Data Science: Definition, Data Scientist Tätigkeiten und Beispiele

Data Science (Datenwissenschaft) ist eine interdisziplinäre Wissenschaft, die sich mit der Gewinnung von Wissen aus Daten befasst. Die Datenwissenschaft generiert Informationen aus großen Datenmengen, um daraus Handlungsempfehlungen für das Unternehmensmanagement abzuleiten. Ziel dieser Handlungsempfehlungen ist die Verbesserung der Qualität unternehmerischer Entscheidungen und der Effizienz von Arbeitsabläufen.

  1. Data Science Definition
  2. Data Scientist Tätigkeiten
  3. Studiengänge Data Science
  4. Branchen-Beispiele für den Einsatz von Datenwissenschaften
  5. Was verdient ein Data Scientist?

Data Science Definition

Erstmals wurde der Begriff „Data Science“ im Jahr 1960 durch den dänischen Informatik-Pionier Peter Naur als Synonym für „Informatik“ verwendet. 2001 begründete der US-amerikanische Computerwissenschaftler William S. Cleveland die Datenwissenschaft als eigenständige Fachdisziplin. Cleveland benannte als Fachgebiete von Data-Science: Daten-Modelle und Daten-Methodik, Rechenoperationen mit Daten, die Bewertung von Werkzeugen, Pädagogik, Theorie und multidisziplinäre Untersuchungen.

In diesem Video erkläre ich, was Data Science ist und welche Fähigkeiten ein Datenwissenschaftler braucht.

Heute wird die Data Science Definition deutlich weiter gefasst als noch vor fünfzig Jahren: die Datenwissenschaft befindet sich im Schnittpunkt zwischen den Wissenschaftsbereichen Mathematik (insbesondere Stochastik) und Informatik sowie dem branchenspezifischen Fachwissen.

Data Science ist die Schnittmenge zwischen den Wissenschaftsbereichen Mathematik, Informatik sowie dem branchenspezifischen Fachwissen.
Data Science ist die Schnittmenge zwischen den Wissenschaftsbereichen Mathematik, Informatik sowie dem branchenspezifischen Fachwissen.

Im Arbeitsbereich Datenwissenschaft arbeitende Personen werden als Datenwissenschaftler oder Data Scientist bezeichnet.

KI-im-CRM Kopie

Whitepaper:
Wie künstliche Intelligenz das CRM verändert!

Trage deine E-Mail-Adresse ein, um die KI-Fallstudien zu erhalten:

Data Scientist Tätigkeiten

Die nationale Forschungsgemeinschaft der US-Regierung wies 2005 auf die entscheidende Bedeutung der Data Scientists für das Management digitaler Daten hin. Zu den Datenwissenschaftlern zählten diese insbesondere Informatiker, Programmierer, Datenbank-Experten, Domain-Spezialisten, Archivare und Bibliothekare und sogar Fachleute der Softwareentwicklung.

Fachkenntnisse von Datenwissenschaftlern

Ein Data Scientist muss über ein breites Spektrum von Fachkenntnissen verfügen, um seine analytischen, beratenden und koordinierenden Aufgaben an der Schnittstelle zwischen Datenbanken, Mitarbeitern und Management eines Unternehmens erfüllen zu können:

  • Mathematische und stochastische Modelle und Methoden bilden die Grundlage für die Analyse und Interpretation von Daten. Von großer Bedeutung sind insbesondere eine hohe Datenqualität und die sorgfältige Auswahl der Merkmale von Daten-Stichproben. Zum Einsatz kommen insbesondere auch Verfahren des maschinellen Lernens.
  • Im Zeitalter großer Datenmengen („Big Data“) ist Datenwissenschaft ohne fundierte Kenntnisse über Datenverarbeitung und ihre Instrumente kaum vorstellbar. Die Computer-Wissenschaft (Informatik) unterstützt die Big-Data-Analyse durch Algorithmen, die für eine effiziente Bearbeitung der jeweiligen Datentypen geeignet sind. Analyse-Tools selektieren aus strukturierten oder unstrukturierten Datenmengen die benötigten wertvollen Informationen.
  • Spezifische Branchen-Kenntnisse sind unerlässlich, um Daten und Geschäftsprozesse eines bestimmten Unternehmens einordnen und analysieren sowie sinnvolle Handlungsempfehlungen entwickeln zu können. Betriebswirtschaftliches Wissen ist von grundlegender Bedeutung, wenn Datenanalysen zwecks Geschäftsoptimierung durchgeführt werden sollen.

Persönliche Qualifikationen als Data Scientist

Die Ausübung von Data Scientist Tätigkeiten setzt zudem einige besonders ausgeprägte persönliche Qualifikationen voraus:

  • sprachliche und kommunikative Fähigkeiten, um einerseits Branchenexperten verstehen und andererseits Mitarbeitern aller Unternehmensbereiche und Unternehmensebenen die aus der Datenanalyse abgeleiteten Handlungsempfehlungen überzeugend vermitteln zu können,
  • Kreativität bei der flexiblen Anpassung analytischer Methoden an neue Herausforderungen und Kontexte,
  • Aufgeschlossenheit bei der Erforschung und Nutzung neuer Analyse-Instrumente und Data-Science-Verfahren sowie
  • Koordinationsvermögen sowohl hinsichtlich der Delegation von Aufgaben zur Datenbeschaffung als auch bei der Steuerung und Kontrolle von Data-Science-Projekten.
Im Data Science sind vor allem kommunkative Fähigkeiten wichtig.
Im Data Science sind vor allem kommunkative Fähigkeiten wichtig.

Branchen-Beispiele für den Einsatz von Datenwissenschaften

Große Datenmengen werden heute mit den Instrumenten und Methoden der Data-Science für Unternehmen aller Branchen ausgewertet.

  • Retail- und Handelsunternehmen profitieren von Data-Science durch Analysen des Kaufverhaltens von Kunden. Die Untersuchung möglicher Ursachen für Retouren hilft bei der Verringerung von Warenrücksendungen.
  • In der Gesundheitsbranche (Medizin und Pharmazie) ermöglicht Data Science die Erstellung von Ähnlichkeitsanalysen als Grundlage für eine individualisierte Behandlung von Patienten und die Optimierung der Medikation.
  • Logistikunternehmen verbessern mithilfe von Data Science ihre Arbeitsprozesse und die Qualität ihrer Transport-Dienstleistungen.
  • Industriebetriebe steuern und optimieren Fertigungsabläufe unter Einsatz von Data Science.
  • Versicherungen und Banken schöpfen mithilfe von Data-Science das Potenzial der ihnen zur Verfügung stehenden externen und internen Daten aus, um ihre Produkte zu verbessern und die Vertriebserfolge zu steigern.
Tipps für erfolgreiche Data Science Projekte!

Am Arbeitsmarkt übersteigt derzeit die Nachfrage nach Data Scientists die Anzahl der verfügbaren ausgebildeten Datenwissenschaftler. Zwar liegen weltweit zunehmend umfangreiche Datenbestände vor, doch können diese aufgrund der nicht ausreichenden Verfügbarkeit von Datenwissenschaftlern nicht vollständig analysiert werden.

Studiengänge Data Science

Entsprechend der im Digitalzeitalter erheblichen Bedeutung von Daten bieten in Deutschland etliche Fachhochschulen und Universitäten Data-Science-Studiengänge an. Als Studienabschlüsse kommen Bachelor of Science (B. Sc.) oder Bachelor of Engineering (B. Eng.) sowie Master of Science (M. Sc.) oder Master of Engineering (M. Eng.) in Betracht.

Da sich das Berufsbild des Data Scientists entsprechend den sich fortlaufend verändernden Anforderungen der Wirtschaft entwickelt hat, zeichnen sich die Data-Science-Studiengänge durch ihren hohen Praxisbezug aus.

  • Für ein Bachelor-Studium in Datenwissenschaften ist gewöhnlich eine Regelstudiendauer von sechs Semestern vorgesehen. Zu den Studienmodulen gehören zumeist theoretische Informatik, Statistik, Stochastik, Informationssicherheit, Algorithmen und Datenstrukturen sowie Softwareentwicklung und Programmierung.
  • Ein sich gegebenenfalls anschließendes Master-Studium kann üblicherweise in einer Regelstudienzeit von vier Semestern absolviert werden. Ein Master-Studienabschluss qualifiziert für eine mögliche Promotion in den Fachbereichen Informatik, Mathematik oder Naturwissenschaften.

Was verdient ein Data Scientist?

Die Gehälter für einen Datenwissenschaftler sind, dank der hohen Nachfrage, in den letzten Jahren stark angestiegen. So liegt das Einstiegsgehalt eines Data Scientist über 50.000€ pro Jahr. Je nach Job (Beratung, Start-Up oder Konzern) liegt die jährliche Steigerung des Gehalts in den ersten Jahren um die 5-10%.

Laut Glassdoor.de liegt das Gehalt eines Data Scientist im Mittel bei ca. 61.154€, für einen Senior sind es ca. 78.000€. Für einen Team Lead wird deutlich mehr gezahlt, bis zu 100.000€.

Für Amerika liegen genauere Zahlen vor. Hier ist davon auszugehen, dass die Werte für Deutschland etwas darunter liegen, aber sicher einen starken Trend nach oben haben.

Table 1: Data Science Gehälter in den USA (Quelle: datajobs.com)
NameGehalt
Data Analyst – Einstiegslevel$ 50,000 – $70,000;
Data Analyst – Erfahren$65,000 – $110,000
Data Scientist$85,000 – $170,000
Analytics Manager – 1-3 Direct Reports$90,000 – $140,000
Analytics Manager – 4-9 Direct Reports$130,000 – $175,000
Analytics Manager – 10+ Direct Reports;$160,000 – $240,000
Gehalt Data Scientist nach Erfahrung.

Wenn man sieht, dass ein Data Scientist in Amerika ein Gehalt von bis zu 170.000$ hat, ist es nicht verwunderlich, dass in Europa viel Investiert wird. So nutzen viele Tech-Firmen aus Amerika, Deutschland und Europa als attraktiven Entwicklungsstandort. Databricks hat im Oktober 2019 bekanntgegeben, dass Sie mehr als 100Mio. € in Amsterdam in ein Enticklungszentrum investieren.

Fazit Data Science

Data Science ist ein interdisziplinärer Ansatz und die Schnittmenge aus Mathematik, Informatik und branchenspezifischen Fachwissen. Aus diesem Grund sind die Anforderungen an einen Data Scientist hoch. Neben mathematischen und stochastischen Fähigkeiten, braucht ein Data Scientist auch Fähigkeiten in der Softwareentwicklung sowie spezifisches Branchenwissen. Diese Anforderungen macht er herausfordernd, die richtigen Mitarbeiter zu finden.

Die Potentiale von Data Science sind enorm, denn Data Science lässt sich fast in jedem Unternehmensbereich und Branche nutzen, um Optimierungen von Prozessen durchzuführen. Voraussetzung dafür sind die richtigen Daten und Ressourcen.

Wenn Sie Fragen zu dem Thema Data Science haben, dann melden Sie sich bei uns.

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Auch interessant für Sie

Laurenz Wuttke datasolut Gmbh
Ich freue mich, wenn Sie sich zu unserem Newsletter anmelden.

Jetzt zum Newsletter anmelden!

Ihr Mehrwert:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.

KI-im-CRM Kopie

Whitepaper:
Wie künstliche Intelligenz das CRM verändert!

Trage deine E-Mail-Adresse ein, um die KI-Fallstudien zu erhalten: