Was macht den Beruf des Data Scientists heute so wertvoll?

Früher konnte die Datenmenge und -heterogenität, die von einem durchschnittlichen Produktionsbetrieb erzeugt wurde, mühelos mithilfe einer Standard-Datenverarbeitungssoftware bewältigt werden. Im Zuge des technologischen Fortschritts erkannten Produktionsleiter jedoch den Bedarf nach Experten, die Muster aus den enormen, unstrukturierten Datenmengen, die ihnen plötzlich zur Verfügung standen, ableiten und sie zur Lösung tatsächlich bestehender oder potentieller Probleme verwenden konnten. Wir präsentieren – den Data Scientist.

Big Data interpretieren

Die Berufsbezeichnung Data Scientist gibt es zwar erst seit zehn Jahren. Doch inzwischen sind bereits tausende Data Scientists sowohl in technisch-orientierten Start-Ups als auch in Großunternehmen beschäftigt. Der aktuelle Bedarf an diesem Berufsbild übersteigt die Anzahl derer, die auf dem Arbeitsmarkt zur Verfügung stehen. Da es darüber hinaus nur begrenzte akademische Ausbildungswege für diesen Beruf gibt, kann das Anwerben, Einstellen und Halten von Data Scientists eine echte Herausforderung für Unternehmen sein.

Wo können wir angesichts fehlender berufsvorbereitender Ausbildungen auf diesem Gebiet unsere zukünftigen Data Scientists finden? Statistiker, Mathematiker und Informatiker sind ideale Kandidaten für diesen Beruf. Denn Data Science ist ein interdisziplinäres Fachgebiet, auf dem Methoden aus der Statistik, Analytik und dem maschinellen Lernen oft in Verbindung angewandt werden. Data Scientists müssen über fundierte Daten- und Computererfahrungen und ein überdurchschnittliches assoziatives Denkvermögen verfügen. Eine ausgezeichnete Kommunikationskompetenz sowie die Fähigkeit, Ergebnisse der eigenen Forschung klar und verständlich zu präsentieren, vervollständigen ihr Profil.

Data Scientists auf dem Gebiet der Predictive Maintenance und Automation

Wenngleich bei Predictive Maintenance mit Sensoren begonnen wird, Daten zum Status von Maschinen zu erheben, wird durch Data Scientists erst ermöglicht, diese Daten so aufzubereiten, dass sie von anderen Mitarbeitern interpretiert werden können – in diesem Fall von einem Betriebsingenieur.

Data Scientists können dazu beitragen, Muster während der maschinellen Produktion zu entdecken, um im Voraus sagen zu können, wann es zu einem Maschinenausfall kommen könnte. Wenn beispielsweise ein Motor langsam immer ineffizienter wird, ist es wahrscheinlich, dass ein Problem besteht. Solche Einblicke ermöglichen es einem Betriebsingenieur, Predictive Maintenance zu implementieren und Maschinen sowie Systeme zu reparieren, bevor es zu einem Totalausfall kommt.

In solch einem Fall müssen Betriebsingenieure schnell handeln. Eine gute Beziehung zu einem Teilezulieferer ist eine starke Ausgangsposition. Denn dies gewährleistet Zugriff auf eine Reihe von Komponenten, die zur Vorbereitung einer notwendigen Reparatur bestellt und gelagert werden können.

Soll man Data Science automatisieren?

Angesichts der Tatsache, dass Data Scientists dermaßen begehrt sind, scheint es geboten, dass für die Zukunft dieses Berufs einige der regelmäßigen Aufgaben eines Data Scientists automatisiert werden sollten. So kann er sich ganz auf solch komplexe Aufgaben konzentrieren, für deren Erledigung nur Menschen geeignet sind. Manche befürchten zwar, dass eine Automatisierung Stellen für Data Scientists verringern könnte, doch laut Forbes sind zwei ermutigendere und weitaus realistischere Szenarien viel wahrscheinlicher:

Erstens ermöglicht es die Automatisierung Data Scientists, in viel kürzerer Zeit sehr viel mehr Daten zu analysieren. Zweitens führt sie zu einer Demokratisierung dieses Berufs, die dazu beitragen könnte, dass Data Scientists enger mit anderen Experten zusammenarbeiten, beispielsweise mit Betriebsingenieuren, Programmierern und Wirtschaftsanalysten.

Statt ihre Karriereaussichten zu schmälern, wird eine Automatisierung höchstwahrscheinlich die Einzigartigkeit ihrer Fähigkeiten herausstellen. Kurz gesagt, kann die Coolness von Data Scientists durch technologische Fortschritte nur noch weiter gesteigert werden.

Autor: Sophie Hand

(c)2019
Vogel Communications Group