Das Hauptproblem bei den Neueinstellungen der Data Scientists besteht darin, dass Unternehmen oft zu viel zu schnell wollen, sich aber zu wenig bewusst sind, was die Vorstufen bis dahin sind. Wird der Data Scientist bereits im Vorfeld zu sehr als Allheilmittel gehypt, so folgt sehr schnell die Ernüchterung über die meist unverschuldet ausbleibenden Fortschritte bei den doch so klar formulierten Zielen à la: „Was tue ich, damit die Kunden mir nicht weglaufen, ich aber trotzdem noch Geld mit ihnen verdiene?“

Deswegen sind wichtige Fragen im Vorfeld vom Unternehmen selbst zu beantworten:

• Sind alle relevanten Informationen (welche sind überhaupt relevant?) verfügbar und einfach abrufbar?
• Mache ich überhaupt schon die einfachsten Analysen mithilfe meines DWH, bevor ich mich an sehr viel Komplexere mache?
• Was genau will ich eigentlich? Folge ich nur einem Trend, möglichst alles, was theoretisch möglich ist, zu nutzen?
• Bin ich richtig über die Kosten-Nutzen Relation der Heranziehung eines Data Scientists informiert?
• Wie lang sind die Kommunikations- und Datenmigrations-Wege? Immerhin ist eine direkte Kommunikation zwischen Entscheidern und Data Scientists nötig.

So lange ein Großteil dieser Punkte nicht bereits im Vorfeld beantwortet werden kann, ist die Heranziehung der Data Scientists, zumindest zu diesem Zeitpunkt, fraglich und sollte zunächst durch externe Dienstleister erfolgen, um Klarheit über die Möglichkeiten und technischen Machbarkeiten zu erlangen.

Fazit – Wer ist also, der optimale Data Scientist?

Wer ist er, der optimale Data Scientist und was zeichnet ihn nun aus? Haben wir nicht alle vorgestellten Themen schon einmal irgendwo gehört? Wo sind die Innovationen, von denen doch die ganze Zeit die Rede ist? Brauchen wir wirklich eine ganz neue Berufsgruppe, die sowohl bekannter als auch neuer Themen Herr wird?

In der Tat, vieles von dem, was angesprochen wurde, ist tatsächlich nicht wirklich neu. Neu ist aber, eine Person zu definieren, die zumindest einen theoretischen Überblick über diese Themen behält, die die nötigen Anstöße und Konzepte mitgestaltet und überwacht – und im besten Fall tatsächlich Innovatives auf die Beine stellt. Über die Bezeichnung „Data Scientist“ lässt sich also streiten, ohne dass jedoch andere passender erscheinen würden. „Data Analyst“ klingt zwar weniger sexy, wird der Tätigkeit aber nicht wirklich gerecht. Ganz zu schweigen von Datenanalyst oder Datenmanager.

Fakt ist, dass für diese Position eine umfangreiche Generalisten-Ausbildung klar von Vorteil ist, so lange sie die oben angesprochenen Bereiche Informatik und Statistik gebührend miteinbezieht. Insofern sind eben jene Profile angesprochen, die, wie oben beschrieben, umfangreiche theoretische Kenntnisse, konzeptionelles Geschick und zumindest einen soliden Grundstock an technischem Know-How mitbringen. Zudem müssen sie sich und ihr Produkt gut verkaufen können, und in der Lage sein, neben der Entwicklung neuer Konzepte, zwischen den Disziplinen zu vermitteln, aber auch selbst klare Vorgaben zu formulieren.

Der maximale Output lässt sich also vor allem dann erreichen, wenn auch die Unternehmen ihre Anforderungen klarer stellen, sich informieren, was bei ihnen überhaupt möglich ist, um dann am Ende mit sehr klaren Vorgaben an die so geschätzte und vielleicht auch überschätzte Allzweckwaffe „Data Scientist“ heranzutreten.

Das Team von reportingimpulse bedankt sich für die tolle Zusammenarbeit bei Dr. Clemens von Bismarck-Osten und OPITZ CONSULTING.

Damit nehmen wir an der Blogparade von SAS zum Thema Data Scientist teil.