Jobprofil

Data Scientist (m/w/d)

“Wir generieren immer mehr Daten, digitalisieren mehr Branchen und Prozesse, und Märkte werden immer wettbewerbsintensiver – der Bedarf nach Data Scientists wird also nur noch wachsen.“ – Olga Kostova, Data Scientist und Spezialistin für Conversion-Optimierung

Daten stellen in einer hoch-digitalisierten Welt einen immensen Wert dar. Deshalb ist es für Unternehmen aus sämtlichen Branchen wichtig, mit diesen Daten intelligent umzugehen und die richtigen Schlüsse aus ihnen zu ziehen. Um das zu schaffen, greifen sie oft auf die Hilfe von Expert:innen zurück: Data Scientists. Dieses noch relativ neue Berufsfeld ist heute gefragter als je zuvor, denn Data Scientists wissen genau, wie Daten aufbereitet, geordnet, gelesen und wie Prognosen daraus abgeleitet werden.

Inhalt

► Definition
► Gehalt
► Aufgaben & Tätigkeiten
► Ausbildung, Studium & Weiterbildung
► Fähigkeiten
► FAQ

Data Scientist Definition: Was ist ein Data Scientist?

Data Scientists bereinigen und analysieren Daten, werten diese systematisch aus und extrahieren aus einer riesigen Datenmenge wertvolle Informationen.

Mit den gesammelten Erkenntnissen beraten Data Scientists das Management ihrer Unternehmen und unterstützen so bei der effektiveren Erreichung strategisch sinnvoller Ziele. Sie können Prognosen aufstellen oder Warnungen aussprechen (bspw. durch die Analyse aller Retouren oder Beschwerden) und verschaffen ihrer Organisation so einen großen Wettbewerbsvorteil. Denn ohne diese Analyse und Bearbeitung tappen Unternehmen mit ihren vorhandenen Datenmengen oft im Dunkeln.

Die Nachfrage nach Data Scientists bzw. Datenwissenschaftler:innen und die Verwendung von Big Data ist daher in den letzten Jahren stark gestiegen. Das Datenwachstum und damit die immer größere Bewältigung des Trackings und Auswertung an Datenmengen verläuft dabei exponentiell.

Olga Kostova ist selbst seit vielen Jahren als selbstständiger Data Scientist tätig und beschreibt die große Nachfrage nach Datenwissenschaftler:innen so:

„In der Vergangenheit hatten Unternehmen nur analoge Standorte vor Ort. Dort waren menschliche Interaktionen relevant. Selbst wenn man die Gäste nur beobachtet, merkt man ihnen an, wenn sie sich verirrt haben oder sich ärgern. Vertrieb über eine Website oder App ist für viele noch immer eine Blackbox. (…) Meine Aufgabe ist es, die Daten zu sammeln, zu strukturieren und zu ordnen.“

Data Scientists können in den unterschiedlichsten Branchen tätig sein, darunter: Internetdienste und Social Media Plattformen, Versicherungen, Onlinehandel, Banken oder in der Forschung.

Data Scientist Gehalt: Was verdient ein Data Scientist in Österreich?

Im Schnitt verdient ein Data Scientist in Österreich ein Gehalt von etwa 54.800 € brutto pro Jahr.

Wie in vielen anderen Berufen hängt das Gehalt von unterschiedlichen Faktoren ab: der Branche, der Größe der Organisation sowie von den gesammelten Erfahrungen und den eigenen Fähigkeiten. Deshalb steigt das Gehalt kontinuierlich an, je mehr Berufserfahrung Sie über die Jahre gesammelt haben.

Einstiegsgehalt als Data Scientist in Österreich: Junior Data Scientist Gehalt 

Zum Berufseinstieg starten Junior Data Scientists in Österreich mit einem Einstiegsgehalt von etwa 50.000 € im Jahr. Nach drei bis sechs Jahren Berufserfahrung, steigt dieses Gehalt bereits auf etwa 60.000 €.

Senior Data Scientist Gehalt  

Senior Data Scientist mit mehr als 10 Jahren Erfahrung verdienen ein Bruttogehalt ab 70.000 € im Jahr, was sich allerdings je nach Arbeitgebenden und Zusatzqualifikationen stark verbessern kann.

Was macht ein Data Scientist? Aufgaben und Tätigkeiten  

Ein Data Scientist identifiziert und analysiert strukturierte und unstrukturierte Datenquellen und -mengen. Dabei erkennt er:sie Muster, überprüft sie und kann daraus Ableitungen vornehmen, die dann an die zuständigen Personen weitergegeben werden. Auch das Tracking und Monitoring der unterschiedlichen Datenquellen zählt dabei zu den Aufgaben dieser Person.

Data Scientists entwickeln bei ihrer Arbeit immer wieder neue analytische Methoden, um die bestehende und umfangreiche Datenbasis perfekt zu analysieren und ihre Anforderungen gut umzusetzen. So groß die Menge an Daten ist, so groß ist demzufolge auch das Informationspotenzial, das der Data Scientist herausziehen kann. Dann werden die vorliegenden Daten verknüpft und mithilfe verschiedener Big-Data-Techniken interpretiert.

Darüber hinaus nutzt ein Data Scientist sogenannte Advanced Analytics, einen Prozess zur Datenverarbeitung, der über die klassische Auswertung und Visualisierung von Daten (Business Intelligence) hinaus geht. Durch diese fortgeschrittene Auswertung können so auch Vorhersagen über die Zukunft getätigt werden. Mit Predictive Analytics können Data Scientists ermitteln, welche Auswirkungen bestimmte Veränderungen nach sich ziehen (könnten).

Durch diesen Prozess wird aus Big Data dann Smart Data.

Expert:innen in Data Science sind gefragt, um Erkenntnisse für das Management zu gewinnen, das auf dieser Grundlage aktuelle und künftige Unternehmensentscheidungen trifft. Zu ihren wichtigsten Aufgabenbereichen zählen: Big Data, Data Engineering, Data Mining, Smart Data, Machine Learning sowie Predictive Analytics.

Konkret hat ein Data Scientist folgende Aufgaben:

Sammlung und Auswertung von Daten aus unterschiedlichen relevanten Datenquellen
Prüfung der Daten auf Richtigkeit, Relevanz und Nachvollziehbarkeit
Deskriptive Analyse der erfassten Daten und Anbindung an verschiedene Datenbanken (Data Warehouse oder Data Lake)
Präsentation eigener Ideen und Vorstellung erfolgreicher Use Cases
Erstellung und Validierung von Machine-Learning-Modellen
Ansprechpartner für Domänenexperten für Data Science

Insbesondere in kleineren Unternehmen kümmert sich oft nur eine einzige Person um die hier vorgestellten Aufgaben. Doch je größer das Unternehmen aufgestellt ist, desto wahrscheinlicher ist es, dass die Aufgaben auf mehrere Data Scientists verteilt werden, die jeweils eine andere fachliche Spezialisierung im Umgang mit Big Data vorweisen. Ganze Data Science-Teams sind daher keine Seltenheit.

Junior Data Scientist Aufgaben

Daten sammeln, bereinigen, analysieren und Ergebnisse vorstellen. Auch als Junior Data Scientist sind das Ihre Aufgaben. Zum Beginn Ihrer Karriere finden Sie sich womöglich in einem Team aus Data Scientists zusammen und unterstützen bei der Anforderungsanalyse, der Datenaufbereitung und der Präsentation.

Um den Schritt vom Junior Data Scientist zum Seniors Data Scientist zu bewältigen, ist es ratsam, die verschiedenen Bereiche in Data Science kennenzulernen. Ein großer Wissensschatz und zusätzliches strategisches Denken wirken sich positiv auf dem Karriereweg in diesem Bereich aus.

Senior Data Scientist Aufgaben 

Die Arbeit eines Senior Data Scientist mit mehrjähriger Erfahrung ist oftmals projekt-basierter und strategischer. Im Gegensatz zu Junior Data Scientists, die sich um zugewiesene Aufgaben kümmern, betreuen ihre erfahreneren Kolleg:innen oft ganze Projekte. Dabei kümmern sie sich um die Verteilung der Aufgaben und den zeitlichen Ablauf. Eine wichtige Fähigkeit dabei ist die richtige Priorisierung der einzelnen Aufgaben, um gute Ergebnisse zu erzielen.

Data Scientist werden – Ausbildung, Studium & Weiterbildung 

Aufgrund der starken Nachfrage nach Datenwissenschaftler:innen gibt es inzwischen verschiedene Ausbildungsmöglichkeiten, um sich als Data Scientist auszubilden. Der übliche Weg, um Data Scientist zu werden führt über ein geeignetes Studium. Immer mehr Hochschulen bieten Studiengänge zum Thema Data an, um der Nachfrage gerecht zu werden.

Zusätzlich gibt es die Möglichkeit, über Zertifikatslehrgänge und Weiterbildungen den Weg in Richtung Data Science einzuschlagen.

Data Science ist ein vergleichsweise neues Feld, was dazu führt, dass es in Unternehmen oft noch nicht genug Know-How dazu gibt. Olga Kostova sagt dazu: “Data Science ist so neu, dass die meisten Menschen, die sich damit beschäftigen, eigentlich für etwas anderes ausgebildet sind. Die Universitäten begannen erst 2016 langsam damit, spezifische Programme für Data Science anzubieten, zur gleichen Zeit wo es bereits die Nachfrage seitens der Unternehmen bestand. Diese Diskrepanz ist ein Grund dafür, dass in den Unternehmen selbst das Know-How noch nicht vorliegen kann, es fehlen die personellen Ressourcen.”

Data Scientist Ausbildung

Eine klassische Data Scientist Ausbildung oder Data Scientist Lehre existiert in Österreich nicht. Grundsätzlich wird für diese Arbeit ein abgeschlossenes Studium in Data Science, Informatik oder anderen relevanten Bereichen verlangt.

Um im Anschluss an ein Studium noch mehr berufsrelevantes Wissen aufzubauen, gibt es zahlreiche Seminare und Weiterbildungen, die online oder in Präsenz abgelegt werden können.

Eine weitere Möglichkeit als Data Scientist Ausbildung ist ein sechsmonatiger Diplomlehrgang, der Sie tiefgehend auf die Arbeit als Data Scientist ausbildet. Dazu zählt z.B. der Lehrgang „Data Engineering und Künstliche Intelligenz“ bei Coders.Bay Wien, bei dem die Kosten auch vom Arbeitsmarktservice getragen werden.

Data Scientist Studium 

Ein Data Science Studium ermöglicht den direkten Einstieg in eine Karriere als Data Scientist. Allerdings bilden auch andere Universitätsabschlüsse wie z. B. in Physik, Informatik, Statistik oder anderen MINT-Fächern eine solide Basis, um sich sowohl theoretisch als auch praktisch in das Themengebiet einzuarbeiten.

In Österreich gibt es zahlreiche Universitäten, die einen Bachelor- oder Master-Studiengang in Data Science anbieten. Dazu zählen bspw. der Bachelorlehrgang Data Science an der Modul University in Wien, der Bachelor in Industrial Data Science an der Universität Leoben oder das Masterstudium in Data Science an der Universität Salzburg, um nur wenige zu nennen.

Während des Studiums sollten Sie sich idealerweise Fertigkeiten und Kenntnisse aus den folgenden Bereichen aneignen beziehungsweise Kurse und Vorlesungen in diesen Bereichen besuchen:

Data Management
Entrepreneurship
Informationsdesign & Kommunikation
IT
Data Analytics

Illustration - Person in Sprechblase mit Stern

Data Scientist Weiterbildung

Aufgrund der steigenden Popularität dieses Berufsfeldes gibt es auch immer mehr Data Scientist Weiterbildungen am Markt. Verschiedene Institute, wie das BFI oder WIFI bieten Online-Seminare oder Präsenz-Trainings in Data Science und Big Data oder weiterführenden Bereichen an, die mit einem Zertifikat abgeschlossen werden können. Mögliche Felder, in denen Sie sich weiterbilden können, sind: Programmiersprachen, Datenbankmodelle, Entwicklungsstandards, Cloudtechnologie, Datenschutz und vieles mehr.

Data Scientist Quereinstieg 

Verschiedene Onlinekurse sowie Seminare oder auch Fortbildungen bieten sowohl für den Einstieg als auch für den Quereinstieg als Data Scientist eine gute Ausgangsposition. Auch hier ist ein vorab abgelegtes Studium in einem wirtschaftswissenschaftlichen Fachgebiet oder in der IT zu empfehlen. Denn ein Studienabschluss wird von den meisten Arbeitgebern für die Besetzung dieser Position vorausgesetzt.

Fähigkeiten eines Data Scientist 

Die fachlichen Fähigkeiten als Data Scientist sind ein wichtiger Erfolgsfaktor für den weiteren Werdegang. Neben einem starken mathematisch-statistischen Verständnis sollten Sie auch über Programmierfähigkeiten verfügen – insbesondere in Python und R – und über ein (technisches) Grundverständnis für Softwareentwicklung und Datenanalyse verfügen.

Darüber hinaus sollten Sie Kenntnisse zu Machine Learning, Data Assimilation, Business Analytics oder Applied Data Science erlangen.

Die wichtigsten Hard Skills eines Data Scientist sind:

Umfangreiches Wissen im Bereich Big Data
Gute Mathematikkenntnisse
Ausgeprägtes Verständnis für Statistik
Programmier-Skills, insbesondere in Python und Java
Fundierte Kenntnisse in SQL-Datenbanken
Verständnis für Künstliche Intelligenz und Machine Learning
Umgang mit Datenverwaltungstools, wie z.B Hadoop

Hinzu kommt, dass Sie als Datenwissenschaftler:innen auch mit den eigenen Soft Skills herausstechen sollten, da Sie in diesem Beruf auch oft in Kontakt mit Menschen treten.

Daher spielen folgende Soft Skills eine wichtige Rolle für Ihren beruflichen Erfolg:

Ausgeprägtes Interesse an neuen Trends und technische Entwicklungen im Bereich Big Data, Data Science und Business Intelligence
Starke Eigenmotivation, Kreativität und analytische Fähigkeiten
Teamfähigkeit, interkulturelles Wissen sowie verhandlungssichere Englischkenntnisse
Überzeugungsfähigkeit und Stressresistenz

Kundenzentrierung über Datenanalyse

Aufgrund der sehr hohen Nachfrage ist es für Unternehmen nicht immer einfach, qualifizierte Data Scientists zu finden.

Wir fragen Olga Kostova, was sie Unternehmen rät, die dringend Datenwissenschaftler:in suchen:

„Unternehmen brauchen leidenschaftliche Produktmanager:innen, die Kund:innen in den Mittelpunkt stellen. Sie brauchen kein statistisches Modell, um zu verstehen, dass ihr:e Kund:in, wenn er in Europa ist, die Preise online in Euro sehen möchte, oder dass er, wenn er zwei Kissen und eine Decke in einen Korb legt, auch ein paar Bettlaken braucht. Mit reiner Logik und Kundenorientierung ist so viel zu gewinnen. Meine Empfehlung: Die Unternehmen sollten zuerst Leute finden, die die Branche und das Geschäft verstehen, dann die Daten- Infrastruktur sicherstellen (Datenerfassung, -struktur und -qualität), und schlussendlich die Personen zu Data Scientists ausbilden.“

Obwohl Data Scientists eine große Bereicherung für ein Unternehmen darstellen, ist es also zuerst wichtig, den:die Kund:in zu verstehen. So manches, was Data Scientists nach langer Analyse herausfinden, könnte durch Produktmanager:innen auch mit reiner Logik schon festgestellt werden.

Data Scientist Karriere: Chancen auf dem Arbeitsmarkt als Datenwissenschaftler:in

Ihre Chancen als Data Scientist auf dem (österreichischen) Arbeitsmarkt stehen ausgesprochen gut. Kaum eine Branche hat über die letzten Jahrzehnte eine so starke Entwicklung hingelegt, wie der Bereich Data. Die Anzahl an Spezialist:innen kommt dieser Nachfrage in Österreich kaum nach, weshalb Sie als qualifizierter Data Scientist mit Studienabschluss gute Karten haben.

Für Data Scientist, Olga Kostova ist die Entwicklung klar: „Der Bedarf nach Data Scientists wird also nur noch wachsen. Ich sehe eine wachsende Nachfrage nach Data Scientists in den Bereichen Medizin, Maschinenbau, Landwirtschaft, Immobilien und Energie. Das zusätzlich zu der bereits traditionell hohen Nachfrage in IT, E-Commerce, Logistik.“

Wenn Sie sich für eine Karriere in der Datenwissenschaft (bzw. in Data Science) interessieren, ist jetzt der richtige Zeitpunkt, sich zu informieren und sich mit dem Jobprofil des Data Scientists auseinanderzusetzen. Denn die Nachfrage wird vorerst nicht abnehmen.