Datenanalyse-Tools 16.11.2018, 09:30 Uhr

Data Science für Nicht-Programmierer

Selfservice-Plattformen sollen selbst anspruchsvolle Big-Data-Analysen bewältigen. Damit steht Data Science auch Unternehmen ohne eigenen Datenwissenschaftlern zur Verfügung.
(Quelle: Khakimullin Aleksandr / Shutterstock.com)
Data Science – was ist das überhaupt? Der amerikanische Psychologe und Verhaltensökonom Dan Ariely hat einen drastischen Vergleich für den in Mode gekommenen Umgang mit riesigen Datensammlungen gefunden: Big Data sei «wie Teenager-Sex – alle reden drüber, keiner weiss wirklich wie’s geht, aber weil alle denken, die anderen täten es bereits, behauptet jeder, es auch zu tun».
RapidMiner Studio: In der visuellen Design-Umgebung lassen sich vollständige prädiktive Analyse-Workflows per Drag and Drop zusammenstellen
(Quelle: RapidMiner)
Tatsächlich bezeichnet der Begriff Data Science ein interdisziplinäres Arbeitsfeld, das Methoden aus der Statistik, Informatik, Datenverwaltung, Archivierung, Programmierung und verwandten Gebieten nutzt, um in sehr grossen Datenbeständen sinnvolle Informationen zu erkennen, sie zu isolieren, zu analysieren und daraus Handlungsempfehlungen für Unternehmensleitung und Management abzuleiten.
Die zugehörige Berufsbezeichnung lautet Data Scientist, im Deutschen auch Datenwissenschaftler. Dieser Spezialist sollte neben Branchenwissen über Kenntnisse in statistischen Programmiersprachen zum Aufbau von Datenverarbeitungssystemen, Datenbanken und Visualisierungswerkzeugen verfügen. Denn seine Aufgabe ist es, sowohl verwertbare Ergebnisse aus dem zur Verfügung stehenden, oft unstrukturierten Datenmaterial zu extrahieren, als auch die gewonnenen Einsichten für alle Unternehmensebenen verständlich aufzubereiten und zu präsentieren.

Der Weg zur Data Science

Dem Data Scientist helfen Abfrage- und Analyse-Tools, angeführt von diversen Programmiersprachen, die, wie etwa die Open-Source-Sprache R, besonders für statistische Aufgaben und die Ausgabe von Grafiken geeignet sind. Entsprechend sind Codierkenntnisse sowie der Umgang mit Programmier- und Abfragesprachen wie Python, R, C/C++ oder SQL eigentlich ein integraler Bestandteil der Datenwissenschaft. Wer Programmierlogik, Schleifen und Funktionen versteht, hat deutlich höhere Chancen, erfolgreich eine Karriere als Datenwissenschaftler zu durchlaufen.
Der Weg zu einem der begehrten und meist hoch dotierten Jobs in diesem Aufgabenfeld führt in den meisten Fällen über die Universität. Mehrere Hochschulen im deutschsprachigen Raum, etwa München, Stuttgart, Mannheim, Marburg und Darmstadt, bieten gegenwärtig Bachelor- oder Masterstudiengänge im Fach Data Science an. Weitere kommen ständig hinzu. Daneben gibt es aber auch spezialisierte Weiterbildungsangebote sowie berufsbegleitende Studiengänge, die engagierte Datengräber ans Ziel führen.
Auf dem Höhepunkt der digitalen Transformation und dem damit verbundenen Boom der Datenanalyse ist die Nachfrage vonseiten der Unternehmen dennoch höher als das Angebot an ausgebildeten Datenwissenschaftlern. Gleichzeitig sind auch viele Beschäftigte daran interessiert, diese Richtung einzuschlagen, obwohl sie sich mit Codierung nie zuvor beschäftigt haben. Das wirft die Frage auf: Wie stehen die Chancen für Nicht-Programmierer, als Data Scientist erfolgreich tätig zu werden?

Charles Glimm
Autor(in) Charles Glimm


Das könnte Sie auch interessieren