Datenanalysten sind rar
Für ein erfolgreiches Big-Data-Management sind Spezialisten nötig. Diese Experten wie Data Scientists erwartet ein facettenreicher Aufgabenbereich.
Foto: panthermedia.net/Lev Dolgachov
Daten sind die wichtigsten Rohstoffe des 21. Jahrhunderts. Die Analyse und Aufbereitung großer Datenmengen sind Voraussetzung für die digitale Transformation und Industrie 4.0. In vielen deutschen Unternehmen fehlt es jedoch an Know-how für ein erfolgreiches Big-Data-Management. Diese Lücke schließen Experten wie Data Scientists. Diese Datenanalysten extrahieren Daten aus unterschiedlichen und zahlreichen Quellen. Mithilfe von Algorithmen analysieren sie das Geflecht aus Daten. Wo andere den Durchblick verlieren, sehen Data Scientists Ordnung und Struktur. Sie sind nicht nur Tech-Experten, sondern gewinnen vor allem Bedeutung als Manager: Der Datenanalyst steuert Datenprojekte und nutzt die Analyseergebnisse, um Umsatz und Erfolg seines Unternehmens zu steigern.
Die beruflichen Chancen für Data Scientists sind ausgezeichnet: sehr gute Verdienstmöglichkeiten (die Einstiegsgehälter liegen selten unter 45 000 €), ein vielfältiger, facettenreicher Aufgabenbereich und vor allem ein großes Zukunftspotenzial. Experten sind sich einig: Künftig wird kaum ein Unternehmen mehr auf die Dienste von Data Scientists verzichten können, denn Big Data und Datenanalysen sind nicht mehr nur „nice to have“, sondern entscheidend für den Geschäftserfolg und die Konkurrenzfähigkeit.
„Allerdings kämpfen viele Unternehmen noch mit Schwierigkeiten bei der Umsetzung der Datenanalyse – vor allem in der Industrie“, sagt Alexander Thamm, CEO der gleichnamigen Data-Science-Beratung und Mitglied der Digital Analytics Association e. V. Deren Arbeitsgruppe „Industrial Analytics“ hat in einer Studie Manager unter anderem zur Umsetzung von Big Data in ihrem Unternehmen befragt. Dabei zeigte sich, dass sich die Mehrzahl der Befragten beim Generieren von Daten aus unterschiedlichen Quellen gut aufgestellt sieht. Allerdings sind nur wenige der Meinung, die Datenmassen so analysieren zu können, dass wichtige Erkenntnisse zutage treten.
Banken, Unternehmensberater und Produktionsunternehmen suchen daher genauso wie Handel, Versicherungen oder Verwaltungen verstärkt Experten, die auf die Analyse großer Datenmengen spezialisiert sind. Die Marktforschungs- und Beratungsunternehmen Gartner wie auch McKinsey gehen davon aus, dass die Nachfrage nach Data Scientists auf dem Arbeitsmarkt bereits in diesem Jahr 60 % größer sein wird als das Angebot. IDC prognostiziert, dass die Anzahl an benötigten Data Scientists bis 2018 auf etwas mehr als 1 Mio. weltweit anwachsen wird.
An vielen Orten in Deutschland, der Schweiz und Österreich entstehen daher (Aufbau-)Studiengänge und Weiterbildungsmöglichkeiten für Data Scientists. Immer mehr Hochschulen und Anbieter von Weiterbildungsprogrammen haben den wachsenden Markt für sich entdeckt, auch erste Firmen bieten Traineeprogramme für Data Science an, beispielsweise die Thamm GmbH in München.
In Deutschland wird Data Science vor allem als Aufbaustudium nach einem Bachelor zum Beispiel in Mathematik oder Informatik angeboten. München war 2015 eine der ersten Universitäten, die einen Master in Data Science angeboten haben, inzwischen gibt es Masterprogramme für Data Scientists auch in Berlin, Heidelberg, Albstadt-Sigmaringen in Kooperation mit der Universität Mannheim und Tübingen sowie in Darmstadt. Die berufsbegleitende Ausbildung zum Data Scientist an der Steinbeis-Hochschule Berlin in Kooperation mit dem Institut für Organisation & Management (IOM) setzt sich aus fünf Modulen zusammen, in denen den Teilnehmern die Grundlagen für ihre zukünftigen Aufgaben vermittelt werden. Die Weiterbildung orientiert sich inhaltlich an einem typischen Zyklus von Data-Science-Projekten – angefangen vom professionellen Datenmanagement bis hin zum Erstellen prädiktiver Analysen und der Beratung beim Umsetzen der Ergebnisse in die Praxis. Dabei vermittelt die Ausbildung neben technischem Know-how auch die erforderlichen Kenntnisse zum Management von Data-Prozessen im Rahmen des Projektzyklus. Studierende schließen mit einem „Master of Science“ ab.
Auch die Universität Hildesheim bildet seit dem Wintersemester 2016/17 Informatiker zu Experten für Data Science aus. Das Interesse an dem ersten vollständig englischsprachigen Studienangebot in Hildesheim ist enorm: „Wir haben ein weltweites Einzugsgebiet“, freut sich Professor Lars Schmidt-Thieme. Die erste Generation der Studierenden kommt aus Indien, Pakistan, Simbabwe, Nigeria, Brasilien, Iran und Deutschland. Über 400 Bewerbungen erreichten die Universität bereits für das Sommersemester 2017. „Data Analytics ist derzeit einer der interessantesten Bereiche in der Informatik und findet zunehmend Anwendung in der Industrie. Diese Technologie wird vermutlich die nächsten 50 Jahre bestimmen. Die Studentinnen und Studenten werden exzellente Chancen auf dem Arbeitsmarkt haben“, ist Schmidt-Thieme überzeugt.
Bis die ersten Data Scientists aus den neuen Studiengängen für Firmen verfügbar sind, müssen sich die Unternehmen allerdings noch anderweitig behelfen. „Neue Mitarbeiter für unser Team suchen wir zurzeit überwiegend unter den Absolventen klassischer Studiengänge wie der Betriebswirtschaft, der IT oder der Ingenieurwissenschaften“, sagt Stephan Thiel, Leiter des Analytics- und Big-Data-Teams bei der Beratungsgesellschaft Boston Consulting Group (BCG). Wichtig für den Erfolg einer Bewerbung sei, dass die Kandidaten Spaß daran haben, Probleme mit Daten zu lösen. „Zusätzlich müssen sie natürlich auch solide Grundlagen in Statistik und Mathematik sowie Informatik mitbringen“, so der BCG-Teamleiter. Darüber hinaus sollten die Bewerber je nach Einsatz der Datenanalyse entweder betriebswirtschaftliche oder produktionstechnische Zusammenhänge verstehen können, um Ergebnisse von Analysen zu interpretieren und die datengenerierenden Prozesse nachzuvollziehen.
Data Scientists müssten jedoch nicht nur gut mit großen Datenmengen umgehen können. „Es ist auch der Mut gefragt, Problemstellungen zu hinterfragen: Was soll überhaupt erreicht werden und warum?“, sagt Datenexperte Thamm. Auf der Suche nach der Lösung für sehr knifflige Probleme agiere der Data Scientist fast wie eine Art Spitzendetektiv. Um hier erfolgreich zu sein, sei eine hohe Problemlösungskompetenz erforderlich, so Thamm. Darüber hinaus müsse ein Datenanalyst gut kommunizieren können. „Denn egal, ob die Datenanalysten intern oder extern angestellt sind: Sie müssen in der Lage sein, Daten und Analyseergebnisse visuell aufzubereiten und komplexe Sachverhalte und Modelle so verständlich zu kommunizieren, dass Management, Anwender sowie Kunde dem Ergebnis vertrauen und die Kundenperspektive und Vision auf dem Weg durch den Datendschungel nicht verloren geht“, unterstreicht der Chef der Data-Science-Beratung. Denn am Ende gehe es darum, die Geschichte zu erzählen, die in diesen Daten stecke, und diese für jede Zielgruppe passend und relevant zu verpacken.
