Google+ Facebook Twitter XING LinkedIn GoogleCurrents YouTube

Big Data

Der begehrte Data Scientist

| Redakteur: Victoria Sonnenberg

Dr. Andreas Jedlitschka, Fraunhofer-IESE, erklärt im Interview, warum das Berufsbild Data Scientist heute so gefragt ist.
Bildergalerie: 1 Bild
Dr. Andreas Jedlitschka, Fraunhofer-IESE, erklärt im Interview, warum das Berufsbild Data Scientist heute so gefragt ist. (Bild: Fraunhofer-IESE)

Firma zum Thema

Der Data Scientist zählt zu den attraktivsten Berufen des 21. Jahrhunderts. Warum, weiß Dr. Andreas Jedlitschka, Abteilungsleiter Data Engineering am Fraunhofer-IESE und Mitglied im Fachausschuss Data Science am Fraunhofer- FIT.

Der Eindruck, dass der Data Scientist heiß begehrt ist, bestätigen einschlägige Online-Jobbörsen. Laut einer Studie des McKinsey Global Institute übersteigt in den USA der Bedarf das Angebot bei weitem – in Deutschland scheint es nicht anders zu sein.

Wieso haben Unternehmen so einen enormen Bedarf an Datenspezialisten?

Mit der zunehmenden Vernetzung sämtlicher Bereiche bis hin zu digitalen Ökosystemen steigt auch die Flut von Daten in Unternehmen und Organisationen exponentiell an. Durch die zunehmende Verfügbarkeit und die Erfolgsgeschichten in der Presse wächst auch der Wunsch nach systematischer Nutzung der Daten, sprich nach Datenanalysen, und damit der Bedarf an Fachleuten, die diese vornehmen. Diese Datenspezialisten werden vielfach unter dem Begriff Data Scientist zusammengefasst.

Data Science bei VW

Data Science

Data Science bei VW

27.06.18 - Bei der Big Data Analyse wird das Data Lab Team bei Volkswagen durch künstliche Intelligenz unterstützt. Die vorausschauende Analyse soll Prozesse noch effizienter und nachhaltiger gestalten. lesen

Was macht überhaupt einen Data Scientist aus?

Zunächst möchte ich den Begriff „Data Science“ definieren: Hierbei geht es darum, Wissen aus Daten zu extrahieren, und das idealerweise zum Nutzen des Unternehmens. Dazu werden Methoden und Techniken aus der Informatik, der Mathematik und der Statistik eingesetzt. Das Berufsbild ist vielfältig und reicht von Big Data Analytics und Visual Analytics über Big-Data-Architektur bis hin zur Integration. Zusätzlich müssen Geschäftsmodelle berücksichtigt beziehungsweise neu entwickelt und damit auch verstanden werden. Ebenso ist mit dem Kunden, also dem Benutzer der Information als Adressaten, und dem Domänenexperten zu sprechen.

Welche Aufgaben übernehmen Data Scientists und welche Fähigkeiten müssen sie haben?

Data Scientists sind Experten in mehreren Disziplinen zugleich: Sie werten nicht nur Daten aus, sondern müssen die betriebswirtschaftlichen Zusammenhänge in Unternehmen und Organisationen verstehen. Sie müssen geeignete Datenquellen identifizieren, Datenqualität bestimmen und verbessern, Daten zusammenstellen sowie die Analysen vorbereiten und durchführen und die Ergebnisse bezüglich vorgegebener Kriterien bewerten. Arbeitet man als Data Scientist, so trägt man oft große Verantwortung, da von den Ergebnissen der Datenanalysen beispielsweise auch weitreichende strategische Entscheidungen oder sogar Menschenleben abhängen können − man denke nur an Systeme zur Diagnoseunterstützung im Medizinbereich oder an Lernverfahren, die in autonomen Fahrzeugen an verschiedenen Stellen zum Einsatz kommen. Deshalb müssen die zugrundeliegenden Daten und die Analyseergebnisse in Zusammenarbeit mit Domänenexperten immer wieder auf Plausibilität, Vollständigkeit, Korrektheit und Relevanz überprüft werden. Das Anforderungsprofil an einen Data Scientist wächst entsprechend der Einbettung seiner Tätigkeit im Unternehmen und beinhaltet neben den technischen Fähigkeiten auch eine Reihe von Soft Skills wie zum Beispiel Teamfähigkeit, Kommunikationsstärke und Kreativität.

Onlinekurse zu Machine Learning Digitales Weiterbildungsangebot
Das Würzburger Fachmedienunternehmen Vogel Business Media geht gemeinsam mit dem Münchner Start-up „University4Industry“ (U4I) neue Wege der digitalen Weiterbildung. Die Onlinekurse sollen es vor allem kleineren und mittelständischen Industrieunternehmen ermöglichen, „Industrie 4.0“ konkret im eigenen Betrieb anzuwenden.

Wie kann ich Data Scientist werden? Welche Voraussetzungen beziehungsweise Vorkenntnisse brauche ich dafür?

Bei Fraunhofer bieten wir im Rahmen der Allianz „Big Data“ einen zertifizierten Lehrgang an und machen die Teilnehmer fit für Big-Data-Projekte. Teilnehmer sind vielfach Entscheider, aber vor allem Business Developer, Analysten, Data Manager und Softwareentwickler. Vorausgesetzt werden Grundlagen der Informatik und der Mathematik. In den Einsteigerkursen lernen die Teilnehmer die wesentlichen Grundlagen, Vorgehensweisen und Best Practices für den Umgang mit großen Datenmengen und die Entwicklung von intelligenten Lösungen mit hohen Standards an Datenschutz und Datensicherheit kennen. In den weiterführenden Kursen wird dann detailliert auf einzelne Verfahren eingegangen; dann steht das Anwendenkönnen im Vordergrund. Dabei vermitteln wir aktuellstes Wissen herstellerneutral, praxisnah und gleichzeitig theoretisch fundiert.

Auch junge Wissenschaftler, die direkt von der Universität kommen, profitieren von diesem Zertifizierungslehrgang. Mit welchem Hintergrund qualifizieren Sie diese zum Data Scientist?

Wissenschaftler, die direkt von der Uni kommen, bringen sehr gutes Fachwissen speziell aus ihrem Studiengang mit, zum Beispiel aus der Informatik oder Mathematik. Was ihnen jedoch häufig fehlt, ist ein breiter Überblick und die praktische Erfahrung, um in Big-Data-Projekten mitarbeiten zu können. Und genau das lernen sie in unserem Lehrgang zum Data Scientist. Die Ausbildung ist auf die Breite ausgelegt. Sie erfahren, wie Business Developer die Potenziale von Big Data in ihrem Unternehmen erschließen, wie Dateningenieure Daten beschreiben und integrieren, wie Analysten mit maschinellen Lernverfahren Muster und Trends erkennen und wie Software-Ingenieure mit modernen Datenbanken und verteilten Berechnungsverfahren robuste und skalierbare Big-Data-Systeme entwickeln. All dies unter Berücksichtigung von Datenschutz und -sicherheit. Zielsetzung ist es, sich in allen relevanten Bereichen ein Basiswissen anzueignen. Wer möchte, kann sich dann noch zum Data Scientist zertifizieren lassen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45379606 / Produktion)

Themen-Newsletter Produktion abonnieren.
* Ich bin mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung einverstanden.
Spamschutz:
Bitte geben Sie das Ergebnis der Rechenaufgabe (Addition) ein.

Industrial Usability 2019

Das Anwendererlebnis im Mittelpunkt

Wie sieht eine erfolgreiche UX-Strategie aus? Ein Glück in Sachen Alleinstellungsmerkmal: Eine für alle, die gibt es nicht. Dieses Dossier bietet verschiedene aktuelle Ansätze und Trends in der Industrial Usability. lesen

Effizienzsteigerung

Mit Künstlicher Intelligenz erfolgreich durchstarten

Wie Sie Ihr erstes KI-Projekt starten, wie sich die Branche verändern wird und welche Best Practices es heute schon gibt – hier finden Sie die Fakten und das nötige Grundlagenwissen! lesen