Die wunderbare Welt der Datascientisten

“Die wunderbare Welt der Datascientisten”

Was ist dieses Data Science eigentlich?

Günther T.: Der Begriff „Data Science“ wurde in den frühen 1960er Jahren geschaffen, um einen neuen Beruf zu beschreiben, der das Verständnis und die Interpretation der großen Datenmengen, die damals angehäuft wurden, unterstützen sollte. Man beachte: Zu dieser Zeit gab es keine Möglichkeit, die wirklich riesigen Datenmengen der nächsten fünfzig Jahre vorherzusagen. Die Datenwissenschaft entwickelt sich immer mehr zu einer Disziplin, die Informatik und statistische Methoden einsetzt, um nützliche Vorhersagen zu treffen und Erkenntnisse in einer Vielzahl von Bereichen zu gewinnen.

Laura K.: Das war früher mal so – aber ist das nun noch immer der Fall?

Günther T.: Data Science begann mit Statistik und hat sich zu Konzepten wie Künstlicher Intelligenz, maschinellem Lernen und dem Internet der Dinge (IoT) entwickelt, um nur einige zu nennen. Da immer mehr Daten zur Verfügung stehen, haben Unternehmen diese in immer größeren Mengen gesammelt und gespeichert. Mit dem Wachstum des Internets, des Internets der Dinge und dem exponentiellen Wachstum der Datenmengen, die den Unternehmen zur Verfügung stehen, kam es zu einer Flut von neuen Informationen und damit dem Begriff “Big Data”. Nachdem die Unternehmen die Türen geöffnet hatten, um ihre Gewinne zu steigern und bessere Entscheidungen zu treffen, wurde die Nutzung von Big Data auch auf andere Bereiche wie Medizin, Technik und Sozialwissenschaften ausgedehnt.

Laura K.: Tatsächlich strebt aktuell fast jede Branche danach, ihre Daten in neue Produkte und Geschäftsmodelle umzusetzen. Damit wächst auch der Bedarf an Data Scientisten enorm. Jedoch unterscheidet sich die Art, wie Unternehmen mit ihren Daten umgehen und dementsprechend, welche konkreten Herausforderungen Data Scientisten im Unternehmen begegnen, noch enorm. Während ein Data Scientist im Unternehmen X komplexe Modelle trainiert, bereitet ein:e andere Datenwissenschaftler:in im Unternehmen Y vielleicht noch Excel-Dateien auf, um dann sinnvoll mit den Daten weiterarbeiten zu können. Es muss Data Scientisten bewusst sein, dass nicht jede:r das gleiche Verständnis im Umgang mit Daten hat und es ggf. noch einiges an Aufholbedarf gibt, bevor die wirklich spannenden Techniken zum Einsatz kommen können.

Data Science ist also nicht immer gleich Data Science – das haben wir bereits in unserer letzten Kolumne gesehen. Klar ist jedoch, dass es ohne Daten kaum noch geht – vor allem nicht im Angesicht von Technologien wie Künstlicher Intelligenz.

von Günther Tschabuschnig und Laura Kaltenbrunner

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

Hier findest du den 1. und 2. Teil der Kolumne:

Mehr von Günther Tschabuschnig, Präsident der DIO: Vom Data Steward bis zum Chief Data Officer: Die wichtigsten Jobs rund um Daten, Künstliche Intelligenz und Analytics. Was man braucht, was man tut, was man verdient: