Geschichte der Datenwissenschaftler: Von Sterbetafeln bis zur KI

Diese Seite teilen

Datenwissenschaft ist eine der jüngsten Berufsbezeichnungen auf dieser Website und steht an der Spitze eines der ältesten Handwerke: einen Stapel Datensätze in eine Behauptung umzuwandeln, auf die jemand reagieren kann. Der Name „Datenwissenschaftler“ stammt erst aus dem Jahr 2008; Die zugrunde liegende Disziplin reicht drei Jahrhunderte zurück, in denen Statistiker Beweise zählten, prüften und visualisierten.

Zwei Fäden ziehen sich durch die ganze Geschichte: eine langsame Professionalisierung der statistischen Schlussfolgerungen, von den Sterbetafeln eines Londoner Handwerkers bis hin zu Fishers Ernteversuchen, und eine viel schnellere, neuere Verpackung dieses Erbes in eine Unternehmensberufsbezeichnung, eine akademische Abteilung und, kurz gesagt, den „sexiesten Job des 21. Jahrhunderts“.

Wo es begann

1662London, England

Der Londoner Kurzwarenhändler John Graunt veröffentlichte „Natural and Political Observations ... Made upon the Bills of Mortality“, eine systematische Analyse der seit den Pestjahren in London geführten wöchentlichen Sterberegister der Pfarrgemeinden, anhand derer er die Bevölkerung der Stadt schätzte und Muster bei den Todesursachen identifizierte. Es handelte sich um einen der frühesten bekannten Versuche, aus einer großen Menge gesammelter Daten allgemeine Schlussfolgerungen statt aus einzelnen Anekdoten zu ziehen, und er brachte Graunt, einem Ladenbesitzer ohne Universitätsausbildung, die Wahl in die Royal Society ein – die intellektuelle Wurzel, mit der der Fachbereich später seinen Namen erhielt.

Zeitstrahl

1662Graunt analysiert Londons Sterbeurkunden

John Graunt veröffentlicht eine statistische Studie über die Sterberegister der Londoner Gemeinden, in der Bevölkerungsgröße und Sterblichkeitsmuster geschätzt werden – eine der frühesten systematischen Nutzungen gesammelter Daten, um allgemeine Schlussfolgerungen zu ziehen.

1908Gosset veröffentlicht den t-Test als „Student“

William Sealy Gosset, ein Statistiker der Guinness-Brauerei in Dublin, veröffentlicht „The Probable Error of a Mean“ unter dem Pseudonym „Student“, weil Guinness seinen Mitarbeitern untersagte, unter ihrem eigenen Namen zu veröffentlichen, und die t-Verteilung einführte, die seitdem in der Analyse kleiner Stichproben verwendet wird.

1925Fisher veröffentlicht „Statistical Methods for Research Workers“

Ronald Fisher, der jahrzehntelange Ernteertragsdaten an der Rothamsted Experimental Station analysiert, veröffentlicht das Buch, das die Varianzanalyse und moderne Versuchsplanung als standardmäßige statistische Praxis etabliert.

1933Neyman und Pearson formalisieren das Testen von Hypothesen

Der Aufsatz „On the Problem of the Most Efficient Tests of Statistical Hypotheses“ von Jerzy Neyman und Egon Pearson gibt der Statistik einen modernen Rahmen, um anhand quantifizierter Fehlerraten zu entscheiden, ob ein Ergebnis signifikant ist.

1962Tukey argumentiert, dass die Datenanalyse eine eigene Wissenschaft sei

In John Tukeys Artikel „The Future of Data Analysis“ wird argumentiert, dass die Analyse realer Daten als eigenständige Wissenschaft mit eigenen Methoden und nicht als Nebenzweig der mathematischen Statistik anerkannt werden sollte.

1977Tukeys „Exploratory Data Analysis“ macht den Boxplot populär

Tukeys Buch gibt Praktikern praktische Werkzeuge – darunter das Boxplot – an die Hand, um die Form eines Datensatzes mit dem Auge zu verstehen, bevor er ein Modell daran anpasst.

1996Fayyad, Piatetsky-Shapiro und Smyth definieren „Wissensentdeckung“

Der Artikel des Trios im AI Magazine formalisiert „Knowledge Discovery in Databases“ als den umfassenderen Prozess rund um das Rohdaten-Mining, Teil einer Welle der Formalisierung der Mustererkennung in wachsenden Unternehmensdatenbanken in den 1990er Jahren.

2001Cleveland schlägt „Data Science“ als Fachgebiet vor

Der Bell Labs-Statistiker William S. Cleveland veröffentlicht „Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics“ und schlägt dedizierte universitäre Abteilungen für Datenwissenschaft vor.

2008Patil und Hammerbacher prägen die Berufsbezeichnung

DJ Patil und Jeff Hammerbacher, die Datenteams bei LinkedIn bzw. Facebook aufbauen, entscheiden sich unabhängig voneinander für „Datenwissenschaftler“ als Berufsbezeichnung für die Statistik-plus-Technik-Arbeit, die ihre Teams leisten.

2012Harvard Business Review nennt es den „sexiesten Job“

Der Artikel von Thomas Davenport und DJ Patil vom Oktober 2012 „Data Scientist: The Sexiest Job of the 21st Century“ löst einen jahrzehntelangen Einstellungsboom in Unternehmen und eine Welle neuer Universitätsstudiengänge aus.

Die Epochen

1662–1899

Zählen der Lebenden und der Toten

Im Jahr 1662 veröffentlichte der Londoner Kurzwarenhändler John Graunt eine statistische Analyse der Sterberegister der Pfarrgemeinden der Stadt, einen der frühesten bekannten Versuche, aus gesammelten Daten allgemeine Schlussfolgerungen statt einzelner Anekdoten zu ziehen. Der belgische Astronom Adolphe Quetelet erweiterte die Idee in den 1830er Jahren mit seiner „Sozialphysik“, indem er statistische Verteilungen auf menschliche Merkmale anwandte. Florence Nightingale setzte die Tradition 1858 in die Praxis um, indem sie das britische Kriegsministerium mithilfe eines Polargebietsdiagramms der Sterblichkeitsdaten aus dem Krimkrieg davon überzeugte, dass schlechte sanitäre Einrichtungen und nicht Kampfhandlungen die meisten Soldaten töteten – und wurde dabei die erste Frau, die zum Fellow der Royal Statistical Society gewählt wurde.

Foto von Ronald Fisher, dessen statistische Methoden der modernen Datenwissenschaft zugrunde liegen — Unknown author Unknown author · Public domain · Wikimedia Commons

1900–1935

Statistiker formalisieren Schlussfolgerungen

Karl Pearson gründete 1901 die Zeitschrift Biometrika, um der jungen Disziplin der mathematischen Statistik eine Heimat zu geben. William Sealy Gosset, der als Statistiker für die Guinness-Brauerei arbeitete, veröffentlichte den T-Test 1908 unter dem Pseudonym „Student“, weil Guinness seinen Mitarbeitern untersagte, unter ihrem eigenen Namen zu veröffentlichen. Ronald Fishers Buch „Statistical Methods for Research Workers“ aus dem Jahr 1925, das er während der Analyse jahrzehntelanger Ernteversuche an der Rothamsted Experimental Station verfasste, führte die Varianzanalyse und eine strenge Versuchsplanung ein. Jerzy Neyman und Egon Pearson vervollständigten das Toolkit 1933 mit einem formalen Rahmen für Hypothesentests – die statistische Maschinerie der Datenwissenschaft sollte später nahezu unverändert übernommen werden.

ENIAC, einer der ersten elektronischen Allzweckcomputer, wurde 1946 vorgestellt — The original uploader was TexasDex at English Wikipedia . · CC BY-SA 3.0 · Wikimedia Commons

1936–1969

Computer treffen ein und Tukey macht einen Fall

Der Zweite Weltkrieg beschleunigte die Berechnung im großen Maßstab, von menschlichen Computerteams bis hin zu den ersten elektronischen Allzweckcomputern wie ENIAC, der 1946 vorgestellt wurde. Statistiker, die sich jahrzehntelang mit manuellen Berechnungen beschäftigt hatten, verwendeten zunehmend Maschinen, um Analysen in einem Umfang durchzuführen, der zuvor unmöglich war. Im Jahr 1962 veröffentlichten die Bell Labs und der Princeton-Statistiker John Tukey „The Future of Data Analysis“ und argumentierten, dass die Analyse realer Daten als kleiner Zweig der mathematischen Statistik „schlecht gelehrt“ werde und Anerkennung als eigene Wissenschaft mit eigenen Methoden und eigenem Anspruch auf die Aufmerksamkeit der Universitäten verdiene.

Ein Boxplot, eines der explorativen Datenanalysewerkzeuge, die John Tukey populär gemacht hat — User:Schutz · Public domain · Wikimedia Commons

1970–1999

Explorative Analyse und der Data-Mining-Boom

Tukeys Buch „Exploratory Data Analysis“ aus dem Jahr 1977 gab Praktikern praktische Werkzeuge – darunter das Boxplot – an die Hand, um die Form eines Datensatzes zu verstehen, bevor er ein Modell daran anpasst. Als Unternehmen in den 1980er und 1990er Jahren wachsende Transaktionsdatenbanken anhäuften, entstand eine parallele Disziplin des „Data Mining“, um darin Muster zu finden; In einem Aufsatz von Usama Fayyad, Gregory Piatetsky-Shapiro und Padhraic Smyth aus dem Jahr 1996 wurde die Unterscheidung zwischen Rohdatengewinnung und dem umfassenderen Prozess der „Wissensentdeckung in Datenbanken“ formalisiert. Das Corporate Data Warehousing, das im Laufe des Jahrzehnts durch die Schriften des Beraters Bill Inmon populär gemacht wurde, verschaffte dieser Arbeit einen dauerhaften Platz in großen Unternehmen.

Konzeptionelle Darstellung großer Datenmengen, dem Rohmaterial der Datenwissenschaft des 21. Jahrhunderts — Jouasse · CC BY-SA 4.0 · Wikimedia Commons

2000–heute

Benannt, betitelt, gehypt und spezialisiert

Der Bell Labs-Statistiker William S. Cleveland schlug in einer Arbeit aus dem Jahr 2001 „Data Science“ als Bezeichnung für eine erweiterte Statistikdisziplin vor. Googles MapReduce-Artikel aus dem Jahr 2004 und das darauf folgende Open-Source-Hadoop-Framework stellten der Branche kostengünstige Tools für Daten im Internetmaßstab zur Verfügung. Etwa im Jahr 2008 entschieden sich DJ Patil und Jeff Hammerbacher, die Datenteams bei LinkedIn und Facebook aufbauten, unabhängig voneinander für die Berufsbezeichnung „Datenwissenschaftler“, und Thomas Davenport und Patils Artikel im Harvard Business Review vom Oktober 2012, in dem sie ihn als „den sexiesten Job des 21. Jahrhunderts“ bezeichneten, löste einen jahrzehntelangen Einstellungsboom in Unternehmen aus. In den späten 2010er-Jahren war die Rolle so weit ausgereift, dass sie sich in spezialisiertere Titel aufspaltete – Analyseingenieur, Ingenieur für maschinelles Lernen, Produktanalyst –, selbst als die generative KI begann, einen Großteil der routinemäßigen Abfragen und Diagramme der ursprünglichen Stellenbeschreibung zu automatisieren, die eine Person von Hand erledigen würde.

Was dieser Beruf ersetzt hat

Verwandte Berufe, die nicht mehr existieren — aufgegangen, automatisiert oder wegreguliert.

Menschlicher Computer

1880er–1950er Jahre

Lange vor elektronischen Computern führten Teams von Arbeitern – zu einem überproportionalen Anteil Frauen – wie die „Harvard Computers“, die ab den 1880er-Jahren am Harvard College Observatory Sterne katalogisierten, und Katherine Johnson, Dorothy Vaughan und Mary Jackson von der NASA, die bis in die 1960er-Jahre Orbitalbahnen von Hand berechneten – die mathematische Arbeit aus, die heute von Software erledigt wird. Innerhalb einer Generation übernahmen elektronische Computer die Rolle und wurden zuverlässig und erschwinglich.

Lochkarten-/Lochstanzer-Operator

1890er–1970er Jahre

Nach dem Lochkarten-Tabulator von Herman Hollerith, der für die US-Volkszählung von 1890 gebaut wurde, verbrachten Lochstanzer-Bediener Jahrzehnte damit, Papieraufzeichnungen auf Karten zu übertragen, die Großrechner lesen konnten, eine spezielle bürokratische Fähigkeit, die in speziellen Schulungen vermittelt wurde. Computerterminals mit Direktzugriff machten diese Rolle in den 1970er und 1980er Jahren weitgehend überflüssig.

Mainframe-Batch-Report-Programmierer

1960er–2000er Jahre

Früher beschäftigten die „Datenverarbeitungs“-Abteilungen von Unternehmen Programmierer, die häufig in COBOL arbeiteten und deren Hauptaufgabe darin bestand, über Nacht geplante Batch-Jobs zu schreiben und auszuführen, die am nächsten Morgen die gedruckten Berichte des Managements erstellten. Self-Service-Business-Intelligence-Dashboards und Ad-hoc-Abfragetools ermöglichen es Managern, bei Bedarf ihre eigenen Zahlen abzurufen, wodurch diese Spezialität in den 2000er Jahren fast vollständig verdrängt wurde.

Berufe, die verschwunden sind →

Jede Fähigkeit, die die Datenwissenschaft für neu hält – Musterfindung in großen Datensätzen, rigorose Schlussfolgerung, überzeugende Visualisierung – hat einen spezifischen, überprüfbaren Vorfahren: Graunts Sterbetafeln, Fishers Ernteversuche, Tukeys Boxplots. Was sich in den Jahren 2001 und 2008 änderte, waren vor allem der Name und die Verpackung, die auf ein altes Handwerk angewendet wurden, das durch billige Speicherung und Computer neu angetrieben wurde.

Der „Sexiest Job“-Boom im Jahr 2012, der darauf folgte, hat bereits teilweise seinen Lauf genommen: Der Titel ist in Analyseingenieur, Ingenieur für maschinelles Lernen und Produktanalyst aufgesplittert, und generative KI übernimmt die routinemäßige Abfrage und Darstellung der ursprünglichen Stellenbeschreibung von 2008, die als selbstverständlich galt. Die zugrunde liegende Disziplin – die Entscheidung, was ein Muster in den Daten tatsächlich bedeutet – dürfte die spezifische Berufsbezeichnung noch einmal überdauern.

📊Ursprünge & Entwicklung

Wo es begann

Zeitstrahl