Definition

Was ist ein Data Scientist?

| Autor / Redakteur: Tutanch / Nico Litzel

(© aga7ta - Fotolia)

Ein Data Scientist wertet Daten systematisch aus und extrahiert Wissen. Auf Basis der gewonnenen Erkenntnisse unterstützt er die Unternehmensführung bei strategischen Entscheidungen. Data Scientists bewegen sich oft im Umfeld von Business Intelligence und Big Data.

Der Begriff Data Scientist lässt sich mit Datenwissenschaftler übersetzen. Es handelt sich um eine Berufsbezeichnung für eine Person, die über entsprechende Kenntnisse und Fähigkeiten verfügt, große Datenmengen systematisch auszuwerten und Wissen aus den Daten abzuleiten. Hierfür nutzt der Data Scientist praktische Methoden und theoretische Ansätze aus verschiedenen Wissenschaften wie der Informationstechnik und der Mathematik, speziell hier die Statistik oder die Wahrscheinlichkeitsrechnung.

Neben diesen fachlichen Fähigkeiten muss ein Data Scientist in der Lage sein, die gewonnenen Erkenntnisse anschaulich zu präsentieren und sie Dritten ohne spezifische Fachkenntnisse zu vermitteln. Er tritt gegenüber der Unternehmensführung in beratender Funktion auf und unterstützt diese bei strategischen Unternehmensentscheidungen.

Als Datengrundlage dienen dem Data Scientist sowohl strukturiert als auch unstrukturiert vorliegende Daten. Oft kommen bei der Datenanalyse Big-Data-Techniken zum Einsatz. Die Datenanalyse führt er entweder selbst durch oder er unterstützt IT-Spezialisten bei der Analyse beziehungsweise leitet sie an. Er kann auch als Projektleiter auftreten, der die verschiedenen Aufgaben und Tätigkeiten der Datenauswertung steuert und kontrolliert. Zunehmende Datenmengen im Unternehmen und der Fortschritt in den verschiedenen Big-Data-Bereichen lassen die Position des Data Scientists an Bedeutung gewinnen.

Unterscheidung zwischen Data Scientist, Data Analyst und Business Analyst

Oft kommt es zu einer Vermischung der Bezeichnungen Data Scientist, Data Analyst und Business Analyst. Die Begriffe lassen sich zwar nicht exakt voneinander abgrenzen und verschmelzen in einigen Teilbereichen miteinander, können aber dennoch in ihren grundsätzlichen Tätigkeitsfeldern unterschieden werden. Der Data Analyst betreibt klassische Datenanalyse, verfolgt aber keinen wissenschaftlichen Ansatz. Methoden der Künstlichen Intelligenz oder des Machine Learnings und weitere fortgeschrittene Analyse- und Vorhersagetechniken nutzt er nur in beschränktem Maße.

Ein Data Scientist ist in der Lage, innovative Methoden für seine Analysen zu nutzen und besitzt einen akademisch erweiterten Hintergrund. Die Fähigkeit, über den Tellerrand der reinen Datenanalyse zu schauen, zeichnet ihn aus. Business-Analysten können sich zwar auch mit der Datenanalyse beschäftigen oder sie durchführen, haben ihren Schwerpunkt aber mehr in der Analyse der Geschäftsmodelle und Geschäftserlöse. Sie werten Geschäftsmodelle IT-gestützt aus und nutzen zentrale KPIs und Werkzeuge wie Dashboards für ihre Arbeit.

Wichtige Eigenschaften und Fähigkeiten des Data Scientists

Ein Data Scientist beschäftigt sich mit unterschiedlichen Wissenschaftsbereichen und kann daher verschiedene akademische Hintergründe haben. Data Scientists können Informatiker, Physiker, Mathematiker oder Wirtschaftswissenschaftler sein, die sich entsprechende fortgebildet haben.

Mittlerweile existieren eigene Data-Science-Bachelor- oder -Master-Studiengänge, in denen alle wichtigen und benötigten Wissensgebiete vermittelt werden. Die Basis der Fähigkeiten eines Data Scientists bilden fachliche Kenntnisse aus den Bereichen der Statistik, der Mathematik, der Wahrscheinlichkeitsrechnung und der IT. Hinzu kommen die Methoden des Machine Learnings, der künstlichen Intelligenz und der Prognostik. Der Data Scientist befasst sich bei seiner Arbeit mit mathematischen Modellen, statistischen Verfahren und der Datenhaltung und Datenmodellierung. Er wendet diese unterschiedlichen Techniken und Algorithmen auf die vorhandenen Daten an und generiert dadurch Wissen. Als Tools und Programmiersprachen kommen beispielsweise Java, Python, R oder SQL zum Einsatz.

Neben diesen technischen Fertigkeiten muss der Data Scientist die Fähigkeit besitzen, die aus den Daten gewonnenen Erkenntnisse so aufzubereiten und zu erklären, dass deren Signifikanz für das Unternehmen leicht zu verstehen ist. Er leitet auf Basis der Ergebnisse Hypothesen ab und stellt Entscheidungsvorlagen für das Management zusammen. Bei erkannten Auffälligkeiten kann der Data Scientist selbstständig die richtigen Fragestellungen formulieren. Da er als eine Art Vermittler zwischen Fachabteilungen und Management auftritt, sind gute kommunikative Eigenschaften wichtig für den Erfolg seiner Arbeit. Im Rahmen der Datenanalyse fungiert er teilweise als Projektmanager und kontrolliert oder steuert die Aufgaben von der Datenbeschaffung über die Analyse bis zur Aufbereitung der Ergebnisse.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  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.

Aktuelle Beiträge zu diesem Thema

Qlik, Tibco, ESRI und Tableau setzen auf Geo-Analytics

Location Intelligence und Datenvisualisierung

Qlik, Tibco, ESRI und Tableau setzen auf Geo-Analytics

Die Nachfrage nach Datenvisualisierung von räumlichen Daten nimmt zu – nicht nur in der Logistik, sondern auch im IoT-Sektor. Datenvisualisierung stellt nicht nur Zusammenhänge dar, sondern hilft auch, Verborgenes zu entdecken. Die Hersteller haben kürzlich bedeutende Erweiterungen ihrer Datenvisualisierungslösungen vorgestellt, so etwa Qlik, Tibco, ESRI und Tableau. lesen

Teradata rückt Beratung und Geschäftsnutzen stärker in den Vordergrund

Nachbericht Teradata Universe EMEA 2017

Teradata rückt Beratung und Geschäftsnutzen stärker in den Vordergrund

Teradata lud Anfang April ins südfranzösische Nizza zur europäischen Ausgabe der Hausmesse Teradata Universe ein. Rund 1.000 Teilnehmer ergriffen die Gelegenheit und informierten sich über aktuelle Analytics-Kundenprojekte. lesen

IoT, Big Data und Machine Learning im Aufwind

Der PaaS-Markt im Überblick: AWS, Google, IBM, Microsoft & SAP

IoT, Big Data und Machine Learning im Aufwind

In den letzten beiden Jahren haben die Anbieter von Platform-as-a-Service ihr Portfolio an Abo-Diensten kräftig ausgebaut. Sie unterstützen Machine Learning in der Big Data Analytik und das Internet der Dinge (IoT). Es gibt aber weiterhin signifikante Unterschiede. lesen

Data Science: Mehr Automatisierung, einfacherer Einsatz

Gartner-Studie veröffentlicht

Data Science: Mehr Automatisierung, einfacherer Einsatz

Wie die Marktforscher von Gartner melden, werden bis 2020 rund 40 Prozent aller Data-Science-Tasks automatisiert ablaufen. Dies wird zu höherer Produktivität und einem breiteren Einsatz von Daten und Analytics-Anwendungen durch „Citizen Data Sciensts“ führen. lesen

So wird der Data Lake eine sprudelnde Informationsquelle

Big-Data-Strategie

So wird der Data Lake eine sprudelnde Informationsquelle

Das Trendthema Big Data steht auf der Prioritätenliste vieler IT-Entscheider mittlerweile weit oben – und das zu Recht. Kein Unternehmen kann es sich langfristig leisten, auf Erkenntnisse durch intelligente Datenauswertung zu verzichten. Gehört haben die Verantwortlichen über Big Data schon viel, jetzt wollen sie endlich etwas davon haben. Aus dem Alltag eines Kunden-Beraters. lesen

Kostenloser R-Einführungskurs bei DataCamp

Kooperation mit Eoda

Kostenloser R-Einführungskurs bei DataCamp

Die E-Learning-Plattform DataCamp geht gemeinsam mit dem Datenanalysespezialisten Eoda erste Schritte im deutschen Markt. Ein kostenloser Einführungskurs in die Programmiersprache R ist das erste Ergebnis der Zusammenarbeit. lesen

Mayato und Uni Mannheim kooperieren

Masterstudiengang in Data Science

Mayato und Uni Mannheim kooperieren

Die Analyse und Auswertung von großen, oft komplexen Datenmengen sind Schlüsselfaktoren für den wirtschaftlichen Erfolg von Unternehmen. Dafür bedarf es gut ausgebildeter Spezialistinnen und Spezialisten. lesen

Künstliche Intelligenz für Systemanalyse und IT-Security

Nachbericht Splunk .conf2016

Künstliche Intelligenz für Systemanalyse und IT-Security

Mit Algorithmen aus dem Machine Learning will das auf Operational Intelligence und IT-Security spezialisierte US-Unternehmen Splunk seine Lösungen Enterprise 6.5, Splunk Cloud, ITSI 2.4 und Enterprise Security 4.5 intelligenter und nützlicher machen. lesen

IoT-Pioniere kämpfen mit Datenmanagement

SAS Studie

IoT-Pioniere kämpfen mit Datenmanagement

Die Vorreiter im Internet of Things (IoT) kämpfen mit Problemen rund um das Datenhandling und Change-Management. Das ergab eine Studie, die SAS, einer der weltgrößten Softwarehersteller, in neun Branchen durchgeführt hat. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44644885 / Definitionen)