Data Scientist

Der Hauptzweck eines Data Scientists ist es, rohe Daten in logische Informationen umzuwandeln, die von Unternehmen genutzt werden können, um wirtschaftliche Entscheidungen zu treffen. Dies ist eine tägliche Herausforderung für Data Scientists und setzt ein hohes Maß an analytischem Denken sowie technischen Fähigkeiten voraus.

Data Scientists sind Genies in:

• Mathematik und Statistik
• Machine Learning und Data Mining

Und sie beherrschen die grundlegenden SQL-Abfragen.

Data Science oder Datenwissenschaft ist die Gewinnung von Erkenntnissen aus großen Datensammlungen. Wissenschaftler:innen, die in diesem Bereich tätig sind, nutzen fundierte Methoden und Prozesse, um Algorithmen zu entwickeln, mit denen Strukturen in strukturierten und unstrukturierten Daten erkannt werden können.

Data Scientists arbeiten in Unternehmen, die ihre Prozesse optimieren möchten. Dies kann in der Logistik, im Onlinehandel oder in der Energiebranche sein. Sie können sich dabei auf Bereiche wie Produktpersonalisierung, Kundenbeziehungsmanagement (CRM) oder Risikoberatung spezialisieren. Data Scientists werden vielseitig benötigt – ihre Kenntnisse sind von unschätzbarem Wert für Unternehmen, die mit großen Datenmengen arbeiten.

Data Scientists sind in der Lage, mithilfe der Potenzialanalyse zu erkennen, welche Projektidee die vielversprechendste ist. Sie können aus Daten Regeln, Entscheidungsbäume und künstliche neuronale Netze gewinnen, die Vorhersagen oder Empfehlungen liefern.  

Data Scientists im Service- und Supportbereich analysieren Kundenreaktionen, indem sie wichtige Stichwörter und Schlüsseldaten extrahieren. Dies gibt ihnen die Möglichkeit, die Kundenerfahrung zu verbessern und die Qualität der Produkte und Dienstleistungen zu erhöhen.

Firmen haben ein Interesse daran, aus großen Datenmengen zu lernen und die bestehenden Prozesse zu optimieren, um Kund:innen noch besser anzusprechen. Dies reicht von Fahrplanoptimierung in der Logistik bis hin zur Retouren-Verringerung bei Versandhäusern. Auch in der Energiebranche ist es interessant, beispielsweise Stromspitzen vorhersagen zu können, um das Netz rechtzeitig zu entlasten und Überspannungen zu vermeiden. Versicherungsgesellschaften und das Gesundheitswesen setzen ebenfalls verstärkt auf Data Scientists.

In der personalisierten Medizin gibt es ebenfalls immer mehr Einsatzgebiete. Durch den vollautomatischen Abgleich von Krankheitsfällen kann die Behandlung für jede:n einzelne:n Patient:in optimiert werden. Dies ist besonders wichtig, da nicht alle auf die gleiche Art behandelt werden können und so die bestmögliche Therapie erfolgen kann.

Audiodaten sind eine neue Herausforderung für die automatische Spracherkennung. Tonaufnahmen sind ein Beispiel für unstrukturierte Daten, die schwer zu verarbeiten sind. Hört man den Anfang eines Wortes oder ein Hintergrundgeräusch? Hat ein Wort mehrere Bedeutungen? Kann man den Satz auch anders verstehen? All diese Fragen machen die Verarbeitung von Audiodaten sehr schwierig – und den Einsatz von Data Scientists notwendig.

Im Allgemeinen kann man als Data Scientist in der gesamten Online-Industrie eingesetzt werden, insbesondere im E-Commerce. Darunter können die folgenden Tätigkeiten fallen:

• Online-Shops nutzen ihre Suchmaschinen-Algorithmen, um in Millisekunden die besten und relevantesten Ergebnisse für ihre Kund:innen zu liefern. Außerdem können sie bei Nachfragespitzen, wie bei Flug- und Hotelbuchungen, die Preise dynamisch und in Echtzeit anpassen.
• Online-Vermarkter nutzen datengestützte, intelligente Algorithmen, um Werbung personalisierter zu gestalten und sie zum richtigen Zeitpunkt für potenzielle Kund:innen auszuspielen. Ein Beispiel für personalisierte Werbung ist das sogenannte Retargeting. Beim Retargeting werden Nutzer:innen einer Website auf anderen Websites gezielt angesprochen und zum Beispiel Produkte beworben, die sich jemand angeschaut, aber nicht gekauft hat.
• Auch Empfehlungsdienste funktionieren nach diesem Prinzip. Denn was hat sich der oder die User:in schon angesehen und welche anderen Produkte könnten der Person auf dieser Basis empfohlen werden? Sogenannte Recommender Systems bzw. Recommendation Engines schlagen daher neue Freundschaftsempfehlungen auf Basis der aktuellen Freundesliste vor à la: „… Diese Personen könntest Du auch kennen“.

Data Scientists sind Allrounder:innen, was die Arbeit mit Daten angeht – ihre Einsatzgebiete können also sehr vielfältig sein. Eine Spezialisierung ist zum Beispiel in den folgenden Feldern möglich:

Personalisierung von Produkten

Im Bereich der Produktpersonalisierung geht es darum, das Angebot für einzelne Nutzer:innen attraktiver zu gestalten. Produkte können auf unterschiedliche Weise personalisiert werden. Ein Ansatz, den Musikstreamingdienste nutzen, ist die Erstellung von neuen Playlists mithilfe von Algorithmen und der Analyse der Hörgewohnheiten.

Management von Customer-Relations

Im Kundenbeziehungsmanagement (CRM) beschäftigt man sich damit, wie das Verhältnis zwischen Anbieter und Kund:in verbessert werden kann. Durch eine Retourenanalyse lassen sich z. B. interessante Erkenntnisse über die Kundenzufriedenheit gewinnen. So kann man etwa herausfinden, welche Produkte häufig retourniert werden und warum. Liegt es an der Qualität des Produkts selbst, an der unzureichenden Verpackung oder ist es der Lieferservice, der immer zu spät kommt? Diese Erkenntnisse sind wichtig, um die Kundenzufriedenheit zu steigern.

Risikoberatung

In diesem Feld beschäftigt man sich z. B. mit den Fragen: Welche Auswirkungen hat eine zusätzliche Expansion für andere Standorte eines Unternehmens? Wirkt sich eine zusätzliche Expansion eines Unternehmens positiv auf andere Standorte aus? Werden durch die Erweiterung des Geschäftsbetriebs neue Arbeitsplätze geschaffen und Wachstum ermöglicht? Welche datenbasierten Risiken gehen mit diesen Schritten einher?

Es ist nicht immer sofort ersichtlich, wenn eine Stellenausschreibung für einen Data Scientist gedacht ist. Das liegt daran, dass Firmen unterschiedliche Begriffe verwenden und auch in der IT-Welt eine große Vielfalt an Begriffen existiert, die sich um dieses Berufsfeld ranken. Da es zahlreiche Überschneidungen zwischen z.B. Data Scientists, Big Data Specialists oder Data Analysts gibt, ist eine eindeutige Differenzierung nur schwer möglich.

Big Data

Big Data ist die englische Bezeichnung für riesige Datenmengen. Die Eigenschaften, die diese auszeichnen, sind ihre unglaubliche Größe, Komplexität und Schnelllebigkeit sowie die schwache Strukturierung. In Deutschland wird der gleiche Begriff auch als Massendaten bezeichnet. Expert:innen meinen damit im Normalfall dasselbe. Im allgemeinen Sprachgebrauch wird Big Data außerdem als Oberbegriff für eine Reihe verschiedener digitaler Technologien genutzt. Diese bewirken aus sozialer Sicht einschneidende gesellschaftliche Umbrüche und schaffen auf technischer Seite ganz neue Kommunikations- und Verarbeitungsmöglichkeiten. Big Data ist jedoch kein statischer Begriff, sondern unterliegt einem kontinuierlichen Wandel. In der Regel verbindet man den Ausdruck mit der Technik, die das Sammeln und Auswerten dieser riesigen Datenmengen erst möglich macht.

Big Data kann sowohl Teil des Toolkits eines Data Scientists sein oder als eigenständiger Beruf des Big Data Specialist betrachtet werden.

Data Science

Data Science ist eine angewandte, interdisziplinäre Wissenschaft. Ziel der Datenwissenschaft ist es, Wissen aus Daten zu generieren, um beispielsweise die Unternehmenssteuerung zu optimieren oder die Entscheidungsfindung zu unterstützen. Es kommen Methoden und Wissen aus verschiedenen Bereichen wie Mathematik, Statistik, Stochastik, Informatik und Branchen-Know-how zum Einsatz. Durch Data Science können wir also besser verstehen, was in unserer Welt passiert und wie Entscheidungen besser getroffen werden können.

Data Analytics

Data Analytics ist ein Prozess, bei dem Erkenntnisse aus Daten extrahiert werden. Es umfasst sämtliche Prozesse, Werkzeuge und Techniken, die zu diesem Zweck zum Einsatz kommen. Data Analytics beinhaltet auch das Sammeln, Organisieren und Speichern der Daten. Das wesentliche Ziel von Data Analytics ist es, mithilfe von Technologie und statistischen Analysen Trends zu ermitteln und Probleme zu lösen.

Data Analytics ist ein wesentlicher Bestandteil des Skillsets eines Data Scientists. Alternativ kann es auch als eigenständige Berufsbezeichnung für Data Analysten verwendet werden.