Die Zukunft der Arbeitsplätze in der Datenwissenschaft

Die Bezeichnung "Datenwissenschaftler" könnte bald überholt sein, da neue Technologien die Aufgaben von Datenwissenschaftlern verändern. Auch die Art der Tätigkeit könnte sich bald ändern.

Data Scientists sind heute eine der gefragtesten Positionen in amerikanischen Unternehmen, denn mit den richtigen Talenten können Unternehmen mehr Wert aus ihren Daten schöpfen.

Die Rolle des Datenwissenschaftlers entwickelt sich jedoch im Zuge der technologischen Innovation und der Marktreife weiter. Tatsächlich waren die Titel Statistiker, Aktuar und Quant, je nach Branche, Vorläufer des Titels Datenwissenschaftler.

Es gibt jedoch einige Herausforderungen, wenn es darum geht zu bestimmen, wie sich die Rolle des Datenwissenschaftlers verändert. Zum einen gibt es keine klaren Anforderungen für den Job des Data Scientist.

Falls Sie neue Datenwissenschaft Fähigkeiten erwerben wollen oder Ihre bereits existierenden Fähigkeiten erweitern wollen, eignet sich Skillshare für Sie. Klicken Sie bitte hier um auf die Lernplatform von Skillshare zu gelangen und neue Einblicke in die verschiedensten Themen zu erhalten.

Was ist Datenwissenschaft?

Nach der Definition der heutigen Branchenexperten ist Data Science die Untersuchung und Nutzung von Daten, um Geschäftsentscheidungen zu treffen und neue, kundenorientierte Produkte zu entwickeln. Datenwissenschaftler sind in der Regel für die Analyse von Daten zuständig, um neue Erkenntnisse zu gewinnen. Sie arbeiten häufig mit fortschrittlichen Modellen des maschinellen Lernens, um auf der Grundlage vergangener Trends künftiges Kunden- oder Marktverhalten vorherzusagen.

Das Ziel, das sich Unternehmen von Datenwissenschaftlern erhoffen, wird sich voraussichtlich nicht ändern. Aber die Art und Weise, wie Datenwissenschaftler diese Ziele erreichen, wird sich in den kommenden Jahren wahrscheinlich erheblich verändern.

Abschlüsse und Qualifikationen von Datenwissenschaftlern

Viele der besten Datenwissenschaftler haben einen Hochschulabschluss in Mathematik oder Statistik und sind Meister im Lösen von Problemen. Andere haben einen Hintergrund in Informatik, Astrophysik oder anderen Fächern.

"Glaube ich, dass Datenwissenschaftler diese speziellen Abschlüsse haben müssen? Nein, auf keinen Fall", sagt Kathleen Featheringham, Direktorin für KI-Strategie und -Schulung beim Management- und IT-Technologieberatungsunternehmen Booz Allen Hamilton. "Es gibt eine Menge Definitionen, aber es handelt sich um jemanden, der von Natur aus neugierig ist.

Wie jede andere Rolle kann sich auch ein Datenwissenschaftler zu etwas anderem entwickeln, und es gibt einige Anzeichen dafür, dass dies geschehen wird.

Hat die Datenwissenschaft eine Zukunft?

Experten haben gesagt, dass 80 % oder mehr der Arbeit eines Datenwissenschaftlers darin besteht, Daten für die Analyse vorzubereiten. Inzwischen verkaufen Technologieanbieter Plattformen, die Aufgaben automatisieren und Daten in Low-Code- oder No-Code-Umgebungen abstrahieren, wodurch ein Großteil der derzeit von Datenwissenschaftlern geleisteten Arbeit wegfallen könnte.

"Die Bezeichnung Datenwissenschaftler wird wahrscheinlich in den Hintergrund treten, weil sich immer mehr Tools durchsetzen", so Featheringham. "Für mich ist das wie beim Website-Design vor Jahren, als man Leute brauchte, die wirklich gerne programmieren, aber jetzt kann man online gehen und ein Tool benutzen, das die Website für einen erstellt.

Wie wird sich das Quantencomputing auf Arbeitsplätze in der Datenwissenschaft auswirken?
Quantencomputing und Quanteninformatik stecken noch in den Kinderschuhen, aber sie stellen einen neuen Markt für Datenwissenschaftler dar.

"Wenn man eine Berechnung auf einem klassischen Computer durchführt und eine Reihe von Anfangseingaben hat, muss man sie nacheinander ausführen. Auf einem Quantencomputer kann man sie gleichzeitig durchlaufen lassen", sagt Patty Lee, Chief Data Scientist bei Honeywell Quantum Solutions.

"Man kann nicht einfach einen klassischen Rechenalgorithmus nehmen und ihn an einen Quantencomputer anschließen. Man muss neue Algorithmen entwickeln, die sich die quantenmechanischen Eigenschaften zunutze machen, und dann kann man die Informationen auf diese Weise aus den Daten extrahieren", sagte sie.

Quantendatenwissenschaftler müssen die Quantenmechanik verstehen und wissen, wie man einen Quantenalgorithmus zur Lösung eines bestimmten Problems einsetzt. Lee ist jedoch nicht der Meinung, dass sie unbedingt einen Hochschulabschluss in diesem Bereich benötigen.

"Wir brauchen viele Leute in diesem Bereich, denn es gibt Leute auf der Anwendungsseite von Unternehmen und Quantentheoretiker, die sich mit den Quantenalgorithmen auskennen. Wir brauchen jemanden in der Mitte, der die Übersetzung vornimmt", so Lee.

Jobs für Datenwissenschaftler vs. Dateningenieure

In der heutigen Welt ist es für ein Unternehmen besser, die richtige Mischung von Fähigkeiten zu haben, als die richtige Mischung von Titeln.

Dennoch helfen Titel Einzelpersonen und anderen, den Umfang ihrer Verantwortlichkeiten und ihre Gehaltsskala zu verstehen. Selbst Personen, die den begehrten Titel eines Datenwissenschaftlers erlangt haben, können in eine andere Rolle hineinwachsen, weil sie besser zu ihnen passt oder ihr Unternehmen etwas anderes braucht.

Während es in den USA wahrscheinlicher ist, dass ein Dateningenieur zu einem Datenwissenschaftler wird, ist in Großbritannien der umgekehrte Trend zu beobachten, so Rob Weston, Gründer von Heimdal Satellite Technologies.

"Es besteht die Erwartung, dass sie nur mit maschinellem Lernen arbeiten, was absolut nicht der Fall ist. Wie mache ich die Daten bereit? Wie werden die Daten in die Pipeline gebracht?" sagte Weston. "Die Herausforderung besteht darin, dass sich das Datenvolumen und die Datenvielfalt ändern, und deshalb ist die Fähigkeit, Daten zu verarbeiten und zu verschieben, ein technisches Problem."

Viele Unternehmen glauben, dass sie einen Datenwissenschaftler brauchen, aber das ist nicht unbedingt der Fall. Der Personaldienstleister ManpowerGroup ist sich dieses Phänomens bewusst und fragt seine Kunden daher zunächst, welches Geschäftsproblem sie zu lösen versuchen.

"Viele Leute hören Schlagworte und wollen diese Schlagworte, aber es ist nicht wirklich das, was sie brauchen"

, sagt Chuck Kincaid, ein leitender Datenwissenschaftler und Produktarchitekt bei Experis Solutions, einer Tochtergesellschaft der ManpowerGroup.

Kincaid sagte, eine seiner größten Sorgen seien Bewerber, die in ihrem Lebenslauf Software-Tools aufführen, die sie nicht richtig zu nutzen wissen. Ebenso warnt er vor Bewerbern, die versuchen, die volle Anerkennung für ein Gruppenprojekt zu erhalten.

Grundlegende Qualifikationen für Datenwissenschaftler

Die Data Science Association, ein gemeinnütziger Berufsverband von Datenwissenschaftlern, möchte Standards für Zertifizierungen und Lizenzen für Datenwissenschaftler festlegen. Aus beruflicher Sicht würde dies bedeuten, dass Datenwissenschaftler vordefinierte Kriterien erfüllen müssen, um eine Lizenz zu beantragen, und dass jeder, der keine Lizenz besitzt, den Titel nicht legal verwenden darf.

Weston legt großen Wert darauf, die Qualifikationen der Bewerber zu überprüfen, und ist oft enttäuscht. Wenn er einem Kandidaten beispielsweise ein hypothetisches Szenario vorlegt, sagen "49 von 50" Kandidaten, dass sie noch nie in der Branche gearbeitet haben, in der das hypothetische Szenario spielt, anstatt ihre Problemlösungskompetenz unter Beweis zu stellen und eine Antwort zu finden.

"Kürzlich hatte ich ein Vorstellungsgespräch mit einem Bewerber, der einen umfangreichen Lebenslauf hatte, in dem Datenwissenschaft, Big Data und viele Aufgaben in allen Bereichen, die wir suchen, aufgeführt waren. Wir brauchen hochentwickelte Analysen, denn wir haben es mit Daten im Petabyte-Bereich zu tun", sagte Weston. "Ich sagte: 'Wir verwenden Python für den größten Teil unseres Codes. Wie können wir Python in EMR Spark verwenden? Er konnte diese Frage nicht beantworten und hatte noch nie etwas von PySpark gehört. Eine berechtigte Frage, denn in seinem Lebenslauf stand, dass er drei Jahre Erfahrung in genau diesem Bereich hatte."

Letztendlich verändert sich die Rolle des Datenwissenschaftlers, auch wenn man darüber streiten kann, wie genau sich die Rolle verändert. Die Automatisierung beschleunigt und vereinfacht einige Aufgaben, aber sie macht Datenwissenschaftler noch nicht arbeitslos. In der Zwischenzeit entstehen neue Möglichkeiten, wie z. B. die Quanten-Datenwissenschaft.

Wird der Beruf des Datenwissenschaftlers irgendwann verschwinden? Einige glauben, dass dies der Fall sein wird. In der Zwischenzeit gibt es jedoch viele Möglichkeiten für diejenigen, die ihr Handwerk beherrschen.