Diese Aussage kommt von keinem geringeren als Google Chefökonom Hal Varian. Welchen er damit meint? Data Scientist. Hohe Nachfrage am Arbeitsmarkt, sehr gute Verdienstmöglichkeiten und hervorragende berufliche Perspektiven: Beim Data Scientist trifft ein innovatives, zukunftsweisendes Betätigungsfeld auf häufig ebenso attraktive Rahmenbedingungen.
Welche Fähigkeiten und Kenntnisse sind besonders gefragt? Wie sieht die tägliche Arbeit im Umfeld von KI und Machine Learning aus? Beantwortet werden diese Fragen in diesem Artikel aus der Perspektive der eoda GmbH aus Kassel, einem der führenden Data-Science-Dienstleistern der DACH-Region. Beratung, Projekte, Training und Software: Mit einem ganzheitlichen Portfolio und rund 50 Mitarbeiter:innen bedient eoda branchenübergreifend Unternehmen unterschiedlicher Größe. Zu den Kunden gehören unter anderem die Deutsche Bahn, REWE Group, OBI und TRUMPF. Alle Leistungen folgen dem Ziel, für die Kunden Daten in strategisches Wissen und wirtschaftliche Mehrwerte zu verwandeln.
Abwechslungsreiche Projekte statt Branchenroutine
Typischerweise agieren Data Scientists heute in Unternehmen entweder als Einzelkämpfer oder in kleineren Teams. Doch das Thema wird immer bedeutsamer und weitere Unternehmen werden in naher Zukunft eigene „Data Labs“ gründen und die Rahmenbedingungen professionalisieren. Vieles deutet darauf hin, dass eine firmeninterne Abteilung für das Thema Data Science in Zukunft genauso selbstverständlich sein wird wie heute Marketing und Vertrieb. Teilweise sind Data Scientists bereits heute fest in den Fachbereichen eines Unternehmens verortet, die Branche und das Aufgabenfeld ihrer Arbeit sind dadurch weitestgehend festgelegt. Es sind die Rahmenbedingungen für eine thematische Spezialisierung.
Dies ist der erste Unterschied zur Arbeit als Data Scientist bei einem Dienstleister wie eoda. Predictive Maintenance im Maschinenbau, Kundensegmentierung im Einzelhandel oder die KPI-Prognose für einen Finanzdienstleister: Die Data Scientists arbeiten branchenübergreifend an einer Vielzahl unterschiedlicher Projekte. In diesen treffen sie auf Kunden mit unterschiedlichem Vorwissen und heterogenen Anforderungen. Data Science aus der Dienstleisterperspektive bedeutet deshalb Abwechslung pur – von der Optimierung interner Prozesse beim Kunden bis zur Entwicklung neuer digitaler Services. Immer mehr Unternehmen wollen das Thema Data Science vorantreiben. Mit dem Data-Science-Empowerment-Ansatz versteht eoda sich als der Partner, um genau dieses Ziel zu realisieren und einen Beitrag zur Entwicklung des KI-Standorts Deutschland zu leisten.
Data Science als Kern des Geschäftsmodells – nicht als eine von vielen Kostenstellen
Der zweite Unterschied ergibt sich aus dem Arbeitsumfeld: eoda ist kein Maschinenbauer, Einzelhändler oder Finanzdienstleister, der auch in das Thema Data Science investiert – hier ist Data Science der Kern des Geschäftsmodells. Kein anderes Themengebiet entwickelt sich so rasant weiter und erweitert durch den technischen Fortschritt Jahr für Jahr den Horizont des Möglichen. Um als Anbieter wettbewerbsfähig zu bleiben und keine Trends zu verpassen, gehört es dazu, sich kontinuierlich weiterzuentwickeln. Ein wichtiger Baustein für die erfolgreiche Entwicklung des Unternehmens ist dabei die Weiterentwicklung jedes Einzelnen im Team. Erleichtert wird die persönliche Entwicklung durch die besonderen internen Möglichkeiten zum Austausch. Während Data Scientists in klassischen Unter- nehmen häufig „Sparringspartner“ fehlen, betrachtet eoda Data Science konsequent als Teamdisziplin. Vom Forstwissenschaftler bis zum Mathematiker gelingt es im Austausch, auch den persönlichen Horizont stetig zu erweitern, um für die Kunden die bestmögliche Lösung zu finden.
Einstiegsmöglichkeiten in den Beruf des Data Scientists sind bei eoda im Rahmen eines Praktikums, einer Werkstudententätigkeit oder einer Festanstellung möglich. Mehr Informationen dazu auf eoda.de/karriere.
Der Einstieg als Mathematiker als Data Scientist
Ein Teil dieses interdisziplinären Teams ist Florian Schmoll. Florian hat Mathematik an der Universität Kassel studiert und als Data-Science-Praktikant den Weg zu eoda gefunden. Bereits in diesem hat er Machine-Learning-Algorithmen für einen Kunden aus dem Bereich Maschinenbau entwickelt. Damit hat er dazu beigetragen, dass dieser sein klassisches Geschäftsmodell um innovative Services auf Basis von Daten und Algorithmen erweitern konnte.
In einem wachsenden Unternehmen ist der Übergang vom Praktikum bis zur Festanstellung häufig fließend, so auch bei Florian. Seit 2018 ist er als Junior Data Scientist festangestellt. Sein Aufgabenspektrum hat sich seitdem immer stärker erweitert. So gibt er jetzt etwa sein erlerntes Wissen in Data-Science-Schulungen zu den Programmiersprachen R & Python an andere weiter. Auch beim Maschinenbau-Projekt ist es nicht geblieben. Mittlerweile steuern seine Algorithmen unter anderem das Ersatzteillager eines Flugzeugherstellers und den Ein- und Verkauf eines Händlers von Chemieprodukten.
Das Mathematik Studium als Vorbereitung auf den Beruf
Das Studium der Mathematik als Wissensgrundlage hilft Florian dabei in vielen Bereichen seiner Arbeit als Data Scientist: „Zeitreihenanalysen und Optimierungsprobleme sind ein wesentlicher Bestandteil meiner Tätigkeit. Das Wissen über Zeitreihen als stochastische Prozesse und Optimierungsverfahren, die als wichtiger Bestandteil der eingesetzten Data-Science-Algorithmen dienen, konnte ich aus dem Studium bereits mitbringen“, erklärt er. Statistik im Allgemeinen und die Stochastik im Besonderen sind das Fundament seiner Arbeit. Auch hat er in seinem Studium erste Programmierkenntnisse in R gesammelt. Für die Vorbereitung auf den Einstieg als Data Scientist empfiehlt er, auch frühzeitig Erfahrungen in der Arbeit mit Python zu sammeln. „Noch mehr als die Methoden- und Programmierkenntnisse helfen mir die Fähigkeit zum logischen Denken und die im Mathematik Studium erlernte Problemlösekompetenz“, betont Florian. Als Data Scientist ist man in der Regel nicht mit Standardproblemen konfrontiert. Selbst bei Problemstellungen in der gleichen Branche erfordern individuelle Anforderungen regelmäßig neue, kreative Vorgehensweisen und das stetige Annähern an die optimale Lösung.
Zu seinem Data-Science-Praktikum ist Florian eher zufällig durch die Empfehlung eines Kommilitonen gekommen. Mittlerweile sieht er nicht nur seine berufliche Gegenwart, sondern auch seine Zukunft im Bereich der Datenwissenschaft. Bei eoda gefallen ihm neben dem abwechslungsreichen Projektgeschäft und dem interdisziplinären Team vor allem die Freiheit und Flexibilität, sowohl im Hinblick auf seine Arbeitsweise, als auch auf Arbeitsort und -zeit.
Data Scientist werden: Worauf kommt es an?
Neben Florian haben weitere der eoda-Data Scientists ihren fachlichen Hintergrund in den MINT-Studiengängen. „Neben der analytischen Denkweise und der Methodenkenntnis ist insbesondere die Begeisterung für neue Technologien bei unseren MINT-Absolventen besonders ausgeprägt“, erklärt Ulrike Wahl, HR-Managerin bei eoda. „Zu unserem Ansatz des Kunden-Empowerments gehört es auch, dass wir unsere Vorgehensweisen und Ergebnisse verständlich gegenüber dem Kunden erklären. Kommunikationsstärke und die Fähigkeit zum Brückenschlag zwischen dem komplexen Thema Data Science und den Anforderungen unserer Kunden sind daher essenziell“, betont Ulrike. Sollte Data Scientists ein eigenbrötlerisches und rein auf die Technik versessenes Image anheften, lässt sich dies bei eoda nicht bestätigen.
Du hast die Wahl: Willst du zum Karrierenetzwerk DATA SCIENCE oder lieber MATHEMATIK?
Zum Autor:
Tobias Titze hat sein Studium der Wirtschaftswissenschaften an der Universität Kassel absolviert. Seit 2013 betreut er das Marketing der eoda GmbH. Seine tägliche Aufgabe ist der Brückenschlag zwischen einem komplexen Thema und den Anforderungen des Marktes. Er interessiert sich für Daten und Algorithmen und begeistert sich für die Vorteile, die sich für Unternehmen daraus ergeben.