Data Scientist

• Die Aufgaben eines Data Scientists
• Über welche Hard Skills verfügt ein Data Scientist?
• Über welche Soft Skills verfügt ein Data Scientist?
• Werdegang: Wie wird man Data Scientist?
• In welchen Bereichen sind Data Scientists tätig?
• Die Karrierechancen eines Data Scientists im Überblick
• Bewerbungstipps: Worauf sollte ein Data Scientist bei der Bewerbung achten?

Ein Data Scientist analysiert riesige, oft unstrukturierte Datenmengen. Im Zeitalter der Daten sind jene Unternehmen erfolgreich, die nicht nur die meisten Daten sammeln, sondern diese auch am besten auswerten: Statt „Big Data“ zählt Smart Data. Die Analyse von Daten ist im Kern nicht neu. Ging es dabei bisher jedoch nur darum, anhand gesammelter Daten Gegenwart und Vergangenheit zu erklären, beschäftigt sich die Data Science zunehmend vor allem damit, Zukunftsaussagen treffen zu können und Unternehmen damit klare Handlungsempfehlungen an die Hand geben zu können. Zukunftsweisend gewinnen die Bereiche Maschine Learning und Künstliche Intelligenz an Stellenwert, der von Data Scientists gefördert, gesteuert und kontrolliert wird.

In einem ersten Schritt stellt der Data Scientist eine solide Datenbasis auf, anhand derer anschliessend Aussagen und Vorhersagen getroffen werden können. Dabei ist es nicht nur entscheidend, die relevanten Daten auszuwählen, sondern auch geeignete Quellen zu identifizieren. Im Umfeld eines Online-Shops können dies etwa Informationen zu folgenden Fragestellungen sein sein:

• Welche Produkte werden am meisten gesucht?
• Welche Produkte werden am meisten von Kunden gekauft?
• Welche Produkte schicken Kunden besonders häufig zurück (aufgrund Defekt oder Unzufriedenheit)?

Nachdem die oftmals unstrukturierten Daten in eine Ordnung gebracht und irrelevante Daten herausgefiltert wurden, entsteht ein bereinigter Datensatz, der für weitere Analysen herangezogen werden kann. Für seine Analysen greift der Data Scientist auf Methoden der sogenannten Advanced Analytics sowie der Predictive Analytics zurück. Während die Advanced Analytics als Teilbereich der Wirtschaftsinformatik Prozesse und Verfahren für die Unternehmensanalyse beinhalten, geht es bei Predictive Analytics um Analysemethoden, die es erlauben, bestimmte Vorhersagen für die Zukunft zu treffen – zum Beispiel, wie sich bestimmte Veränderungen, die von Unternehmen in der Gegenwart vorgenommen wurden, in der Zukunft auswirken. Es gilt Prozesse im Unternehmen auf der Basis der evaluierten Daten zu optimieren.

Die Grundlage für die analytische Tätigkeit eines Data Scientists bilden seine ausgeprägten Fähigkeiten im Bereich der Mathematik. Insbesondere Statistik, Analysis und lineare Algebra mit all ihren Teilbereichen bilden die absolute Grundlage und sollten vom Data Scientist im Schlaf beherrscht werden. Um die riesigen, komplexen Datenmengen zu analysieren und mithilfe moderner Algorithmen zu strukturieren, sind fortgeschrittene Programmierkenntnisse zudem unerlässlich. Die am häufigsten verwendete Programmiersprache ist Python 3, in seltenen Fällen C, Scala oder Julia. Um die Analyse der Daten erfolgreich und effizient stemmen und Projekte umsetzen zu können, sind zudem Kenntnisse im Prozessmanagement (Datenaufbereitung, maschinelles Lernen, Datenbanken) notwendig.

Neben den fachlichen Hard Skills sollte ein Data Scientist auch über einige Soft Skills verfügen, die ihm die Arbeit in einem modernen Jobumfeld erleichtern. Diese sind unter anderem:

Agiles Arbeiten: Hohe Flexibilität und Handlungsfähigkeit, um im Gegensatz zu klassischen Unternehmensstrukturen schneller auf Veränderungen reagieren und Anpassungen vornehmen zu können. Dabei sind unter anderem eine transparente Kommunikation, eine offene Feedback-Kultur sowie eigenverantwortliches Arbeiten unbedingt erforderlich, um in agilen Strukturen erfolgreich arbeiten zu können.
Kritische Denkweise: Die Fähigkeit, Prozesse zu analysieren, die richtigen Fragen zu stellen und Probleme proaktiv zu lösen.

Wissbegierde: Data Scientists sollten von der Frage nach dem „Warum“ getrieben sein und mit Motivation und Wissbegierde ihrer Arbeit nachgehen. Sie sind selten mit dem Status quo zufrieden und immer auf der Suche nach neuen Antworten und Möglichkeiten der Weiterentwicklung.

Geschäftssinn: Ein Data Scientist sollte nicht nur über Kenntnisse auf seinem eigenen Fachgebiet verfügen, sondern auch über das Geschäftsmodell des Unternehmens u.v.m. informiert sein, um auf Basis der gesammelten Daten die für sein Unternehmen passenden Empfehlungen treffen zu können.
 

Daten werden für Unternehmen immer wichtiger. Entsprechend gefragt sind Data Scientists als ausgewiesene Expertinnen und Experten, die gesammelte Daten für das Unternehmen nutzbar machen und wertvolle Handlungsempfehlungen und Strategien ableiten. Da Daten nicht nur von großen Playern wie Google oder Facebook gesammelt werden, sondern beispielsweise auch für Mittelständler interessant sind, sind die Zukunftsaussichten für den Beruf Data Scientist vielversprechend – gutes Gehalt und Aufstiegschancen inklusive. Das Einstiegsgehalt eines Data Scientists ist zum Beispiel abhängig von der Berufserfahrung, dem höchsten Bildungsabschluss, der Größe sowie der Branche des Unternehmens. Es ist mit der Zeit auch möglich, Personalverantwortung zu übernehmen und bspw. ein Team von Data Scientists zu leiten oder auch in das Management zu gelangen.

Wer nicht nur in der Lage ist, Daten nach unterschiedlichen Kriterien zu analysieren, sondern diese Analyseergebnisse einleuchtend zu vermitteln, hat auf dem Arbeitsmarkt die größten Chancen.
Data Scientists sind in der Regel Generalisten. Eine Spezialisierung nach einigen Jahren Berufserfahrung kann jedoch sinnvoll sein. Folgende Spezialisierungen sind denkbar:

• Risikoberatung: Wie wirken sich mögliche Expansionen und Umstrukturierungen des Unternehmens aus?
• Kundenbeziehungsmanagement: Welche Produkte werden aus welchen Gründen gekauft beziehungsweise zurückgeschickt? Wie kann die Kundenbeziehung ausgebaut werden?
• Produktpersonalisierung: Wie werden Produkte und Dienstleistungen persönlicher und damit ansprechender für bestehende- und Neukunden?
   

1. Prognose zum Volumen der jährlich generierten digitalen Datenmenge weltweit in den Jahren 2018 und 2025. Statista. Veröffentlichungsdatum: November 2018. Abrufdatum: 09. Februar 2022. (Link)

2. Wie viel persönliche Daten wert sind: Markt für Datenhandel weltweit 200 Milliarden Dollar. Wirtschafts Woche. Veröffentlichungsdatum: 11. November 2020. Abrufdatum: 09. Februar 2022. (Link)