Die Überlegungen eines Datenwissenschaftlers zur Schnittstelle zwischen Logik, Kreativität und der menschlichen Seite der Analytik.
Alles begann mit einer einfachen Frage: „Mama, was machst du bei der Arbeit?“ Wie so oft lassen sich die komplexesten Fragen oft mit den einfachsten Worten beschreiben. Meine Antwort musste einfach genug sein, um eine 16-Jährige nicht abzuschrecken, aber gleichzeitig inspirierend für eine zukünftige Studienanwärterin, die vor der Berufswahl steht. Also antwortete ich: „Ich bin Datenwissenschaftlerin. Ich sammle und wähle Daten sorgfältig aus und verarbeite sie mithilfe mathematischer Modelle, um geschäftliche Probleme zu beschreiben, zu identifizieren und zu lösen.“ Die Reaktion hätte ich mir in einer Million Jahren nicht vorstellen können. Sie sagte: „Genau das mache ich mit Kunst. Ich wähle Farben und das Medium sorgfältig aus, verarbeite sie mit geometrischen Formen und Strukturen und drücke damit ein Problem aus, identifiziere es oder versuche, es zu lösen.“
Das warf dann in mir eine brennende Frage auf: „Was ist meine berufliche Identität? Bin ich Wissenschaftler oder Künstler?“
Was ist meine berufliche Identität? Bin ich Wissenschaftler oder Künstler?
Laut Forbes werden täglich 2,5 Billiarden Byte an Daten erzeugt, wobei 90 Prozent der weltweit vorhandenen Daten in den letzten zwei Jahren entstanden sind. Wir befinden uns in einem Zeitalter, in dem sich Daten und Technologie gegenseitig befruchten. Die Technologie ermöglicht es uns, Petabytes an Daten innerhalb von Minuten oder sogar Sekunden in Echtzeit zu erfassen, auszuwerten und zu analysieren. Der Einsatz von Techniken des maschinellen Lernens und der künstlichen Intelligenz versetzt uns in die Lage, jedes Mal bessere Entscheidungen zu treffen. Jedes Unternehmen möchte von dieser Datenexplosion profitieren, um datengesteuerte Entscheidungen zu treffen, und in diesem Maße sind die Begriffe maschinelles Lernen und künstliche Intelligenz zu Markeninstrumenten geworden. Obwohl dies wichtige Fähigkeiten für den Aufbau einer Analysepraxis sind, sind sie auch sehr wichtige Teile eines größeren Puzzles.
Die Analytik ist ein weitreichendes Fachgebiet, das vielfältige Kompetenzen erfordert – Kenntnisse in angewandter Mathematik und angewandter Technologie sowie fundiertes Fachwissen. Datenwissenschaftler verfügen über Kenntnisse in angewandter Mathematik (Statistik oder Ökonometrie) sowie über die technischen Fähigkeiten zur Umsetzung von maschinellem Lernen, künstlicher Intelligenz und anderen Datenverarbeitungstechniken. Dabei handelt es sich um konzeptionelle Kompetenzen, die nicht auf bestimmte Branchen beschränkt sind.
Da das Ziel der Datenanalyse darin besteht, ein geschäftliches Problem zu identifizieren oder zu lösen, sind Silos ein Luxus, den sich ein Datenwissenschaftler nicht leisten kann. Er sollte mit den Experten und Entscheidungsträgern zusammenarbeiten, um das Problem zu definieren, die Analysen zu entwerfen, Hypothesen zu formulieren und Erkenntnisse zu interpretieren bzw. abzuleiten. Ein Data Scientist muss einen beratenden Ansatz verfolgen und die Rolle eines Moderators oder Interviewers übernehmen, um das Fachwissen zu erschließen. Dies erfordert ein Verständnis für die Psyche der Menschen und ihre Motivationen, um ihr Wissen zu nutzen.
Die Wissenschaft besteht darin, Daten zu verwalten, die Kunst hingegen darin, Menschen zu führen. Ein wissenschaftlicher Ansatz hilft dabei, den Prozess der Problemerkennung, Konzeption, Datenanalyse und Kommunikation zu optimieren. Ein künstlerischer Ansatz fördert Kreativität bei der Umsetzung und Schlussfolgerung. Die Wissenschaft liegt in der Methodik und den Richtlinien in Form von Gesetzen, Prinzipien, Regeln und Modellierungstechniken, während die Kunst im Verständnis dieser Richtlinien, der Anwendung geeigneter Methoden und der Interpretation der Ergebnisse zur Ableitung von Schlussfolgerungen liegt.
Die Wissenschaft besteht darin, Daten zu verwalten, die Kunst jedoch darin, Menschen zu führen.
Sowohl Wissenschaftler als auch Künstler nutzen kreative Techniken, um verborgene Botschaften aufzudecken; Botschaften, die vorausschauend sein können, Unsicherheit mindern und Orientierung für eine mögliche Zukunft bieten oder eine einfache Erklärung für eine Situation liefern. Um aussagekräftige Analysen zu erstellen und diese in umsetzbare Erkenntnisse zu übersetzen, benötigen wir einen kooperativen Lernansatz zwischen Wissenschaft und Kunst. Kurz gesagt: Wer bin ich? Vielleicht ein Datenwissenschaftler und ein Datenkünstler.
Sushma Vadsudevan verfügt über 13 Jahre Erfahrung in den Bereichen Marktforschung, quantitative Analyse und Strategieberatung in der IT-Branche. Ihr beruflicher Hintergrund ist eine einzigartige Kombination aus Fachkenntnissen in Marketingprozessen, Datenwissenschaften und Betriebswirtschaft. Derzeit ist sie als VP – Analytics and Data Science bei PureSpectrum tätig und unterrichtet nebenberuflich Marketingforschung und Statistik für Masterstudierende an der California Lutheran University. Zuvor war sie bei der IBM Corporation und bei GE Capital International Services beschäftigt.
Bei PureSpectrum ist Sushma dafür verantwortlich, eine datenzentrierte Unternehmenskultur aufzubauen und Technologien des maschinellen Lernens sowie datengestützte Entscheidungsfindung in die Produkte zu integrieren. Bei der IBM-Organisation „Market Development and Insights“ war Sushma für die Umsetzung strategischer Initiativen im Bereich Customer Experience Analytics zuständig – sie erstellte statistische Modelle, wandelte diese in umsetzbare Erkenntnisse um und lieferte der Unternehmensleitung datengestützte Empfehlungen. Zu den Höhepunkten ihrer Karriere zählen ihre Tätigkeit als Beraterin für Marktentwicklung bei den Integrationsteams im Rahmen von drei großen Übernahmen sowie die Mitleitung eines Pilotprojekts zur Integration des IBM-KI-Systems Watson für die Optimierung von Inhalten und Suchfunktionen.
Darüber hinaus ist sie als Trainerin für Soft Skills tätig, schult Marketingfachleute weltweit in den Bereichen Storyboarding und Präsentationstechniken, moderiert Workshops zur Entscheidungsfindung für Führungskräfte auf der Grundlage von Design-Thinking-Konzepten und führt Interviews mit Führungskräften der obersten Ebene für Markt- und Wirkungsstudien durch. Zu ihren Interessen zählen künstliche Intelligenz und maschinelles Lernen, quantitative Analyse und Kaufverhalten.