w26M2

10 Big-Data-Expertise und -Know-how
Um das Potenzial von Big Data zu erschließen, ist Wissen aus Analytik, IT und dem jeweiligen Fachbereich
gefragt. Bislang gibt es nur wenige Fachkräfte, die diese Kompetenzen kombinieren. Solche
Data Scientists werden jedoch dringend gesucht. In den USA gehören sie schon zu den meistgesuchten
technisch-wissenschaftlichen IT-Fachleuten 237 , und eine Studie von McKinsey sagt für die USA
eine Lücke von über 50% für die 2018 voraus. In einer Fraunhofer-Potenzialstudie wünschen sich 95%
der Befragten Best Practices und Schulung als Fördermaßnahme.
Data Scientists vereinen die Rollen als Impulsgeber, Ideengeber, Lösungsarchitekt, Umsetzer, Analyst,
Kommunikator, Überzeuger. Es existieren verschiedenste Schulungskonzepte für Data Scientists. Das
Kapitel 10 gibt eine Übersicht über Gemeinsamkeiten und Mindestanforderungen.
Mit den Möglichkeiten zur Speicherung und Verarbeitung
von Big Data wächst die Nachfrage nach Fachleuten, die
solche Daten analysieren, um sie in Wert zu setzen. Sie
analysieren große Datenmengen jenseits von Excel, Business
Intelligence Tools und gängigen Statistikpaketen. Mit
wissenschaftlichen Datenanalysemethoden entwickeln
sie Modelle zur Informationsextraktion und Prognose für
Big-Data-Anwendungen. Sie sind Analysten mit IT-Kompetenzen
und Fachleute in ihrem Anwendungsbereich
In den USA prägten Patil und Hammerbacher von LinkedIn
für solche Experten die Bezeichnung Data Scientists und
im Oktober 2012 bezeichnete der Harvard Business Review
den Beruf als »The sexiest job of the 21st century« 238 . In
den USA gehören Data Scientists bereits zu den meistgesuchten
technisch-wissenschaftlichen IT-Fachleuten,
und 2012 ist dort die Zahl der Masterstudiengänge für
Datenanalytik sprunghaft gestiegen. Bis die Absolventen
die Hochschulen verlassen, rekrutieren amerikanische
Unternehmen Mathematiker, Wirtschaftswissenschaftler,
Ingenieure, Informatiker, Physiker und sogar Psychologen.
Aufgabe der Big-Data-Analysten ist es, geschäftsrelevante
statistische Erkenntnisse aus den Daten zu gewinnen.
Zunächst allerdings werden sie sich mit den Daten
vertraut machen und sie mit explorativen Methoden
untersuchen. Datenschutz und Datenqualität stellen
wichtige Ansprüche, für die sie geeignete Maßnahmen
finden müssen. An Business-Analysten werden aus dem
Betrieb laufend neue Fragen herangetragen werden, die
sie mit ad-hoc-Anfragen und weiteren Analysemethoden
zu beantworten suchen. Für sich wiederholende Anfragen,
Reports und Dashboards werden sie Skripte erstellen. Ein
weiteres Einsatzgebiet ist die Entwicklung von statistischen
Modellen für die automatisierte Datenanalyse. Solche
Modelle dienen dazu, Informationen, Relationen und
Metadaten zu extrahieren, irrelevante Daten herauszufiltern,
Bewertungen zu berechnen, Prognosen zu erstellen
oder Entscheidungen zu treffen.
Selbstverständlich müssen Data Scientists die klassischen
Methoden von Statistik und Data-Mining beherrschen.
Ihre besondere Kompetenz erlangen sie dadurch, dass
sie weitere Verfahren anwenden können, wo die klassischen
versagen: Im Umgang mit hohen Datenvolumina
(verteilte Speicherung), strukturell komplexen Daten
(NoSQL-Datenbanken) und der realzeitnahen Verarbeitung
(Parallelverarbeitung, Streaming und in-memory
Processing).
Im Gegensatz zu den USA gibt es in Deutschland noch
keine Studiengänge für Data Scientists. Auch eine
Websuche nach Seminaren zum Stichwort »Data
Science« lieferte keine Ergebnisse für deutschsprachige
237
Vgl. CNN Money: Best new jobs in America
238
http://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/
164