Die sich entwickelnde Rolle des Datenwissenschaftlers

Von Russ Banham, Mitwirkender

Vor 15 Jahren arbeiteten Data Scientists hauptsächlich in den Bereichen Statistik und Wissenschaft; Heute werden sie von Unternehmen aus allen Branchen stark nachgefragt. Der Grund? Digitale Transformation. Unternehmen automatisieren manuelle Prozesse und verwenden fortschrittliche Analysetools wie maschinelles Lernen (ML), um Datenberge auf der Suche nach geschäftlichen Erkenntnissen zu durchsuchen. Und diese Verschiebung hat den Job eines Datenwissenschaftlers verändert.

Zusätzlich zum Scraping, Bereinigen und Vorbereiten von Daten für die Analyse entwickeln Data Scientists Storytelling-Fähigkeiten, um die Bedeutung ihrer Ergebnisse in geschäftlicher Hinsicht zu vermitteln. Ihre Arbeit wiederum trägt zu besseren Entscheidungen von Funktionsleitern bei, von Finanz- und Rechnungswesen bis hin zu Vertrieb und Marketing.

Sinn zu finden ist nicht genug

„Die grundlegende Herausforderung bei allen Datenwissenschaftlern ist die Bedeutung, die Sie aus den Daten ableiten, aber das reicht nicht aus [for business leaders] um eine Entscheidung zu treffen”, sagt Matthew Chu Cheong, Gründungsdatenwissenschaftler bei Stable Auto, einem Anbieter von Datenanalysen zur Verbesserung der Leistung von Ladestationen für Elektrofahrzeuge (EV).

Data Scientists sind die Menschen, die aus chaotischen, unstrukturierten Daten Schätze schöpfen können.

—Paul Magnone, „Co-Autor von „Decisions Over Decimals“

„Man muss verstehen, warum und wie der Algorithmus zu seinem Ergebnis kam“, fährt Chu Cheong fort, dessen Ph.D. Die Forschung an der University of Texas at Austin konzentrierte sich auf die Entwicklung von “Smart Grid”-Entscheidungsalgorithmen. „Und dann müssen Sie diese Geschichte den Entscheidungsträgern in Worten oder Visualisierungen erzählen, um zu bestätigen, dass dies eine überzeugende Schlussfolgerung ist, an die sie glauben können.“

Paul Magnone, Co-Autor des Buches „Decisions Over Decimals“, das sich auf die Vereinigung von Datenintelligenz mit menschlichem Urteilsvermögen konzentriert, um bessere Geschäftsentscheidungen zu treffen, teilt diese Perspektive.

Foto von Matthew Chu Cheong, Gründungsdatenwissenschaftler bei Stable Auto.

„Es gibt einige wenige, die die Macht von Daten verstehen, die zu stellenden Fragen kennen, sie mit ihrer größeren Geschäftsstrategie verbinden und sie nutzen, um Kunden zu binden und Umsatzziele zu erreichen; Anker dieses Teams ist der Data Scientist”, sagt Magnone. „Data Scientists sind die Menschen, die aus chaotischen, unstrukturierten Daten Schätze schöpfen können.“

Einblicke liefern

Dieser „Schatz“ begeistert Ann Irvine, deren Ph.D. in Informatik von der Johns Hopkins University mit Schwerpunkt auf ML-Algorithmen. Sie ist Chief Data Scientist bei Resilience, einem Anbieter von Cyber-Risikolösungen, der Unternehmen bei der Bewertung, Verwaltung und Quantifizierung ihrer Cyber-Risiken unterstützt.

„Ich nehme an, ich bin Datenwissenschaftler, ein Begriff, der noch nicht so alt ist“, sagt Irvine. „Ich habe als Software-Ingenieur angefangen und Analysen zu den Produkten durchgeführt, zu denen ich beigetragen habe. Dann verbrachte ich Zeit mit Vertrieb und [product] Lieferteams stellten sicher, dass ich verstand, wie die Dinge funktionierten, und dann führte ich Demos für potenzielle Kunden durch.“

Sie fügt hinzu: „Während wir weiterhin Daten demokratisieren, damit mehr Menschen darauf zugreifen können, scheint sich die Rolle des Datenwissenschaftlers weg von der reinen Technik hin zum Geschichtenerzählen zu verlagern. Ich sehe eine Schnittmenge dieser Fähigkeiten.“

Chu Cheong stimmt zu. „Die Geschäftswelt wird datenzentrierter, ob wir wollen oder nicht“, erklärt er. „Data Science ist nicht nur diese technologische Nische; Es ist eine Art zu sagen, dass unser Geschäft so läuft, und ich habe die Datenströme analysiert, die es informieren.“

Mit der Demokratisierung von Daten für Mitarbeiter zur Verwendung in Self-Service-Analysen sammeln sich ganzheitlichere Fähigkeiten an, wobei ein oder zwei als einzelne Fachgebiete vorherrschen. Wie Magnone es ausdrückt: “In ihrem Bestreben, eine Flut von Informationen in Intelligenz umzuwandeln, bauen Unternehmen Teams auf, die über die Kernkompetenzen verfügen, um ihre Organisationen in die Lage zu versetzen, schnellere und produktivere Entscheidungen zu treffen.”

Während wir weiterhin Daten demokratisieren, damit mehr Menschen darauf zugreifen können, scheint sich die Rolle des Datenwissenschaftlers weg von der reinen Technik hin zum Geschichtenerzählen zu verlagern.

—Ann Irvine, leitende Datenwissenschaftlerin bei Resilience

Lösung des Angebots-Nachfrage-Problems

Die zusätzlichen Kompetenzen von Datenwissenschaftlern erhöhen die strategische Bedeutung ihrer Einstellung. Bereits 2011 sagte die Harvard Business Review, dass ein Data Scientist der begehrteste Job der 21 seist Jahrhundert, aufgrund ihrer “Ausbildung und Neugier, Entdeckungen in der Welt von Big Data zu machen”. 2022 meldete die HBR, dass der Job noch mehr nachgefragt wird.

Anna Irvine
Foto von Ann Irvine, Chief Data Scientist bei Resilience.

Das Problem ist, dass es nicht genügend Data Scientists gibt, um die Wünsche aller Unternehmen zu erfüllen. Eine kürzlich von Anaconda durchgeführte Umfrage besagt, dass 90 % der Unternehmen einen Mangel an Talenten bei der Anzahl der gesuchten Datenwissenschaftler verzeichnen. Unterdessen sagen 6 von 10 Personalvermittlern in einer Umfrage von Upwork aus dem Jahr 2022, dass die Einstellung von Datenwissenschaftlern am schwierigsten ist.

Nicht irgendein Data Scientist. Die Studie von Anaconda bestätigt das wachsende Interesse an der Einstellung von Data Scientists, die mehr tun als nur Daten zu verarbeiten, die auch „durch Reporting und Präsentation Daten umsetzbar machen“.

Magnone stimmt dieser Entwicklung der Rolle zu, indem er den Übergang von der reinen Wissenschaft zum fantasievollen Geschichtenerzählen oder, wie er es ausdrückt, zu einem „Datenkünstler“ anführt [who] erstellt Grafiken, Diagramme, Infografiken und andere Visualisierungen, damit Menschen komplexe Daten schnell verstehen können. Großartige Visualisierungen erweitern den Dialog, indem sie mehr Menschen in das Gespräch einbeziehen.“

Er könnte die fünf Datenwissenschaftler in Irvines Team bei Resilience beschreiben. Nicht alle von ihnen seien per se Data Scientists, ein Begriff, der erst vor kurzem ins Lexikon aufgenommen worden sei, betont sie. Dazu gehören ehemalige Akademiker (Promovierte in Mathematik bzw. Chemiewissenschaften), ein ehemaliger Arbeitsorganisator und autodidaktischer Datenwissenschaftler, ein ehemaliger Mathematiklehrer an einer High School und ein Computerexperte für geografische Informationssysteme.

„Sie wurden darin geschult, unsere fortschrittlichen Analysen zu verwenden und zu interpretieren, um unsere Cyber-Risikomodelle zu erstellen“, sagt sie. „Sie sind alle ausgezeichnete Kommunikatoren und Autoren. Wenn sie ein Projekt abschließen, fügen sie es in eine Erzählung ein, die Datenvisualisierungen enthält. Ich schicke sie regelmäßig ins Geschäft, um Gespräche über ihre Erkenntnisse zu führen.”

Andere Chief Data Officers können von Irvines Rekrutierungserfahrung lernen und ihre Nachfrage nach Datenwissenschaftlern in Personen mit unorthodoxeren Hintergründen erfüllen, die über Schlüsselkompetenzen wie Neugier, Einstellung und ein beständiges Interesse an vielfältiger Arbeit verfügen, die Fähigkeiten, die den modernen Datenwissenschaftler definieren.

Leitbild von Data Scientists mit freundlicher Genehmigung von Dell Inc.

Author: admin

Leave a Reply

Your email address will not be published. Required fields are marked *