nach oben

AStA Wirtschafts- und Sozialstatistisches Archiv

Erschienen in:

20.07.2016 | Originalveröffentlichung

Statistikausbildung in Zeiten von Big Data

verfasst von: Markus Zwick

Erschienen in: AStA Wirtschafts- und Sozialstatistisches Archiv | Ausgabe 2-3/2016

Einloggen

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

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Mit den permanent wachsenden digitalen Datenbeständen, umgangssprachlich als Big Data bezeichnet, verändern sich auch die Anforderungen an Datenproduzenten und Datenanalysten. Dies führt u. v. a. zu der Diskussion, welche Fertigkeiten und Kompetenzen künftig von Statistikern erwartet werden. Data Scientist bzw. iStatistician sind die Schlagworte für eine weiterzuentwickelnde statistische Ausbildung. Big Data, aber auch die damit einhergehenden neuen technischen Möglichkeiten, verändern die Lehre und Ausbildung. Der folgende Aufsatz formuliert einige Thesen zu diesen Veränderungen.

Vorheriger Artikel Big Data is a big deal but how much data do we need?

Nächster Artikel Statistik, Data Science und Big Data

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 "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

Big Data wird hier und im Folgenden als Sammelbegriff für Datenbestände verwendet, die weder Survey, Zensus oder administrative Daten sind. Eine gute Arbeitsdefinition beschreibt Big Data als digital traces, siehe hierzu und zu anderen Definitionen von Big Data u. v. a. Zwick (2015a).

https://www.statistik.tu-dortmund.de/fakultaet.html

http://www.statistik.lmu.de/

https://en.wikipedia.org/wiki/Bologna_Process.

http://master.surveystatistics.net/index.html.

https://www.uni-due.de/soziologie/ma_survmeth_studiengang.php.

Zur Personal- und Weiterbildungspolitik innerhalb europäischer statistischer Ämter siehe insbesondere United Nations Economic Commission for Europe (2013).

http://ec.europa.eu/eurostat/web/european-statistical-system/training-programme-estp.

Vgl. „The International Statistical Literacy Project“ http://iase-web.org/islp/ sowie auch Forbes et al. (2011).

http://www.stochastik-in-der-schule.de.

https://www.destatis.de/DE/PresseService/StatistikCampus/StatistikCampus.html.

http://www.abs.gov.au/websitedbs/cashome.nsf//Home/Entry+Page.es?opendocument#from-banner=GT.

http://www.censusatschool.org.uk/international-projects.

Als Beispiel hierzu das gemeinsame „International Program in Survey and Data Science (IPSDS)“ der Universitäten Mannheim, Maryland und Michigan (http://survey-data-science.net/).

Zu den Inhalten und zum Konzept der 1. EMOS Springschool siehe http://ec.europa.eu/eurostat/cros/content/emos-spring-school-2015_en.

Zu den Daten siehe http://www.forschungsdatenzentrum.de/campus-file.asp, zum Konzept der CAMPUS Files siehe Zwick (2008).

http://www1.unece.org/stat/platform/display/bigdata/Big+Data+in+Official+Statistics

Vgl. u.a UNECE (2013), Ottaiano (2015), Ridgway (2015).

Zum Code of Practice siehe http://ec.europa.eu/eurostat/web/quality/european-statistics-code-of-practice.

Vgl. http://www.gapminder.org/.

Vgl. hierzu http://www.informationisbeautifulawards.com/ oder http://flowingdata.com/ .

Für die volle dynamische Visualisierung siehe http://www.neighbourhood.statistics.gov.uk/HTMLDocs/dvc128/wrapper.html.

Zu EMOS siehe Zwick (2015b) sowie http://ec.europa.eu/eurostat/cros/content/emos.

Zu den Learning Outcomes siehe http://ec.europa.eu/eurostat/cros/content/learning-outcomes_en.

http://ec.europa.eu/eurostat/cros/content/literature_en

Anderson C (2008) The end of theory: the data deluge makes the scientific method obsolete. http://www.wired.com/2008/06/pb-theory/. Zugegriffen: 15 Jan 2016

Arnold P, Kilian S, Thillosen A, Zimmer G (2011) Handbuch E‑Learning – Lehren und Lernen mit digitalen Medien, 2. Aufl. Bertelsmann, Bielefeld

Braaksma B, Zeelenberg K (2015) “Re-make/re-model”: should big data change the modelling paradigma in official statistics? Stat J IAOS 31:193–202. doi:10.3233/SJI-150892CrossRef

Carver RH, Stephens M (2014) It is time to include data management in introductory statistics, contributed paper for the ICOTS9. http://icots.info/9/proceedings/pdfs/ICOTS9_C134_CARVER.pdf. Zugegriffen: 15. Jan 2016

Davenport TH, Patil DJ (2012) Data scientist. The sexiest job of the 21st century, harvard business review, Oktober 2012, Seite 70 ff. https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/. Zugegriffen: 15. Jan 2016

Forbes S, Camden M, Pihama N, Bucknall P, Pfannkuch M (2011) Official statistics and statistical literacy: they need each other. Stat J IAOS 27:113

Hochgürtel T, Zwick M (2010) The lecture series “economic statistics. Data production and data analysis in official statistics”, invited paper for the ICOTS8. http://iase-web.org/documents/papers/icots8/ICOTS8_10E2_HOCHGUERTEL.pdf. Zugegriffen: 15. Jan 2016

Keller B, Klein H‑W, Tuschl S (Hrsg) (2015) Zukunft der Marktforschung, Entwicklungschancen in Zeiten von Social Media und Big Data. Springer, Heidelberg

Krüger K (2012) Haushaltsnettoeinkommen – ein Beispiel zur Nutzung der GENESIS-Online Datenbank im Unterricht, Zeitschrift Stochastik in der Schule, Jahrgang 32, Heft 3. http://www.stochastik-in-der-schule.de/sisonline/32-03.htm. Zugegriffen: 15. Jan 2016

Lippe P von der, Schmerbach S (2003) Mehr Wirtschaftsstatistik in der Statistikausbildung für Volks- und Betriebswirte. All Stat Arch 87:335MathSciNet

Little RJ (2015) Calibrated bayes, an inferential paradigm for official statistics in the era of big data. Stat J IAOS 31:555–563. doi:10.3233/SJI-150944CrossRef

Lohr S (2015) Less noise but more money in data science, the New York Times. http://bits.blogs.nytimes.com/2015/04/28/less-noise-but-more-money-in-data-science/?ref=todayspaper&_r=1. Zugegriffen: 15. Jan 2016

Miller S (2014) Collaborative approaches needed to close the big data skills gap. J Organ Des 3(1):26–30. doi:10.7146/jod.9823

Ottaiano A (2015) A new job for statisticians: the data scientist. Which skills, how to build them? New Sci. doi:10.2901/EUROSTAT.C2015.001

Ridgway J (2015) Implications of the data revolution for statistics education. Int Stat Rev. doi:10.1111/insr.12110

Townsend M (2011) The national statistical agency as educator. Stat J IAOS 27:129

Tuschl S (2015) Vom Datenknecht zum Datenhecht: Eine Reflektion zu Anforderungen an die Statistikausbildung für künftige Marktforscher. In: Keller B, Klein H‑W, Tuschl S (Hrsg) Zukunft der Marktforschung, Entwicklungschancen in Zeiten von Social Media und Big Data. Springer, Heidelberg, S 55

Ulm V (2010) Stochastik in der Grundschule, Konzeptpapier zur Tagung der Regionalkoordinatoren von „SINUS an Grundschulen“. http://www.sinus-an-grundschulen.de/uploads/media/Workshop_Ulm_Stochastik.pdf. Zugegriffen: 15. Jan 2016

United Nations Economic Commission for Europe (2013) Human resources management and training – compilation of good practices in statistical offices. http://www.unece.org/fileadmin/DAM/stats/publications/HRMT_w_cover_resized.pdf. Zugegriffen: 15. Jan 2016

Zwick M (2015a) Big Data in der amtlichen Statistik. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 58(8):838. doi:10.1007/s00103-015-2188-4CrossRef

Zwick M (2015b) Der European Master in Official Statistics (EMOS). Wirtsch Stat 5: (Statistisches Bundesamt), S 11–19

Zwick M (2008) CAMPUS-Files, Kostenfreie Public Use Files für die Lehre. AStA Wirtschafts-und Sozialstatistisches Archiv, Bd. 2

Titel: Statistikausbildung in Zeiten von Big Data
verfasst von: Markus Zwick
Publikationsdatum: 20.07.2016
Verlag: Springer Berlin Heidelberg
Erschienen in: AStA Wirtschafts- und Sozialstatistisches Archiv / Ausgabe 2-3/2016
Print ISSN: 1863-8155
Elektronische ISSN: 1863-8163
DOI: https://doi.org/10.1007/s11943-016-0185-1

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 "Wirtschaft"

Weitere Artikel der Ausgabe 2-3/2016

The use of Twitter data to improve small area estimates of households’ share of food consumption expenditure in Italy

Statistik, Data Science und Big Data

Politik begleitendes statistisches Monitoring und neue Datenquellen

Big Data und was nun? Neue Datenbestände und ihre Auswirkungen

Big Data is a big deal but how much data do we need?

Big Data im Europäischen Statistischen System