Wenn es um Jobs der Zukunft geht, taucht dieser Job immer wieder in den Top Ten-Listen auf: Der Data Scientist- laut Harvard Business Review der coolste Job des 21.Jahrhunderts.
Die Aufgaben eines Data Scientists
Was macht ein Data Scientist eigentlich und was macht diesen Beruf so wertvoll für zukünftige Arbeit?
Keine Frage, Daten sind das neue Öl. Auf den obersten Plätzen der erfolgreichsten Unternehmen weltweit stehen keine Öl-und Gaskonzerne mehr, sondern Google, Facebook und Apple. Von daher ist die Auswertung von Daten von höchster Relevanz. Früher konnten die gesammelte Daten eines durchschnittlichen Produktionsbetriebs einfach von Standarddatensoftware ausgewertet werden. Mit den immer größer werdenden Datenmengen, sogenannten Big Data, ist die Komplexität gestiegen und dies nicht mehr so leicht umzusetzen. Die Datenberge häufen sich in Clouds, Data Lakes und Servern. Kurzum: Ein Experte muss her, welcher in der Lage ist, riesige Datenmengen auszuwerten, zu analysieren und zu interpretieren. Ein neues Berufsbild war geschaffen: Die Geburtsstunde des Data Scientists. Dies erkannte man bereits vor ca. 10 Jahren.
Inzwischen ist der Bedarf an Data Scientists so hoch, dass viele Stellen in Großunternehmen und Start-Ups unbesetzt bleiben. Hinzu kommt, dass es noch sehr wenige spezielle Studiengänge gibt, wie z.B. Data and Information Science (Bachelor) an der TH Köln.
Data Scientists werden in der Wirtschaft händeringend gesucht und sind daher heiß begehrt.
Als Quereinsteiger zum Data Scientist
Wer kann per Quereinstieg zum Data Scientist werden? Naheliegend sind beispielsweise Absolventen der Mathematik, Statistik oder Informatik. Data Science ist ein interdisziplinäres Fachgebiet, bei dem Kenntnisse aus der Statistik, Machine Learning und Analytik kombiniert werden. Ein abgeschlossenes Universitätsstudium setzen die meisten Arbeitgeber voraus. Folgende Programmiersprachen sind bei der Einstellung erwünscht: SQL, R, Python, Java, SPARK.
Deep Learning, Machine Learning oder künstliche Intelligenz sollte für die Kandidaten ebenso kein unbeschriebenes Blatt sein.
Wie schon aus der Jobbezeichnung ersichtlich, sollte man fundierte Datenkenntnisse besitzen. Außerdem sollte man in der Lage sein, die eigenen Erkenntnisse einem Publikum, welches nicht unbedingt Fachkenntnisse besitzt, verständlich zu erklären. Ein Nerd, welcher redundante Bandwurmsätze mit unzähligen Fachtermini präferiert und lieber abgeschottet von der restlichen Welt in einem dunklen Keller seinen Forschungen nachgeht, ist hier fehl am Platz. Trauen Sie sich, ihre Insights vor einem größeren Publikum zu präsentieren! Stellen Sie Ihr Licht nicht unter den Scheffel. Setzen Sie Ihrer inneren Rampensau eine Krone auf und drücken ihr das Mikro in die Pfote. Ihre Erkenntnisse sind wichtig. Schließlich können die Erkenntnisse Ausschlag geben, ob ein Projekt bewilligt oder ein neues Produkt eingeführt wird.
Silke Müller, Data Scientist bei Yokogawa, rät jungen Absolventen mit Blick auf die Prozessindustrie Folgendes:
Es geht nicht darum, der beste Programmierer zu sein, oder jeden Algorithmus im Schlaf zu beherrschen. Wichtig ist ebenso, verfahrenstechnische Grundkenntnisse zu haben und sich in der jeweiligen Industrie auszukennen, damit man sich mit den Kollegen fachlich austauschen kann. Wenn man z.B. eine Prozessoptimierung durchführen möchte und kein Verständnis dafür hat, wie der verfahrenstechnische Prozess funktioniert, stößt man auf erhebliche Schwierigkeiten. Wie kann man Informationen von Mitarbeitern erhalten, wenn man nicht gezielte Fragen stellen kann? Sind die Modelle in Ordnung? Ein Modell ist nicht hilfreich, wenn es Daten auswendig gelernt hat, ohne Zusammenhänge richtig wiederzugeben.
Ein Beispiel: Data Science für Predictive Maintenance
Mittels Sensoren kann man für Predictive Maintenance Daten über den Status Quo von Maschinen erheben. Die erhobenen Daten werden von Data Scientists aufbereitet, so dass z.B. ein Betriebsingenieur den Maschinenzustand gezielt bewerten kann. So kann bereits ein Maschinenausfall vorhergesagt werden, bevor es zum Ausfall kommt. Anhand der aufbereiteten Daten kann man erkennen, wann eine Maschine kontinuierlich weniger Leistung erbringt als zuvor. Entsprechend kann die Maschine zustandsorientiert gewartet oder ersetzt werden.
Warum der Data Scientist Potential zum Traumjob hat
Zum einen herrscht bei diesem Berufsbild eindeutig Fachkräftemangel, d.h. die passenden Bewerber können sich ihren Arbeitgeber aussuchen. Gibt man bei Deutschlands beliebtester Jobbörse, den Suchbegriff “Data Scientist” ein, werden deutschlandweit aktuell 721 Treffer angezeigt. Das ist doch fantastisch, oder?
Auch wenn im Rahmen der Automatisierung Stellen obsolet werden, so gehört der Data Scientist zu den Berufen, die hiervon nicht betroffen sein werden. Im Gegenteil, Automatisierungsprozesse und künstliche Intelligenz arbeiten mit dem Data Scientist zusammen. Umso mehr präzisere Daten geliefert werden, um so genauer sind die Auswertungen des Data Scientisten.
“Die Interdisziplinität ist”, laut Silke Müller, “einer der Gründe, warum die Arbeit als Data Scientist mir besonders viel Freude bereitet. Ich arbeite mit Kollegen aus dem Marketing und dem Vertrieb zusammen und bin für Projekte auf europaweiter Ebene zuständig.”
Als Generalist muss sich der Data Scientist schnell in neue Gegebenheiten, Industrien und Themenfelder einarbeiten- da kommt keine Langeweile auf. Die Auswertungen bleiben nicht im dunklen Labor, sondern werden vor Stakeholdern und wichtigen Entscheidungsträgern wie der Führungsebene vorgetragen. Wir finden: Ein echter Traumjob mit rosigen Zukunftsaussichten.
Picture Credits: aleutie- stock.adobe.com
