Data Science

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

Data Science (von englisch data „Daten“ und science „Wissenschaft“) bezeichnet generell die Extraktion von Wissen aus Daten.[1][2]

Der Studiengang Data Science verwendet Techniken und Theorien aus den Fächern Mathematik, Statistik und Informationstechnologie, einschließlich der Signalverarbeitung, verwendet Wahrscheinlichkeitsmodelle, des maschinellen Lernens, des statistischen Lernens, der Computerprogrammierung, der Datentechnik, der Mustererkennung, der Prognostik, der Modellierung von Unsicherheiten und der Datenlagerung.

Personen, die im Bereich Data Science arbeiten, werden als Data Scientist bezeichnet, wobei zum Teil speziellere Berufsbezeichnungen üblich sind.

Geschichte[Bearbeiten | Quelltext bearbeiten]

Der Begriff „Data Science“ existiert seit über 40 Jahren und wurde ursprünglich als Ersatz für den Begriff „Informatik“ von Peter Naur im Jahr 1960 verwendet. 1974 veröffentlichte Naur in der Concise Survey of Computer Methods die Umfrage über die zeitgenössische Datenverarbeitung, in welcher der Begriff „Data Science“ frei verwendet wurde.

1996 trafen sich die Mitglieder der International Federation of Classification Societies (IFCS) in Kobe für ihre zweijährliche Konferenz. Bei dieser Konferenz war zum ersten Mal der Begriff "Data Science" im Titel der Konferenz enthalten.[3]

Im November 1997 gab C.F. Jeff Wu den Eröffnungsvortrag mit dem Titel „Statistik = Datenwissenschaft?“[4] für seine Ernennung zum H. C. Carver Professor of Statistics an der University of Michigan.[5] In diesem Vortrag charakterisierte er die statistische Arbeit als eine Trilogie von Datenerfassung, Datenmodellierung und -analyse und die Entscheidungsfindung. Abschließend rief er den Begriff „Datenwissenschaft“ ins Leben und befürwortete, dass die Statistik in „Datenwissenschaft“ und Statistiker in „Datenwissenschaftler“ umbenannt werden.[4] Später präsentierte er einen Vortrag mit dem Titel „Statistik = Datenwissenschaft?“, als ersten von seinen Mahalanobis Memorial Vorträgen.[6] Diese Vorträge ehren Prasanta Chandra Mahalanobis, einen indischen Wissenschaftler, Statistiker und Gründer des „Indian Statistical Instituts“.

2001 führte William S. Cleveland die Datenwissenschaft als eigenständige Disziplin in seinem Artikel „Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics“ ein. In seinem Bericht stellte Cleveland sechs für ihn umfassende Gebiete der Datenwissenschaft vor: multidisziplinäre Untersuchungen, Modelle und Methoden für Daten, Rechnen mit Daten, Pädagogik, Werkzeug-Bewertung und Theorie.

Im April 2002 veröffentlichte der internationale Rat für Wissenschaft: Ausschuss für die Daten für Wissenschaft und Theorie, das Data Science Journal[7], welche sich auf die Problematik, wie die Beschreibung von Datensystemen, ihre Veröffentlichung im Internet, Anwendungen und gesetzlichen Problemen konzentrierte.[8]

Kurz darauf begann die Universität von Columbia 2003 die Zeitschrift „The Journal of Data Science“[9] zu veröffentlichen, welche eine Plattform für alle Datenanbieter zur Verfügung stellte um ihre Ansichten und Ideen zum Austausch zu präsentieren. Die Zeitschrift wurde größtenteils der Anwendung von statistischen Methoden und der quantitativer Forschung gewidmet.

2005 veröffentlichte das National Science Board den Bericht „Long-lived Digital Data Collections: Enabling Research and Education in the 21st Century“, in welchem unter dem Begriff Data Scientists verschiedene Experten aufgeführt werden, die von entscheidender Bedeutung für das erfolgreiche Management digitalen Daten sind. Genannt werden unter anderem Informatiker, Datenbankexperten, Programmierer, Domänenexperten, Bibliothekare, Archivare sowie Experten im Bereich Software Engineering. Als Teil der Verantwortlichkeiten von Data Scientists wird insbesondere die Entwicklung innovativer Konzepte in den Bereichen Datenbanktechnologie und Informationswissenschaft betont. Hierunter fallen auch Methoden der Informationsvisualisierung, Datenanalyse und Wissensentdeckung in Datenbanken.[10]

Das Berufsfeld[Bearbeiten | Quelltext bearbeiten]

Weltweit besteht ein Mangel an Experten in dem Bereich der Datenanalyse.[11][12]

Anforderungen[Bearbeiten | Quelltext bearbeiten]

Ein Data Scientist sollte überzeugend und kreativ sein, aber auch ein gewisses Kommunikationstalent mitbringen, um sich mit verschiedenen Ebenen einer Organisation austauschen zu können. Er ist das Bindeglied und der Vermittler zwischen allen Ebenen eines Unternehmens und nimmt somit die Rolle des „Übersetzers“ ein, indem er die Ergebnisse für die einzelnen Fachabteilungen genauso verständlich aufbereitet wie für das Top Management. Zudem sollte ein Data Scientist aufgeschlossen genug sein, um neue Analysetools und innovative Analyseverfahren zu erforschen und zu nutzen. Unvoreingenommen sollte ein Data Scientist nach anderen Ansätzen suchen wollen und immer neue Fragen stellen. Zusätzlich setzt dieser Beruf ein gewisses Koordinationstalent voraus, nicht zuletzt weil bestimmte Aufgaben, wie zum Beispiel die Beschaffung der Daten, an andere Mitarbeiter delegiert werden können. Kontrolle und Steuerung sollten jedoch immer in der Hand des Data Scientisten bleiben.[13]

Aufgabenbereich[Bearbeiten | Quelltext bearbeiten]

Der Job eines Data Scientist ist es, aus großen Datenmengen Informationen zu generieren und Handlungsempfehlungen abzuleiten, die das Unternehmen befähigen effizienter zu arbeiten. Dazu bedient er sich innovativer Analysetools und entwickelt Abfragen, die aus unübersichtlichen Datenmengen wertvolle Informationen destillieren. Anschließend werden Hypothesen abgeleitet, welche statistisch überprüft und für das Management als Entscheidungsgrundlage aufbereitet werden.

Ausbildungsmöglichkeiten[Bearbeiten | Quelltext bearbeiten]

Im deutschen Sprachraum bieten verschiedene Hochschulen im deutschsprachigen Raum auf Data Science spezialisierte Studiengänge an. Der Schwerpunkt liegt dabei auf Masterstudiengängen, inzwischen werden aber auch Bachelorstudiengänge angeboten. Darüber hinaus gibt es spezialisierte Weiterbildungsangebote sowie berufsbegleitende Studiengänge.

Bachelorstudiengänge: Die Philipps-Universität Marburg und die Universität Stuttgart bieten ab dem Wintersemester 2016/2017 die deutschlandweit ersten Bachelorstudiengänge Data Science an.[14][15] Die technische Universität Dortmund bietet den Bachelorstudiengang Datenanalyse und Datenmanagement an.

Masterstudiengänge: Die Philipps-Universität Marburg bietet neben dem Bachelorstudiengang auch einen Masterstudiengang Data Science an.[15] An der Hochschule für Technik und Wirtschaft Berlin wird ab dem Wintersemester 2016/17 ein Studiengang angeboten, der sich gemeinsam mit dem Projekt Management diesem Schwerpunkt widmet.[16] Die Hochschule Darmstadt bietet ab dem Wintersemester 2016/2017 einen Masterstudiengang Data Science an, der gemeinsam von den Fachbereichen Informatik sowie Mathematik und Naturwissenschaften betrieben wird.[17] An der Ludwig-Maximilians-Universität München wird ein Masterstudiengang Data Science angeboten[18], der vom Elitenetzwerk Bayern gefördert wird.[19] An der Leuphana Universität Lüneburg wird der Masterstudiengang Management & Data Science angeboten.[20] Die Universität Linz bietet ein Wirtschaftsinformatikstudium mit Schwerpunkt auf Business Intelligence & Data Science an.[21] An der Technischen Universität Dortmund wird das Masterstudium Datascience angeboten.[22] An der Otto-von-Guericke-Universität Magdeburg gibt es das Masterstudium Data and Knowledge Engineering.[23] An der Friedrich-Schiller-Universität Jena wird das Masterstudium Computational and Data Science gelehrt.[24] An der Beuth-Hochschule für Technik Berlin gibt es den englischsprachigen Master in Data Science mit dem Ausbildungsziel Data Science bzw. Data Engineering[25]. Die Paris Lodron Universität Salzburg bietet als erste österreichische Universität ab Wintersemester 2016 das viersemestrige Masterstudium Data Science an. [26][27]

Doktoratsstudiengänge: Parallel zur Einführung des Masterstudiums Data Science hat die Paris Lodron Universität Salzburg das Doktoratskolleg Statistics and Applied Data Science eingerichtet und bietet ab Wintersemester 2016 auch die Möglichkeit, im Bereich Data Science zu promovieren. Je nach Dissertationsthema können Dissertanten und Dissertantinnen dabei ein Doktorat in den Naturwissenschaften oder in den technischen Wissenschaften erwerben.[27]

Berufsbegleitende Studiengänge und Weiterbildungsangebote: Den ersten berufsbegleitenden Masterstudiengang im deutschsprachigen Raum in Data Science bietet die Hochschule Albstadt-Sigmaringen seit Oktober 2015 an.[28] Einen weiteren berufsbegleitenden Masterstudiengang in Data Science and Business Analytics bietet die Hochschule der Medien Stuttgart an.[29] Außerdem bietet das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme (IAIS) Schulungen für Data Scientists an.[30] Die EMC Academic Alliance bietet ein Curriculum Data Science and Big Data Analytics an. Die Technische Hochschule Brandenburg bietet gemeinsam mit dem AWW e. V. einen weiterbildenden Zertifikatskurs „Data Science“ an.[31]

Branchen[Bearbeiten | Quelltext bearbeiten]

In allen Branchen werden heute große Datenmengen ausgewertet. Der Mangel an Data Scientists macht es für Unternehmen schwierig, die Daten richtig zu nutzen und konkret Erkenntnisse daraus zu ziehen. Daten werden als das „neue Gold“ gehandelt. Zudem ist der Markt an Spezialisten, die mit Datenarchitekturen und Datenmodellen umgehen können, fast nicht existent. Auch in der Logistikbranche werden zukünftig immer mehr Data Scientists gesucht. Eine weitere Branche ist die Gesundheitsbranche. Durch die genaue Analyse von Daten aus einem Krankenhausaufenthalt könnten individualisierte Behandlungen durch Ähnlichkeitsanalysen von Patientendaten abgeleitet und Medikationspläne optimiert werden. In der Handelsbranche kann das Kaufverhalten der Menschen analysiert werden um im weiteren Verlauf die Ursachen für Retouren herauszuarbeiten. So kann die Anzahl an Warenrücksendungen reduziert werden.

Siehe auch[Bearbeiten | Quelltext bearbeiten]

Literatur[Bearbeiten | Quelltext bearbeiten]

  • John W. Tukey (1962): The future of data analysis. Annals of Mathematical Statistics, Bd. 33, S. 1–67.
  • Cathy O’Neil, Rachel Schutt: Doing Data Science: Straight Talk from the Frontline. O’Reilly 2013. ISBN 1449358659.

Weblinks[Bearbeiten | Quelltext bearbeiten]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. Dhar, V. (2013): Data science and prediction. Communications of the ACM 56 (12): 64. doi:10.1145/2500499
  2. Jeff Leek (12. Dezember 2013): The key word in "Data Science" is not Data, it is Science. Simply Statistics.
  3. Forbes-Gil Press-A Very Short History of Data Science-May 2013
  4. a b Wu, C. F. J. (1997): Statistics = Data Science?. Retrieved 9 October 2014.
  5. Identity of statistics in science examined. The University Records, 9 November 1997, The University of Michigan. Retrieved 12 August 2013.
  6. P.C. Mahalanobis Memorial Lectures, 7th series. P.C. Mahalanobis Memorial Lectures, Indian Statistical Institute. Retrieved 18 August 2013.
  7. Data Science Journal. (2012, April). Available Volumes. Retrieved from Japan Science and Technology Information Aggregator, Electronic: online
  8. Data Science Journal. (2002, April). Contents of Volume 1, Issue 1, April 2002. Retrieved from Japan Science and Technology Information Aggregator, Electronic: online
  9. The Journal of Data Science. (2003, January). Contents of Volume 1, Issue 1, January 2003. Retrieved from http://www.jds-online.com/v1-1
  10. National Science Board: Long-Lived Digital Data Collections Enabling Research and Education in the 21st Century, National Science Foundation, abgerufen am 7. Juli 2016.
  11. Große Nachfrage nach Data Scientists, derStandard.at vom 26. Februar 2015, abgerufen am 28. Februar 2015.
  12. Traumberuf Data Scientist, statista.com vom 19. Februar 2015, abgerufen am 28. Februar 2015.
  13. Data Scientists – Die begehrtesten Alleskönner des 21. Jahrhunderts, capgemini.com vom 20. Januar 2014, abgerufen am 28. Februar 2015.
  14. Universität Stuttgart, Fachbereich Informatik – Data Science. Abgerufen am 4. Juli 2016.
  15. a b Philipps-Universität Marburg, Fachbereich Mathematik und Informatik – Studiengänge. Abgerufen am 13. Juni 2016.
  16. HTW Berlin: Project Management & Data Science. Abgerufen am 11. März 2016.
  17. Hochschule Darmstadt, FB I und FB MN: Masterstudiengang Data Science. Abgerufen am 28. April 2016.
  18. Data Science (Master). 10. August 2016, abgerufen am 22. November 2016 (deutsch).
  19. https://www.uni-muenchen.de/studium/news/2015/data_science.html
  20. Leuphana Universität Lüneburg: Management & Data Science. Abgerufen am 28. Februar 2015.
  21. Data Science als neuer Studiengang an der Uni Linz, futurezone vom 19. August 2014, abgerufen am 28. Februar 2015.
  22. Technische Universität Dortmund - Masterstudium Datascience. Abgerufen am 28. Februar 2015.
  23. Otto-von-Guerke Universität Magdeburg - Data and Knowledge Engineering. Abgerufen am 28. Februar 2015.
  24. Friedrich-Schiller-Universität Jena – Masterstudium Computational and Data Science. Abgerufen am 28. Februar 2015.
  25. Data Science Beuth Hochschule. Abgerufen am 31. Mai 2017 (englisch).
  26. APA – Erstes Data Science Masterstudium startet in Salzburg. Abgerufen am 12. September 2016.
  27. a b Universität Salzburg – Data Science. Abgerufen am 12. September 2016.
  28. Hochschule Albstadt-Sigmaringen – Studiengang Data Science. Abgerufen am 11. Juni 2015.
  29. Hochschule der Medien Stuttgart – Data Science. Abgerufen am 1. Juli 2016.
  30. Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme – Data-Scientist-Schulungen. Abgerufen am 28. Februar 2015.
  31. Zertifikatskurs „Data Science (FH)“. In: Fachhochschule Brandenburg. Fachhochschule Brandenburg, 13. August 2015, abgerufen am 3. September 2015.