Datawetenschapper is een van de meest aantrekkelijke banen van de 21e eeuw. Deze indruk wordt bevestigd wanneer u een kijkje neemt op relevante online vacaturesites. Volgens een studie van het McKinsey Global Institute, in de VS is de vraag veel groter dan het aanbod – en dat lijkt in Duitsland niet anders te zijn. Maar wat maakt deze baan in de eerste plaats zo interessant? Iemand die dit weet is Dr. Andreas Jedlitschka, Hoofd van de afdeling Data Engineering van het Fraunhofer Institute for Experimental Software Engineering IESE en lid van het Expert Committee on Data Science van de Personal Certification Body van het Fraunhofer Institute for Applied Information Technology FIT, Sankt Augustinus.

Waarom hebben bedrijven zo'n enorme behoefte aan dataspecialisten?

Met de toenemende netwerken tussen alle gebieden tot aan digitale ecosystemen, de stortvloed aan data in bedrijven en organisaties neemt ook exponentieel toe. Tegelijkertijd, de groeiende beschikbaarheid van gegevens en de succesverhalen die in de pers worden gepubliceerd, leiden ook tot een toenemende wens om gegevens systematisch te gebruiken, d.w.z., het uitvoeren van data-analyses, en dus ontstaat de behoefte aan experts die deze kunnen uitvoeren. Deze "dataspecialisten" worden vaak gecombineerd onder de term datawetenschappers.

Wat maakt een datawetenschapper in de eerste plaats?

Allereerst, Ik zou de term "Data Science" willen definiëren:Data Science gaat over het extraheren van kennis uit data en dit idealiter doen in het voordeel van het bedrijf. Om dit te doen, methoden en technieken uit de informatica, wiskunde, en statistieken worden gebruikt. Het functieprofiel is gevarieerd en varieert van Big Data-analyse en visuele analyse via Big Data-architectuur tot integratie. In aanvulling, er moet rekening worden gehouden met bedrijfsmodellen, resp. ontwikkelde, en moet dus ook begrepen worden. Verder, je moet met de klant praten, d.w.z., de gebruiker van de informatie als geadresseerde, en met de domeinexpert.

Wat zijn de taken die datawetenschappers doen, en welke vaardigheden hebben ze nodig?

Datawetenschappers moeten experts zijn in meerdere disciplines tegelijk:ze beoordelen niet alleen data, maar moet ook de zakelijke contexten in bedrijven en organisaties begrijpen. Ze moeten geschikte gegevensbronnen identificeren, het bepalen en verbeteren van de datakwaliteit, gegevens samenvoegen, analyses voorbereiden en uitvoeren, en beoordeel vervolgens de resultaten in termen van bepaalde criteria. Als je als datawetenschapper werkt, je draagt ​​vaak een grote verantwoordelijkheid aangezien verregaande strategische beslissingen of zelfs mensenlevens afhankelijk kunnen zijn van de resultaten van de data-analyses. Denk maar aan systemen voor diagnose-ondersteuning in het medische domein of leerprocessen die op verschillende gebieden in autonome voertuigen worden gebruikt. Daarom moeten de onderliggende gegevens en de analyseresultaten voortdurend worden gecontroleerd op plausibiliteit, volledigheid, juistheid, en relevantie, in samenwerking met domeinexperts. Het vereistenprofiel van een datawetenschapper groeit afhankelijk van hoe hun werk is ingebed in het bedrijf en omvat niet alleen technische vaardigheden, maar ook een aantal soft skills zoals het kunnen werken in een team, sterke communicatievaardigheden, en creativiteit.

Hoe word je een datawetenschapper? Wat zijn de voorwaarden, resp. welke voorkennis is vereist?

Bij Fraunhofer, wij bieden een gecertificeerde cursus aan in het kader van de Big Data Alliance, waar we de deelnemers geschikt maken voor Big Data-projecten. De deelnemers zijn vaak beslissers, maar vooral business developers, analisten, gegevensbeheerders, en softwareontwikkelaars. Voorwaarde is basiskennis van informatica en wiskunde. In de beginnerscursussen de deelnemers leren over de belangrijke grondbeginselen, processen, en best practices voor het omgaan met grote hoeveelheden data en voor het ontwikkelen van slimme oplossingen met hoge standaarden op het gebied van privacy en veiligheid. In de gevorderdencursussen individuele processen worden in detail bestudeerd; dan ligt de focus op het kunnen toepassen van het geleerde. In deze cursussen we doceren state-of-the-art kennis in een fabrikant-neutrale, praktisch relevant, en tegelijkertijd theoretisch verantwoorde wijze.

Jonge wetenschappers die van de universiteit komen, profiteren ook van je certificeringscursus. Welke achtergrond is nodig om de kans te krijgen om een ​​gekwalificeerde datawetenschapper te worden?

Onderzoekers die rechtstreeks van de universiteit komen, hebben een uitstekende vakkennis, vooral uit hun studieprogramma, zoals informatica of wiskunde. Wat de jonge wetenschappers vaak missen, echter, is een breed overzicht en de praktische ervaring die nodig is om samen te werken in Big Data-projecten. En dat is precies wat ze leren in onze cursus datawetenschapper. De training is ontworpen voor een breed scala aan toepassingen. Ze leren hoe business developers het potentieel van Big Data in hun bedrijf ontsluiten, hoe data-engineers data beschrijven en integreren, hoe analisten machine learning-processen gebruiken om patronen en trends te detecteren, en hoe software-engineers moderne databases en gedistribueerde berekeningsmethoden gebruiken om robuuste en schaalbare Big Data-systemen te ontwikkelen. Dit alles rekening houdend met privacy en veiligheid. Het doel is om op alle relevante gebieden basiskennis op te doen. Degenen die dat willen, kunnen vervolgens doorgroeien tot gecertificeerde datawetenschappers.