Projektmanagement


Big Data + Analytics = Traumjob?

Data Scientist für einen Tag

21.12.2016
Von  und Katherine Noyes


Florian Maier beschäftigt sich mit diversen Themen rund um Technologie und Management.

Arbeiten als Data Scientist: Vor- und Nachteile

Für Tanu George sind die regelmäßigen Meetings ein klarer Vorteil bei der Arbeit als Data Scientist: "Sie sorgen dafür, dass ich meinen Job liebe." Für Ryan Rosario, der früher unter anderem als Machine-Learning-Experte bei Facebook gearbeitet hat, haben sich die Präferenzen mit der Zeit verschoben: "Als ich im Silicon Valley gearbeitet habe, war eine meiner Lieblingsaufgaben die Aufbereitung von Daten. Denn die kommen oft in Form eines Wusts zu uns - und ich sorge dann dafür, dass das Ganze verwertbar wird."

Auf der anderen Seite liebt Rosario aber auch seine Eigenschaft als Berater und zeigt den Menschen gerne, was mit Hilfe von Daten eigentlich möglich ist: "Viele Leute sind sich bewusst, dass sie Hilfe mit ihren Daten benötigen, aber sie wissen nicht, was damit möglich ist. Wenn man es schafft, ihnen die Augen für die neuen Möglichkeiten zu öffnen, fühlt sich das ein bisschen wie Magie an. Das ist mein absoluter Lieblingspart im Job."

Virginia Long findet an vielen Aspekten ihres Jobs Gefallen - etwa der anfänglichen Recherche zum Kontext des Problems oder der Beschaffung der notwendigen Daten. Und die weniger schönen Seiten? "Ich ziehe es vor, keine ProjekteProjekte zu managen", gibt Long preis. "Denn dann muss ich Zeit dafür aufwenden, die Prioritäten aller anderen zu managen, während ich nebenbei versuchen muss, meine eigentlichen Aufgaben zu bewältigen." Alles zu Projektmanagement auf CIO.de

Ryan Rosario hingegen macht keinen Hehl daraus, dass er als ausgebildeter Data Scientist und Statistik-Experte eher wenig Interesse an Systemarchitektur und Software-Programmierung hat.

Zukunftsaussichten für Data Scientists

Dass Data Scientists zuversichtlich in die Job-Zukunft blicken können, steht quasi außer Frage: "Ich glaube, in Zukunft werden Daten einen noch höheren Stellenwert einnehmen", so Tanu George - insbesondere im Hinblick auf die Entwicklung des Internet of Things. "In Zukunft werden alle Rollen im oberen und mittleren Management einige Aspekte des Datenmanagements beinhalten."

Ryan Rosario sieht das ganz ähnlich: "Die steigende Fokussierung auf Daten bedeutet, dass eine ganze Menge Mehrarbeit geleistet werden muss. In Zukunft werden Dinge wie die Entwicklung von Algorithmen und Systeme, die Datenströme zusammenführen, deutlich an Bedeutung gewinnen. Das Internet der Dinge und das Streamen großer Datenmengen werden die nächsten großen Themen." Daneben sieht Roasario auch die Themen IT-Security und Datenschutz im Kommen.

Laut Long werden Data Scientists oft als "unicorns" gesehen. Das bedeutet, von ihnen wird erwartet, dass sie so gut wie alle Bereiche alleine abdecken können - auch wenn es darum geht, Code zu schreiben, eine Datenanalyse durchzuführen oder eine Datenmanipulation aufzudecken: "Wenn nur eine Person für alles zuständig ist, wird es immer schwierig. Ich hoffe sehr, dass zukünftig verschiedene Menschen mit unterschiedlichen Skillsets in diesem Beruf arbeiten können."

Tipps für angehende Datenspezialisten

Für diejenigen, die eine Karriere als Data Scientist anstreben, haben unsere drei Spezialisten auch noch einige Tipps auf Lager. Ryan Rosario empfiehlt in jedem Fall, erst einmal einen Master-Abschluss anzustreben. Anschließend sei es ebenfalls nicht verkehrt, zu versuchen, "in Daten zu denken": "Wir haben alle unsere eigenen, persönlichen Probleme, ob es nun um das Management der Finanzen oder die Planung des Urlaubs geht. Versuchen Sie einfach mal zu überlegen, wie diese Probleme mit der Hilfe von Daten lösen können."

"Ich glaube, die beste Vorbereitung auf diesen Job ist ein Grundverständnis der wissenschaftlichen Methodik beziehungsweise davon, wie man Probleme angeht. Dieses Wissen entscheidet darüber, wie Sie mit Daten umgehen und was Sie damit machen", meint Virginia Long. Mit den nötigen Werkzeugen für den Job könne man sich jederzeit vertraut machen, entscheidend für den Erfolg sei jedoch die Fähigkeit, Probleme strukturiert anzugehen und zu lösen.

Natürlich sollten Data Scientists aber auch die Ergebnisse ihrer Arbeit gut präsentieren können, wie Tanu George hervorhebt: "Es gibt viele Details zu beachten. Wenn man aus den Daten eine Geschichte stricken kann, gibt es keinen besseren Job".

Mit Material von IDG News Service.

Zur Startseite