Wirtschaftsinformatik

Ein Beitrag von Prof. Dr. Peter Niemeyer, Professur im Fach Wirtschaftsinformatik an der Leuphana Universität Lüneburg

Handys, Computer, Autos ja sogar der Stromzähler - mittlerweile erzeugt und sammelt fast jedes Alltagsgerät große Datenmengen. Google und Amazon tun es, aber auch Krankenversicherungen, Banken und Automobilhersteller: So gut wie alle Branchen speichern riesige Datenmengen, um diese auszuwerten. Ziel ist es, vorhandene Geschäftsprozesse zu optimieren und neue Geschäftsmodelle zu entwickeln.

Nicht nur die Menge der verfügbaren Daten steigt an, auch die Vielfalt der auswertbaren Daten nimmt zu: Bezogen sich automatisierte Datenanalysen in der Vergangenheit häufig auf stark strukturierte Datensätze, wie z.B. Adressen (Vornamen, Nachnamen, ...) oder Verkaufsbelegen (Datum, Uhrzeit, Kunde, Produkte, Preise, ...), erlauben neue Technologien und Methoden die Echtzeitanalyse von vergleichsweise schwach strukturierten Daten wie Texten (z.B. Tweets, Blogeinträge), Netzwerkstrukturen (z.B. Facebook-Beziehungen) oder auch Streaming-Daten (z.B. Videos). Zur Beschreibung dieser Entwicklung wird häufig der Begriff »Big Data« verwendet, der in den letzten Jahren regelmäßig auf den Titelseiten von Zeitschriften aber auch als Thema von Talkshows zu finden war. Während viele Unternehmen »Big Data Analysen« durchführen wollen, haben heute nur wenige Unternehmen die Mitarbeiter, die das dazu erforderliche Kompetenzprofil der »Datenwissenschaftlerin« bzw. des »Datenwissenschaftlers« (Data Scientist) aufweisen: Data Scientists müssen die Technologien und Methoden zur Analyse großer Datenbestände kennen und anwenden lernen. Sie müssen den Wert von verfügbaren Daten abschätzen können, aber auch die geeigneten organisatorischen Rahmenbedingungen für Big Data Projekte kennen. Zusätzlich sollten sie die Risiken solcher Projekte für Unternehmen und die Gesellschaft abschätzen und bewerten können. Zur Ausbildung entsprechender Spezialisten für die Unternehmenspraxis und die Wissenschaft hat die Leuphana Universität Lüneburg den innovativen Masterstudiengang »Management & Data Science« entwickelt, der zum Wintersemester 2015 startet.

Beste Berufsaussichten für Data Scientists

Data Scientist ist ein Berufsprofil mit großer Zukunft. Weltweit besteht ein Mangel an Experten für die Analyse komplexer Daten. Kernaufgabe eines Data Scientists ist es, aus großen Datenmengen Informationen zu generieren und Handlungsempfehlungen abzuleiten, die das Unternehmen befähigen effektiver und effizienter am Markt zu agieren. Dazu bedient er sich innovativer Analysewerkzeuge und entwickelt Abfragen und Auswertungen, die aus unübersichtlichen Datenmengen wertvolle Informationen destillieren. Auf der Basis dieser Ergebnisse stellt der Data Scientist Hypothesen auf, überprüft diese mittels statistischer Verfahren und liefert dem Management fundierte Entscheidungsgrund lagen. Die Mitarbeiterinnen und Mitarbeiter in den Fachbereichen der Unternehmen (Marketing, Vertrieb, etc.) sollen ebenfalls von zugeschnittenen Auswertungen profitieren. Zur Erfüllung dieser Aufgaben sollte der Data Scientist überzeugend und kreativ sein, aber auch mit verschiedenen Ebenen einer Organisation kommunizieren können. Er ist ein Bindeglied und Vermittler zwischen allen Ebenen eines Unternehmens und nimmt somit die Rolle des »Übersetzers« ein. Die Ergebnisse der Analysen sind so aufzubereiten, dass sie von der jeweiligen Zielgruppe verstanden und genutzt werden können.
Darüber hinaus kennt ein Data Scientist auch unternehmerische und gesellschaftliche Risiken, die mit der Sammlung und Auswertung von anwendungs- und personenbezogenen Daten einhergehen. Insbesondere ist ein Data Scientist mit den entsprechenden rechtlichen Rahmenbedingungen vertraut und kennt die Mechanismen zur Minimierung der Risiken ebenso wie die Grenzen dieser Mechanismen. Ist für unternehmerische Fragestellungen die Auswertung personenbezogener Daten relevant, ist ein Data Scientist in der Lage, Nutzen und Risiken für Unternehmen und Gesellschaft zu erkennen und verantwortungsbewusst gegeneinander abzuwiegen. Schließlich verfügt ein Data Scientist über eine ausgeprägte Neugier. Diese ist die Antriebsfeder auf der ständigen Suche nach neuen Analysetools und -methoden, neuen Fragestellungen und Anwendungen sowie neuen Geschäftsmodellen.

Daten - das Gold der Neuzeit

Der hohen Nachfrage von Unternehmen nach Mitarbeitern mit Data Science Kompetenzen stehen heute nur wenige passend ausgebildete Hochschulabsolventen gegenüber. Ein CIO (Leiter der IT-Abteilung im Unternehmen) aus der Industrie sagt hierzu: »Data Science ist ein riesen Thema. Im Personalbereich existiert eine große Lücke. Ich habe sehr viele Stellen zu diesem Thema nicht besetzen können. Zudem ist der Markt an Spezialisten, die mit Datenarchitekturen und Datenmodellen umgehen können fast nicht existent.« Auch in der Logistikbranche werden immer mehr Data Scientists gesucht: »Daten sind das neue Gold. Wir arbeiten aktiv daran, neue Geschäftsmodelle auf der Grundlage unserer Daten zu entwickeln.« (CIO eines Logistikunternehmens) Wie wichtig professionelle Datenanalysen für das Wohl unserer Gesellschaft sind, zeigt sich im Gesundheitssektor. Bei dem Krankenhausaufenthalt eines Patienten werden teilweise Datenmengen im Terrabyte-Bereich generiert, deren Volumen also über 10 Millionen Romanen entsprechen. Durch die genaue Analyse dieser Daten könnten individualisierte Behandlungen durch Ähnlichkeitsanalysen von Patientendaten abgeleitet werden und Medikationspläne optimiert werden. Der CIO eines Universitätsklinikums sagt dazu: »Wir bauen gerade eine Expertengruppe zum Thema Big Data auf, die sich technisch und organisatorisch mit dem Thema beschäftigen soll. Wir brauchen Forscher und Experten, die in der Lage sind, die verschiedenen Inseln zusammenzuführen.« Händeringend sucht auch die Handelsbranche nach qualifizierten Data Science Spezialisten. Sie sollen helfen, das Kaufverhalten der Kunden zu analysieren: Bei jedem Klick im Online-Shop, jedem Einkauf auf der Webseite und jeder Suche nach einem Artikel werden wertvolle Informationen über Interesse, Bedürfnisse und Art des Einkaufsverhaltens eines jeden Kunden erzeugt. Ein Ziel dieser Auswertungen ist beispielsweise, die Ursachen für Retouren herauszuarbeiten, um in Zukunft die Anzahl an Warenrücksendungen zu reduzieren. Ob nun in der Industrie, der Logistikbranche, der Gesundheitsbranche oder der Handelsbranche überall werden Data Scientists benötigt, um die Datenflut zu kanalisieren und aussagekräftige Analyseergebnisse zu generieren. Wie wertvoll Data Scientists heute für Unternehmen sind, spiegeln auch die vergleichsweise hohen Einstiegsgehälter wieder.

Master »Management & Data Science«

Als eine der ersten Universitäten Deutschlands bietet die Leuphana Universität Lüneburg den Masterstudiengang »Management & Data Science« an, der die Studierenden konkret auf die oben genannten Anforderungen vorbereitet. Das Studienangebot richtet sich an Bachelor-Absolventen aus unterschiedlichen Bereichen (Wirtschaftsinformatik, BWL, VWL, Naturwissenschaften), die Wissen aus diesen Fachrichtungen mitbringen. Ein Interesse an quantitativen Methoden zur Datenanalyse sollte vorhanden sein.
Studienbewerber müssen folgende Voraussetzungen erfüllen:
› Ein erfolgreich abgeschlossener Bachelor (Abschlussnote: 2,5 oder besser).
› Mindestens 60 CP in einem oder aufgeteilt in zwei der folgenden Bereiche: Wirtschaftsinformatik, Betriebswirtschaftslehre, Informatik, Wirtschaft oder Quantitative Methoden (etwa in einer Naturwissenschaft).
› Englischkenntnisse (mindestens 785 Punkten im TOEIC Test)

Der Masterstudiengang deckt das vollständige Profil des Data Scientists ab. Inhaltlich spannt er den Bogen von der Datenökonomie über Modellbildung auf der Basis statistischer Methoden. Die Auswahl und die Nutzung geeigneter Software zur Datenverwaltung und -analyse wird ebenso behandelt wie Fragestellungen zur Privatsphäre und Ethik. Jedes Jahr werden nur 25 Studierende in den Master aufgenommen, sodass ein optimales Lernumfeld garantiert wird. Alle Veranstaltungen finden in englischer Sprache statt. Der Master umfasst vier Semester, wovon das dritte als Auslandssemester absolviert werden kann.

Schlüsselkompetenzen für den beruflichen Erfolg

Alle Studierende belegen Module aus dem Bereich »Management Studies Program« und dem »Complementary Studies Program«. Im »Management Studies Program« werden den Studierenden Fähigkeiten im Bereich der Unternehmensführung, des Innovationsmanagements und der Unternehmensgründung auf Masterniveau vermittelt. Im »Complementary Studies Program« erhalten die Studierenden zusätzliche Einblicke in interdisziplinäre Methoden, Wissenschaftstheorie und Ethik. Die Mischung aus fachbezogenem Wissen und Managementkompetenzen bereiten den Master Absolventen gezielt auf das Berufsfeld des Data Scientists in Unternehmen oder für eine spätere Promotion vor.