Big Data

Data Science as a Service

Einerseits werden die Datensilos immer voller. Andererseits fehlen die Fachleute, um das gigantische Datenaufkommen zu sichten und zu analysieren. Aus dieser Not machen Analytics-Firmen wie Bsquare jetzt eine Tugend und offerieren Data Science as a Service.

Vor einigen Jahren kürte die Harvard Business Review den Beruf des Datenwissenschaftlers zum "sexiest job of the 21st century". Und das ist der Job des Data Scientist immer noch. Denn nach wie vor besteht ein akuter Mangel an solchen Fachkräften, während der Bedarf an ihnen stetig zunimmt. Datenwissenschaft ist "hip" und KI (Künstliche Intelligenz) - mit Data Analytics eng verwandt - nicht minder. Entsprechend attraktiv sind die Verdienstmöglichkeiten für solche Fachleute. Ein Jahresgehalt von 120.000 Dollar (in den USA) ist solider "Durchschnitt". Ein paar Firmen zahlen sogar ein Mehrfaches davon.

Das Pikante an der Sache: Unternehmen, die sich auf Datenanalyse spezialisiert haben bzw. bei denen Datenanalyse zum Kerngeschäft gehört, können mehr Datenwissenschaftler einstellen denn je. Zu den Top-Arbeitgeber der "Analystenzunft" gehören Technologieunternehmen wie Amazon, Google, Facebook und Intel. Aber auch die Öl- und Gasbranche oder Consulting-Firmen schöpfen das schmale Angebot an Datenwissenschaftlern aus. Das Nachsehen haben "normale" Unternehmen. Sie wollen die Daten, die sie generierten, sinnvoll nutzen. Sie brauchen dazu datenwissenschaftlichen Support, den sie aber oft nicht finden.

Analytikdienstleistungen für kurzfristige Projekte

Unternehmen wie Bsquare machen deshalb aus der Not eine Tugend - sprich: ein Geschäft - und bieten, wie der Newsdienst "IoTI Informer" des New Yorker IoT (Internet of Things) Institute herausgefunden hat, Datenwissenschaft als Dienstleistung für IoT-Datenanalyseprojekte an. "Viele Unternehmen brauchen keinen Informatiker als Vollzeitmitarbeiter", weiß Dave McCarthy, Vice President, Marketing bei Bsquare. Denn oft haben Unternehmen nur ein kurzfristiges Projekt, das eine umfangreiche Datenarchitektur und -analyse erfordert, aber das Budget für einen erfahrenen Datenwissenschaftler sprengt. Viele Unternehmen benötigen bereits Hilfe bei der Formulierung ihrer Problemstellung. "Wir haben es oft mit Unternehmen zu tun, die sagen: Ich weiß nicht, was ich mit den Daten machen kann", so McCarthy.

Umgekehrt haben moderne Industrieunternehmen zwar ein gutes Gespür für ihr Problem, benötigen aber Unterstützung bei der Erstellung der für ihr Projekt erforderlichen Datenbestände. "In vielen Fällen sind sich diese Unternehmen nicht sicher, ob sie überhaupt die richtigen Daten im richtigen Format am richtigen Punkt erfassen und ob sie das mit der richtigen Frequenz tun? " Denn nur Unternehmen mit den richtigen Daten können diese in Erkenntnisse verwandeln. Das erfordert eine Bereinigung der Daten vor der Analyse - und das ist ein aufwendiger und zeitraubender Prozess.

Interesse an Augmented Analytics nimmt zu

Der Mangel an Datenwissenschaftlern führt auch zu einem wachsenden Interesse an Augmented Analytics, wo KI-basierte Systeme (Machine Learning) einen Teil der Datenaufbereitung übernehmen. Diese Verschiebung könnte ein Vorteil für Experten aus der Industrie sein, die zwar datenerfahren sind, aber keine formale datenwissenschaftliche Ausbildung haben. "Es gibt bereits diese Debatte im Öl- und Gasfeld, zum Beispiel, ob es besser ist, Datenwissenschaftler aus dem Silicon Valley nach Houston zu locken, um zu versuchen, ihnen das Öl- und Gasgeschäft beizubringen, oder Erdölingenieure zu nehmen und sie auszubilden, um auf der Ebene der Datenwissenschaftler zu arbeiten", so McCarthy.

Bitte beachten Sie

Die Beiträge in der Rubrik "Trends und Innovationen" sind Inhalte unseres Medienpartners Vogel Communications Group GmbH & Co. KG. Sie spiegeln nicht unbedingt die Meinung von DATEV wider.