Data Science und die Aufgabengebiete des Data Scientist gewinnen im Zuge der Digitalisierung zunehmend an Bedeutung. Das Aufgabengebiet dieser Datenwissenschaftler umfasst zum Beispiel die Implementierung von Werkzeugen und Verfahren zur Datenanalyse, die IT-Architektur wird meist in Zusammenarbeit mit IT-Spezialisten aufgebaut. Nicht selten übernimmt der Data Scientist jedoch auch Teile des Datenbankmanagements und der Datenmodellierung. Der Schwerpunkt liegt allerdings auf der wissenschaftlichen Analyse der vorliegenden Daten und der Ableitung von wirtschaftlichen Erkenntnissen. Auf Basis dieser Informationen werden neue geschäftsrelevante Erkenntnisse gewonnen, die eine strategische Relevanz haben. Diese Informationen bilden ebenso die Basis für eine Vielzahl von Entscheidungen.

Das Profil und die Kompetenzen des Data Scientist

Die Stelle des Data Scientist existiert in Unternehmen, die mit großen Mengen von Daten arbeiten. Dies hängt entweder mit dem Geschäftsmodell oder mit der internen Datensammlung und Analyse, die über alle Branchen an Bedeutung gewinnen, zusammen. In diesem Fall nimmt der Data Scientist die Rolle eines Vermittlers ein, da der meist übergreifend über die Abteilungen und Ebenen des Unternehmens tätig ist. Der Data Scientist muss Kompetenzen aus den Bereichen Mathematik, Statistik und Informatik sowie soziale Kompetenzen vereinen. Günstig ist es, wenn man das Profil wird durch betriebswirtschaftliches Fachwissen und Branchenkenntnis vervollständigt. In den letzten Jahren besetzten die Stelle vor allem Quereinsteiger aus den naturwissenschaftlichen Bereichen. Größere Unternehmen förderten dies, indem sie Mitarbeiter durch Weiterbildungen auf dieses Gebiet qualifizierten und spezialisierten. Doch die Verfügbarkeit von entsprechenden Studiengängen wächst, sodass das Angebot an spezialisierten Absolventen steigen wird.

Was sind die Funktionen des Data Scientist im Unternehmen?

Data Science und Aufgabengebiete des Data Scientist – Mithilfe wissenschaftlicher Methoden wertet der Data Scientist die vorliegenden Daten aus. Durch die Anwendung von zum Beispiel Algorithmen, Analysetools oder künstlicher Intelligenz extrahiert er die Daten, verknüpft unterschiedliche Datenquellen, verarbeitet die Datenstrukturen und erkennt Muster und Auffälligkeiten. Da der Data Scientist einen optimalen Zugang zu Prozessdaten hat, kann er den Fokus seiner Analysen und Bereichten auf die KPI’s, also die Key Performance Indikatoren legen. Auf dieser Basis erstellt der Data Scientist aufbereitete Berichte mit Auswertungen und Einsichten. In der Folge leitet er Vorschläge für Maßnahmen und Entscheidungen ab, um diese mit den Entscheidungsträgern zu diskutieren. So wird die Analyse und Optimierung von beispielsweise Kundenverhalten, Fertigungsabläufen, Prozessen und Produkten möglich. Die Einsatzgebiete sind jedoch branchenspezifisch unterschiedlich. Eine hohe Relevanz haben datenbasierte Analysen. Diese Analysen hängen stark vom Geschäftsmodell ab. Jedoch haben die Mehrzahl der Unternehmen aktuell vor allem in den Bereichen Versicherungen, Logistik, Online-Marketing, Produktion und Finanzierung einen hohen Analysebedarf.

Häufig gibt es vorab Fragestellungen, für deren Beantwortung gezielt intern und extern Daten gesammelt werden. Der Data Scientist soll diese mithilfe von Data Mining gezielt beantworten. Es kann jedoch auch das Ziel sein, ohne vorherige Hypothesen neue Muster und Zusammenhänge zu entdecken. Neben der Analyse der Ist-Daten entwickelt der Data Scientist die Daten weiter und erstellt mithilfe wissenschaftlicher Verfahren Fortschreibungen, Prognosen und Szenarien. Es ist darüber hinaus die Aufgabe des Data Scientist oder Data Analyst, die gewonnenen Erkenntnisse zu visualisieren, zu präsentieren und zu diskutieren.

Abgrenzung zum Controller

Das Controlling und die Aufgaben des Controllers überschneiden sich mit denen der Data Scientists. Besonders im Bereich des Reportings übernimmt der Data Scientist zunehmend die Aufgaben des Controllings durch ein datenbasiertes und oft automatisiertes Berichtswesen. Die Tätigkeiten der Beratung und Entscheidungsfindung gemeinsam mit dem Management sind beiden Bereichen ebenso gemeinsam. Der Controller ist jedoch stärker betriebswirtschaftlich ausgerichtet. Die Spezialisierung des Data Scientist liegt im wissenschaftlichen und technischen Bereich, die Überschneidung mit der IT-Abteilung ist größer.