Der automatische Data Scientist

Vielleicht löst sich das Knappheitsproblem aber genau durch jene Methoden, die Datenwissenschaftler in neuerer Zeit immer häufiger nutzen: Automatisierung und Künstliche Intelligenz. Gartner schätzt, dass bis 2020 mehr als 40 Prozent der Data-Science-Tätigkeiten automatisiert sein werden. Der von Gartner so betitelte „Citizen Data Scientist“ - im Prinzip ein Laie, der nicht primär im Bereich von Statistik oder Analytics angesiedelt ist - könnte dann die Lücke zwischen den Mainstream-Selfservice-Analytics der Business-Anwender und den Advanced-Analytics-Techniken der Data Scientists schließen. Die Schmalspur-Datenanalysten könnten Analysen durchführen, die noch vor wenigen Jahren viel Expertise verlangt hätten - nun jedoch ohne detaillierte Fachkenntnisse. "Den meisten Organisationen stehen nicht genug Data Scientists dauerhaft zur Verfügung", sagt Joao Tapadinhas, Research Director von Gartner. „Stattdessen sind viele fähige Analysten vorhanden, die zu Citizen Data Scientists werden können. Ausgestattet mit den richtigen Tools können sie komplizierte diagnostische Analysen durchführen und Modelle auf Basis von Predictive oder Prescriptive Analytics erstellen.“

Frank Pörschmann sieht die Citizen Data Scientists nicht ganz so optimistisch. "Datenanalyse mit automatisierten Tools durch - mehr oder weniger - Laien funktioniert nur bis zu einem gewissen Grad", sagt Pörschmann. "Beim Feature Engineering beispielsweise ist das möglich. Hier kann ich den Datensatz in die Maschine reinschmeißen und ich erhalte auf Knopfdruck automatisch Vorschläge. Die Daten müssen allerdings schon vorab bereinigt sein - und die Ergebnisse sind nur Vorschläge. Das spart sicher Zeit. Sie können aber nicht die ganze Arbeit eines Datenwissenschaftlers automatisieren. Die Aussage von Gartner darf auch nicht falsch verstanden werden. Automatisierung macht die Arbeit von Data-Analysten effizienter und Teams produktiver. Sie löst jedoch nicht den weiter wachsenden Bedarf an Daten-Profis."