Um aus Datenbergen Kapital zu schlagen, sind Datenwissenschaftler unerlässlich. Big-Data-Initiativen erbrachten bisher im Schnitt eine Umsatzsteigerung von 13 Prozent.
Die Informationen, die in ihren Datenbergen stecken, geben Firmen vor allem Aufschluss über ihre Kunden - ihr Verhalten, ihre Vorlieben und Routinen. Analysiert man die Kundendaten, eröffnet sich ein riesiges ökonomisches Potenzial.
Big Data Analytics hat sich deshalb zu einer Schlüsseltechnologie für fast jedes Unternehmen entwickelt.
Quelle: Bundesagentur für Arbeit
Der Großteil der Firmenlenker ist sich des enormen Einflusses bewusst, den Datenanalysen auf die eigene wirtschaftliche Performance haben. Laut der BARC-Studie "Big Data Use Cases" führt Daten-Analytics bei 69 Prozent der Befragten zu besseren strategischen Entscheidungen. Mehr als die Hälfte gab an, operative Prozesse besser steuern zu können.
Im Schnitt erbrachten die Big-Data-Initiativen eine Umsatzsteigerung von 13 Prozent und eine Kostenersparnis von 16 Prozent. "An Big Data führt kein Weg mehr vorbei", sagt BARC-Geschäftsführer Carsten Bange. "Unsere Studie zeigt deutlich, dass Big-Data-Analysen Unternehmen einen Wettbewerbsvorteil verschaffen und konkret messbaren Nutzen mit sich bringen."
So akzeptiert der Wert der Datenanalyse inzwischen ist - ein zentrales Problem bleibt ungelöst: Wer soll aus den Daten das unternehmerische Gold herausfiltern. Bislang steht kaum ausgebildetes Fachpersonal zur Verfügung, das die Daten analysiert und in Business-Nutzen umwandelt. Es fehlen schlicht die Mitarbeiter mit dem notwendigen Spezial-Know-how, um das Big-Data-Potenzial optimal auszuschöpfen. Und zwar branchenübergreifend: Banken und Beratungsfirmen suchen genauso auf große Datenmengen spezialisierte Analysten wie Autohersteller, Versicherungen und Verwaltungsbehörden.
Dabei gibt es diese Experten längst - zumindest als Konzept. Unter dem Oberbegriff Data Scientist - eingedeutscht Datenwissenschaftler - hat sich in der IT-Welt schon seit mehreren Jahren ein Berufsbild etabliert, das verschiedene Rollendefinitionen und -bezeichnungen aus dem Big-Data-Umfeld zusammenfasst.
Tätigkeit |
Inhalt |
Erforderliches Know-how |
Data Scientist |
Legt fest, welche Analyseformen sich am besten eignen und welche Rohdaten es dazu braucht und wertet sie aus. Kommuniziert die Ergebnisse |
Mathematik, Statistik, Datenbanken, Programmierung, Business Intelligence, Psychologie, Medien |
Data Artist |
Stellt die verständliche Präsentation der Auswertungen in Form von Diagrammen und Grafiken sicher |
Grafik, Statistik, Präsentationstechniken |
Data Architect |
Erstellt Datenmodelle und legt fest, wann welche Analyse-Tools Verwendung finden |
Datenbanken, Datenanalyse, Business Intelligence |
Data Engineer |
Betreut die Hardware und Software, insbesondere die Analysesysteme und die Netzkomponenten |
Hardware, Software-Kenntnisse, Programmierung |
Information
Broker |
Beschafft Informationen und macht sie verfügbar. Er stellt z. B. Kunden Daten bereit oder inhouse Datenbestände aus unterschiedlichen Quellen |
Datenbanken, Kommunikation, Psychologie |
Data Steward |
Befasst sich mit allen Fragen und Unstimmigkeiten in den Datenquellen. Wird insbesondere im Datenqualitätsmanagement eingesetzt |
Erfahrungen und Soft Skills, um zwischen Interessengruppen Ausgleich zu erzielen |
