Organisation und Projekte
Wie man Data Scientists richtig einsetzt
- Mehr als jedes zweite Unternehmen beschäftigt Data Scientists in den einzelnen Fachabteilungen
- Eigene Data Science Labs sind selten
- Der CIO muss die Data Scientists in den Fachabteilungen kontaktieren und ihnen Mitarbeiter an die Seite stellen
Der Arbeit des Data ScientistData Scientist galt schon 2012 als “The Sexiest Job of the 21st Century”, wie Thomas H. Davenport und D.J. Patil damals im Harvard Business Review ihren Artikel titelten. Doch gibt es noch viel zu tun. So analysiert Gartner unn in dem Papier "Organizational principles for placing data science and machine learningmachine learning teams" den Status quo der Rolle von Data Scientists in Unternehmen. Alles zu Big Data auf CIO.de Alles zu Machine Learning auf CIO.de
Foto: Gartner
Zu einem Data Scientisten gehört demnach die Fähigkeit, aus den Daten eines Unternehmens mathematische Modelle abzuleiten, die Umsatz- und Absatzsteigerungen ermöglichen. Sehr gute Analysefähigkeiten alleine reichen also nicht. Gartner betont, dass Mitarbeiter, die den Titel Data Scientist verdienen, selten sind.
5 Abteilungen, wo Data Scientists arbeiten können
Umso wichtiger ist es, diese zu finden und zu fördern. Grundsätzlich haben Unternehmen fünf Möglichkeiten, wo sie ihre Data Scientists arbeiten lassen können: entweder in der jeweiligen Fachabteilung, oder in der IT, oder in einer eigenen Abteilung oder sowohl in IT als auch Fachabteilung. Die fünfte Möglichkeit, das Gründen eines Data Science Labs, unterscheidet sich von einer eigenen Abteilung durch die physischen und virtuellen Collaboration-Möglichkeiten, die die Mitarbeiter dort haben.
- Die Aufgaben des Business Developer
Business Developer blicken tief in die Geschäftsprozesse und können Unternehmensziele mit Datenanalysen in Verbindung bringen. Sie entwickeln eine erste Fragestellung oder decken ein Problem auf, das anhand der erhobenen Daten gelöst werden soll. Als Schnittstelle zwischen Geschäftswelt und Technik kann er den Nutzen der Analyseergebnisse am besten einschätzen und arbeitet daher eng mit dem Data Analyst zusammen. - Die Aufgaben des Data Analyst
Der Data Analyst besitzt profunde Kenntnis über datengetriebene analytische Methoden, Data Mining-Verfahren und Techniken der Datenvisualisierung. Mit ihnen können Datensätze automatisch klassifiziert oder hinsichtlich ihrer Ähnlichkeit gruppiert werden. So kann der Data Analyst die Aussagekraft der Daten bewerten und relevante Muster und Auffälligkeiten in den Datenströmen erkennen. - Die Aufgaben des Data Manager
Der Data Manager sorgt dafür, dass die Qualität der Daten optimiert wird und sie durch Metadaten ausreichend beschrieben werden. Dazu zählt, dass sich der Data Manager einen Überblick über die Nutzungsrechte verschafft und bei sensiblen Daten weiß, wofür diese verwendet werden dürfen. - Die Aufgaben des Application Developer
Der Application Developer setzt die Plattform auf, auf der die Daten integriert und die Anwendungen entwickelt und installiert werden. Er beherrscht verschiedene Werkzeuge zur Parallelisierung und Echtzeitverarbeitung, so dass die statistischen Modelle des Data Analysten auch auf großen Datenmengen genutzt werden können. - Die Aufgaben des Security Manager
Der Security Manager sorgt dafür, dass die Zusammenführung, Anreicherung und Analyse von Daten keine Rückschlüsse auf Einzelpersonen zulässt und damit die Persönlichkeitsrechte verletzen könnte. Der Security Manager muss also den Datenschutz organisatorisch und technisch umsetzen. - Die 5 Typen von Data Scientists im Überblick
Das Schaubild zeigt noch einmal alle 5 Typen von Data Scientists und ihre Aufgaben im Überblick.
Die Mehrheit der Unternehmen - laut Gartner mehr als jedes zweite - beschäftigt Data Scientists in den jeweiligen Fachabteilungen, üblicherweise in Marketing, Sales oder Finance. Zunehmend arbeiten sie auch in den Entwicklungsabteilungen. Hier entstehen die meisten Vernetzungen zwischen Data Science und Machine Learning.
Berichtswege für Data Scientists
Diese Data Scientists reporten dann auch an den Verantwortlichen ihrer Fachabteilung und nicht an den CIO, einen Chief Data Officer oder einen Head of Analytics. Die Analysten halten wenig von dieser Struktur. Ihrer Einschätzung nach gewinnen Unternehmen umso mehr, je stärker die Data Scientists vernetzt sind und je übergreifender sie arbeiten. Gartner betrachtet die jetzige Struktur als Zeichen mangelnder Reife im Umgang mit Data Science.
So organisiert man Data Science
Weil die meisten Entscheider noch am Anfang stehen, formuliert Gartner sechs Ratschläge:
1. Data Science-Initiativen in den Fachabteilungen finden und fördern
Schlagworte wie "Daten als neues Gold" kursieren nicht nur in der IT. Entscheider in den Unternehmen müssen jetzt die Augen offen halten und erkennen, wo Mitarbeiter möglicherweise Data Science betreiben, auch, wenn Rollen, Tätigkeiten und Begrifflichkeiten um dieses ganze Thema herum noch neu und damit schwammig sind.
2. Realistische Projekte aufsetzen
Erste Data Science-Projekte dürfen nicht überfordert werden. Das heißt: Sie sollten ein klar definiertes Business-Problem angehen. Das Projekt-Team braucht Zugriff auf alle nötigen Daten.
3. Strukturen für die Wirksamkeit schaffen
Data Science kann nur dann Erfolge bewirken, wenn die Prozesse im Unternehmen verändert werden.
4. Eine Community aufbauen
Alle Mitarbeiter, die als Data Scientisten gelten können, sollten sich als eigene Community fühlen. Das ist umso wichtiger, als Gartner befürwortet, dass sie für unterschiedliche Abteilungen arbeiten.
5. Neue Funktionen kreieren
Gartner plädiert dafür, bisherige Rollen in den Fachabteilungen nicht umzuwidmen, sondern neue Data Scientist-Rollen zu definieren. Die Mitarbeiter in diesen neuen Rollen kooperieren mit den Experten, die in ihren bisherigen Funktionen bleiben.
6. Den Reifegrad überprüfen
Zwar gibt es noch keine anerkannten Best Practices und Standards für Data Science, Entscheider sollten sich trotzdem mit ihren Peers aus anderen Unternehmen messen und eine Standortbestimmung versuchen. Das gilt für das Unternehmen als Ganzes ebenso wie für einzelne Abteilungen.
Gartner äußert sich auch zur Rolle der IT. Der CIO muss die Data Scientists in den Fachabteilungen kontaktieren und ihnen Mitarbeiter an die Seite stellen, um sie bei konkreten Projekten zu unterstützen. Außerdem sollte sich der CIO ansehen, mit welchen externen IT-Dienstleistern die Fachabteilung zusammenarbeitet und welche Services sie einkauft. Hier bestehe oft Beratungsbedarf, beobachten die Analysten.