Berufsbild Data Scientist

„Big Data“ ist seit fünf Jahren das IT-Schlagwort schlechthin. Die zentrale Idee dahinter ist, dass alles und jedes, was wir tun, sei es im Internet, auf dem Smartphone, auf dem Tablet, in zunehmendem Maße eine digitale Spur (also Daten) hinterlässt, die wir selbst und andere sammeln, analysieren und idealerweise nutzen können. Big Data bezeichnet also die Situation, dass durch fortschreitende Digitalisierung mehr und mehr Aspekte und Artefakte des täglichen Lebens in digitaler Form vorliegen, darunter Profile, Postings in Blogs oder in sozialen Netzwerken, Kaufhistorien, Gesundheitsaufzeichnungen, dass zunehmend mehr Daten in Internet und Web automatisch erzeugt werden und dass heutzutage die Techniken und Werkzeuge zu deren Zusammenführung, Auswertung und Analyse in unterschiedlichsten Formen verfügbar sind. Zahlreiche Unternehmen erkennen bereits den enormen Wert, den analytische Szenarien auf der Basis von Big Data haben können, sowie deren Auswirkungen auf Business Intelligence (BI) allgemein sowie speziell auf Produktentwicklung, Produktion, Marketing, Kundenbeziehungsmanagement und letztlich Umsatz.

Einer der ältesten Anwendungsfälle für das, was man mit einer sorgfältigen Analyse von Daten erreichen kann, stammt vom amerikanischen Baseball-Team der Oakland Athletics und ihrem Coach Billy Beane, der Statistiken und Spielerdaten dazu nutzen konnte, durch „Einkauf“ unbekannter Spieler innerhalb kurzer Zeit ein wenig erfolgreiches Team zu einem erfolgreichen zu machen. Dieses Beispiel wurde sogar unter dem Titel „Moneyball“ mit Brad Pitt in der Hauptrolle verfilmt. Ein weiteres Beispiel aus dem Sport liefert McLaren, wo Rechner rund eintausend Simulationen während eines Rennens durchführen; nach nur wenigen Runden kann man dadurch die Leistung jedes Systems mit bis zu neunzig prozentiger Genauigkeit vorhersagen. Da die meisten dieser Systeme sogar während eines Rennens verändert werden können, können Boxenmannschaft und Fahrer minutengenaue Anpassungen vornehmen, wenn sich Veränderungen am Auto oder an den Rennbedingungen ergeben.

Auch das Gesundheitswesen verändert sich durch Big Data, etwa dadurch, dass man durch Sammlung und Analyse von Daten über einen Patienten, dessen tägliche Aktivität und dessen Ernährung sowie Informationen von einem Medikamentenhersteller, gegebenenfalls sogar unter Rückgriff auf das Genom, also die Erbinformation des Patienten, ideal konfigurierte Behandlungen schaffen kann. Die zunehmende Verbreitung von persönlichen Trackern wie Fitbit, Nike+ Fuelband, Jawbone Up sowie Smart Watches liefert weitere Datenquellen, die für Gesundheitsexperten wie Nutzer gleichermaßen von Interesse sind.

Gerade im Handel ergeben sich zahlreiche Anwendungsmöglichkeiten. Nicht umsonst begründen bekannte und erfolgreiche Handelsunternehmen wie bspw. Amazon und Zalando, aber auch seit einiger Zeit die Otto Gruppe (z.B. durch ihr preisgekröntes Vorzeigeunternehmen Collins) ihr Geschäftsmodel auf der Grundlage von Daten und deren Analyse (daten-getriebenes Geschäftsmodell). Das Ziel der Datenanalyse ist dabei immer, einen Mehrwert – also Nutzen – für den Konsumenten zu generieren bzw. den Kunden auf sich aufmerksam zu machen. Amazon macht dies u.a. durch die Empfehlungen auf der Webseite („Kunden, die diesen Artikel gekauft haben, kauften auch…“), Zalando durch die auf den einzelnen Konsumenten zugeschnittenen eMail-Kampagnen, oder Otto zukünftig durch persönliche Größenempfehlungen für den Konsumenten.

Wie kann ein Unternehmen Nutzen aus Big Data ziehen? Wie bei vielen anderen Einführungs-entscheidungen, die man im Laufe der Jahre zu fällen hatte, macht es auch jetzt Sinn, eine Entscheidung, ob ein Big-Data-Projekt aufgesetzt oder ob in Big-Data-Technologie investiert werden soll, wohlfundiert zu treffen. Dabei hilft sicherlich erst einmal die genaue Beschäftigung mit der Fragestellung, die ein solches Projekt adressieren soll. Also bspw. ob der Kunde genauer analysiert werden soll, um dadurch Mehrwert für das aktuelle Geschäftsmodell zu generieren oder um neue Geschäftsmodelle zu entwickeln. Darauf aufbauend sollte man sich fragen, welche technologische Infrastruktur und Daten denn bereits in meinem Unternehmen vorliegen, um diese Fragestellung zu beantworten oder aber welche Infrastruktur aufzubauen bzw. Daten zu erheben sind und welchen Aufwand dies bereitet. Generell mündet eine solche Vorgehensweise dann in die Entwicklung einer Big-Data-Strategie, die dann umgesetzt werden muss.

Der Weiterbildungsstudiengang „Data Science“, der an der Schnittstelle zwischen Informatik, Statistik/maschinellem Lernen, Marketing und Kommunikationswissenschaften angesiedelt ist, ermöglicht es Ihnen "Big Data Scientist" zu werden. Dieses Programm richtet sich nicht nur an Mitarbeiter von Unternehmen, die aus ihren und anderen Daten neue Erkenntnisse gewinnen möchten; auch in Bereichen wie der Physik oder dem Gesundheitswesen sind entsprechende Kenntnisse immer wichtiger.

Autoren: Prof. Dr. Gottfried Vossen und Prof. Dr. Thorsten Wiesel, Universität Münster