Data Scientists: So gewinnen KMUs aus Daten Umsatz

Mehr als 62 Prozent der kleinen und mittleren Unternehmen in Deutschland haben ihre Berührungsängste gegenüber Big Data abgelegt und arbeiten mit Data Scientists zusammen. Das sind Spezialistinnen und Spezialisten für die Verarbeitung, Aufbereitung und Analyse von Daten. Die so gewonnenen Erkenntnisse helfen, Produkte zu verbessern, Abläufe zu optimieren und Kundengruppen möglichst individuell zu erreichen. Ein Beispiel: Unternehmen verstehen ihre Kundengruppen sowie deren Gewohnheiten noch besser und können darauf abgestimmt Werbung betreiben und spezifische Angebote anbieten.

Wichtig: Nur Analysen, die sich auf eine konkrete Fragestellung beziehen, sind erfolgreich.

Wie Data Science die Grundlagen für Wachstum legt

Die zweckorientierte Datenanalyse dient als systematische Grundlage für alle Entscheidungen im Wertschöpfungsprozess:

• 40 Prozent der Unternehmen nutzen datengestützte Analysen, um ihre eigene Geschäftsentwicklung zu überwachen.
• 37 Prozent geben an, Kundinnen und Kunden besser verstehen zu wollen.
• Jedes dritte Unternehmen setzt die gewonnenen Einsichten ein, um den Personaleinsatz zu optimieren.

Nicht alle KMUs haben bereits eigenes Know-how in diesem Geschäftsfeld aufgebaut und beschäftigen festangestellte Data Analysts. Gerade am Anfang setzen viele auf externe Spezialistinnen und Spezialisten, um erste Ergebnisse zu liefern und Prozesse aufzusetzen.

Dazu gehört auch die Prüfung von Fördermöglichkeiten. So unterstützt das Programm go-digital des Bundesministeriums für Wirtschaft und Energie (BMWi) Unternehmen, die weniger als 100 Mitarbeiter beschäftigen und weniger als 20 Millionen Euro Jahresumsatz machen. Sie können für Expertise in der Datenanalyse bis zu 16.500 Euro an Fördermitteln erhalten. Gefördert werden Beratungsleistungen mit einem Fördersatz von 50 Prozent auf einen maximalen Beratertagesatz von 1.100 Euro. Der Förderumfang beträgt höchstens 30 Tage in einem Zeitraum von einem halben Jahr.

Welche Arbeitsfelder gehören zu Data Science

Innerhalb der Disziplin Datenwissenschaften gibt es für Data Analysts unterschiedliche Spezialisierungen. Je nach Fragestellung und Aufgabe brauchen Unternehmen Expertise in einem oder mehreren der folgenden Arbeitsfelder:

• Fach-Know-how (engl. Domain oder Subject Matter Expertise)
  Bedeutet unter anderem, die wichtigsten Probleme des jeweiligen Business zu kennen und genau zu wissen, wie die richtigen bzw. gewünschten Antworten aussehen. Die Data-Analysts fragen: Was ist das Wichtige an der Aufgabe, die wir zu lösen haben, und was genau interessiert Verbraucherinnen und Verbraucher/Kundinnen und Kunden an unseren Ergebnissen?
• Data Engineering
  Im Kern geht es um Big Data; Daten erwerben, einlesen, verändern, ablegen und abrufen. Auch spielen Metadaten – Daten über Daten – eine Rolle, ebenso eine ganzheitliche Denkweise. Schlüsselfragen in diesem Stadium: Wie lassen sich unsere Daten befragen und wie können wir die Daten nutzen?
• Wissenschaftliche Methodik
  Wie der Name verrät, geht es hier um den forschenden und wissenschaftlichen Teil der Arbeit beim Umgang mit Big Data. Empirie, Hypothesen, wiederholbare Experimente gehören zum Alltag. Die Frage lautet: Habe ich genug Informationen über die Methoden und die betreffenden Daten, um das Experiment unter gleichen Bedingungen wiederholen zu können?
• Mathematik
  Hier sind Masterminds gefragt: Angewandte Mathematik verhilft zu Quantität, Struktur, Raum und Veränderung.
• Statistik
  Extrahirnschmalz ist gefragt: Hier geht es um Methoden und Modelle, um das Beste aus dem Bereich Data herauszuholen.
• Advanced Computing
  Der Teil, der innerhalb der Data Science viel Geduld erfordert: unter anderem Programmieren, Testen und Debugging von Anwendungen.
• Visualisierung

Das schöne Gesicht der Information: Es geht darum, Data oder Ergebnisse visuell aufzubereiten und dadurch verständlich zu machen. Schließt auch kreative Prozesse im Umgang mit der Datenabstraktion ein.

• Hacker-Mentalität
  Hacking als Geheimrezept der Datenwissenschaft: Für die Informatik-Expertinnen und -Experten geht das über das Verändern von Hard- oder Software weit hinaus. Ihr Job ist es vielmehr, hartnäckig Problemlösungen im Datenkosmos zu testen – bis sie im Do-it-yourself-Modus für Fortgeschrittene die beste Option gefunden haben.

Normalerweise spezialisieren sich angehende Data Analysts bereits im Rahmen ihrer Ausbildung auf einzelne dieser Arbeitsfelder. Bei komplexen Aufgaben kann es sinnvoll sein, sich Teams zusammenzustellen, die unterschiedliche Spezialisierungen verknüpfen.

Big Data braucht Data Science

Wo finden KMUs gute Data Scientists?

Externe Spezialistinnen und Spezialisten arbeiten freiberuflich für Unternehmen. Sie lassen sich online durch spezielle Personalagenturen vermitteln, die in kurzer Zeit für den angefragten Job vorstellen können. Entsprechende Suchbegriffe sind etwa Data Science, Data Analyst, Data Analytics, Big Data Analyst, Data Engineer und Business Analyst.

Allein in Deutschland bieten 14 Universitäten, Hochschulen und Fachhochschulen den Studiengang oder den Masterstudiengang Data Scientist an. Die Lehrplaninhalte finden sich auf den jeweiligen Websites der Institute.

Nichteuropäische Universitäten, die sich auf Big Data spezialisiert haben und den Studiengang Data Science anbieten, befinden sich unter anderem in Australien, Neuseeland und Kanada.

Was muss ein Data Scientist sonst noch mitbringen?

• Kritisches Denken: Objektive Analyse, gute Kenntnisse der Ressourcen sowie die Fähigkeit, Probleme aus verschiedenen Blickwinkeln zu betrachten sind für Business Data Science die Grundvoraussetzung
• Effektive Kommunikation: Die Analytics-Expertinnen und
  -Experten müssen in der Lage sein, ihre Erkenntnisse zum Thema Data gut zu erläutern, handlungsorientiert zu denken sowie Vorgänge und Recherchen transparent zu vermitteln.
• Proaktive Problemlösung: Data Scientists beraten die Verantwortlichen im Unternehmen zu neuen Geschäftschancen. Sie schlagen vor, welche Ressourcen wie eingesetzt werden können, um bestehende Probleme zu beheben. Dafür brauchen sie detektivischen Spürsinn auf dem Weg zu den richtigen Antworten.
• Wissbegierde/natürliche Neugier: Gute Data Scientists fragen ständig nach dem „Warum“.
• Geschäftssinn: Gute Data Scientists sind keine Nerds. Informatik und insbesondere Analytics sind zwar klar ihre Schwerpunkte, haben aber auch ein Verständnis für Marketing und den Geschäftsbetrieb. Sie kennen die zu lösenden Unternehmensprobleme und deren Ursachen. Sie verstehen es, große Datenmengen in nützliche Ergebnisse für das Unternehmen umzuwandeln.

Weitere Digital-Jobs der Zukunft

Das weltweite Datenvolumen verdoppelt sich alle zwei Jahre. Im Jahr 2020 wird der weltweite Datenberg durch Apps, Social Media oder Mails auf 44 Zettabytes angewachsen sein. (Ein Zettabyte steht für 1.000.000.000.000.000.000.000 Bytes.)

Doch die digitale Welt treibt nicht nur den Informationsbedarf voran; es entstehen im Bereich Data Science auch viele spannende Berufsbilder der Zukunft.

• Simulation Engineers etwa werden virtuelle Welten noch besser ausleuchten.
• Der Job von Robotics Aesteticians ist es, die Technologien auf dem Feld der kosmetischen Chirurgie voranzubringen.
• Human-Robot Interaction Specialists sind heute als Interface-Designer und Psychologinnen und Psychologen im Automobilbau tätig. Sie beschäftigen sich unter anderem mit dem Thema Machine Learning. Was Sie und uns sonst noch erwartet, wenn Data zur Data Science wird, erfahren Sie.