Aufbereitung und Analyse von Daten durch Data Scientists

Big Data – auf Spezialisten warten Tausende neue Jobs

Seite: 2/3

Firmen zum Thema

Ein typischer Fall für Data Scientists kann so aussehen: Die meisten Unternehmen möchten ihre besten Kunden an sich binden. Das wirft einerseits die Frage auf, wer genau zu den besten Kunden zählt. Zum anderen ist es interessant zu wissen, was die Kundenbeziehung in Gefahr bringen kann. Andererseits, erklärt Fahner, sind die viel drängenderen Fragen, wie lange vor einem Ereignis, das einen Kunden womöglich zum Abwandern bringt, muss diese Vorhersage getroffen werden?

Zudem stellt sich die Frage, wie man eine Konstruktion findet, die genug Zeit zwischen der Prognose der möglichen Kundenabwanderung und möglichen Aktionen lässt, um rechtzeitig gegenzusteuern zu können.

Bildergalerie

Gute Data Scientists sind aber nicht nur Problemlöser. Sie müssen häufig noch einen Schritt vorher ansetzen. Ein wesentlicher Bestandteil eines Data Scientists ist es, relevante Probleme zu identifizieren und die zu beantwortenden Fragen so zu formulieren, dass aus deren Beantwortung ein echter Mehrwert entsteht.

Auch Einfühlungsvermögen ist gefragt

Aber nicht nur handfeste mathematische Kenntnisse sollte ein idealer Data Scientist mitbringen, sondern auch Einfühlungsvermögen. Neben einer wissenschaftlich geprägten Denkweise braucht es auch die Fähigkeit, mit den Business-Entscheidern auf einer Wellenlänge zu kommunizieren und sich mit ihnen austauschen zu können.

So sollte auf der einen Seite ein idealer Data Scientist in der Lage sein, die technischen Informationen aus der Datenanalyse in eine Sprache zu übersetzen, die auch ein Geschäftsführer versteht. Umgekehrt müssen Data Scientists in der Lage sein, die Business-Anforderungen des Managements in konkrete analytische Untersuchungen zu überführen.

Teamfähigkeit ist Pflicht

Jedoch sind Menschen, die von der robusten statistischen Modellierung über neueste Softwaretechnologien bis hin zu komplexen Geschäftsprozessen alles können und darüber hinaus auch noch mit Geschäftsführern und -entscheidern auf Augenhöhe parlieren können, sehr selten. Einzelkämpfern fehlt es meist schlicht an Bandbreite, um in der Data Science langfristig erfolgreich zu sein. Insofern liegt in der Fähigkeit zur Kooperation ein wichtiger Faktor für den Erfolg von Data Scientists.

Deswegen liegt der Schlüssel – wie so oft – in der Bildung von Teams, bestehend aus sich gut ergänzenden Kompetenzträgern mit einem gesunden Maß an inhaltlichen Überschneidungen. Bei den „soft skills“ gehören Offenheit, Hilfsbereitschaft und Delegationsbereitschaft ebenso zu den Erfolgsfaktoren wie eine Kultur der ständigen (Prozess-)Verbesserung und der Kollaboration. Wichtig ist daneben ein respektvoller Umgang mit abweichenden Meinungen sowie mit Kollegen und Kunden, die von Data Science weniger verstehen.

(ID:42604778)