Die Data Science und die Nachfrage nach entsprechenden Experten hat gewaltig Fahrt aufgenommen. Aber bei näherer Betrachtung zeigt sich, dass es fast ebenso viele unterschiedliche Ausprägungen des Begriffs gibt, wie offene Stellen zu besetzen sind. Das zeigt unter anderem der Persönlichkeitstest, den wir gemeinsam mit einem englischen Psychologenteam entwickelt haben.
Wir laden daher dazu ein, sich im Rahmen einer Blogparade über den Begriff "Data Scientist"auszutauschen. Das Thema für die Blogparade lautet ganz konkret: Was zeichnet einen guten Data Scientist aus, wie kann man einer werden und kennen Sie einen?
Eingeladen mitzuschreiben ist jeder, der ein Interesse an dem Thema und einen Blog hat oder bereit ist, einen Beitrag in einer passenden Xing- oder LinkedIN-Gruppe zu schreiben. Wie läuft das Ganze ab: Sie schreiben einen Beitrag, verlinken auf diesen Blogbeitrag, senden uns eine kurze Information darüber, z.B. als Kommentar unter diesem Beitrag, und einer meiner Kollegen wird dann alle Beiträge am Ende des Tages zusammenführen und gegenüberstellen.
Inhaltlich geht es einfach um Ihre Perspektive:
- Wie bewerten Sie den Begriff und wann ist ein/e Data Scientist denn aus Ihrer Sicht gut?
- Welches Wissen, welche Fähigkeiten und Eigenschaften sollten er oder sie mitbringen?
- Wen kennen Sie, der eigentlich ein idealer Data Scientist ist?
Wir wollen natürlich auch mit gutem Beispiel voran gehen und haben daher nachfolgend mal ein paar Gedanken formuliert, die vielleicht auch eine Anregung für Ihre Ausführungen sein können.
Der Blick in die Glaskugel sagt: voll im Zeitgeist!
Die IT-Messe Cebit und ihr Leitthema: Vor zwei Jahren war es shareconomy, vergangenes Jahr ging es um datability und 2015 um dconomy, also eine datengetriebene Wirtschaft und datengetriebene Unternehmen. Immer wieder das gleiche Thema in einem neuen Gewand. Meine persönliche Meinung dazu: Es gibt keine Dconomy, datability oder shareconomy, aber auch keine digitale Transformation oder disruptiven Technologien ohne die Menschen, die mit Daten umgehen können.
Dazu sehe ich zwei Trends:
- Es braucht einen breiteren Zugang zu Analytics. Es gibt einen steigenden Bedarf an Tools, die den Verantwortlichen in Fachabteilungen (Marketing, Controlling, ...) ohne analytische Wissen auch Zugang zu analytisch fundierten Entscheidungen ermöglichen.
- Weiterhin sind Spezialisten gefragt. Zum anderen braucht es neben dem "Zugang für die Massen" eben einen Data Scientist, also einen Kollegen oder eine Kollegin, der/die weiterhin komplexere Auswertungen macht, vorausschauende Forecasting-Modelle entwickelt und diese immer auch stark orientiert am Business ausrichtet.
Dazu braucht es Know-how: Wir glauben, dass neben dem methodischen Wissen (z.B. Statistik) auch IT-Know-how und strategisches Hintergrundwissen über den eigenen Bereich oder die eigene Branche gefragt sind. Dabei ist Glaube tatsächlich das relevante Schlagwort: Nicht wenige Experten reagieren ablehnend, wenn sie nur allein den Begriff „Data Science“ hören. Für sie ist die Frage nach der Relevanz von Data Science eine Glaubensfrage. Aber auch die laden wir ganz herzlich ein, sich an der Blogparade zu beteiligen. Denn es interessiert, was Sie glauben oder wissen! Bitte Ihren Beitrag bis zum 20. März auf Ihrer Website, in Ihrem Blog oder einer thematisch relevanten Xing-Gruppe posten und kurze Info, z.B. als Kommentar unter diesem Beitrag, direkt an uns.
Persönlichkeitstest – jetzt mitmachen!
Diese Blogparade erfolgt wie eingangs geschrieben in Anlehnung an einen Persönlichkeitstest für Data Scientisten. Die Ergebnisse in UK waren spannend*: So wurde unter anderem ein Stresslevel ermittelt, dass bei diesem Beruf deutlich höher ist als erwartet wurde. Aber mehr dazu: Einfach unter http://www.sas.de/ds den Persönlichkeitstest mitmachen, ein wenig mehr über sich selbst erfahren und so eventuell auch gute Tipps für die eigene Karriereentwicklung ableiten.
* Die Daten der Auswertung gehen übrigens nicht an SAS! Weder in UK noch hier in D-A-CH. Wir arbeiten hier mit einem Psychologen zusammen, der die Daten individuell für Sie auswertet und SAS nur die aggregierten Daten am Ende der Studie zur Verfügung stellt.
16 Comments
Hallo Stefan,
vielen Dank für deinen Beitrag als Einstieg zur SAS Blogparade. Wir freuen uns über zahlreiche Beiträge und Kommentare.
viele Grüße, Anita Lakhotia
Pingback: Der „Data Scientist“ – Glamour- oder Knochen-Job?
Mein Post zu diesem Thema bei Silicon.de:
"Data Science fängt mit “Data” an…"
http://www.silicon.de/blog/data-science-faengt-mit-data-an/
Cheers,
Guido
Carlo Velten ist seit über 15 Jahren IT-Analyst und berät Unternehmen in Marketing- und Strategiefragen. Das Thema „Data Scientist“ hat er im Rahmen der SAS Blogparade unter die Lupe genommen.
Hier geht es zu seinem Blog-Post auf crisp-research.com http://www.crisp-research.com/der-data-scientist-glamour-oder-knochen-job/
Herr Velten stellt am Beispiel von DJ Patil, dem neuen Chief Data Scientist der USA, die Frage, ob die neuen Datenexperten nun die glamourösen Rockstars der Branche sind oder nur arme Teufel mit einem Knochenjob.
Die Aufgabe in die eine oder andere Richtung zu lenken, liegt sicher bei Vordenkern wie DJ Patil selbst. Denn bei aller Unsicherheit in Bezug auf die Nutzung der datengetriebenen Services, gibt es auch viel Spielraum für Neues. Ob die Balance zwischen Nutzen und Vertrauen gelingt, ist sicher der ausschlaggebende Faktor für den langfristigen Erfolg.
Hier geht es zum Blog-Post von Guido Oswald, Sr. Solutions Architect bei SAS. Er schreibt auf silicon.de zum Thema „Data Science fängt mit ‚Data‘ an …“. Hier geht es zu seinem Post: http://www.silicon.de/blog/data-science-faengt-mit-data-an/
Herr Oswald stellt in seinem Beitrag die Daten an sich in den Mittelpunkt und befasst sich technisch mit dem Thema Datenaufbereitung.
Ob Big Data oder Small Data – für jeden Data Scientist stehen am Anfang erst einmal die Daten, welche in eine Form und eine Qualität gebracht werden müssen in der sie sich weiter verarbeiten lassen. Dabei ist es egal ob das Ziel ausgefeilte analytische Methoden oder einfach nur hübsche Visualisierungen sind. Das Motto “Garbage in – Garbage out” gilt nach wie vor, so Guido Oswald.
Pingback: „Data Scientists – Der Hype um die Allrounder und die Realität“ | Reporting-Blog
Hallo Stefan,
heute haben wir die Ankündigung für unseren 3-teiligen Beitrag „Data Scientists – Der Hype um die Allrounder und die Realität“ auf unserem Blog http://www.reporting-blog.com veröffentlicht.
Parallel zur CeBIT werden drei Teile veröffentlicht. Der erste erscheint am Montag, 16.03., der zweite am Mittwoch, 18.03. und der letzte am Freitag, 20.03.
so long Kai
Hallo Kai,
vielen Dank für eure Beträge zur Blogparade. Wir sind schon sehr gespannt, was der Austausch zwischen Dr. Clemens von Bismarck-Osten und Andreas Wiener hervorgebracht hat.
viele Grüße, Anita
Vielen Dank für die tolle Initiative! Hier ist mein Beitrag zur Blogparade: http://www.kpiblog.ch/blog/data-science-beitrag-zur-blogparade-von-sas
Hallo Herr Hess,
vielen Dank für Ihren Beitrag zur Blogparade. Die These "Ein guter Data Scientist versteht den Kontext" wird vielleicht noch von anderen Bloggern aufgenommen.
viele Grüße, Anita Lakhotia
Heute, frisch vom reporting blog: der erste Teil der Blog-Reihe zum Data Scientist. http://reporting-blog.com/2015/03/16/die-rolle-wer-ist-dieser-data-scientist-teil-1-von-3/comment-page-1/#comment-4
Treffend formuliert: der Data Scientist kann nicht die eierlegende Wollmilchsau sein.
vielen Dank für den Beitrag und viel Spaß beim Lesen.
Anita Lakhotia
Pingback: Die Rolle: Wer ist dieser Data Scientist? (Teil 1 von 3) | Reporting-Blog
Auch wir analysieren was ein "Data Scientist" wohl alles können muss - zum einen von der Defintion von Big Data kommend, zum anderen von den Zielen die zu erreichen sind.
Am Ende steht dann die Frage: Ist "Data Scientist" überhaupt der richtige Begriff oder klingt das nicht zu puristisch nach Daten+Wissenschaft?
http://www.datenbutler.de/data-scientist-der-problemloeser-fuer-big-data/
Hallo Datenbutler,
vielen Dank für euren Beitrag zur SAS Blogparade! Ein sehr interessanter Ansatz wird thematisiert. Ist Data Scientist eine Person, die die eierlegende Wollmilchsau ist (siehe Blogbeitrag von reporting-blog. Oder muss doch ein Team von Experten gebildet werden, die die verschiedenen Aspekte der Data Science abdecken können.
Hier gehts zum Blogbeitrag von Datenbutler: http://www.datenbutler.de/data-scientist-der-problemloeser-fuer-big-data/
viel Spaß beim Lesen.
Hallo Anita,
heute geht es weiter mit dem 2. Teil unserer Blog-Serie. Dabei gehen wir der Frage nach "Main Tasks – Was muss der Data Scientist können?"
Hier ist der Link zum Blog: http://reporting-blog.com/
Viel Spaß beim Lesen und Kommentieren!
Kai
Hallo Kai,
vielen Dank für den 2. Beitrag zum Thema. Super, die Fortführung mit der Frage: Was muss ein Data Scientist eigentlich alles können?
Hier gehts zum Blogbeitrag http://reporting-blog.com/2015/03/18/main-tasks-was-muss-der-data-scientist-konnen-teil-2-von-3/