1996: Datenwissenschaftler bei der Arbeit

Im Gegensatz zum Bild „Erstellen von KI-Modellen“ verteilen sich die meisten Tage auf das Schreiben von SQL-Abfragen und Python-Code zum Abrufen und Bereinigen von Daten, das Ausführen statistischer Tests oder Trainingsmodelle und das Übersetzen der Ergebnisse in ein Diagramm oder Memo, auf das ein technisch nicht versierter Stakeholder reagieren kann. Umfragen unter Praktikern ergaben, dass die Datenbereinigung und -aufbereitung durchweg etwa die Hälfte oder mehr der gesamten Arbeitszeit ausmacht.

Benötigen Sie einen Doktortitel, um Datenwissenschaftler zu werden? Nein. Im Gegensatz zu Medizin oder Jura gibt es keine Lizenz oder einen einzigen erforderlichen Abschluss; Ein Bachelor- oder Masterabschluss in Statistik, Informatik, Mathematik oder einem verwandten quantitativen Bereich ist der gängigste Weg, und ein starkes Portfolio realer Projekte ist für Arbeitgeber oft wichtiger als die genauen Qualifikationen. Doktoranden sind häufiger in forschungsintensiven oder angewandten maschinellen Lernfunktionen tätig.

Ist Data Science nur Statistik mit einem neuen Namen? Nicht ganz. Es stützt sich stark auf Statistiken – Fishers experimentelles Design, Tukeys explorative Analyse –, fügt jedoch Programmierung, Datenbanktechnik und maschinelles Lernen hinzu, die in klassischen Statistikabteilungen selten gelehrt werden. William S. Cleveland schlug den Begriff 2001 speziell zur Beschreibung dieser erweiterten, rechenintensiven Version des Fachgebiets vor, die auf Statistiken aufbaut, anstatt sie zu ersetzen.