Unter Technologie-Startups wird der Begriff "Data Scientist" immer häufiger verwendet, um Daten-Geeks zu bezeichnen, die in der Lage sind, traditionell getrennte Funktionsbereiche von Data Intelligence zu überbrücken. Ein Data Scientist ist jemand, der mehrere (wenn nicht alle) Aspekte von Data Intelligence-Projekten problemlos ausführen kann:
- Datenerfassung: Dies kann das Schreiben von benutzerdefinierten Parsern und Webcrawlern oder Skripten erfordern, die auf bestimmte Webdienste oder APIs für nicht traditionelle Datenquellen abzielen.
- Datenverwaltung: ETL, Bearbeiten, Abfragen und Verwalten von Daten in Datenbanken, Schlüsselwertspeichern oder Hadoop.
- Informationsvisualisierung: Aufdecken von Mustern mithilfe statischer Visualisierungs-Toolkits und / oder interaktiver Plattformen auf der Basis von Flash, JavaScript oder Processing.
- Analytics: Dies kann von einfachen bis hin zu komplexen Techniken in multivariaten Statistiken, maschinellem Lernen und NLP reichen.
- Einblick: Extrahieren, fassen und präsentieren Sie die wichtigsten Ergebnisse einem breiten Publikum.
Es gibt viele Werkzeuge, Fähigkeiten und technische Details, und man kann Jahre damit verbringen, jedes der oben aufgelisteten Elemente zu beherrschen. Während ein Datenwissenschaftler in keinem der Bereiche über echtes Expertenwissen verfügt, kann er problemlos hin und her springen und grundlegende Aufgaben in allen Bereichen ausführen. Das Ergebnis ist ein Datenfreak, der schnell genug ein Datenprojekt untersucht und Antworten auf (hochrangige) Fragen des Managements liefert. (Über Data Scientists in Data Scientists: Die neuen Rockstars der Tech-Welt.)
Um Datenwissenschaftler zu fördern, müssen sich Unternehmen stärker auf Kultur und Organisationsstruktur konzentrieren. Viele Data Worker verfügen über ausreichende Fähigkeiten und Schulungen, um in mehreren Bereichen der Datenintelligenz schnell produktiv zu werden. Das Problem ist, dass die meisten nicht in Umgebungen arbeiten, die sie dazu ermutigen, Datenwissenschaftler zu werden. Sie stecken in Silos und beschränken sich auf einen oder zwei Bereiche der Datenintelligenz. Häufig dürfen sie nur Tools verwenden, die von ihren Managern "genehmigt" wurden.
