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

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.

Aktuelle Beiträge zu diesem Thema

Online im Frühjahr und im Herbst vor Ort

Jetzt zweigleisig: DATA STORAGE & ANALYTICS Technology Conference

Online im Frühjahr und im Herbst vor Ort

Auf Grund der momentan geltenden Bestimmungen wegen der Coronavirus-Epidemie und der daraus resultierenden Unsicherheit bezüglich der kommenden Wochen und Monate werden aktuell praktisch alle Veranstaltungen abgesagt oder zumindest verschoben. Für die DATA STORAGE & ANALYTICS Technology Conference hat die Vogel IT-Akademie eine so clevere wie pragmatische Lösung entwickelt. lesen

Top of the Pops – SparkCognition and Sight Machine

Industrielle KI

Top of the Pops – SparkCognition and Sight Machine

Das Beratungsunternehmen ABI Research hat die Wettbewerbsfähigkeit von Start-ups verglichen, die KI-Lösungen für die Fertigungsindustrie entwickeln. Durch die Zusammenarbeit mit solchen Unternehmen bekommen etablierte Fertiger Unterstützung und Beratung beim Einsatz von KI. lesen

Exasol und Eoda vereinbaren Partnerschaft

Database meets Data Science

Exasol und Eoda vereinbaren Partnerschaft

Ab sofort sind die Data-Science-Experten von Eoda autorisierter Partner der In-Memory-Datenbankspezialisten von Exasol. Ziel der Kooperation ist eine weitere Professionalisierung von Data Science im Unternehmenseinsatz. lesen

Mit Warp 10 durch das Datenuniversum

DATA Storage & Analytics Technology Conference 2020

Mit Warp 10 durch das Datenuniversum

Storage und Analytics sind heute Aspekte eines Datenuniversums. Die „DATA STORAGE & ANALYTICS Technology Conference 2020” zeigt, mit welchen Lösungen Daten gespeichert und verarbeitet werden, um Digitalisierungsprojekte mit Erfolg zu verwirklichen. lesen

Individuelle Kundenansprache in der Energiebranche

Kommentar von Lukas Lötters, Oraylis

Individuelle Kundenansprache in der Energiebranche

Eine Vertriebsgesellschaft für den Energiesektor nutzt ein ganzheitliches Kundenwertmodell, um ihre Vertragskunden möglichst persönlich mit den passenden Angeboten anzusprechen. Darüber hinaus fungiert die Lösung als Steuerungsinstrument der Unternehmensführung, da sie auch die vielfältige Produktlandschaft des Unternehmens vollständig abbildet. Der Lösungsaufbau gestaltet sich dank des Einsatzes Künstlicher Intelligenz (KI) dabei vergleichsweise einfach. lesen

KI + Machine Learning = neue Chancen für das Datenmanagement

Interview mit Dr. Gerhard Svolba, SAS DACH

KI + Machine Learning = neue Chancen für das Datenmanagement

BigData-Insider sprach mit Dr. Gerhard Svolba, Analytic Solutions Architect und Data Scientist bei SAS DACH, wie Big Data und Digitalisierung die Ansprüche an die Datenverarbeitung verändert haben – Agilität, Elastizität und Integrationsfähigkeit sind nur einige Stichpunkte. Moderne Technologien wie Künstliche Intelligenz (KI) und Machine Learning können dabei helfen, wichtige Aufgaben zu automatisieren und Daten dadurch schneller in genau der benötigten Form zur Verfügung zu stellen. lesen

Oracle unterstützt Data Scientists in der Cloud

Frisch von der Open World aus London

Oracle unterstützt Data Scientists in der Cloud

Wer Oracle zum ersten Mal auf der „OpenWorld“ in London begegnet wäre, nähme wohl an, das Unternehmen hätte seine Software immer nur aus der Cloud vermarktet. Die Wolke war omnipräsent. Aktuell angekündigt wurden ein OCI-Azure-Interconnect-Zentrum in Amsterdam, eine Partnerschaft mit dem Colocation-Anbieter Equinix sowie eine in die OCI integrierte Infrastruktur für Data Scientists. lesen

Per Algorithmus zum Kaufabschluss

Big Data Analytics in der Versicherungsbranche

Per Algorithmus zum Kaufabschluss

Die SV SparkassenVersicherung und Detecon zeigen, wie die Digitalisierung in der Versicherungsbranche aussehen kann: Kaufwahrscheinlichkeiten lassen sich über Big-Data-Analysen berechnen. lesen

Eoda startet neues Workshop-Format

„Data Science Experience“

Eoda startet neues Workshop-Format

Der Data-Science-Spezialist Eoda startet eine neue Art von Workshops, die Führungskräfte und Fachanwender praxisorientiert an die Datenwissenschaft heranführen sollen. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 44644885 / Definitionen)