Was ist Data Science?
Data Science – ein geläufiger Begriff, der allerdings für viele unverständlich und schwer zu deuten ist. Was ist Data Science eigentlich und warum erfreut sie sich immer größer werdender Popularität? In welchen Bereichen findet die Wissenschaft Anwendung und was macht ein Data Scientist?
1. Was ist Data Science?
Data Science bezeichnet eine Wissenschaft, die sich mit der Gewinnung von Wissen und Informationen aus großen Datenmengen (auch bekannt als Big Data) befasst. Dabei bedient sie sich diverser Techniken und Methoden aus den Bereichen Mathematik, Statistik und Informatik. Die Ziele sind je nach Einsatzbereich unterschiedlich. Es werden Informationen bereitgestellt, visualisiert und untersucht, um Handlungsempfehlungen für Unternehmen abzuleiten, Vertriebserfolge zu steigern, Fertigungsabläufe zu optimieren, Kaufverhalten zu analysieren oder Trends vorherzusagen.
2. Grundlagen von Data Science
Obwohl der Begriff bereits seit rund 50 Jahren bekannt ist, wurde Data Science erst im Jahr 2001 als eigenständige Wissenschaft anerkannt und etabliert.
Die zunehmende Digitalisierung der Gesellschaft sowohl im privaten als auch im beruflichen Bereich sowie das Vorhandensein enormer Datenmengen und die Notwendigkeit, diese zu speichern, zu verarbeiten, weiterzugeben und zu kontrollieren, sind Grundlage der Datenwissenschaft. Die Etablierung von Data Science als eigenständiger Disziplin ist aufgrund der sozialen und wirtschaftlichen Entwicklungen sowie wegen der Schnelllebigkeit und der Komplexität der vorhandenen Datenmengen unumgänglich.
Mittels unterschiedlicher Techniken und Methoden werden Erkenntnisse und Informationen aus Datensätzen gefiltert (dies wird in der Fachsprache als Data Mining bezeichnet) und dank diverser Programmiersprachen und Tools bearbeitet, analysiert und visualisiert.
3. Techniken in Data Science
Um die gewünschten Ergebnisse aus den verschiedenen Datenquellen zu erhalten, bedienen sich die Wissenschaftler diverser Techniken. Drei dieser Methoden werden im Folgenden grob umrissen.
- Klassifizierung
Beispielsweise bei der Überlegung bezüglich neuer Produktentwicklungen spielt diese Technik eine große Rolle. Personen werden hierbei in Klassen eingeteilt. Mittels Wahrscheinlichkeitsmodell werden die vorhandenen Daten über das bisherige Kaufverhalten von Kunden analysiert, um so die Chance abschätzen zu können, ob an weiteren (ähnlichen) Produkten ebenfalls Interesse besteht.
- Similarity Matching
Quasi einen Schritt weiter geht das Similarity Matching. Dieses versucht, Gemeinsamkeiten von bestehenden Kunden zu finden, um Prognosen über ein zukünftiges Verhalten von potentiellen Neukunden abzuleiten, damit beispielsweise gezielte Werbekampagnen gestartet werden können.
- Regressionsanalyse
Diese Methodik arbeitet mit Beziehungen von potentiell in Abhängigkeit stehenden Variablen, die in Form einer Funktion dargestellt werden. Mittels dieser können die Zusammenhänge der Werte ermittelt und mitunter Vorhersagen über Produktionskosten etc. getroffen werden.
4. Anwendungsbereiche von Data Science
Während früher Data Science beispielsweise in den Bereichen Astronomie, Biologie, Medizin oder diversen Sozialwissenschaften Verwendung fand, spielt sie heute eigentlich in allen denkbaren Branchen und Wirtschaftsbereichen eine tragende Rolle. Für die konkrete Anwendung und Analyse sind, wie bereits erwähnt, Kenntnisse in Mathematik (und hier vor allem die Stochastik) sowie Knowhow im Gebiet der Informatik essentiell. Zusätzlich ist aber auch spezifisches Fachwissen jener Branche obligatorisch, in der sie angewandt wird. Interdisziplinarität spielt demnach eine zentrale Rolle.
So wird Data Science beispielsweise in den folgenden Sparten eingesetzt:
- In Handelsbetrieben wird das Kaufverhalten von Kunden analysiert, um beispielsweise Prognosen zu erstellen, welche Artikel in Zukunft vermehrt erzeugt werden sollen.
- Industriebetriebe nutzen die Möglichkeiten von Data Science, um Fertigungsabläufe zu verbessern, die Produktionsleistung zu erhöhen oder Produktionskosten zu verringern.
- Logistikunternehmen bedienen sich der Wissenschaft, um Transportabläufe oder Versanddienstleistungen zu optimieren.
- Im Versicherungs- und Finanzsektor ist Data Science unerlässlich, um die Effizienz zu erhöhen und gleichzeitig konkurrenzfähige Produkte zu etablieren.
- Im Gesundheitswesen wird die Fachdisziplin genutzt, um medizinische Handlungsabläufe zu verbessern oder die Medikation abzustimmen, um Patienten optimal behandeln zu können.
5. Berufsbild: Data Scientist
Ein Data Scientist ist eine Person, die sich mit der Bearbeitung, Analyse und Aufbereitung von Datensätzen auseinandersetzt und diese in einer allgemein verständlichen Sprache strukturiert und abbildet. Die Nachfrage nach diesen Datenwissenschaftlerinnen und Datenwissenschaftlern ist am derzeitigen Arbeitsmarkt enorm hoch und steigt weiterhin an.
Data Scientists haben unterschiedliche Ausbildungsmöglichkeiten an Hochschulen oder Universitäten und schließen diese entweder als Bachelor oder Master ab. Neben dem theoretischen Wissen wird auf einen hohen Praxisbezug geachtet.
Die folgenden Bereiche stellen für jeden Datenwissenschaftler Ausbildungsschwerpunkte dar:
- Wie bereits erwähnt ist die Mathematik mit besonderem Augenmerk auf die Stochastik im Vordergrund. Datenwissenschaftler müssen mit mathematischen Modellen und Methoden arbeiten und diese interpretieren können.
- Unterstützt wird dieser Fachbereich von der Informatik. (Technische) Kenntnisse im Bereich der Datenverarbeitung und -strukturierung sowie deren Zusammenstellung werden mithilfe der Computerwissenschaft erarbeitet, um die enormen Datenmengen optimal auszuwählen, zu verstehen und zu visualisieren.
- Ferner sollte in Naturwissenschaften sowie in Betriebswirtschaft zumindest eine Grundausbildung vorhanden sein.
- Von großer Wichtigkeit ist außerdem ein branchenspezifisches Fachwissen jener Sparte, in der die Datenwissenschaftlerin bzw. der Datenwissenschaftler seine Anstellung findet, da sie bzw. er als Bindeglied zwischen den umfangreichen Datenmengen, die es zu analysieren gilt, und der Unternehmensführung beziehungsweise den Mitarbeitern fungiert.
Aufgrund dieser Position, die der Data Scientist einnimmt, benötigt er ferner umfangreiche persönliche Qualifikationen und Fähigkeiten:
- Kommunikation und sprachliche Versiertheit als zentrale Elemente, um die Ergebnisse und Handlungsempfehlungen in adäquater Weise vermitteln zu können.
- Wissbegierde und Aufgeschlossenheit gegenüber neuartigen Verfahren und Methoden der Datenaufbereitung und -analyse.
- Problemlösungskompetenz, Flexibilität und Kreativität, um sich während eines Projektes an die Gegebenheiten und Herausforderungen anpassen zu können.
- Die Fähigkeit, Projekte zu leiten und bei Bedarf gewisse Aufgaben zu delegieren.
- Verständnis und Geschäftssinn für die Branche beziehungsweise das Unternehmen, in dem die Datenanalyse stattfindet.
Die Herausforderungen und Ausbildungsmodalitäten für einen Datenwissenschaftler sind, wie soeben geschildert, umfangreich, intensiv und interessant. Die Berufschancen sind ob der zunehmenden Digitalisierung sowie dem weiteren Anstieg an Datenmengen vielversprechend. Ebenso attraktiv ist das Gehalt, welches ein Data Scientist für seine Arbeit erhält. Auch wenn in Europa noch vergleichsweise weniger bezahlt wird, ist hier ein klarer Trend nach oben zu beobachten.
Hier finden sich weitere Informationen zu unserem Master-Lehrgang Business Analyticss sowie unserem Seminar Data Science and Machine Learning.
