How can I become a data scientist?

Die wichtigsten Fragen zu Aufgabenfeld, Voraussetzungen, Gehalt und Berufseinstieg als Data Scientist

Science-Fiction oder Neuerfindung? Der Beruf des Data Scientist stößt regelmäßig auf die unterschiedlichsten Reaktionen, dabei existiert er schon seit den 1960er Jahren. In seinem Arbeitsalltag analysiert ein Data Scientist große Datenmengen, sucht nach Beziehungen zwischen den Daten und nutzt diese als Grundlage, um Vorhersagen für Entwicklungen und Trends abzuleiten.

Viele Unternehmen sammeln bereits Daten, aber diese haben nur einen Wert, wenn sie auch nutzbringend ausgewertet werden können. Dann kann aus der großen Datenmenge, der sogenannten „Big Data“, eine Entscheidungshilfe, auch „Smart Data“ genannt, werden. Damit das gelingt, nutzt ein Data Scientist fortschrittliche Analysemethoden, um mit höchstmöglicher Verlässlichkeit Trends vorherzusagen. Diese Methode wird auch Predictive Analytics genannt und hilft dabei, einem Unternehmen zur bestmöglichen Entscheidung zu kommen, um so einen Wettbewerbsvorteil gegenüber der Konkurrenz zu haben.

Data Scientists are in demand

Data experts like the Data Scientist are currently in greater demand than ever on the job market. In addition to their core competence in dealing with data, they usually also need to have other technical skills such as the Python programming besitzen, um sie für viele Unternehmen wertvoll zu machen. Dass sich die Nachfrage weiter verstärken wird, wissen viele Unternehmen bereits und steuern mit der Aus- und Weiterbildung ihrer Belegschaft entgegen. Deshalb interessieren sich auch immer mehr Arbeitnehmende sich für diesen zukunftssicheren und angesehenen Job. Bevor Du eine Karriere als Data Scientist anstrebst, solltest Du allerdings wissen, welche Fähigkeiten ein Data Scientist besitzen sollte, wie Du den Jobeinstieg schaffen kannst und welche Rolle Mathematik, Programmieren und Statistik für den Beruf spielen. Diesen Fragen und mehr wollen wir in diesem Artikel nachgehen, um Dir ein Deinen Einstieg zu erleichtern.

What does a data scientist do?

Unsere Welt ist digital und von Tag zu Tag besser vernetzt. Durch den Fortschritt der Digitalisierung steigt auch die Menge an Daten und Wichtigkeit sie aktiv zu nutzen. Dementsprechend wächst auch der Bedarf an Datenexperten wie dem Data Scientist, die mit dieser Datenflut umgehen und sie in wertvolle Analysen bzw. Berichte verwandeln können. Übersetzt man Data Scientist aus dem Englischen, bedeutet die Berufsbezeichnung so viel wie Datenwissenschaftler. Einfach erklärt sind Data Scientists analytisch denkende Datenexperten, die unternehmenseigene Datenquellen sowie Fremddaten dazu nutzen, um Vorhersagen zu treffen und damit wirtschaftliche Herausforderungen und Chancen für das Unternehmen frühzeitig zu erkennen.

Statt sich zu fragen, was passiert ist, fragst Du als Data Scientist danach, was passieren wird. Natürlich ist ein Data Scientist kein Hellseher oder folgt nur seinem Bauchgefühl. Du stützt Deine Annahmen auf reale Daten, die Du mit System auswertest und Wissen aus ihnen gewinnst. Zuerst wird dafür eine Hypothese aufgestellt, die Du überprüfen möchtest. Dafür benötigst Du ein gutes Verständnis der betriebswirtschaftlichen Zusammenhänge. Als Data Scientist identifizierst Du geeignete Datenquellen und sammelst die relevanten Daten und erstellst ein Modell, das Du laufend anpasst, solange bis Hypothese und Realität so nah wie möglich beieinander liegen. Oft musst Du als Data Scientist nach kreativen Lösungen suchen, wie Du die Datenqualität verbessern kannst, um Analysen durchzuführen, die sonst nicht möglich wären. Die Erkenntnisse aus der Arbeit eines Data Scientists soll Unternehmensführungen dabei unterstützen, die richtigen Geschäftsentscheidungen zu fällen und strategisch bei der Umsetzung vorzugehen. Dabei verlässt Du Dich nicht nur auf die Daten, die dem Unternehmen vorliegen, sondern greifst auch auf Quellen wie Social Media zurück. Als Data Scientist nutzt Du dazu wissenschaftliche Ansätze und Methoden aus der Informatik, der Mathematik und der Statistik, um große Datenmengen, die teilweise unstrukturiert sind, systematisch auszuwerten.

Wie das im Arbeitsalltag praktisch aussieht, hängt stark davon ab, in welchem Bereich ein Data Scientist arbeitet, der Wirtschaft oder Wissenschaft, und kann von Branche zu Branche und Unternehmen zu Unternehmen variieren. Ein Data Scientist kann sich mit dem Kaufverhalten von Kunden, selbstfahrenden Autos oder Automatisierungen im Finanzbereich beschäftigen und jedes Projekt bringt seine eigenenHerausforderungen mit. Als Data Scientist trägst Du eine große Verantwortung, denn von den Ergebnissen Deiner Analysen hängt für Unternehmen und Kunden viel ab. Analysen im Medizinbereich oder das Trainieren einer künstlichen Intelligenz für selbstfahrende Autos haben große Auswirkungen auf Einzelpersonen und die Gesellschaft. Das macht den Beruf des Data Scientists so vielseitig und erfüllend.

How is it different from being a Data Analyst?

In contrast to the Data Analyst, der eher für eine klassische Datenanalyse verantwortlich ist, hat der Data Scientist einen stärkeren wissenschaftlichen Fokus. Zwar lassen sich beide Berufsbilder nicht trenngenau voneinander abgrenzen, weil sich viele ihrer Tätigkeiten überschneiden, aber pauschal kann davon ausgegangen werden, dass die Aufgabenbereiche des Data Scientist fortgeschrittenere, wissenschaftliche Analyse- und Vorhersagemethoden erfordern. Aus diesem Grund besitzen Data Scientists in der Regel einen akademischen Hintergrund und kommen aus Fachgebieten wie der Mathematik, Physik oder Informatik. Von dort bringen sie wichtige Fähigkeiten für den Beruf des Data Scientists mit wie z. B. Statistik, Analyseverfahren oder Wahrscheinlichkeitsrechnung, die für Anwendungen von Machine Learning und künstlicher Intelligenz zwingend erforderlich sind. Eine solide Kenntnis der Mathematik und Statistik sind die Grundpfeiler der Arbeit des Data Scientists. Besonders wichtig ist, dass er nicht nur im kleinen Kämmerlein Daten analysiert, sondern sie auch anderen verbal vermitteln kann. Eine gute Kommunikationsfähigkeit zeichnet den Data Scientist aus und macht ihm zum wertvollen Berater der Unternehmensführung.

Your tasks as a Data Scientist

Now that we've clarified what a Data Scientist is and why the profession is in such high demand, we'll move on to what exactly Data Scientists do, what your role in the company is, and what areas of responsibility you'll have as a Data Scientist.

1 Formulate question

Bevor Du mit Deiner Analyse beginnen kannst, musst Du definieren, was Du herausfinden möchtest. Das Resultat Deiner Analyse ist nämlich nur so gut, wie die Fragestellung, die der Analyse zugrunde liegt. Das macht diesen Schritt zum wichtigsten im gesamten Analyseprozess. Auch ein Haus ist nur so stabil wie das Fundament, auf dem es gebaut wurde. Damit Du die richtige Fragestellung festlegen kannst, musst Du also das Ziel der Analyse bestimmen. Dabei wirst Du Dich manchmal wie Sherlock Holmes fühlen, denn nicht selten ist das offensichtliche Problem nicht das, das auch zum Kern der Lösung führt. Du wirst also das Problem, das Du lösen willst, zuerst aus verschiedenen Perspektiven betrachten müssen, um Dir ein Gesamtbild zu verschaffen. Möglicherweise wirst Du Dich mit ausreichend Erfahrung sogar eigenständig auf die Suche nach Optimierungsmöglichkeiten im Unternehmen machen und spannende Use Cases identifizieren.

2 Collect and clean data

Now comes the step in which you gather the appropriate data to answer your question. To do this, you first identify the right data sources:

• First-party data collected directly from you or your company
• Second-party data coming from another company
• Third-party data that comes from external sources such as social media

To collect second- and third-party data, you need to come up with a good strategy and use data from surveys, observations from social media posts, or online tracking of a website. In some cases, it may even be necessary to develop your own models and algorithms for data mining. Once you have collected enough data, it will need to be cleaned, as it will be in both structured and unstructured form. By cleaning and validating the data, you can ensure its accuracy, completeness, and consistency.

3 Analyze data

A special skill of Data Scientists is exploratory analysis. In exploratory data analysis, you set aside your initial assumptions, hypotheses or data models and instead try to make the underlying structure of the data visible. This allows you to identify important variables and spot outliers and anomalies. The subsequent data processing phase involves entering the data into a system. This can be a CRM like Salesforce or a data warehouse.

4 Model data

Data modeling depicts how data flows through a software application or an organization's data architecture. You can think of it as a blueprint that shows how data is collected and stored. When you model data, you act like a civil engineer overcoming unexpected hurdles and trying to fix pieces until everything fits together. You'll find the most efficient way to store information while providing complete access and reporting.

5 Documentation, visualization and presentation

A Data Scientist is expected to document your processes and provide enough descriptive information to help you in your own work, but also to help colleagues and other data scientists in the future. Not everyone can read and understand statistics. Visualization is therefore one of the most important skills to ensure that the collected findings are understood by key business functions and that they can act upon them.

What skills do you need to be a Data Scientist?

Data Scientists require a wide range of skills, from technical knowledge of programming languages and statistical software to communication and storytelling. Undoubtedly, the exact skill requirements for a Data Scientist depend on the client, the job role, and the career stage. To help companies make smarter decisions and develop better products, Data Scientists need two types of skill sets:

Technical skills

Als Data Scientist solltest Du ein solides Verständnis von Mathematik und Statistik besitzen, da Du für die Analyse von Daten sehr oft statistische Modelle benötigst. Zusätzlich zum Wissen, wie man Daten sammelt, bereinigt und manipuliert, müssen Data Scientists mit statistischer Modellierungssoftware, wie SQL-Datenbanken und der Hadoop-Plattform, umgehen können. Außerdem sind Programmierfähigkeiten von großem Vorteil, denn so kannst Du eigenständig Modellierungsfunktionen erweitern und bist unabhängig von starren Softwarelösungen. Darüber hinaus gelten Python und R als die Must-Have-Programmiersprachen im Bereich Data Science.

Programming: Python, SQL, Scala, Java, R, MATLAB

A Data Scientist needs to understand programming languages on the one hand, but also be able to manage databases. Programming is your means to process and analyze data.

Machine Learning: Natural Language Processing, Classification, Clustering, Deep Learning

A Data Scientist uses the intelligent processes of Machine Learning to automate decision-making, previously done by humans, through computers. A computer does not initially know which decision is the right one, so a Data Scientist must continually train that computer until the computer's predictions are accurate enough.

Data Visualization: Tableau, SAS, D3.js, Python, Java, R

A Data Scientist also needs to translate their findings into images to present and communicate to others without their expertise.

Big Data: MongoDB, Oracle, Microsoft Azure, Cloudera

A Data Scientist uses both structured and unstructured data. It is not uncommon for data analysis to involve Big Data-techniques are used.

Soft Skills

A Data Scientist must be able to do more than simply control the right tools, he uses them to analyze data in different ways. To do this, he uses his knowledge of statistics, probability calculation or A/B tests. This requires not only a lot of creativity, but also a solution-oriented approach. Often, Data Scientists have to design new databases or develop new algorithms. Last but not least, a Data Scientist must be able to communicate very well, not only with their own team, but also with management or customers. The job therefore requires not only hard skills, but also very specific soft skills.

Communication: Effective communication is the most important non-technical skill you need as a Data Scientist. As a storyteller, you know how to visualize data and communicate its results to key stakeholders who may not have a technical background.

Critical Thinking: Critical thinking is a very valuable skill in any profession, but especially for data science. It helps you as a data scientist to find insights, to formulate questions accurately and to understand how the result of the data analysis benefits a company and which next measures have to be initiated.

Analytical Skills: This skill helps Data Scientist search for answers and challenge initial assumptions. Data Scientists are always asking "why" and following their urge to uncover new questions, especially those that have never been asked before. As a Data Scientist, you will use your sleuthing skills to uncover underlying truths and go on the hunt for answers.

Problem Solving Ability: In your day-to-day work as a Data Scienstist, you'll need to identify opportunities and find solutions to all sorts of problems by challenging existing assumptions, identifying resources, and putting on your detective hat to find the fastest path to a solution. The ability and desire to solve problems is at the core of data science.

Lifelong Learning: Data Scientists see themselves as a "work in progress". They understand that no one can know everything, and since data science is always evolving at a rapid pace, even experienced Data Scientists must always keep up with developments to stay ahead of the curve. A new problem, can often lead to new research. This natural curiosity drives you as a Data Scientist.

How to become a Data Scientist?

Believe it or not, even career changers can become Data Scientists with the right training. Data Scientists are usually more highly qualified than Data Analysts. According to KDnuggets haben 88 Prozent der Data Scientists mindestens einen Master-Abschluss und 46 Prozent haben einen Doktortitel. Es mag so klingen als wäre eine naturwissenschaftliche Laufbahn eine Grundvoraussetzung für eine Karriere als Data Scientist. Das ist zwar sehr hilfreich, aber nicht zwingend erforderlich für diesen Karriereweg. Denn auch, wenn MINT-Studienfächer wichtige Voraussetzungen liefern, so gibt es durchaus auch Quereinsteiger im Bereich der Datenanalyse und -wissenschaft. Tatsächlich kann es von Vorteil sein, bereits Erfahrungen in anderen Fachabteilungen gesammelt zu haben, um diese wiederum erfolgreich zu unterstützen. Jemand der die Prozesse, Abläufe und Arbeitsweisen von Abteilungen kennt, erkennt auch versteckte Potenziale zur Optimierung, Datensammlung und Lösungsfindung. Ein Data Scientist muss eine Abteilung fachlich verstehen, um sie gut beraten zu können. Die wohl wichtigste Voraussetzung ist deshalb wohl Deine Neugier und Lernbereitschaft.

What does a typical day look like for Data Scientists?

Again, there is no such thing as a typical day for a Data Scientist. Nevertheless, to illustrate the daily routine, let's choose the example of a Data Scientist in the field of personalized advertising. Let's call him Paul.

His day starts with checking whether there is new data in the data warehouse that he needs for a project. The data is personal, which is why Paul first has to have it anonymized. Before Paul can continue, he must first check that all the data is complete and that the coding of the text variables is correct. He finds an error in the data from the last two weeks and brings this bug, a technical error, to the attention of a data engineer on the team. He enters the data Paul already has into a model and tries out different approaches to analyzing it.

In the afternoon, Paul gets creative and tests what performance he can get out of the data. He discusses his ideas with his colleagues and Googles possible approaches and consults specialist literature. In the following days, the data engineer will come to Paul with the missing data, which he will then transfer into a larger model along with the existing data, where it will be applied to personalized advertising. Paul will then visually prepare and present the results of his analysis and recommended actions to other departments.

What does a Data Scientist earn and what are the career opportunities?

Since the job is in high demand right now, the compensation can be quite high. As a career starter, you start according to the trade site Get in IT mit einem durchschnittlichen Jahresbruttogehalt von 45.000 Euro. Was am Ende Deiner Datenkarriere auf Dein Konto überwiesen wird, ist wie in jeder Karriere von verschiedenen Faktoren  wie Branche, die Größe Deines Arbeitgebers und Deine Position im Unternehmen abhängig. Es gibt natürlich keine starren Gehaltsgrenzen, aber üblicherweise liegt das Höchstgehalt zwischen 99.800  und 108.200 Euro Jahresbrutto, je nach Berufserfahrung und Personalverantwortung.

As a Data Scientist, you can work wherever large amounts of data are collected and there is an interest in learning from this data and optimizing processes:

• Logistics - Here, routes and schedules must be optimized to find the fastest routes.
• Online trade - There, it is necessary to find out how returns can be reduced by directly suggesting the right product to customers.
• Energy supply - If consumption peaks and bottlenecks can be predicted, the supply can be adjusted accordingly.

There are countless specializations for Data Scientists. This is particularly interesting for career changers who already bring previous knowledge in a specialist area to this profession. This prior knowledge is very valuable because it helps to identify the right questions for analyses and to draw the right conclusions.

How to become a Data Scientist

A recently published McKinsey study could show that more than 100 million employees will have to look for new employment by 2030. Many jobs will gradually disappear due to the digital transformation, but fortunately many new jobs will also be created. LinkedIn expects 150 million jobs to be created in IT or IT-related fields over the next five years. These jobs are particularly important for the sustainable and long-term success of companies and should therefore be the focus of job changers.

Die Nachfrage an Data Scientist ist schon heute sehr hoch. Angehende Data Scientists und Quereinsteiger bekommen einen Fuß in die Tür, indem sie als Data Analysts anfangen und sich von dort aus weiterbilden und Erfahrung sammeln. Wer Du Dir nicht sicher bist, ob das Berufsbild des Data Scientist zu Dir  passt, sollte einen Einsteigerkurs in Data Awareness oder Data Driven Management wählen und Dich schrittweise spezialisieren.

Find out about a Further training to become a Data Scientist and our Funding opportunities.

Did you find this article interesting? Then you might also be interested in the article about the job as a data analyst: To the article

Sources:

LinkedIn (2021): "LinkedIn Jobs on the Rise: 15 opportunities that are in demand and hiring now" [11.03.2021]

McKinsey Global Institute (2021): "The future of work after COVID-19" [11.03.2021]

Master's in Data Science (2020): "What is a Data Scientist" [11.03.2021]

Get in IT: "What does a Data Scientist do?" [09.06.2021]