Es ist bereits ein paar Jahre her, seit der Harvard Business Review den Data Scientist 2012 zum „Sexiest Job of the 21st Century“ gekürt hat. Mittlerweile wissen wir, dass diese Prognose die heutige Realität trifft: Datenwissenschaftler werden in vielen Unternehmen händeringend gesucht, um die vorhandenen Datenberge für die Analyse zu organisieren. Gerade in Zeiten von Industrie 4.0 benötigen Unternehmen, die große Datenmengen produzieren, zunehmend sinnvolle Auswertungen darüber. Denn um Wettbewerbsvorteile gegenüber der Konkurrenz zu erzielen, müssen Unternehmen die richtigen Entscheidungen treffen. Um die richtigen Entscheidungen zu treffen, müssen Unternehmen die richtigen Daten zusammenführen und auswerten. Doch welche Rolle nehmen Datenwissenschaftler im Unternehmen genau ein, was unterscheidet Data Science von Business Intelligence (BI) und warum ist Data Science eigentlich so wichtig für Unternehmen?

Was ist die Aufgabe von Data Scientists im Unternehmen?

Fangen wir bei den Grundlagen an: Data Science – eine Wissenschaft, deren Ursprünge bis in die 60er Jahre zurückreichen – hat mit dem Hype um Schlagworte wie Big Data neuen Ruhm erlangt. Data Science ist ein Teilbereich von BI. Doch liegt der Fokus von Data Science nicht unbedingt auf den Daten selbst, sondern vielmehr auf der Art und Weise, diese Daten zu verarbeiten, aufzubereiten und zu analysieren. Für den Aufbau eines effizienten und modernen Data Warehouses ist Data Science eine strategisch unerlässliche Disziplin. Mit Techniken und Theorien aus Bereichen der Mathematik, Statistik, Machine Learning und Operations Research gewinnen Data Scientists Antworten auf analytische Fragestellungen. Ziel ist es, aus den Unternehmensdaten mathematische Modelle abzuleiten, die sowohl Umsatz- als auch Absatzsteigerungen ermöglichen.

Was unterscheidet Data Science von Business Intelligence?

BI-Systeme ermöglichen es Anwendern, Daten zu erforschen. BI ist also explorativ und führt nicht immer zu der Antwort auf eine bestimmte Frage. Beispielsweise kann man auf einem BI-Dashboard sehen, dass die Maschinenausfälle an einem bestimmten Tag in der Produktion gestiegen sind. Warum dieser Anstieg erfolgt ist, erfährt man im BI-Bericht noch nicht, hier wäre eine weitere Analyse nötig. Data Science hingegen könnte den Grund für die Maschinenausfälle aufzeigen und darüber hinaus noch die Frage beantworten: „Sollten wir X oder Y machen, um effizienter zu werden?“. Data Science geht also noch einen Schritt weiter. Es geht nicht allein darum, den kausalen Zusammenhang zu entdecken, sondern eine Lösung oder eine Gegenmaßnahme zu finden. Am Anfang jedes Data Science Prozesses steht jedoch die Formulierung der konkreten Fragen, die beantwortet werden sollen.

Ein weiterer Unterschied zwischen Data Science und Business Intelligence ist, dass Data Science mit Hilfe von Predictive Analytics bestimmte Unternehmenskennzahlen wie Absätze oder Maschinenwartungen anhand historischer Daten vorhersagt und so zukünftige Entwicklungen interpretiert. BI hingegen befasst sich mit vergangenen und aktuellen Daten. Insofern liefert BI durch detaillierte Berichte, KPIs und Trends eine gute Entscheidungsgrundlage für Unternehmen. BI sagt aber nicht durch beispielsweise Mustererkennung oder Experimente voraus, wie diese Daten in Zukunft aussehen könnten.

Wohin geht der Data Science Trend?

Datenwissenschaftler sind auf dem Jobmarkt gefragt. Laut dem Beratungsunternehmen Gartner werden bis zum Jahr 2020 jedoch mehr als 40 Prozent der datenwissenschaftlichen Aufgaben automatisiert sein. Diese Entwicklung soll zu einer höheren Produktivität und breiteren Nutzung von Daten und Analysen führen. Dabei geht es um monotone und manuelle Aufgaben, die kein tiefgründiges Wissen im Bereich Data Science verlangen, und daher automatisch ausgeführt werden können. Das bedeutet, dass weniger Datenwissenschaftler benötigt werden, um den gleichen Arbeitsaufwand zu bewältigen. Für fortgeschrittene Datenforschungsprojekte ist das Expertenwissen ausgebildeter Datenwissenschaftler jedoch zwingend nötig.

Fazit: Data Science schafft den Mehrwert von Big Data

In Zeiten von steigendem Kosten- und Wettbewerbsdruck ist es wichtig, die richtigen Entscheidungen im Unternehmen schnell und proaktiv zu treffen. Business Intelligence bildet die Basis für brauchbare Daten. Data Science in Verbindung mit Predictive Analytics ermöglicht es Unternehmen dann, detaillierte Einblicke in ihre Daten zu gewinnen und Zukunftsprognosen zu erstellen. In einer Welt mit steigenden Datenfluten gewinnt die Datenanalyse in vielen Unternehmen an Bedeutung. Der Data Scientist entwickelt sich dadurch zunehmend zum Helden der Gegenwart, da er diese Datenfluten zielgerichtet sowie strukturiert organisiert und auswertet - langjährige Geschäftsprobleme werden so gelöst, ineffiziente Prozesse identifiziert sowie Chancen und Risiken im Unternehmen frühzeitig erkannt. Indem er Mehrwert aus Daten schafft, treibt der Data Scientist auch die Digitalisierung in Unternehmen voran. Sein Job ist und bleibt also weiterhin sehr attraktiv.

Wie sehen Sie die Rolle des Data Scientists im Unternehmen? Welche Vorteile sehen Sie im Einsatz der Datenwissenschaftler?