1908: Datenwissenschaftler bei der Arbeit

Die Berufsbezeichnung ist weitaus jünger als das Handwerk dahinter. Der Begriff „Data Scientist“ entstand etwa im Jahr 2008, als sich DJ Patil und Jeff Hammerbacher beim Aufbau von Datenteams bei LinkedIn und Facebook unabhängig voneinander dafür entschieden und der Statistiker William S. Cleveland „Data Science“ erst 2001 als akademisches Fachgebiet vorschlug. Die zugrunde liegende Disziplin ist Jahrhunderte älter und reicht von John Tukeys Vorstoß zur explorativen Datenanalyse in den 1960er- und 1970er-Jahren bis hin zu Ronald Fishers Statistiken aus den 1920er-Jahren und denen von John Graunt 1662 Studie der Londoner Sterblichkeitsaufzeichnungen.

Ein Artikel der Harvard Business Review aus dem Jahr 2012, in dem es als „der sexieste Job des 21. Jahrhunderts“ bezeichnet wurde, löste einen jahrzehntelangen Einstellungsboom in Unternehmen und Hunderte neuer Universitätsprogramme aus. Dieser Boom hat sich seitdem ausgeweitet: Der allgemeine Titel hat sich in Analytics Engineering, Machine Learning Engineering und Produktanalyse aufgeteilt, und KI-Tools übernehmen mittlerweile einen wachsenden Teil der routinemäßigen Abfragen, Bereinigung und Diagrammerstellung der ursprünglichen Arbeit, die eine Person von Hand erledigen würde.

Was macht eigentlich ein Datenwissenschaftler tagtäglich? 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.