengen (Big Data) zu organisieren, zu analysieren und auszuwerten
• Know-how im Bereich Data Analytics, Machine Learning und Künstliche Intelligenz
• Gute Statistik- und Mathematikkenntnisse
• Kenntnis von Programmiersprachen (Python, R, Java, SQL)
• Fachkenntnisse im Bereich Datenakquisition, Datenintegration, Datenhaltung & Data Governance
• Sicherer Umgang mit Data Science Tools, Data Mining und Datenvisualisierung
• Kompetenzen in Projektmanagement
• Organisationsfähigkeiten
• Sehr gute Kommunikations- und Präsentationsfähigkeiten
• Schnelle Auffassungsgabe und Bereitschaft zur ständigen Weiterbildung
• Gute Englischkenntnisse in Wort und Schrift

Für den noch recht jungen Beruf des Data Scientist gibt es keinen standardmäßigen Karriereverlauf.

Manche gelingen zur einen Stelle als Data Scientists nach einiger Jahren Berufserfahrung als Data Analyst, während andere sich mittels Weiterbildungskursen in Data Science und Big Data Analytics oder mittels einer Tätigkeit als Werkstudent oder Trainee Data Science auf den Beruf vorbereiten.

In der Regel wird man zuerst als Junior Data Scientist eingestellt und kann dann zum Senior Data Scientist aufsteigen, was häufig die Leitung komplexerer Projekte und die Koordination eines Teams aus Datenanalysten, Data Engineers, Informatikern, Software Developers und anderen Fachleuten als Projektmanager mit sich bringt.

Die erworbene Erfahrung und Expertise macht auch eine Karriere in der Beratung möglich, etwa als selbständiger Consultant Data Science oder bei einer Beratungsgesellschaft, die Unternehmen qualifizierte Dienste in der Kompetenzfeldern Data Intelligence, Predictive Analytics, Insights Visualization, Business Processes und Digitalisierung anbieten.

Der Beruf des Data Scientist eignet sich für alle, die eine Leidenschaft für Statistik und Programmierung haben und Begeisterungsfähigkeit für neue Technologien und Data Analytics Methoden mitbringen.

Aber warum sollte man sich für eine Karriere in Data Science entscheiden?

Aus mehreren unterschiedlichen Gründen:

Vor allem, weil es ein sehr vielversprechender, bei den Unternehmen dringend gefragter Beruf ist: die strategische Rolle des Data Scientist wird immer umfassender anerkannt und in jedem Wirtschaftsbereich geschätzt, es mangelt aber an ausgebildeten Profis in Sachen Data Analytics. Von daher sind die Stellenangebote mit Anforderungen zu Kompetenzen in Data Science zahlreich - mit sehr gutem Gehalt und wenig Mitwettbewerbern.

Außerdem bedeutet eine Karriere als Data Scientist, sich für einen hochmodernen Beruf zu entscheiden, an der Spitze der technologischen Entwicklung - zwischen Data Mining, Machine Learning und KI (künstlicher Intelligenz).

Data Scientist Stellenangebote in:

Weitere offene Stellen in der Branche