Fachbeiträge

Ausgabe 8 / 2013
FachbeitragBig Data

Data Scientists – heiß begehrte Datenexperten

von Michael Hoskins

21. Jahrhunderts gekürt. Überall wird behauptet, dass Data Scientists zu einem festen Bestandteil des Geschäftslebens werden. Auch an den Hochschulen werden immer mehr Kurse zum Thema angeboten. Mit Sicherheit ist der Data Scientist wichtig und begehrt, aber es gibt auch Möglichkeiten für Unternehmen, die Qualifikationen für die Position eines Data Scientist bei ihren vorhandenen Mitarbeitern aufzubauen, so dass keiner dieser gesuchten Fachleute angeheuert werden muss.

Inhaltsübersicht:



Warum hat die Funktion des Data Scientist in der IT-Welt so stark an Popularität und Bedeutung gewonnen? Das Hauptziel bei der Big Data-Analytik ist es, große Datenmengen auszuwerten, verborgene Muster zu erkennen und wichtige Erkenntnisse zu gewinnen. Insbesondere sucht man immer nach genügend historischen Daten, um Modelle zu erzeugen, die aufgrund der vergangenen Ereignisse Vorhersagen für die Zukunft erlauben. Je mehr Daten auflaufen, desto schwieriger wird es, solche Modelle exakt und zeitnah aufzustellen. Hier müssen wir uns auf Technologie verlassen, um dies korrekt und kurzfristig zu realisieren.

Das große Ziel: Vorhersagemodelle erstellen

Nehmen wir beispielsweise an, Sie arbeiten bei einer Produktionsfirma, und eine ihrer häufig genutzten Maschinen fällt wegen eines undichten Ventils aus. Dies kann eine Menge Kosten und Ärger verursachen. Wenn Sie jedoch ständig die Leistungskenndaten jeder Maschine (Temperatur, Schwingungen, usw.) messen und in der Lage sind, große Mengen historischer Daten auszuwerten, können Sie feststellen, wann die Maschine ausgefallen ist und möglicherweise korrigierende Maßnahmen ergreifen, damit dies nicht häufiger geschieht. Die Auswertung dieser Daten erlaubt es Ihnen auch, alle Variablen zu untersuchen und herauszufinden, welche Kenndaten am besten anzeigen, wann wieder ein Ventil ausfallen könnte.

Hiervon ausgehend können Sie die Ventile in Echtzeit beobachten und die Zustandsänderung einer unabhängigen Variablen überwachen, die in der Vergangenheit zu einem Ausfall führte und dann das Problem proaktiv beheben, bevor eine Reparatur erforderlich ist. Die einigermaßen verlässliche Vorhersage der Zukunft erlaubt uns eine bessere Entscheidungsfindung und letztendlich eine effizientere und erfolgreichere Betriebsführung.

Data Scientists aus den eigenen Reihen rekrutieren

Es ist gut, über einen speziellen Data Scientist zu verfügen, der aus diesen Daten geeignete Modelle für Vorhersagen erstellt, aber diese Fachleute sind ein knappes Gut. Die Unternehmen setzen alles daran, um einen Data Scientist einzustellen, aber der gesamte Entscheidungsprozess ist komplex und eine Wissenschaft für sich. Was also kann ein Unternehmen tun, um die Wissenslücke zwischen der Programmierer-Ebene und der Business Analyst-Ebene zu schließen? Wie können Unternehmen mit ihren vorhandenen Technologien und Qualifikationen von den Vorteilen vorhersagender Analysen profitieren, auch ohne einen eigenen Data Scientist? Hierzu einige Vorschläg

  • Rüsten Sie Ihre vorhandenen Programmierer und Business-Analysten mit einem hervorragenden Instrumentarium aus, das es ihnen erlaubt, die Aufgaben eines Data Scientist auf einfache Weise zu erlernen und zu übernehmen. Dies kann Ihre vorhandenen Mitarbeiter befähigen, tiefgreifende analytische Probleme anzugehen, wodurch Ihre IT-Abteilung Zeit und Kosten sparen kann.
  • Verbessern Sie die analytischen Qualifikationen Ihrer vorhandenen Mitarbeiter durch kontinuierliche Weiterbildungsmaßnahmen. Vielleicht können Sie bei den DBAs als den bereits vorhandenen Datenverarbeitungsfachleuten ansetzen?
  • Suchen Sie sich eine Softwarefirma, welche die Qualifikationen eines Data Scientists in fertige Software umsetzt. Statt auf einen Data Scientist zu warten, können die Geschäftsinhaber die Daten zusammenpacken, sie an einen Anbieter von Analytiksoftware als Service schicken und die Vorhersage zurück erhalten.
  • Suchen Sie sich eine Hochschule, die Data Scientists ausbildet und nehmen Sie Kontakt zu den Ausbildern auf. Auch wenn sich die Maßnahmen noch in einem frühen Stadium befinden, können diese jetzt geknüpften Kontakte dazu beitragen, Ihrem Unternehmen einen leichteren Zugang zu künftigen Absolventen, die als Data Scientists spezialisiert sind, zu verschaffen.

Fazit

Bis Data Scientists der Industrie in ausreichender Anzahl zur Verfügung stehen, könnten noch zehn Jahre vergehen; die Unternehmen können nicht abwarten, bis der Arbeitsmarkt diesen Rückstand aufholt. Jetzt eine erfolgreiche Analyse und Vorhersage der Trends durchführen zu können, kann für Ihr Unternehmen einen Vorsprung vor der Konkurrenz bedeuten. Daher ist es sinnvoll, entweder die Qualifikationen Ihrer vorhandenen Mitarbeiter auszuschöpfen oder eine Software als Interimslösung zu nutzen.

Diese Artikel könnten Sie auch interessieren

wissensmanagement Heft 1 / 2019
Digitalisierung       Datentransfer

Doc, TIFF, PDF & Co.: Fünf Schritte zum einheitlichen Dokumentenzugriff

von Bodo Boer

Artikel lesen


Online Fachbeiträge Ausgabe 1 / 2019
Fachbeitrag       Big Data

Mit prognostischer Analytik die Zukunft gestalten

Artikel lesen


wissensmanagement Heft 5 / 2018
Titelthema       Big Data

Künstliche Intelligenz braucht gute Daten

von Matthias Bauer

Artikel lesen


wissensmanagement Heft 5 / 2018
Titelthema       Human Resources

Die Vermessung der Personalarbeit: Was mit Zahlen und Daten heute möglich ist

von Steffen Michel

Artikel lesen


wissensmanagement Heft 5 / 2018
Titelthema       Best Practice

Big Data Analytics im Rechtswesen: Legal lesen

von Alexander Firyn

Artikel lesen