nach oben

Erschienen in:

2016 | OriginalPaper | Buchkapitel

4. Data Scientist als Beruf

verfasst von : Kurt Stockinger, Thilo Stadelmann, Andreas Ruckstuhl

Erschienen in: Big Data

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Data Scientists sind gefragt: Laut Mc Kinsey Global Institute wird es in den nächsten Jahren allein in den USA einen Nachfrageüberschuss an 190.000 Data Scientists geben. Dieser sehr starke Nachfragetrend zeigt sich auch in Europa und im Speziellen in der Schweiz. Doch was verbirgt sich hinter einem Data Scientist und wie kann man sich zum Data Scientist ausbilden lassen?

In diesem Kapitel definieren wir die Begriffe Data Science und das zugehörige Berufsbild des Data Scientists. Danach analysieren wir drei typische Use Cases und zeigen auf, wie Data Science zur praktischen Anwendung kommt. Im letzten Teil des Kapitels berichten wir über unsere Erfahrungen aus dem schweizweit ersten Diploma of Advanced Studies (DAS) in Data Science, das an der ZHAW im Herbst 2014 erstmals gestartet ist.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Die Digitalisierung als Herausforderung für Unternehmen: Status Quo, Chancen und Herausforderungen im Umfeld BI & Big Data

Nächstes Kapitel Der Wert von Daten aus juristischer Sicht am Beispiel des Profiling

Der Begriff „Data Science“ ist jedoch älter. Unter anderem hat William S. Cleveland 2001 in einem unveröffentlichten Artikel (vgl. Cleveland 2014) „Data Science“ als eigenständige Disziplin vorgeschlagen. Darin finden sich schon viele Elemente des heutigen Verständnisses.

Eine nicht unumstrittene Forderung – siehe die Abschaffung der Angabe von p-Werten in diesem Journal: http://www.tandfonline.com/doi/pdf/10.1080/01973533.2015.1012991

SDS|2015 – The 2^nd Swiss Workshop on Data Science (12. Juni 2015 in Winterthur), ist einer der Treffpunkte der Schweizer Data Science Community. http://www.dlab.zhaw.ch/sds2015

Datalab – The ZHAW Data Science Laboratory. http://dlab.zhaw.ch/

Breiman diskutiert den Unterschied zwischen modellgetrieben Ansätzen und sogenanntem „algorithmischen“ Vorgehen. Der Unterschied liegt im Umfang der a priori Annahmen, welche den Raum möglicher Lösungen unterschiedlich einschränken bzw. formen. Beispielhaft sei die Annahme bestimmter Verteilungen der Daten vs. rein algorithmische Erfassung etwa mittels eines neuronalen Netzes genannt.

Experiment, Messung und Theoriebildung. In diesem Sinne wäre ein Data Scientist „…a person (professionally) involved in the conduct of data science“ (Brodie 2015b).

DAS Data Science der ZHAW: www.weiterbildung.zhaw.ch/de/school-of-engineering/programm/das-data-science.html

Breimann, L.: Statistical modeling: The two cultures. Stat. Sci. 16(3), 199–309 (2001)MathSciNetCrossRef

Brodie, M.: Doubt and verify: Data science power tools. Blog Post. http://www.kdnuggets.com/2015/07/doubt-verify-data-science-power-tools.html (2015a). Zugegriffen im Juli 2015

Brodie, M.: The emerging discipline of data science – Principles and techniques for data-intensive analysis. Keynote, SDS|2015, Winterthur, Schweiz. www.zhaw.ch/dlab/brodie (2015b). Zugegriffen im Juni 2015

Caffo, B.: Developing Data Products. MOOC der Johns Hopkins University, Coursera. https://www.coursetalk.com/providers/coursera/courses/developing-data-products (2015). Zugegriffen im Mai 2015

Chui, M., Farrell, D., Jackson, K.: How government can promote open data and help unleash over $3 Trillian in economic value. http://www.mckinsey.com/insights/public_sector/how_government_can_promote_open_data (2014). Zugegriffen im April 2014

Cieliebak, M., Dürr, O., Uzdilli, F.K.: Meta-Classifiers Easily Improve Commercial Sentiment Detection Tools. LREC. (2014, Mai)

Cleveland, W.S.: Data science: An action plan for expanding the technical areas of the field of statistics. Stat. Anal. Data Min.: The ASA Data Sci. J. 7(6), 414–417 (2014)MathSciNetCrossRef

Davenport, T.H., Patil, D.J.: Data scientist: The sexiest job of the 21st century. http://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/ar/1 (2012). Zugegriffen im Oktober 2012

Heitz, Ch., Ruckstuhl, A., Dettling, M. Customer lifetime value under complex contract structures. In Morin, J.-H., Ralyt’e, J., Snene, M. (Hrsg.) IESS 2010, LNBIP 53, 276–281 (2010)

Heitz, C., Dettling, M., Ruckstuhl, A.: Modelling customer lifetime value in contractual settings. Int. J. Serv. Technol. Manag. 16(2) 172–190 (2011)

Hey, T., Tansley, S., Tolle, K.: The forth paradigm, microsoft research. (2009, Oktober)

Howard, J., Zwemer, M., Loukides, M.: Designing Great Data Products. O’Reilly Media, ISBN 978-1-449-33367-6 (2012, März)

Humby, C.: Data is the new Oil!, ANA Senior marketer’s summit, Kellogg School. http://ana.blogs.com/maestros/2006/11/data_is_the_new.html (2006). Zugegriffen im November 2006

Jones, A.: Data science skills and business problems. Blog Post. http://www.kdnuggets.com/2014/06/data-science-skills-business-problems.html (2014). Zugegriffen im Juni 2014

Loukides, M.: What is data science?. Blog Post. http://radar.oreilly.com/2010/06/what-is-datascience.html (2010). Zugegriffen im Juni 2010

Loukides, M.: The Evolution of Data Producst. O’Reilly Media, ISBN 978-1-449-31651-8 (2011, September)

Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., Byers, A.H.: Big data: The next frontier for innovation, competition, and productivity. Report. http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation (2011). Zugegriffen im Mai 2011

Needham, J.: (2013) Disruptive Possibilities – How Big Data Changes Everything. O’Reilly Media, ISBN 978-1-449-36567-7 (2013, Februar)

Osterwalder, A., Pigneur, Y., Bernarda, G., Smith, A.: Value Proposition Design. Wiley, Hoboken (2014)

Parekh, D.: How big data will transform our economy and our lives in 2015. Blog Post. http://techcrunch.com/2015/01/02/the-year-of-big-data-is-upon-us/ (2015). Zugegriffen im Januar 2015

Patil, D.J.: Building data science teams. Blog Post. http://radar.oreilly.com/2011/09/building-data-science-teams.html (2011). Zugegriffen im September 2011

Provost, F., Fawcett, T.: Data science and its relationship to big data and data-driven decision making. Big Data 1(1) (2013)

Siegel, E.: Predictive Analytics – The Power to Predict Who Will Click, Buy, Lie, or Die. John Wiley & Sons, ISBN 978-1-118-35685-2 (2013)

Stadelmann, T., Stockinger, K., Braschler, M., Cieliebak, M., Baudinot, G., Dürr. O., Ruckstuhl, A.: Applied data science in Europe – Challenges for academia in keeping up with a highly demanded topic. In: European Computer Science Summit. ECSS 2013, Informatics Europe, Amsterdam, August 2013

Stockinger, K., Stadelmann, T.: Data Science für Lehre, Forschung und Praxis. Praxis der Wirtschaftsinformatik, HMD. 298 Springer, Heidelberg, S. 469–477 (2014)

Titel: Data Scientist als Beruf
verfasst von: Kurt Stockinger
Thilo Stadelmann
Andreas Ruckstuhl
Verlag: Springer Fachmedien Wiesbaden
Buch: Big Data
Print ISBN: 978-3-658-11588-3

Electronic ISBN: 978-3-658-11589-0

Copyright-Jahr: 2016
DOI: https://doi.org/10.1007/978-3-658-11589-0_4

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner