In fast jedem Vortrag zum Thema Analytics geht es irgendwann auch um Talentsuche und den vielbeschworenen Fachkräftemangel. Diskutiert wurden eben diese Herausforderungen auch beim CI Connection Circle von SAS in Nizza. Welche Maßnahmen Unternehmen ergreifen sollten, um begabte Datenspezialisten anzuziehen und nachhaltig an sich zu binden, war bereits in diesem Blog zu lesen.
Die logische nächste Frage ist: Was macht einen solchen versierten „Datenjongleur“ aus? Seit der Bezeichnung des Data Scientist als „sexiest Job of the 21st Century” im Jahr 2012 wird dieser Begriff über so ziemlich jede Jobbeschreibung „drübergestülpt“, die was mit Daten zu tun hat. Das greift jedoch zu kurz.
In Gesprächen mit Kunden haben sich folgende Rollenprofile herauskristallisiert:
Data Analyst: arbeiten oft mit Datenbanken; die Bandbreite reicht vom SQL-Programmierer bis hin zu einem mehr auf Geschäftsthemen ausgerichteten Mitarbeiter in Führungsposition.
Data Steward: kennt sich insbesondere mit Data Engineering und Datenstrukturen aus. Er arbeitet oft in der IT, ist aber in die Fachabteilung, Data Science oder Analytics integriert.
Information Steward: vergleichbar mit dem Data Steward, ist aber mehr auf Geschäftsthemen fokussiert.
Data Scientist: Hier ist er also – der prominenteste Vertreter der Spezies Datenspezialist. Definitionen sind recht unscharf. Manch einer mag sich bewusst mit dem bereits erwähnten Sex-Appeal dieses Titels schmücken, um seinen Marktwert zu verbessern. Wenn dann aber fachliche Fähigkeiten im Statistikbereich gefordert sind, zeigt es sich: nicht immer zu Recht.
Data Democratizer: bildet die Brücke zwischen Business, IT und Daten. Er erfüllt eine wichtige Rolle – nämlich die des Vermittlers, der in Geschäftsprozesse involviert ist, Daten versteht und seine Erkenntnisse auch weniger technikversierten Kollegen oder dem Chef zu erklären.
Data Strategist: beschäftigt sich mit neuen Datenquellen und Geschäftsherausforderungen, um das Maximum aus Daten zu holen. Er hat die Aufgabe, neue Ideen und Use Cases anzustoßen.
Interdisziplinärer Schulterschluss
Der entscheidende Punkt ist wohl der Schulterschluss zwischen den verschiedenen Unternehmensbereichen. Es werden Mitarbeiter gebraucht, die übergreifend denken. Die Abteilungen müssen als Sparringspartner zusammenarbeiten: Im Rahmen einer „Thought Partnership“ sollten spannende Businessfragen formuliert werden, die für den Analysten in analytische Fragen übersetzt werden – sodass er aus den Daten eine entsprechende Antwort generieren kann. Und diese Partnerschaft funktioniert in beide Richtungen: Ebenso wie die Fachabteilung zum Data Science-Team, so können die Analytiker auf ihre Fachkollegen zugehen, wenn sie ein Problem identifiziert haben.
Das Über-den-Tellerrand-schauen gilt auch für die Karriereentwicklung. Ein Fachexperte kann seine Fähigkeiten in Richtung Data Scientist weiterentwickeln. Heißt: Die Karriere geht nicht zwangsläufig in die Vertikale (Managerpositionen sind im Unternehmen ja begrenzt), sondern ebenso attraktiv kann der horizontale Ausbau der Fähigkeiten sein – wenn er entsprechend honoriert und anerkannt wird. Grundsätzlich sollten bei Aus- und Weiterbildung sämtliche Fähigkeiten berücksichtigt werden: Hard, Soft und Business Skills. Eine Option dafür ist die Rotation im Unternehmen und das Lernen von Kollegen aus den verschiedenen Abteilungen. Ein solcher interdisziplinärer Absatz kann dabei helfen, Analysten heranzuziehen, die als Data Democratizer fungieren – und damit die Kluft zwischen datenanalytischem Wissen und Geschäftsverständnis überbrücken.
Weitere Tipps zur Ausbildung des Data-Science-Teams gibt es hier. Oder auch spannend zu erfahren: Your guide to bridging the analytics skills gap.
