Data Scientist, ein Beruf für die Zukunft?
Daten gelten als das «Erdöl des 21. Jahrhunderts» – zu Recht? «So plakativ würde ich es nicht formulieren», antwortet Prof. Dr. Barbara Hellriegel. Am IBAW unterrichtet sie Data Science, an der Universität Zürich mathematische Modellierung und Statistik.
Was sie beobachtet: «Im Moment treibt das Thema vieles an.» Die Automatisierung und Digitalisierung lassen sich nicht aufhalten. Aktuell wirkt die Corona-Krise als Beschleuniger: Der Einzelhandel stellt auf online um, der wirtschaftliche Druck lässt wenig Raum für Zweifel.
Ein Digitalisierungsschub
Inzwischen nutzen alle Software zur digitalen Zusammenarbeit: Schulen und Universitäten, KMU und Konzerne. Die Risiken sind nicht verflogen, denn auch diese Programme sammeln fleissig Daten. So begeistert wie Barbara Hellriegel ausführt, was sich mit Data Science machen lässt, so wichtig ist ihr die Datensicherheit.
Möglicherweise ist es genau dieses disziplinübergreifende Denken, was Datenwissenschaftler*innen ausmacht. Denn wer Data Scientist wird, benötigt Fähigkeiten aus verschiedenen Fachgebieten. Data Scientists sind idealerweise Generalist*innen: Statistiker, Programmiererinnen und Kommunikationsprofis mit Kenntnissen über das Anwendungsgebiet.
Gebiete, auf die man sich spezialisieren kann, gibt es viele. In allen Branchen werden grosse Datenmengen ausgewertet und wo diese vorliegen, braucht es Data Scientists, zum Beispiel in diesen Branchen:
- Banking und Finanzen
- Distribution und Logistik
- Gesundheit: Medizin und Pharmaindustrie
- Öffentliche Verwaltung
- Onlinehandel
- Transport
«Fast in jeder Branche gibt es Potential für Data Scientists, auch in der Schweiz», bestätigt Barbara Hellriegel. Die Aufgaben, die die Datenwissenschaft übernimmt, sind je nach Arbeitsgebiet sehr unterschiedlich.
Wie finde ich mein Fachgebiet?
Wer sich für Sprachen interessiert, könnte an der Entwicklung von Sprachassistenten mitwirken. In der Humanmedizin, in der digitalen Pathologie, arbeiten Spezialist*innen an der Gewebeerkennung, um Krebs frühzeitig zu erkennen. Reiseanbieter werten die Nutzungsdaten von Websites aus um so Rückschlüsse auf ihre Kund*innen zu ziehen. So sehen Nutzer*innen auf Buchungsplattformen oft Preise, die ihrem Verhalten und dem Wohlstandsniveau ihres Herkunftslandes angepasst sind.
Die Jobaussichten sind gut. Die Automatisierung und Digitalisierung sind in unserem Alltag angekommen und lassen uns nicht so schnell wieder los.
Was machen Data Scientists?
Datenwissenschaftler*innen schaffen aus unstrukturierten Rohdaten eine strukturierte Datenbasis und analysieren sie. Diese Arbeit dient als Grundlage für weitere Entscheide. Stellen gibt es in Start-Ups ebenso wie in Grossunternehmen. Je grösser das Unternehmen, je spezialisierter ist die Arbeit.
Wer gerne als Allrounder*in arbeitet, findet bei einem neu gegründeten Unternehmen oder KMU Arbeit. Wer sich auf ein Fachgebiet der Data Science spezialisiert, ist in grösseren Teams gefragt. Zu den Schlüsselkompetenzen gehören ganz klar die digitalen Kompetenzen. Einige mögliche Aufgaben sind:
- Algorithmen programmieren
- Bilderkennung und Bildverarbeitung
- Data Management (Datenbanken)
- Neue Methoden entwickeln, auch Apps
- Spracherkennung
Frau Hellriegel, Corona, Klimawandel und letztes Jahr die Wahlen in den USA. Beinahe täglich erreichen uns Statistiken in den Schlagzeilen, verhelfen sie der Data Science zu einem Aufschwung?
Schön wäre es, denn meiner Meinung nach gehört Statistik zu den Grundkompetenzen. Doch ich bin unsicher, wie viel die Leute wirklich verstehen. Sie scheinen von den vielen Zahlen inzwischen eher genervt zu sein und die Macht der Daten zu überschätzen. Diesen Eindruck hatte ich, als ich kürzlich eine Pressekonferenz mit Angela Merkel im Fernsehen sah.
Wie kam es dazu?
Eine Frage an Frau Merkel war: Können im Sommer wieder Openair-Konzerte stattfinden? Diese Frage lässt sich doch nicht beantworten.
Und wie hängt sie mit Data Science zusammen?
Wer versteht, was exponentielles Wachstum bedeutet, weiss auch, dass sich diese Frage so nicht beantworten lässt. Der vom Virus abhängige Teil des R-Werts (Reproduktionszahl des Virus), bleibt mehr oder weniger gleich – solange keine aggressivere Mutante entsteht. Was sich verändert, ist zum Beispiel das Verhalten der Menschen, und das ist in diesem Fall die Unbekannte. Nur wer das zukünftige Verhalten der Menschen vorhersehen kann, könnte die Verbreitung des Virus vorhersagen – und somit die Frage beantworten. Dabei geht es um die Einhaltung der Regeln, um Kontaktnetzwerke und die Mobilität. Übrigens, zum exponentiellen Wachstum habe ich einen Tipp, darf ich?
Sehr gerne.
Prof. Dr. Emanuel Weitz ist Mathematiker und Informatiker. Er hat sich die Mühe gemacht, das exponentielle Wachstum in einem kurzen Video zu erklären, es dauert rund 20 Minuten. Er geht darauf ein, weshalb exponentielles Wachstum so schwer vorstellbar ist.
Wer Data Science studieren möchte, sollte sich also für Statistik interessieren?
Auf jeden Fall, in der Data Science verbinden wir das Wissen aus Informatik, Mathematik und Statistik mit den Kenntnissen der Anwendungsgebiete.
Ist «Data Science» nur ein neuer Begriff für Statistik?
Von den Methoden, die wir in der Data Science nutzen, stammen tatsächlich viele aus der Statistik. Das erklärt, weshalb manche Unternehmen sagen; Das machen wir doch schon lange. Ja, einige Methoden wurden schon lange verwendet, noch bevor von Big Data die Rede war.
Und was ist denn neu daran?
Neu ist der technische Fortschritt: Die Rechenleistungen und der Speicherplatz haben sich massiv entwickelt. Früher gab es zwar die Methoden, doch oft nur ungenügend Daten. Neuronale Netze sind hier ein Beispiel: Sobald mehr möglich ist, entwickeln sich auch die Methoden rasch weiter.
Was sind wichtige Fragen im Alltag von Data Scientists?
Sie sind dafür verantwortlich, die erhobenen Daten sorgfältig zu bereinigen. Dazu sollten sie in der Lage sein, deren Qualität einzuschätzen. Eine entscheidende Frage dabei ist: Wo kommen die Daten her?
Wie wichtig sind die digitalen Kompetenzen für das Studium?
Viele sind heute versiert im Umgang mit digitalen Mitteln, sie nutzen Tinder, sind mit den Oberflächen vertraut. Eine Voraussetzung für den Studiengang ist es, sich zusätzlich auch für die Tiefe zu interessieren.
Was zeichnet den Studiengang aus?
In Kombination mit Fachkenntnissen ist das eine grossartige Weiterbildung. Die Ausbildung ist sehr breit und die Zukunft vielversprechend: Um die Daten zu nutzen, braucht es gut geschulte Fachpersonen.
Studiengang Data Science NDK HF
Ein Beruf mit Zukunft: Der Studiengang Data Science NDK HF dauert ca. 9 Monate, eine fachspezifische Grundausbildung ist nicht nötig. Am IBAW studieren Sie berufsbegleitend, der Unterricht findet online und in Luzern statt.
Infoveranstaltung höhere Berufsbildung
Lernen Sie das IBAW kennen, das Angebot und erfahren Sie mehr über den Studiengang Data Science NDK HF.
Dieser Beitrag ist der letzte der dreiteiligen Serie zum Thema Data Science. Lesen Sie hier die anderen Beiträge:
Teil 1: Die Macht der Daten
Teil 2: Daten, ihr Schutz und neue Chancen
Über die Expertin
Prof. Dr. Barbara Hellriegel
Statistik sollte zur Allgemeinbildung gehören, findet IBAW-Dozentin Barbara Hellriegel. Sie unterrichtet im Nachdiplomkurs Data Science und leitet die Fallstudie, die den Studiengang abschliesst. Als Titularprofessorin unterrichtete sie viele Jahre mathematische Modellierung und Statistik an der Universität Zürich. Für einen Wissenschaftsverlag arbeitete sie als Editorin für angewandte Mathematik und Informatik. Heute ist sie Mathematiklehrerin. Studiert hat sie Mathematik mit Nebenfach Biologie und dann in Zoologie, speziell mathematische Biologie, promoviert. Ihre Begeisterung für verschiedene Disziplinen pflegt sie noch heute.
Verwendete Links
Video Prof. Dr. Edmund Weitz
