Berufsbild und Chancen des Data Scientists

Mann im Datencenter mit Laptop

Berufsbilder verändern sich in der Digitalisierung so schnell wie nie zuvor. Mit der Entwicklung neuer Technologien und immer größer werdender Datenmengen brauchen Unternehmen zunehmend Spezialisten, die nicht nur über grundlegendes IT-Know-how verfügen. Der Umgang mit Big Data stellt Unternehmen vor große Herausforderungen und eröffnet zugleich große Chancen. Hier kommt der Data Scientist ins Spiel. Lesen Sie in diesem Beitrag, welche Kernkompetenzen ein Data Scientist braucht, wie Sie in diesem Berufsfeld Fuß fassen können und mit welchem Gehalt Sie rechnen dürfen.

 

Data Scientist als zukunftsfähiger Beruf

Im Kontext von Big Data  – der riesige Datenberg der Unternehmen zur Verfügung steht – sind neben IT-Spezialisten und KI-Technologien Datenexperten gefragt, die aus den Datenmassen Zusammenhänge erschließen und sinnvolle Rückschlüsse ziehen können.

Einer dieser Experten ist der Data Scientist, der im Harvard Business Review  bereits vor einigen Jahren als „The sexiest Job of the 21th century“ bezeichnet wurde. Er ist quasi der Experte für Datenwissen und übernimmt damit eine Schlüsselrolle im Unternehmen.

Mitarbeiter in diesem Bereich werden händeringend gesucht und dadurch in der Regel sehr gut bezahlt. Qualifizierte Data Scientists sind am Markt jedoch Mangelware. Es lohnt sich als Jobsuchender also, einen näheren Blick auf diesen spannenden Beruf mit Zukunft zu werfen.

 

Welche Aufgaben hat ein Data Scientist im Unternehmen?

Der Data Scientist ist Detektiv, Analyst und Richtungsweiser zugleich. Seine Aufgabe besteht darin, Daten zu erheben, diese zu analysieren und anhand der Ergebnisse Handlungsempfehlungen für das Unternehmen abzuleiten. Und das nicht auf Basis einzelner Daten, sondern auf Grundlage enorm großer Datenmengen.

Ein Data Scientist wirkt immer an verschiedenen Schnittstellen eines Unternehmens mit. Erhält er eine bestimmte Fragestellung von einer Fachabteilung oder dem Management, geht er zunächst auf die Suche der relevanten Datenquellen. Um die Daten erheben zu können, muss er möglicherweise wiederum mit anderen Unternehmensbereichen eng zusammenarbeiten.  Aber er erhebt diese Daten eben nicht nur, sondern verwandelt die Ergebnisse in Erkenntnisse, die einen Mehrwert für das Unternehmen schaffen.

Auf Basis seiner Annahmen und Empfehlungen trifft das Management wichtige Entscheidungen, die Prozesse im ganzen Unternehmen beeinflussen. Ohne einen fähigen Data Scientist im Haus ist es deutlich schwieriger, aus der riesigen Masse verfügbarer Daten nutzbare Erkenntnisse zu gewinnen und zukunftsweisende Handlungen abzuleiten. Zwar werden hierfür immer bessere Methoden und Tools entwickelt, die die Analyse erleichtern. Den wesentlichen Unterschied macht aber nach wie vor der Mensch, der die Daten und ihre Auswertungen mithilfe geeigneter Methoden richtig interpretieren kann. Genau diese Rolle übernimmt der Data Scientist.

 

Wie sieht der Arbeitsprozess eines Data Scientists aus?

Zwei Maenner im Serverraum schauen auf Tablet

Zusammengefasst deckt der Data Scientist im Laufe seines Arbeitsprozesses folgende fünf Kernbereiche ab:

  1. Datenauswahl: Der Data Scientist trifft auf Grundlage einer vorgegebenen Fragestellung die Entscheidung, welche Daten analysiert werden sollten. Auch die Frage, unter welchen Gesichtspunkten diese Analyse stattfindet, beantwortet er. Beispiel für eine solche Frage könnte sein, was Einmalkunden dazu bewegt, wiederholt zu kaufen. Möchten Verantwortliche eines Unternehmens dies herausfinden, geben sie diese Fragestellung dem Data Scientist.
  2. Datenanalyse bzw. Data Mining: Im nächsten Schritt analysiert der Data Scientist die vorhandenen Daten, um diese Frage zu beantworten. In unserem Beispiel wäre zu ermitteln, welche Parameter den wiederholten Kauf beeinflussen.

Zunächst gilt es stets abzuwägen, ob statistische Verfahren für die erforderliche Analyse ausreichen oder nicht. Vor allem dann, wenn sehr große Datenmengen vorhanden sind (Big Data), stößt Statistik allein oft an ihre Grenzen, und eine computergestützte Kombination von Methoden, wie es beim Data Mining der Fall ist, kann sinnvoll sein. Diese computergestützte Anwendung verschiedener Methoden und Algorithmen erleichtert es dem Data Scientist hierbei, Zusammenhänge schneller zu erkennen und in einem der nächsten Schritte entsprechende Schlussfolgerungen abzuleiten.

  1. Dokumentation: Sind die ersten Erkenntnisse gewonnen, gilt es, diese zu dokumentieren. Das Projektteam rund um den Data Scientist notiert, welche Ergebnisse die Datenanalyse brachte. Übertragen auf unser Beispiel stellt der Data Scientist möglicherweise fest, dass es bestimmte Faktoren gibt, die zum Mehrfachkauf besonders anregen.

Auch Parameter, die er zuvor in Betracht gezogen hatte, die aber nach der Analyse der Daten keinen Einfluss auf das Kaufverhalten zu haben scheinen, notiert der Data Scientist in seiner Dokumentation.

  1. Interpretation: Als Übersetzer erhobener Daten geht es dem Data Scientist im vierten Schritt darum, die Ergebnisse der Datenanalyse zu interpretieren. Dazu leitet er anhand seiner Dokumentation Schlussfolgerungen ab. Bezogen auf unser Beispiel stellt er möglicherweise fest, dass die Kunden, denen das Unternehmen nach einer bestimmten Zeitspanne ein Rückkehrangebot offeriert, öfter erneut kaufen. Daraufhin kann er bestimmte Annahmen treffen, etwa dass solche Maßnahmen das Kaufinteresse positiv beeinflussen.

Hier zeigt sich der wohl größte Unterschied zwischen Data Science und Data Analytics: Der Data Scientist sorgt nicht nur für saubere Analysen, sondern leitet aus den Ergebnissen relevante Schlussfolgerungen und mögliche Folgeschritte ab.

  1. Schnittstellenkommunikation: Die Data-Analytics-Erkenntnisse gilt es im letzten Schritt so zu kommunizieren, dass nicht nur versierte Datenanalysten sie verstehen, sondern auch die betroffenen Entscheider im Unternehmen.

In unserem Beispiel kann er nun möglicherweise die Empfehlung aussprechen, regelmäßig Rückkehrangebote zu offerieren, da diese einen positiven Einfluss auf das Kaufverhalten der Kunden haben. Die Entscheider in ihrem jeweiligen Bereich wiederum sind durch diese „Übersetzung“ des Data Scientists in der Lage, entsprechende Maßnahmen einzuleiten.

 

Die Kernkompetenzen eines Data Scientists

Die Kombination aus Datenanalyse und Schnittstellenkommunikation ist eine sehr besondere. Sie verlangt von Menschen, die den Job des Data Scientists übernehmen, ganz verschiedene Fähigkeiten und Kompetenzen. Vor allem die folgenden Skills sind hierbei wichtig:

  • IT-Kenntnisse: Im Umgang mit Daten, vor allem im Umgang mit Big Data, braucht der Data Scientist ausgezeichnete IT-Kenntnisse. Auch, um entsprechende Tools und Methoden im Umgang mit Big Data anzuwenden. Data Scientists sind deshalb häufig Informatiker mit entsprechender Weiterbildung. 
  • Analytisches Denken: Die Datenanalyse als Kern des Daily Business eines Data Scientists verlangt die Fähigkeit zum analytischen Denken. Mathematiker, Statistiker – insbesondere Data-Mining-Experten – oder Ingenieure finden sich deshalb häufig in diesem Beruf. Als Bewerber für eine Data-Science-Stelle sollten Sie diese Fähigkeit unbedingt unter Beweis stellen.
  • Betriebswirtschaftliches Denken: Da die Daten nicht nur erhoben, analysiert und dokumentiert werden, sondern auch Handlungsempfehlungen für das Management daraus abgeleitet werden sollen, profitiert ein Data Scientist von einem guten betriebswirtschaftlichen Verständnis. Denn den wirtschaftlichen Nutzen der Daten herauszuarbeiten, steht eindeutig im Vordergrund dieses Zukunftsberufes.
  • Gute Rhetorik und Kommunikationsfähigkeit: Nur dann, wenn die vom Data Scientist zwar konsolidierten, jedoch abstrakten Daten in einen konkreten Nutzen übersetzt werden, kann das Unternehmen von ihnen profitieren. Ein Data Scientist sollte daher über eine gute Kommunikationsfähigkeit verfügen und komplexe Sachverhalte verständlich erklären können. Denn nur dann ist er in der Lage, nachvollziehbare Handlungsempfehlungen jenseits des statistischen Fachjargons zu formulieren.

Gehalt und Aussichten eines Data Scientists

Was verdient man im Bereich Data Science? Wie sind die Karrierechancen in diesem Job? Da der Bedarf an qualifizierten Data Scientists stark ansteigt, sind die Zukunftschancen in diesem Beruf ausgezeichnet. Auch finanziell ist das Berufsbild interessant. Alphajump, das Jobportal für Akademiker, gibt folgende Richtwerte für das Gehalt eines Data Scientists an:

  • Junior Data Scientists: 45.000 € bis 50.000 € brutto/Jahr
  • Data Scientist mit Berufserfahrung: 54.000 € bis 59.000 € brutto/Jahr
  • Senior Data Scientist: 68.000 € bis 71.000 € brutto/Jahr

Besonders gefragt ist diese Position in größeren Unternehmen mit mehr als 1000 Mitarbeitern und solchen, die mit großen Datenmengen arbeiten.

 

Zertifizierung und Ausbildung: Wie werde ich Data Scientist?

Wenn Sie Interesse am Job des Data Scientists haben, können Sie sich auf ganz unterschiedlichen Wegen dafür qualifizieren. Oftmals sind Data Scientists Informatiker oder Betriebswissenschaftler mit Weiterbildungen im Statistik- oder IT-Bereich. Auch Softwareentwickler oder Business Developer   kommen infrage.  Über entsprechende Weiterbildungen im Bereich Datenanalyse oder Big Data erwerben diese dann Kompetenzen, die sie zum aussichtsreichen Kandidaten für den Job im Bereich Data Science machen. Außerdem lohnt sich eine Expertise im jeweiligen Umfeld, in dem sie arbeiten, beispielsweise eine Weiterbildung im Online-Marketing oder E-Commerce. Zwei Bereiche, die in Zukunft immer häufiger die Unterstützung kompetenter Data Scientists brauchen dürften.

Insgesamt öffnet sich mit dem Bereich Data Science ein sehr spannendes und besonders chancenreiches Tätigkeitsfeld. Dieser zukunftsfähige Beruf hat Ihr Interesse geweckt und Sie denken über einen Berufswechsel nach? Sicherlich keine leichte Entscheidung. Dabei können Ihnen zunächst diese fünf wichtigsten Fragen zum Berufswechsel weiterhelfen. Gerne hilft Ihnen auch unsere Karriereberatung, den für Sie sinnvollsten nächsten Schritt herauszufinden.

 

DAS BESTE VOM BLOG PER NEWSLETTER ERHALTEN

Über karriere tutor® 177 Artikel
karriere tutor® möchte Menschen an jedem Arbeitsplatz der Welt beruflich erfolgreich und glücklich machen. Ein Team aus hervorragend geschulten Dozenten und Tutoren, Karriereberatern und Experten für berufliche Weiterbildung berät und begleitet seine Kunden ganzheitlich auf dem Weg zur beruflichen Erfüllung.