Data Scientist

Die Digitalisierung schreitet weltweit immer weiter voran. Die Nutzung des Internets sowie den damit verbundenen Dienstleistungen und vernetzten Geräten – dem sogenannten „Internet der Dinge“ – ist aus dem privaten wie beruflichen Alltag nicht mehr wegzudenken. Ein Leben ohne das Internet ist kaum mehr vorstellbar.

Durch die tägliche Nutzung sozialer Netzwerke, Einkäufe bei verschiedenen Online-Versandhändlern, Recherchen, der Navigation und vielem mehr, werden beinahe unvorstellbar große Datenmengen produziert. Die im Jahr 2025 produzierte digitale Datenmenge liegt bei schätzungsweise 175 Zettabyte, was rund 190 Milliarden Terabytes entspricht. Im Jahr 2018 wurden jährlich noch 33 Zettabytes an Daten produziert.

Die erzeugten und gespeicherten Daten sind für Unternehmen sämtlicher Branchen von großem Wert. Längst ist von Daten als Rohstoff die Rede, dessen Wert mindestens auf dem Niveau von Gold, Öl oder anderen Gütern liegt. Der weltweite Markt für Daten lag bereits Ende 2020 bei rund 200 Milliarden Dollar2.

Angesichts riesiger Datenmengen den Überblick zu behalten, Rohdaten zu strukturieren, zu analysieren und für Unternehmen nutzbar zu machen und Dank betriebswirtschaftlicher Kenntnisse Entscheidungsgrundlagen für Unternehmen zu schaffen, ist Aufgabe eines Data Scientists.

Daten in Informationen umwandeln – so könnte man die Tätigkeit eines Data Scientists kurz zusammenfassen. Um seine Tätigkeit optimal ausführen zu können, greift ein Data Scientist dabei auf Kenntnisse der Statistik zurück, beherrscht Programmiersprachen und zugehörige moderne Tools und agiert als Business Analyst. Insbesondere mathematische Methoden und eine analytische Denkweise sind dafür täglich gefordert. Data Scientists werden in verschiedensten Branchen wie zum Beispiel im Bereich Online-Shopping, Banking und Versicherungen u.v.m. eingesetzt. Sie sind immer dort im Einsatz, wo große Mengen an Daten gesammelt werden, die Unternehmen als Basis für Entscheidungen und Vorhersagen verwenden.

Die Aufgaben eines Data Scientist
Über welche Hard Skills verfügt ein Data Scientist?
Über welche Soft Skills verfügt ein Data Scientist?
Werdegang: Wie wird man Data Scientist?
In welchen Bereichen sind Data Scientists tätig?
Die Karrierechancen eines Data Scientists im Überblick
Bewerbungstipps: Worauf sollte ein Data Scientist bei der Bewerbung achten?

Ein Data Scientist analysiert riesige, oft unstrukturierte Datenmengen. Im Zeitalter der Daten sind jene Unternehmen erfolgreich, die nicht nur die meisten Daten sammeln, sondern diese auch am besten auswerten: Statt „Big Data“ zählt Smart Data. Die Analyse von Daten ist im Kern nicht neu. Ging es dabei bisher jedoch nur darum, anhand gesammelter Daten Gegenwart und Vergangenheit zu erklären, beschäftigt sich die Data Science zunehmend vor allem damit, Zukunftsaussagen treffen zu können und Unternehmen damit klare Handlungsempfehlungen an die Hand geben zu können. Zukunftsweisend gewinnen die Bereiche Maschine Learning und Künstliche Intelligenz an Stellenwert, der von Data Scientists gefördert, gesteuert und kontrolliert wird.

In einem ersten Schritt stellt der Data Scientist eine solide Datenbasis auf, anhand derer anschließend Aussagen und Vorhersagen getroffen werden können. Dabei ist es nicht nur entscheidend, die relevanten Daten auszuwählen, sondern auch geeignete Quellen zu identifizieren. Im Umfeld eines Online-Shops können dies etwa Informationen zu folgenden Fragestellungen sein sein:

• Welche Produkte werden am meisten gesucht?
• Welche Produkte werden am meisten von Kunden gekauft?
• Welche Produkte schicken Kunden besonders häufig zurück (aufgrund Defekt oder Unzufriedenheit)?

Nachdem die oftmals unstrukturierten Daten in eine Ordnung gebracht und irrelevante Daten herausgefiltert wurden, entsteht ein bereinigter Datensatz, der für weitere Analysen herangezogen werden kann. Für seine Analysen greift der Data Scientist auf Methoden der sogenannten Advanced Analytics sowie der Predictive Analytics zurück. Während die Advanced Analytics als Teilbereich der Wirtschaftsinformatik Prozesse und Verfahren für die Unternehmensanalyse beinhalten, geht es bei Predictive Analytics um Analysemethoden, die es erlauben, bestimmte Vorhersagen für die Zukunft zu treffen – zum Beispiel, wie sich bestimmte Veränderungen, die von Unternehmen in der Gegenwart vorgenommen wurden, in der Zukunft auswirken. Es gilt Prozesse im Unternehmen auf der Basis der evaluierten Daten zu optimieren.

Die Grundlage für die analytische Tätigkeit eines Data Scientists bilden seine ausgeprägten Fähigkeiten im Bereich der Mathematik. Insbesondere Statistik, Analysis und lineare Algebra mit all ihren Teilbereichen bilden die absolute Grundlage und sollten vom Data Scientist im Schlaf beherrscht werden. Um die riesigen, komplexen Datenmengen zu analysieren und mithilfe moderner Algorithmen zu strukturieren, sind fortgeschrittene Programmierkenntnisse zudem unerlässlich. Die am häufigsten verwendete Programmiersprache ist Python 3, in seltenen Fällen C, Scala oder Julia. Um die Analyse der Daten erfolgreich und effizient stemmen und Projekte umsetzen zu können, sind zudem Kenntnisse im Prozessmanagement (Datenaufbereitung, maschinelles Lernen, Datenbanken) notwendig.

 Neben den fachlichen Hard Skills sollte ein Data Scientist auch über einige Soft Skills verfügen, die ihm die Arbeit in einem modernen Jobumfeld erleichtern. Diese sind unter anderem:

• Agiles Arbeiten: Hohe Flexibilität und Handlungsfähigkeit, um im Gegensatz zu klassischen Unternehmensstrukturen schneller auf Veränderungen reagieren und Anpassungen vornehmen zu können. Dabei sind unter anderem eine transparente Kommunikation, eine offene Feedback-Kultur sowie eigenverantwortliches Arbeiten unbedingt erforderlich, um in agilen Strukturen erfolgreich arbeiten zu können.
• Kritische Denkweise: Die Fähigkeit, Prozesse zu analysieren, die richtigen Fragen zu stellen und Probleme proaktiv zu lösen.
• Wissbegierde: Data Scientists sollten von der Frage nach dem Warum getrieben sein und mit Motivation und Wissbegierde ihrer Arbeit nachgehen. Sie sind selten mit dem Status quo zufrieden und immer auf der Suche nach neuen Antworten und Möglichkeiten der Optimierung.
• Geschäftssinn: Ein Data Scientist sollte nicht nur über Kenntnisse auf seinem eigenen Fachgebiet verfügen, sondern auch über das Geschäftsmodell des Unternehmens u.v.m. informiert sein, um auf Basis der gesammelten Daten die für sein Unternehmen passenden Empfehlungen treffen zu können.

Der akademische Hintergrund eines Data Scientists kann sehr unterschiedlich sein. Grundlage könnte ein Studium der Informatik, Physik, Mathematik oder auch Wirtschaftswissenschaften mit Spezialisierung sein, nach dessen Abschluss sich angehende Data Scientists entsprechend weiterbilden. Auch die Datenwissenschaft wird oftmals als Studiengang genannt, den Data Scientists absolviert haben. Von entscheidender Bedeutung sind umfassende Kenntnisse auf den Gebieten Statistik beziehungsweise Mathematik im Allgemeinen, Informatik und Software Engineering.

Mittlerweile kann Data Science als noch sehr junger Bachelor- oder Masterstudiengang studiert werden. Im Rahmen des Studiengangs werden fachliche Kenntnisse der Mathematik im Allgemeinen, der Statistik, Wahrscheinlichkeitsrechnung und der Informatik vermittelt. Hinzu kommen Softwareentwicklung, skalierbares Datenmanagement, maschinelles Lernen sowie die statistikbasierte Analyse. Interessierte haben dabei auch die Möglichkeit, das Studium dual zu absolvieren, um möglichst früh praktische Berufserfahrungen zu sammeln.

Data Scientists kommen überall dort zum Einsatz, wo unternehmensseitig großes Interesse besteht, mit Hilfe gesammelter Daten, Rückschlüsse für das eigene Handeln zu ziehen, vorhandene Prozesse zu verbessern und etwa die Kundenansprache zu optimieren. Da Daten, wie bereits erwähnt, branchenübergreifend immer wichtiger für Unternehmen werden, ergeben sich für Data Scientists vielfältige Einsatzmöglichkeiten.

Ein Paradebeispiel für ein Einsatzgebiet eines Data Scientists ist der E-Commerce-Bereich. Neben dynamischer Preisgestaltung, personalisierter Werbung oder auch Empfehlungen auf Basis des individuellen Nutzerverhaltens, gibt es auf diesem Gebiet zahlreiche Möglichkeiten, Daten nutzbar zu machen.

Auch in der Versicherungsbranche kommen Data Scientists zum Einsatz, etwa um auf Basis von Daten oftmals geschäftsschädigenden Versicherungsbetrug aufzudecken.

Daten werden für Unternehmen immer wichtiger. Entsprechend gefragt sind Data Scientists als ausgewiesene Expertinnen und Experten, die gesammelten Daten für das Unternehmen nutzbar zu machen und wertvolle Handlungsempfehlungen und Strategien abzuleiten. Da Daten nicht nur von großen Playern wie Google, Twitter oder Facebook gesammelt werden, sondern beispielsweise auch für Mittelständler interessant sind, sind die Zukunftsaussichten für den Beruf Data Scientist vielversprechend – gutes Gehalt und Aufstiegschancen inklusive. Das Einstiegsgehalt eines Data Scientists ist abhängig von zum Beispiel der Berufserfahrung, dem höchsten Bildungsabschluss, der Größe sowie der Branche des Unternehmens.

Wer nicht nur in der Lage ist, Daten nach unterschiedlichen Kriterien zu analysieren, sondern diese Analyseergebnisse einleuchtend zu vermitteln, hat auf dem Arbeitsmarkt die größten Chancen.
Data Scientists sind in der Regel Generalist:innen. Eine Spezialisierung nach einigen Jahren Berufserfahrung kann jedoch sinnvoll sein. Folgende Spezialisierungen sind denkbar:

• Risikoberatung: Wie wirken sich mögliche Expansionen und Umstrukturierungen des Unternehmens aus?
• Kundenbeziehungsmanagement: Welche Produkte werden aus welchen Gründen gekauft, beziehungsweise zurückgeschickt? Wie kann die Kundenbeziehung ausgebaut werden?
• Produktpersonalisierung: Wie werden Produkte und Dienstleistungen persönlicher und damit ansprechender für bestehende und Neukunden?

In jeder Bewerbung sollte berufsunabhängig auf übersichtliche, vollständige und einheitliche Bewerbungsunterlagen geachtet werden. Ebenso sollten Unternehmensinformationen und Ansprechpartner:innen gewissenhaft recherchiert werden. Sowohl Anschreiben als auch Lebenslauf sollten exakt auf die jeweilige Branche sowie das Unternehmen zugeschnitten werden. Die Begeisterung für den Beruf sollte aus der Bewerbung deutlich abzulesen sein.

Im Rahmen der Bewerbung sollten die Kompetenzen herausgearbeitet werden, die den Bewerbenden für die Ausübung des Berufs des Data Scientists qualifizieren. Neben den fachlichen Fähigkeiten in den genannten Bereichen Mathematik, Statistik, Informatik und Softwareengineering sind für Unternehmen auch die weiter oben genannten Soft Skills wie zum Beispiel Kompetenzen in Prozess- und Projektmanagement sowie die Persönlichkeit und das individuelle Interesse des Bewerbenden relevant.

Für anstehende Vorstellungsgespräche sollten sich angehende Data Scientists unter anderem auch auf spezifische fachliche Fragen sowie Fragen, die die Problemlösekompetenz abfragen, vorbereiten.

• Prognose zum Volumen der jährlich generierten digitalen Datenmenge weltweit in den Jahren 2018 und 2025. Statista. Veröffentlichungsdatum: November 2018. Abrufdatum: 09. Februar 2022. (Link)
• Wie viel persönliche Daten wert sind: Markt für Datenhandel weltweit 200 Milliarden Dollar. Wirtschafts Woche. Veröffentlichungsdatum: 11. November 2020. Abrufdatum: 09. Februar 2022. (Link)