Datenverarbeitung, Analysen und Visualisierungen wurden mit R und den zugehörigen Paketen erstellt. Notebook und relevante Dateien findest du hier.
Nach dem Merriam-Webster-Wörterbuch sind Daten sachliche Informationen, die als Grundlage für Überlegungen, Diskussionen oder Berechnungen dienen. Nach dieser Definition ist praktisch jede erfasste Information, die weiterverarbeitet und analysiert werden kann, um Erkenntnisse zu gewinnen, als Daten zu verstehen. Oft wird das Thema mit Computern verbunden, weil Daten in der Regel von ihnen erzeugt und gespeichert werden – tatsächlich gibt es Daten aber schon viel länger, als wir denken.
Geschichte der Daten
Die frühesten Zeugnisse dafür, dass Menschen Daten speicherten und auswerteten, reichen bis 18.000 v. Chr. zurück: Prähistorische Menschen nutzten Kerbholzstäbe, um einfache Berechnungen durchzuführen. Diese Jäger-und-Sammler-Gruppen ritzten Kerben in Stäbe und Knochen, um Aktivitäten wie Handel oder Vorräte nachzuhalten. Um 2400 v. Chr. wurde in Babylon der Abakus erfunden – ein Gerät zur Durchführung von Berechnungen.
Im Lauf der Geschichte entwickelten sich Datenerfassung, -verarbeitung und -analyse stetig weiter – dokumentiert auf Steintafeln, Ton, Papyrus, Holz und Papierrollen. Mit den neuen Formen von Daten wuchs auch der Bedarf, sie zu verarbeiten, zu sammeln, zu speichern und zu analysieren.
Mit dem Fortschritt der Gesellschaft stiegen auch die Anforderungen an die Datenverarbeitung. Im 19. Jahrhundert begann in den USA die Volkszählung. Die Zahl der dabei erfassten Datenpunkte wuchs exponentiell, sodass das U.S. Census Bureau schätzte, dass die Erhebung und Auswertung Jahre oder gar Jahrzehnte dauern würde. Ein großes Problem: Wenn die Auswertung der aktuellen Volkszählung abgeschlossen wäre, stünde die nächste schon bevor. Der junge Ingenieur und Erfinder Herman Hollerith entwickelte daraufhin die Hollerith-Tabelliermaschine – eine elektromechanische Maschine, die die Zeit für Erhebung und Analyse von Jahren auf wenige Monate verkürzte. Hollerith gilt deshalb als Vater der modernen automatischen Datenverarbeitung und wurde später als Mitbegründer von IBM bekannt.
Ein Sprung ins 20. Jahrhundert: Mit der Erfindung des Computers stiegen auch die Anforderungen an die Datenspeicherung. Der deutsch-österreichische Ingenieur Fritz Pfleumer erfand ein Verfahren, Informationen magnetisch auf Band zu speichern. Einige Prinzipien dieser Erfindung werden bis heute in der digitalen Datenspeicherung genutzt. In dieser Zeit setzte sich auch der Begriff „Business Intelligence“ durch – getrieben vom Bedarf nach Software und Systemen zur Analyse von geschäftlicher und operativer Leistung.
Die Datenrevolution nahm richtig Fahrt auf, als Tim Berners-Lee 1989 das World Wide Web, also das Internet, schuf. Es ermöglichte die automatisierte Informationsweitergabe rund um den Globus. Seither werden mehr Daten als je zuvor erstellt, geteilt und gespeichert – und es entstehen neue Wege, Daten zu sammeln, zu nutzen und zu analysieren.
Der Übergang zu „Big Data“
Durch das enorme Internetwachstum in den 1990ern und die rasante Verbreitung von Personal Computern und mobilen Geräten stieg die Zahl vernetzter Geräte – und damit das erzeugte Datenvolumen – rasant an.
Die Idee von Big Data existierte schon vor den 1990ern, doch erst 2005 prägte Roger Mougalas den Begriff offiziell. Er beschrieb Big Data als „einen großen Datensatz, der mit herkömmlichen Business-Intelligence-Tools kaum zu verwalten und zu verarbeiten ist“.
Big Data bezeichnet die riesigen Datenmengen – sowohl strukturierte als auch unstrukturierte –, die Organisationen tagtäglich überrollen. Es umfasst das Volumen der Informationen, die Geschwindigkeit ihrer Entstehung und Sammlung sowie die Vielfalt der erfassten Datenpunkte.
Angesichts von Größe und Komplexität ist das Sammeln, Strukturieren und Analysieren von Big Data, um Muster und andere nützliche Informationen zu entdecken, zu einem zentralen Baustein für Entscheidungen in vielen Unternehmen geworden. So entstand Data Science – ein interdisziplinäres Feld, das wissenschaftliche Methoden, Prozesse, Algorithmen und Systeme nutzt, um aus großen Datenmengen Muster zu erkennen und Führungskräften fundierte Einblicke zu liefern.
Welche Rollen gibt es in der Data Science?
Laut IBM ist Data Science ein multidisziplinärer Ansatz, um aus den großen und stetig wachsenden Datenmengen moderner Organisationen umsetzbare Erkenntnisse zu gewinnen. Das Feld erfordert in der Regel Kompetenzen in Informatik und Naturwissenschaften, da Data Scientists wissenschaftliche Methoden anwenden und mit Predictive Analytics sowie Künstlicher Intelligenz arbeiten, um Einsichten aus Daten zu ziehen. Eine ausführliche Definition findest du in unserem kompletten Guide zu „What is Data Science“.
Heute nutzen Unternehmen „Data Science“ oft als Sammelbegriff für alle Schritte im Umgang mit großen Datenmengen – von Vorbereitung und Bereinigung bis hin zu Analyse und Visualisierung, um Muster sichtbar zu machen. Das sind einige der Data-Science-Karrieren, die du einschlagen kannst:
-
Data Scientist
Data Scientists wenden Mathematik, Statistik und die wissenschaftliche Methode an, setzen diverse Tools und Techniken zur Datenbereinigung und -vorbereitung ein, nutzen Predictive Analytics und KI und erklären, wie die Ergebnisse datenbasierte Lösungen für Geschäftsprobleme ermöglichen. Sie benötigen deutlich mehr technische Kompetenzen als Data Analysts. Für den Einstieg eignen sich Data-Science-Kurse auf DataCamp wie Introduction to Python for Data Science und Introduction to R.
-
Data Analyst
Data Analysts sammeln, verarbeiten und analysieren Daten statistisch, um für Organisationen zu belastbaren Schlussfolgerungen zu kommen. Sie transformieren große Datensätze in nutzbare Formate wie Berichte oder Präsentationen. Außerdem unterstützen sie Entscheidungen, indem sie wichtige Muster identifizieren, Erkenntnisse ableiten und diese wirksam an Führungskräfte kommunizieren. Für deinen Start als Data Analyst helfen dir diese DataCamp-Kurse: Introduction to SQL und Exploratory Data Analysis in SQL.
-
Data Engineer
Data Engineers bereiten gesammelte und gespeicherte Daten für analytische oder operative Zwecke auf, verarbeiten und verwalten sie. Ähnlich wie klassische Ingenieurinnen und Ingenieure bauen und betreiben sie Daten-Pipelines, die Daten zwischen Systemen verbinden und so Informationen für Data Scientists zugänglich machen. Dafür brauchen Data Engineers Kenntnisse in mehreren Programmiersprachen der Data Science, etwa Python, R und SQL. Passende Themen findest du auf DataCamp, z. B. Introduction to Data Engineering und Understanding Data Engineering.
-
Data Architect
Data Architects entwerfen vor allem Blaupausen für Datenmanagementsysteme, die Data Engineers anschließend umsetzen. Vergleichbar mit Architektinnen und Architekten im Bauwesen sind sie die „Visionärinnen und Visionäre“, die das Datenmanagement-Framework einer Organisation visualisieren und gestalten. Zudem optimieren sie bestehende Systeme und stellen sicher, dass sie für Datenbankadministratoren und Analysten zugänglich sind. Auf DataCamp gibt es passende Kurse wie AWS Cloud Concepts und Database Design.
-
Business Intelligence (BI) Developer
BI Developers sind spezialisierte Engineers, die mithilfe von Softwaretools Daten in verwertbare Insights für Geschäftsentscheidungen übersetzen. Sie bereiten technische Informationen so auf, dass alle im Unternehmen sie leicht verstehen. Kurz: Sie erstellen und betreiben Reports mit Business-Intelligence-Tools und übertragen die Ergebnisse in verständliche Sprache. Kurse zu BI-Tools wie Microsoft Power BI und Tableau findest du auf DataCamp, zum Beispiel Introduction to Power BI und Analyzing Data in Tableau.
-
Statistician
Da Statistik eine der wichtigsten Grundlagen von Data Science ist, können viele Statistikerinnen und Statistiker leicht in dieses Feld wechseln. Sie sind vor allem für die Erhebung und das Handling von Daten verantwortlich: Sie entscheiden, welche Daten benötigt werden und wie man sie sammelt, planen Experimente, analysieren und interpretieren die Daten und berichten die Ergebnisse. Schau dir für den Einstieg diese DataCamp-Kurse an: Introduction to Statistical Modeling in R und Introduction to Statistics in Spreadsheets.
-
Machine Learning Engineer
Machine Learning Engineers sind weitere spezialisierte Engineers, die KI- und ML-Systeme erforschen, entwickeln und designen, um prädiktive Modelle zu automatisieren. Sie entwickeln Algorithmen, die Eingabedaten mit statistischen Modellen nutzen, um Ausgaben vorherzusagen – und die Vorhersagen fortlaufend aktualisieren, sobald neue Daten verfügbar sind. DataCamp bietet zahlreiche Machine-Learning-Kurse, unter anderem Understanding Machine Learning und Machine Learning with caret in R.
Eine schnelle Jobsuche online zeigt dir, welche der oben genannten Data-Science-Laufbahnen derzeit besonders gefragt sind. Die folgende Grafik zeigt die Zahl der Stellenausschreibungen pro Karrierepfad laut Indeed USA vom 8. Dezember 2021.
Demnach sind Data Architects besonders gefragt – wegen ihrer Schlüsselrolle beim Aufbau von Datenmanagementsystemen, die andere Data-Science-Profis anschließend nutzen. Dahinter folgen Machine Learning Engineers, da KI in vielen Tech-Unternehmen entscheidend ist, um Ergebnisse vorherzusagen.
Am seltensten gesucht werden Statistikerinnen und Statistiker – vor allem, weil viele klassische Statistiker inzwischen als Data Scientists arbeiten. Dieser Trend dürfte anhalten, da der Wechsel dank des bereits vorhandenen Grundlagenwissens vergleichsweise leicht fällt.
Data Science bleibt auf Wachstumskurs
In den 2010er-Jahren erlebte Data Science einen enormen Hype – nicht zuletzt, weil die Harvard Business Review „Data Scientist“ als den „sexiest job of the 21st century“ bezeichnete. Der Titel wurde so populär, dass „Data Scientist“ fast schon zum Modewort wurde. So überzogen „sexiest job“ klingen mag: Gemeint ist vor allem, dass Data Scientists sehr gefragt, teuer zu rekrutieren und schwer zu halten sind.
Dass Data Science heute extrem populär ist, steht außer Frage. Spannender ist: Bleibt das so? Beschäftigungsprognosen deuten darauf hin. Daten aus den Employment Projections 2020–2030 des U.S. Bureau of Labor Statistics zeigen für Data-Science-Berufe – dazu zählen Statistik, Data Science sowie andere mathematisch-naturwissenschaftliche Tätigkeiten wie Data Engineering – ein sehr hohes Wachstum zwischen 2020 und 2030. Statisticians liegen insgesamt auf Rang 14, Data Scientists und andere mathematische Berufe auf Rang 31 von 790 betrachteten Jobs.
Auch wenn der Anteil von Statistikerinnen und Data Scientists an der Gesamtbeschäftigung im Vergleich zu anderen Berufen noch klein ist, dürfte er in den kommenden Jahren steigen – je populärer diese Laufbahnen werden. Die folgende Abbildung zeigt, wie sich Statisticians, Data Scientists und andere mathematische Berufe im Vergleich zu Jobs mit besonders hohen Wachstumsprognosen schlagen.
Ein lukratives Feld
Einer der Gründe für die Popularität von Data Science: Die Gehälter gehören weltweit zu den höchsten. Die folgende Grafik zeigt die Gehaltsspannen für zehn Berufe – darunter Data Scientists und Data Analysts – in New York City. Die Daten stammen von Teleport, einer Website, die Daten zu Lebensbedingungen (z. B. Gehälter) in verschiedenen Städten aggregiert.
Laut Teleport erzielten Data Scientists in New York City mit 114.105 $ das vierthöchste jährliche Mediangehalt – direkt hinter C-Level-Führungskräften und Beschäftigten im Gesundheitswesen. In manchen Städten wie Manila liegen Data Scientists sogar auf Rang 2, ebenfalls hinter C-Level-Führungskräften. Das zeigt eindrucksvoll, wie attraktiv dieser Job ist. Data-Analyst-Rollen sind zwar nicht ganz so hoch bezahlt, aber keineswegs zu unterschätzen: Mit einem jährlichen Median von 61.818 $ liegt das Einkommen etwa auf Höhe des durchschnittlichen Haushaltseinkommens in New York City.
Wachsender Bedarf am Arbeitsmarkt
Ein weiterer Grund für den Boom: Unternehmen integrieren die Prinzipien von Data Science immer stärker in ihren Arbeitsalltag. Die folgende Grafik zeigt die zehn Branchen, in denen Data Science besonders verbreitet ist. Die Stichprobe von 8.000 Data-Science-orientierten Unternehmen stammt von Diffbot, dem weltweit größten Knowledge Graph.
Wenig überraschend führen Softwareunternehmen – darunter Tech-Größen wie Google, Apple und Uber – die Liste an. Das explosionsartige Wachstum von Big Data geht schließlich auf das Internet zurück, das eng mit Software und Technologie verknüpft ist. Data Science bedeutet letztlich, große Informationsmengen mit verschiedenen Tools und Technologien zu verarbeiten.
Auf Platz zwei folgen Finanzdienstleister – getrieben vom Aufstieg der FinTechs. Diese verbinden „Finance“ und „Technology“, setzen auf Innovation, verbessern Services für Kundinnen und Kunden und stellen traditionelle Anbieter infrage. Da hier enorme Datenmengen wie Kundendaten anfallen, nutzen Finanzunternehmen Data-Science-Tools, um Prozesse zu verschlanken und ihre Leistungen zu optimieren.
Lohnt sich eine Karriere in der Data Science?
Nach allem, was wir oben gesehen haben: Auf jeden Fall. Welchen konkreten Pfad du einschlagen solltest, hängt vor allem von deinen Stärken und Interessen ab. Wichtig ist: Jede der genannten Laufbahnen kann sich lohnen.
Data Science ist gut bezahlt und bleibt gefragt – und wird noch viele Jahre prägen, wie Unternehmen und Organisationen arbeiten.
