Data wars – die Rückkehr der Datenkrieger

“Data wars – die Rückkehr der Datenkrieger”

Muss ich Data Science studieren, um Datenwissenschaftler*in zu werden?

Günther T.: Grundsätzlich sind viele Data Scientist*innen eigentlich Physiker*innen, Statistiker*innen, Mathematiker*innen oder einfach Fachexpert*innen. Denn Datenwissenschaftler*in zu werden, bedeutet nicht immer gleich, mit komplexer Künstlicher Intelligenz umgehen zu müssen. Natürlich kommt man heutzutage immer wieder mit solchen Themen in Berührung, aber mit Daten umzugehen heißt erstmal, mit Daten-spezifischem Fachwissen umzugehen.

Laura K.: Absolut! Immerhin gibt es die eigene Studienrichtung “Data Science” auch noch gar nicht so lange und bricht man sie auf ihre Basis herunter, dann versteht man auch, wieso ein*e Mathematiker*in sich in der Welt der Daten so wohl fühlt. Man muss allerdings anmerken, dass die alleinige Fähigkeit, mit Zahlen und Funktionen um sich zu werfen, noch keine*n Datenwissenschaftler*in ausmacht!

Günther T.: Ja, aber was heißt das dann? Wie in der letzten Kolumne schon erwähnt, sind Daten nur Nullen und Einsen. Richtigen Mehrwert bekommen sie erst, wenn sie in einen Kontext gesetzt werden. So ist “4” zuerst nur eine Zahl. Als “4°C” hat die Zahl aber bereits eine Bedeutung. Dies wird dann Information genannt. “4°C ist die Außentemperatur” ist dann der Kontext, also das Wissen. Kurz: Ein*e Datasicentist*in versteht zuerst die Daten und kann aus diesem Wissen dann auch Schlüsse ziehen.

Laura K.: Denn wenn ich mich nur auf die Daten konzentriere, ohne Kontext, ohne Wissen, wofür diese Daten denn schlussendlich eingesetzt werden, kann es schon passieren, dass ich mit dem Ergebnis “4” ganz schön daneben liege. Nämlich z.B. dann, wenn es gar nicht um die Außentemperatur geht, sondern um die Temperatur, bei der Heißdampf entsteht. Die liegt nämlich ziemlich weit darüber. Im Kern kann man also sagen, dass es für ein*e Datenwissenschaftler*in genau so wichtig sein sollte, die Daten an sich zu verstehen, als auch den Kontext zu kennen, in dem die Daten verwendet werden. Deshalb ist es auch gar nicht so unüblich, dass nicht nur Personen, die sich mit Daten gut auskennen (z.B. Mathematiker*innen) in die Data Science gehen, sondern auch zahlreiche Fachexpert*innen (z.B. aus Marketing, Industrie, Medizin) eine Daten-fokussierte Ausbildung nachziehen.

Wer sich also für Daten interessiert, aber keinen Ph.D. in Data Science besitzt, sollte keine Angst davor haben, einfach mal hineinzuschnuppern. Es gibt viele verschiedene Aspekte von und Aufgaben in der Data Science – einige davon werden wir in der nächsten Kolumne behandeln.

von Günther Tschabuschnig und Laura Kaltenbrunner

📧 guenther.tschabuschnig@dataintelligence.at und laura.kaltenbrunner@datanauts.at

Hier findest du den 1. Teil der Kolumne: