Data Science: Datenwissenschaftler, die Ingenieure des Digitalzeitalters

Foto: Håkan Dahlström / Flickr

Wenn in den USA eine Risikokapitalgesellschaft Geld in ein Start Up investiert, geht es den Investoren nicht um die Rentabilität ihrer Investition durch kurzfristige Umsätze. Geld bekommen bevorzugt Geschäftsmodelle, durch die Daten gesammelt werden können. Die Monetarisierung der Geschäftsidee folgt erst an zweiter Stelle, nämlich durch den Vertrieb der ausgewerteten Daten. Die großen Vorbilder dieser Geschäftsmodelle sind Google, Facebook oder Apple. Alle diese Unternehmen haben eins gemeinsam: sie sammeln Daten, die helfen, dass ihre Werbekunden ihre Botschaften und Produkte zielgenau an den Mann gebracht werden und Endverbraucher Produkte und Dienste optimal nutzen können.

Statistikkenntnisse sind nicht ausreichend

Wichtigste Kernkompetenz, die solche Geschäftsmodelle einfordern, ist die Datenanalyse. Denn es sind unvorstellbare Mengen an Daten. Der EMC Studie “Digitales Universum” zufolge wurden im Jahr 2013 4,4 Zettabyte Daten produziert. Die Autoren prognostizieren, dass bis 2020 das Datenvolumen auf über 44 Zettabyte bzw. 44 Billionen Gigabytes anwachsen wird. Würde man diese Daten in Form von Tablets speichern und diese aufeinanderstapeln, dann würde der Turm die 6,6-fache Strecke zwischen Erde und Mond hoch sein.

[jumbotron tagline=“Zusammenfassung:“]
  • Grundbausteine der Digitalisierung sind Daten. Sie zu sammeln und auszuwerten, sind zentrale Kompetenzen digitaler Geschäftsmodelle.
  • 2020 werden 44 Zettabyte bzw. 44 Billionen Gigabyte Daten produziert.
  • Der Beruf des Datenwissenschaftlers (bzw. Data Scientists) wird in den kommenden Jahren an Bedeutung gewinnen.
  • Der Datenwissenschaftler verknüpft, strukturiert und wertet Daten aus, um Einstellungen, Verhalten und Vorlieben von Menschen zu entschlüsseln.
[/jumbotron]

Für die Sortierung, Auswertung und Analyse der Daten bilden Statistikkenntnisse vielleicht die Grundlage, sie reichen aber bei weitem nicht aus. Nicht Statistiker werden benötigt sondern Datenwissenschaftler, die neben der statistischen Datenanalyse Kenntnisse in Informatik und Informationstechnologie sowie Soft Skills in Präsentation Kommunikation und Strategie mitbringen müssen. Der Datenwissenschaftler arbeitet zwischen IT, Strategie, Mensch und Analyse. Zwischen diesen zum Teil widersprüchlichen Disziplinen und Funktionsbereichen eines Unternehmens muss er Brücken bauen. Oder anders formuliert: Die Kür für den Datenwissenschaftler ist es aus der Unmenge an Daten zielführende und handlungsaktivierende Entscheidungsgrundlagen zu erarbeiten und diese für Führungskräften und Ressorts eines Unternehmens verständlich zu vermitteln. Fachwissen, Technikaffinität und schließlich Sozialkompetenz sind dabei unerlässlich.

Mit Data Science menschliches Verhalten vorhersagbar machen

Oder doch alles unnützer Hokuspokus? Gerade die Soziologie scheint gegenüber der datengetriebenen Wirtschaft ungläubig zu stehen. Andreas Diekman, Professor für Soziologie an der ETH Zürich, kritisiert in seinem Gastbeitrag für die Süddeutsche Zeitung die deutsche Soziologie umfassend. Er warnt sie, mit Blick auf die wachsende Bedeutung von quantitativen Daten, den Anschluss an die digitale Transformation von Gesellschaft und Wirtschaft zu verpassen. Dabei ist die datengetriebene Wirtschaft und Gesellschaft die perfekte Arbeits- und Forschungsgrundlage für die Soziologie. Diekmann schreibt dazu in der SZ: “Der Mensch hängt stark von seinem Umfeld ab. Der Einfluss räumlicher und sozialer Bedingungen auf menschliches Handeln – auf Erwerbstätigkeit, Bildungschancen, Verkehr, Gesundheit und so weiter – kann heute mit ortsbezogenen Daten in einem ‘Geo-Informationssystem’, kurz GIS, kartografiert und statistisch analysiert werden.”

 

[lists style=“info-circled“ color=“#1e73be“]
Interessante Quellen zum Nachlesen:
[/lists]

 

Genau dies macht der Datenwissenschaftler. Die Daten helfen ihm, Einstellungen und Vorlieben (mindsets) sowie Routinen und Verhaltensformen (habits) der Menschen zu entschlüsseln, zu strukturieren und vorhersagbar zu machen. Wie gut dies klappt, beweisen zwei Anekdoten, die sich viral über die sozialen Medien verbreitet haben. Da wäre zum einen der Vater und seine minderjährige Tochter. Vom nächstgelegenen Supermarkt erhielt die junge Frau Werbung für Babyzubehör. Der empörte Vater beschwerte sich beim Supermarkt, hat allerdings später von der Tochter erfahren, dass sie in der Tat ein Baby erwartet. Denn dank einer Datenanalyse zum Kaufverhalten, konnte ermittelt werden, dass werdende Mütter ihr gewohntes Warensortiment verlassen und Produkte vorziehen, die hilfreich für eine Schwangerschaft sind.

Datenwissenschaft das Fundament der digitalen Wirtschaft

Die Vermittlungsplattform für Fahrdienste “Uber” hat anhand der Fahrtstrecken und Fahrverhaltens seiner Kunden One-Night-Stand-Profile erstellt und kartografiert. Die typische Fahrt zum One-Night-Stand findet zwischen 22 Uhr und 4 Uhr morgens statt. Nach vier bis sechs Stunden Aufenthalt wird wenige hundert Meter vom Absetzpunkt die Rückfahrt über Uber gebucht. Die Empörung darüber war groß, so dass Uber den entsprechenden Blogbeitrag daraufhin gelöscht hat. Aber dieses “analytische Spiel”, wie Fabien Nestmann, Deutschland-Chef von Uber es nennt, zeigt, dass Muster in den Entscheidungen und im Verhalten der Menschen erkannt werden können.

Es ist nicht übertrieben, wenn man anführt, dass die Datenwissenschaft das Fundament der digitalen Transformation ist. Man mag sich über die “Daten-Sammelwut” von Unternehmen empören und diesen skandalisieren. Daten sind aber unverzichtbar für ein erfolgreiches Geschäftsmodell im Digitalzeitalter. Nicht zuletzt hat das Augmented Reality-Spiel Pokemon Go eindrucksvoll gezeigt, warum das Sammeln von Daten Hauptmerkmal digitaler Geschäftsmodelle ist. Auch durch dieses Spiel wurden vor allem Standortdaten von Millionen Menschen weltweit erfasst. Sie wurden des Weiteren angeregt, sich zu bestimmten Standorten zu begeben, um dort nach den kleinen Monstern zu jagen. Ob Brücken, Einkaufsstraßen oder Parks, das Augmented Reality-Spiel bescherte diesen Orten zahlreiche Gäste. Auch ThyssenKrupp gab über Twitter den ein oder anderen Hinweis, dass Monster in der Unternehmenszentrale gesichtet worden sind und lockte damit einige Besucher auf das eigene Gelände.

Eine Sache wird allerdings klar: die Datenwissenschaft von heute ermöglicht die digitale Ökonomie, wie die Ingenieurswissenschaft die Industrialisierung ermöglicht hat.

Autor: Kamuran Sezer, Geschäftsführer des futureorg Institut, das auf sozioökonomische Trendanalysen und Innovationskommunikation spezialisiert ist. 

1 Trackback / Pingback

  1. Minister Dobrindt: “Weg von Datensparsamkeit” |

Kommentar hinterlassen

E-Mail Adresse wird nicht veröffentlicht.


*


*