Nach: Sylvia Palden-Lukan, MSc, MBA
Gibt man Data Scientist bei Google ein, poppen rund 162 Millionen Suchergebnisse auf – allen voran Job- und Ausbildungsangebote. Es scheint, als befände sich aktuell einfach jedes Unternehmen auf der Suche nach diesen extrem begehrten Einhörnern.
Gründe: Aktuellen Prognosen zufolge sollen allein bis 2020 mehr als 50 Milliarden Sensoren, sprich drei Mal so viel wie heute, und rund 20,4 Milliarden IoT-Geräte im Einsatz sein. Und bis 2025 soll die globale Datenmenge auf 163 Zettabyte wachsen. So sind die zahlreichen Stellenangebote wohl auch ein Beleg dafür, dass viele Unternehmen bereits begriffen haben, was mit „Daten sind das Öl des 21. Jahrhunderts“ gemeint ist – und auch die Fülle an Möglichkeiten erahnen, neue Geschäftsideen,-modelle und Produkte zu entwickeln, um sich Wettbewerbsvorteile zu sichern. Hinzu kommen Kostenersparnis und Effizienzsteigerung.
Irgendwas mit Daten?
Das Analysieren großer Datenmengen ist längst nicht mehr nur für Forscher und Marketer von Interesse. In jeder Branche, jedem Lebensbereich setzt sich die digitale Transformation unaufhaltsam fort, werden hohe Datenvolumina erzeugt, steigt demzufolge die Nachfrage nach Spezialisten rapide an, die den Überblick im Datendschungel bewahren können. Laut Beratungsunternehmen McKinsey gibt es aktuell weltweit 150.000 offene Stellen für diesen Beruf.
Grundsätzlich ist die Auswertung von Daten nichts Neues, das tun Statistiker, Analysten und Wissenschaftler seit jeher. Aus diesem Grund ist ein Mathematik-, Statistik- oder Informatikstudium in den meisten Fällen auch die erste Voraussetzung für diesen Beruf. Der Unterschied zu einem echten Data Scientist besteht aber erstens darin, dass dieser einer ungleich höheren Masse an verschiedenen Daten aus höchst unterschiedlichen Quellen gegenübersteht, die kontinuierlich wächst. Zweitens haben Datenwissenschaftler auch zahlreiche andere Skills zu beherrschen: dazu gehören etwa Kommunikationsstärke, analytische Fähigkeiten und Kreativität. So reicht es nicht, „im stillen Kämmerlein“ als One-Man-Show eigenbrötlerisch mit Zahlen arbeiten zu können. Vielmehr muss ein Data Scientist drittens auch in der Lage sein, die Erkenntnisse seiner Analyse ins Business zu integrieren und benötigt daher auch Management-Skills, betriebswirtschaftliche sowie Programmier-Kenntnisse; hinzu kommen fundiertes Wissen über Produkt, Unternehmen und Branche.
Data-Dream-Team
Nicht zuletzt hängt „sein“ Erfolg wiederum davon ab, ob das richtige Werkzeug zur Verfügung steht. Denn ohne hochverfügbare, leistungsstarke und sichere Rechenzentren wird auch ein Data Scientist der schieren Masse an Daten nicht Herr. Als führender europäischer Anbieter von Cloud- und Carrier-neutralen Rechenzentrumsdienstleistungen für Colocation und als Betreiber von insgesamt 50 Rechenzentren in 13 europäischen Städten in elf Ländern ist Interxion bestens aufgestellt, um Unternehmen und ihre Datenwissenschaftler dabei zu unterstützen, den maximalen Mehrwert aus ihren Daten zu ziehen.
