Kommentar von Richard Timperlake, Alteryx 20 Jahre Data Scientists – ein Blick in die Vergangenheit und in die Zukunft

Autor / Redakteur: Richard Timperlake / Nico Litzel

Das Jahr 2021 markiert einen wichtigen Meilenstein, denn wir feiern das 20. Jubiläum des Data Scientists. Dank der Entstehung seiner Profession sind wir heute in der Lage, Dinge zu tun, die vor wenigen Jahrzehnten noch unvorstellbar waren – von der Möglichkeit, in Sekundenschnelle online ein Bankkonto zu eröffnen über die Gründung globaler und vollständig digitaler Unternehmen bis hin zu höchst personalisierbaren Werbekampagnen.

Firmen zum Thema

Der Autor: Richard Timperlake ist SVP EMEA bei Alteryx
Der Autor: Richard Timperlake ist SVP EMEA bei Alteryx
(Bild: Alteryx)

Heute gehören Data Scientists, die ausschlaggebend für Innovationen wie diese waren, zu den gefragtesten Fachkräften überhaupt. Ohne ihr analytisches Know-how würden Unternehmen wie Amazon, Netflix oder Gymshark nicht existieren und sie könnten sich auch nicht auf die Entwicklung von Produkten und Dienstleistungen konzentrieren, die den Bedürfnissen ihrer Kunden perfekt entsprechen. Kein Wunder also, dass der Beruf des Data Scientists von manchen sogar als der „sexieste Job des 21. Jahrhunderts“ gehandelt wird.

Die Anfänge der Datenanalytik

Als das Spezialgebiet der Datenwissenschaft 2001 erstmals aufkam, bestand die größte Herausforderung noch darin, mithilfe vergleichsweise kleiner Datenmengen zu neuen Erkenntnissen zu gelangen. Da es zu dieser Zeit aber noch keine spezielle Ausbildung für die täglichen Aufgaben eines Data Scientists gab, übernahmen meist Mathematiker oder Physiker diese Rolle. In den Folgejahren bestand ihre tägliche Routine darin, sich mit verschiedenen Produkten und Tools auseinanderzusetzen, die ihnen bei der Aufbereitung, Katalogisierung, Visualisierung, Modellierung und dem Reporting von Daten helfen sollten. Ziel dabei war es, für das jeweilige Unternehmen den potenziellen Geschäftswert hinter den verfügbaren Informationen der einzelnen Abteilungen zu erschließen. Da diese in voneinander abgetrennten Silos gespeichert wurden, waren solche Analysen jedoch extrem zeitaufwendig und es brauchte ein hohes Maß an technologischem Fachwissen, um zu echten Erkenntnissen zu gelangen.

Mit der Zeit verstanden immer mehr Unternehmen, welches Potenzial die Datenwissenschaft für ihren Geschäftserfolg bot. Von Einzelhändlern, die maschinelles Lernen nutzen, um das Kundenverhalten und die Stimmung zu analysieren, um sich dadurch einen Wettbewerbsvorteil zu verschaffen, bis hin zu Lieferketten, die KI-gestützte, dynamische Bedarfsprognosen für ein effektiveres Bestandsmanagement einsetzen: Eine Branche nach der anderen erkennt die Notwendigkeit, Daten zu nutzen und zu analysieren, um datenbasierte und transformative Entscheidungen möglich zu machen. Doch so gefragt Data Scientists heute auch sind, besteht nach wie vor ein echter Mangel an ausgebildeten Fachkräften wie ihnen – und zwar weltweit. Eine Analyse von QuantHub ergab, dass im Jahr 2020 insgesamt etwa 250.000 Data Scientists fehlten. Diese Tatsache hat eine Kluft zwischen jenen Unternehmen geschlagen, die dazu in der Lage sind, ihre Prozesse schon heute zu automatisieren und datenbasierte Entscheidungen zu treffen, und anderen, die dies nicht können.

Doch es gibt auch gute Nachrichten: Dank der Entwicklung neuer Tools und Technologien, für die nur sehr wenig oder sogar gar keine Programmierfähigkeiten benötigt werden, beginnt die Hürde, Data Science erfolgreich einzusetzen, zu sinken. Dies hat zur Folge, dass immer mehr Menschen selbstständig komplexe Datenanalysen durchführen und die Innovationskraft ihres Unternehmens vorantreiben können, ohne dass ein ausgebildeter Spezialist ihnen dafür zur Seite stehen muss. Wer jedoch denkt, dass Data Scientists aufgrund dieser Entwicklung zukünftig keine Rolle mehr in der Wirtschaft spielen, der liegt gänzlich falsch. Denn sie werden nicht nur bei der Ausbildung der nächsten Generation gebraucht. Ihre Aufgabe ist es in Zukunft außerdem, die Teams innerhalb der Unternehmen anzuleiten. Anstatt der täglichen Speicherung und Aufbereitung der Daten können sie sich nun endlich auf komplexe Aufgaben und die Erarbeitung langfristiger Datenstrategien konzentrieren.

Eine glänzende Zukunft, die neue Herausforderungen mit sich bringt

Einige Unternehmen sind bereits heute Experten darin, Daten Gewinn bringend einzusetzen und ihrer Konkurrenz dadurch einen großen Schritt voraus zu sein. Damit immer mehr zu dieser Arbeitsweise übergehen können, gilt es jedoch jetzt, einige Hürden zu überwinden. Eine davon besteht in der allgemein mangelnden Datenkompetenz deutscher Mitarbeiterinnen und Mitarbeiter. Zwar muss nicht jeder von ihnen ein Data Scientist werden, doch die meisten benötigen für ihren Arbeitsalltag zumindest ein gewisses Grundwissen im Umgang mit Daten. Nur so können sie angesichts der voranschreitenden Digitalisierung auch weiterhin erfolgreich sein.

Damit das in der Praxis funktionieren kann, ist es jedoch zunächst an der Zeit, einen elementaren Irrglauben abzulegen: Einige IT- und Data Science-Teams halten nämlich noch immer an der Annahme fest, es könnte irgendeine Form von Schaden anrichten, wenn die breite Masse von Mitarbeitenden mit datenwissenschaftlichen Tools und den entsprechenden Fähigkeiten ausgestattet werden. In Wirklichkeit ist das genaue Gegenteil der Fall. Haben mehr Menschen die Möglichkeit, selbstständig auf Daten zuzugreifen und diese zu analysieren, werden in Zukunft weniger und nicht mehr Fehler passieren.

Ähnlich problematisch ist es, bei der Fortbildung der Angestellten zu zögern, aus Angst, sie könnten das Unternehmen verlassen, sobald sie über eine ausgeprägtere Datenkompetenz verfügen. Sicher ist dies in Einzelfällen berechtigt, doch die Verantwortlichen, die sich von Sorgen wie dieser leiten lassen, verwehren sich selbst die Chance, ihr volles Potenzial zu entfalten und werden deshalb schnell hinter der Konkurrenz zurückbleiben.

Durch Investitionen in Self-Service-Plattformen, die jeder Mitarbeitende – von der Marketingabteilung bis zur Produktion – intuitiv nutzen kann, wird ihnen der Raum gegeben, zu experimentieren und ihre Datenkenntnisse in ihrem eigenen Tempo zu erweitern. Tools wie diese können sie dabei unterstützen, zu entdecken, wie sie analytische Prozesse automatisieren können, um aus Daten aussagekräftige Erkenntnisse zu gewinnen, und so eine solide Grundlage für die Zukunft zu schaffen. Dabei geht es nicht darum, den Mitarbeitenden fortgeschrittene Mathematik oder Computerprogrammierung beizubringen, sondern den Arbeitnehmerinnen und Arbeitnehmern zu zeigen, wie sie ihre Fragen als lösbare Probleme betrachten und die geschäftlichen Herausforderungen mit einer analytischen Denkweise angehen können.

Data Science als Teil der Unternehmenskultur

Die Weiterbildung der Arbeitskräfte ist nicht das Einzige, was Unternehmen tun müssen, um sich selbst den Weg in eine bessere und datenbasierte Zukunft zu ebnen. Ihr Ziel sollte ebenso darin bestehen, eine analytische Unternehmenskultur über alle Abteilungen und Positionen hinweg zu etablieren. Nur so geben sie sich selbst die Chance, die Vorteile der modernen Datenwissenschaft voll auszuschöpfen. Dieser kulturelle Wandel beinhaltet, dass alle Mitarbeiterinnen und Mitarbeiter lernen, die richtigen Fragen zu stellen – und diese mithilfe intuitiver Tools selbstständig zu beantworten. Hierbei ist es wichtig, dass Data Scientists und die ihnen unterstellten Teams dieselbe Sprache sprechen. Andernfalls ist es nicht möglich, Hand in Hand zu arbeiten und rundum positive Geschäftsergebnisse zu erzielen. Mit einem Blick in die Zukunft wäre es also nicht verwunderlich, wenn im Jahr 2041 auch Schulkinder bereits lernen, Daten zu analysieren und so ihre eigenen Algorithmen für Künstliche Intelligenz und Maschinelles Lernen zu entwerfen. Genau diese Denkweise ist es, die unsere Wirtschaft benötigt, um weiterhin zu florieren. In dem Sinne: Auf die nächsten 20 Jahre der Datenwissenschaft und weit darüber hinaus!

(ID:47616963)