„Was macht einen guten Data Scientist aus?“ Diese Frage hat SAS in einer Online-Erhebung den Vertretern dieser Berufsgruppe gestellt. Erste Ergebnisse der Umfrage, die auf Aussagen von rund 750 Teilnehmern in Deutschland, Österreich und der Schweiz basiert, lassen eine Einteilung in klare Charakterprofile zu. Eine der wichtigsten Erkenntnisse: 37 Prozent sind „Geeks“, verfügen also über „traditionelle“ (analytische, logische, fachspezifische) Fähigkeiten.
Am zweithäufigsten vertreten ist der Typ „Deliverer“ mit 17 Prozent. Diese Personengruppe ist proaktiv und kann gut im Projektmanagement sowie in der Mitarbeiterführung eingesetzt werden. An dritter und vierter Stelle folgen dicht aufeinander mit 14 beziehungsweise 13 Prozent die „Driver“, die sich als hochgradig pragmatische Individuen mit großer Bestimmtheit auf die Umsetzung ihrer Ziele konzentrieren, und die „Cruncher“ – überwiegend reaktive Persönlichkeiten, die Routine und Beständigkeit mögen.
Die Gurus weisen – ebenso wie die Geeks – ein hohes Maß an reaktiver Introvertiertheit auf, das ein besonderes Interesse an wissenschaftlichen und technischen Themen mit sich bringt. Diametral entgegengesetzt dazu sei eine weitere Charakteristik: eine starke proaktive Extrovertiertheit, die Kommunikationsstärke, Überzeugungskraft und soziale Kompetenz einschließt. Gurus können eine wichtige Rolle spielen, wenn es darum geht, ihren Enthusiasmus, ihr Taktgefühl und ihre Diplomatie einzusetzen, um diejenigen, die die Zügel in der Hand halten und Projekte
freigeben, von den Vorteilen von Data Science zu überzeugen.
Die Voices sind kommunikationsstarke Menschen mit weniger technischem Wissen als die Gurus. Die Existenz dieser Gruppe lässt darauf schließen, dass es eine starke Nachfrage nach natürlichen“ Förderern gibt, die die Begabung mitbringen, andere für das Potenzial von Big Data und Data Sciences auf konzeptueller Ebene – weniger auf praktischer oder technischer Ebene – zu begeistern. Die Voices werden besonders für ihre positive Sicht geschätzt. Sie können für die Ergebnispräsentation bei Big-Data-Projekten ebenso wie bei der Unterstützung entsprechender Implementierungen eingesetzt werden.
Die Lynchpins seien wichtige Teamplayer, die zwar nicht unbedingt über tiefgehendes technisches Wissen verfügen, aber wichtige Unterstützungsarbeit leisten. Zu finden beispielsweise in Koordination und Administration.
Diskrepanz zwischen Anspruch und Wirklichkeit
Eine Diskrepanz zeigt sich, wenn man den Anspruch an einen Data Scientist mit der Realität vergleicht: Vorausgesetzt werden unterschiedlichste Kompetenzen wie technisches und mathematisches Verständnis, unternehmerisches Denken und Kommunikationsstärke. Allerdings weisen fast zwei Drittel der Data Scientists weniger als drei Jahre Erfahrung in ihrem Berufsfeld auf und können schon deshalb nicht alle der genannten Kompetenzen mitbringen.
Eine ähnliche Diskrepanz im Hinblick auf Anspruch und Realität habe kürzlich eine Studie der Publikation MIT Sloan Management Review postuliert. „The Talent Dividend“ hat die Herausforderungen im Zusammenhang mit Rekrutierung, Ausbildung und der Integration von Data Scientists auf weltweiter Ebene unter die Lupe genommen. Zwar erkennen 43 Prozent der dabei befragten Unternehmen ihren Mangel an analytischen Fähigkeiten als eine ernstzunehmende Hürde an, jedoch tun nur rund 20 Prozent etwas dagegen, indem sie ihre Strategie zur Akquise und Bindung analytischer Talente ändern.
„Unsere Studie zeigt die anspruchsvollen Anforderungen, die an den Data Scientist gestellt werden. Analytische und logische Fähigkeiten alleine reichen längst nicht mehr aus, gefordert werden auch Kreativität, unternehmerisches Verständnis und Kommunikationsstärke“, erklärt Norbert Seibel, Education Manager DACH bei SAS Deutschland. „Damit die Zusammenarbeit funktioniert, müssen Unternehmen jedoch auch ein besonderes Augenmerk auf die Teambildung legen und gewährleisten, dass sich Kompetenzen ergänzen. Dafür wiederum ist es notwendig, eigene Ansprüche an die zu besetzende Position vorher genau zu definieren.“