IOT MEET-UP / HAMBURG
FRANK PÖRSCHMANN
01.10.2015
Data$Scien*st$
$
The$Sexiest$Job$ob$the$
21st$Century?$
$ $$
KONTAKT$
2
Frank$Pörschmann$
$
Digital$Analy*cs$Associa*on$e.V.$
Mitglied$des$Vorstandes$
$
iDIGMA$GmbH$
GeschäLsführender...
3
!  Weiterbildung$
!  Nachwuchsförderung$
!  Netzwerk$
!  WissensWAustausch$
!  Veranstaltungen$
!  Wegweiser$für$Unterne...
4
•  Europaweit erster themenspezifischer Inkubator mit
Fokus Datenanalyse
•  Bündelt die deutsche Kompetenz der Digitalan...
5
!  Organisations-Design &
Entwicklung
!  Digital Transformation &
Business Design
!  Big Data Governance
!  Entscheidung...
THE$JOB$
6
DATA
Data Scientist: The Sexiest
Job of the 21st Century
by Thomas H. Davenport and D.J. Patil
FROM THE OCTOBER...
NICHT$NUR$DER$MENSCH,$AUCH$MASCHINEN$WERFEN$DEN$DIGITALEN$SCHATTEN.$
DER$DIGITALEWZWILLING.$
8
PREDICTIVE$DISILLUSION$$
INFONEA
111
177
210
343
454 454
28 28 28
55
92
129
-
100
200
300
400
500
2011 2012 2013 2014 2015
USA Deutschland
USA$BIS$...
BIG$DATA$AUS$UNTERSCHIEDLICHEN$SICHTEN$$
Volume$ Velocity$ Variety$ Veracity$
$ $ $ $
Sta,sche(Daten( Streaming(Data( Mul,...
80%(( (der$verfügbaren$Daten$sind$unstrukturiert$
(
20%( $der$$Daten$eines$Unternehmens$sind$für$
$Analyse$nutzbar$und$tra...
12
DIE$BEGRENZTHEIT$VON$ALGORITHMEN$BEFEUERT$EIN$GANZES$ÖKOSYSTEM$
Daten
AlgorithmenPlattformen Aufwand
Qualität
$ #
#
t t...
VON$BUSINESS$REPORTING$ZUM$STRATEGISCHEN$ANALYTICS$
Analytics-KategorienEntwicklungsstufen
Operatives Reporting
Isoliert, ...
HANDWERK$HAT$VIELE$GESICHTER,$SO$AUCH$DIE$DATENWKUNST$
15
!  Breite Analyse Methoden (Höhere Mathematik, Informatik)
!  Coding & Hacker-Skills (Informatik)
!  Decision Science (...
DIE$5$–KERNWKOMPETENZEN$DER$DATENWDETEKTIVE$
Wissenschaftliche
Methoden
QualitativeMethoden
Coding&Tools
Fach-Domäne
Agile...
ANALYSTEN$ENTFALTEN$IHRE$KRAFT$IN$INTERDISZIPLINÄREN$TEAMS$
Wissenschaft
Methoden
Coding&Tools
Fach-Domäne
Agiles-PM/Digit...
DIE$WELT$DER$DATENWSPÜRNASEN$
LeadershipWRollen$
•  Data$Captain$
•  Chief$Data$Officer$
•  Head$of$DataWInsight$
•  Chief$D...
INFONEA
DATA$SCIENCE$DERZEIT$VORRANGIG$EINE$DIENSTLEISTERW$UND$
ONLINEWDISZIPLIN.$IT$&$SERVICES$FÜHREND$$
02.10.15Frank Pö...
ATTRAKTIV$FÜR$DIE$ZUKUNFT?$
Datenkompetenz$beeinflusst$die$
zukünLige$Gehaltsentwicklung$
•  Methoden$&$Tools$
•  Kompetenz...
Universitäten$ Priv.$Akademien$
SWWAnbieterWKurse$ Berufsverbände,$
und$Vereinigungen$
QUALIFIZIERUNG$
•  Euroforum$
•  Fr...
DIGITALE ÖKONOMIE
23
DATENÖKONOMIE:$PRODUKTIONFAKTOR$„WISSEN“.$
WISSEN$IST$PRODUKTIONSFAKTOR,$DER$DURCH$TEILEN$WÄCHST.$
DATEN$W$EINE$NEUE$WÄHRUNG$$
26
DIGITALE$ÖKONOMIE$
27
EIGENW$ODER$FREMDWBILD$$
BREAKWOUT$SESSIONS$
28
Thema 1:
Welche mögliche Formen der Daten-Ökonomie könnten
sich im IoT ausprägen? (Handel, Veredelu...
Nächste SlideShare
Wird geladen in …5
×

Data Scientist - The Sexiest Job of the 21st Century?

391 Aufrufe

Veröffentlicht am

Im Kontext von IoT spielt die Gewinnung und Verarbeitung von großen Datenmengen, z.B. von Sensoren eine große Rolle. Die Rohdaten alleine machen aber noch lange keine smarten Systeme. Aus Daten werden Informationen aus Informationen wird Wissen und aus Wissen resultieren Entscheidungen - im besten Fall. Neben der technischen Herausforderungen im Umgang mit BigData rückt die „schlaue Auswertung" derselben (Digitale Analyse) immer mehr in den Vordergrund und zeigt die Grenzen des Könnens vieler Unternehmen auf. Kein Wunder also, dass dem Berufsbild des Data Scientisten eine wachsende Bedeutung zukommt. Nicht umsonst benannte das Harvard Business Review diesen als „The sexiest job of the 21st Century“.
Die Digital Analytics Assocations e.V. (DAA) treibt gezielt Fach- und Führungskräfte sowie Unternehmen die Professionalisierung von Digitalen Analysten und Data Scientists voran.

Frank Pörschmann, Mitglied des Vorstands des DAA e.V., erzählt in diesem Vortrag etwas über
- den Unterschied zwischen BigData, SmartData und Data Analytics
- Datenökonomie
- das Berufsbild des Data Scientist / Digitalen Analysten
- Aus- und Fortbildungsmöglichkeiten

Veröffentlicht in: Daten & Analysen
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
391
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
7
Aktionen
Geteilt
0
Downloads
13
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Data Scientist - The Sexiest Job of the 21st Century?

  1. 1. IOT MEET-UP / HAMBURG FRANK PÖRSCHMANN 01.10.2015 Data$Scien*st$ $ The$Sexiest$Job$ob$the$ 21st$Century?$ $ $$
  2. 2. KONTAKT$ 2 Frank$Pörschmann$ $ Digital$Analy*cs$Associa*on$e.V.$ Mitglied$des$Vorstandes$ $ iDIGMA$GmbH$ GeschäLsführender$GesellschaLer$ $ $ Digital$Analy*cs$ Associa*on$e.V.$ $ Crémon$36$ 20457$Hamburg$ $ Frank.Poerschmann@daaWgermany.org$ $ www.daaWgermany.org$ www.digitalanaly*csassocia*on.org$ $ iDIGMA$GmbH$ $ Bondenwald$17$ 22453$Hamburg$$ Tel:$040$325$340$W$47$ $ Frank.Poerschmann@idigma.com$$ $ www.idigma.com$ $
  3. 3. 3 !  Weiterbildung$ !  Nachwuchsförderung$ !  Netzwerk$ !  WissensWAustausch$ !  Veranstaltungen$ !  Wegweiser$für$Unternehmen$und$ Anwender$ !  Ak*ve$KarriereWUnterstützung$ $ !  Science$&$Educa*on$||$Promo*on$of$Young$ !  Business$&$Governance$$ !  SoLware$Producer$||$Agencies$&$Service$ Companies$ !  Methods$||$Knowledge$Management$ !  Interna*onal$||$Networking$ !  Marke*ng,$PR$&$Events$||$Members$ !  Legal$ Angebote(und(Ak,vitäten( Ressorts( „Professionalisierung datengetriebener Berufsbilder für Fach- und Führungskräfte“
  4. 4. 4 •  Europaweit erster themenspezifischer Inkubator mit Fokus Datenanalyse •  Bündelt die deutsche Kompetenz der Digitalanalyse in Hamburg (bisher auch einmalig in E.U.) •  Katalysator für Unternehmensgründung und - entwicklung im Kompetenzbereich der Digitalanalyse: vom Startup bis zum Konzern, über Wissenschaft, Presse und Politik •  Wichtigste Elemente: •  Standort •  Netzwerk/Austausch: •  Akademie: •  Start-Up Förderung Initiatoren:
  5. 5. 5 !  Organisations-Design & Entwicklung !  Digital Transformation & Business Design !  Big Data Governance !  Entscheidungs- Architekturen !  Training & Coaching Organisations- Entwicklung" Entscheidungs-Design" !  Rent a DataScientist !  DataScience Projects !  Data Science Capability Development Analytics Services" „Das teuerste in Unternehmen sind noch immer schlechte Entscheidungen“ iDIGMA GmbH, Bondenwald 17, 22453 Hamburg, Tel:$040$325$340$–$47,$ frank.poerschmann@idigma.com, www.idigma.com,
  6. 6. THE$JOB$ 6 DATA Data Scientist: The Sexiest Job of the 21st Century by Thomas H. Davenport and D.J. Patil FROM THE OCTOBER 2012 ISSUE When Jonathan Goldman arrived for work in June 2006 at LinkedIn, the business networking site, the place still felt like a start-up. The company had just under 8 million accounts, and the number was growing quickly as existing members invited their friends and colleagues to join. But users weren’t seeking out connections with the people who were already on the site at the rate executives had expected. Something was apparently missing in the social experience. As one LinkedIn manager put it, “It was like arriving at a conference reception and realizing you don’t know anyone. So you just stand in the corner sipping your drink—and you probably leave early.”
  7. 7. NICHT$NUR$DER$MENSCH,$AUCH$MASCHINEN$WERFEN$DEN$DIGITALEN$SCHATTEN.$ DER$DIGITALEWZWILLING.$
  8. 8. 8 PREDICTIVE$DISILLUSION$$
  9. 9. INFONEA 111 177 210 343 454 454 28 28 28 55 92 129 - 100 200 300 400 500 2011 2012 2013 2014 2015 USA Deutschland USA$BIS$ZU$5$JAHRE$WEITER$ALS$DEUTSCHLAND$ 02.10.15Frank Pörschmann9 “Data Science” in DE nimmt erst seit 2014 Fahrt auf Anzahl der jährlichen Google-Suchen nach “Data Science” pro 1 Mio. Einwohner Dtl. vs. USA Buzzword Big-Data weltweit gleichauf Quelle: Google, IoT Analytics 5 Jahre 164 601 1.339 1.968 2.2692.269 104 365 1.096 1.748 2.2442.166 - 500 1.000 1.500 2.000 2.500 2011 2012 2013 2014 2015 USA Deutschland Anzahl der jährlichen Google-Suchen nach “BigData” pro 1 Mio. Einwohner Dtl. vs. USA
  10. 10. BIG$DATA$AUS$UNTERSCHIEDLICHEN$SICHTEN$$ Volume$ Velocity$ Variety$ Veracity$ $ $ $ $ Sta,sche(Daten( Streaming(Data( Mul,ple(Forms( Data(in(Doubt( Milliseconds response time Structured, unstructured, text, video, audio, ... Uncertain, incomplete, ambiguous, inconsistent Massive Data to minimal cost BIG DATA SMART DATA ! BIG DATA SMART DATA IT-Vendors Wirtschafts- Politik Data Scientist Tall-Data Wide-Data
  11. 11. 80%(( (der$verfügbaren$Daten$sind$unstrukturiert$ ( 20%( $der$$Daten$eines$Unternehmens$sind$für$ $Analyse$nutzbar$und$tragen$einen $„Nutzen“$ $ 80% $des$Aufwandes$der$DatenWAnalyse$besteht$ $in$Bereinigung$und$Vorbereitung$ $ 80% $der$Inves**onen$für$BigData$liegen$in$ $Technologie,$weniger$als$5%$in$der$Analyse$ $ ((3%( $der$Daten$werden$kategorisiert$(geWtagged)$ $ 0,5%( (werden$tatsächlich$ausgewertet $$ $ $$ $ „BIG$DATA“$$IST$NICHT$$„BIG$INFORMATION“$
  12. 12. 12 DIE$BEGRENZTHEIT$VON$ALGORITHMEN$BEFEUERT$EIN$GANZES$ÖKOSYSTEM$ Daten AlgorithmenPlattformen Aufwand Qualität $ # # t t t
  13. 13. VON$BUSINESS$REPORTING$ZUM$STRATEGISCHEN$ANALYTICS$ Analytics-KategorienEntwicklungsstufen Operatives Reporting Isoliert, Vergangenheitsbetrachtung, reaktiv Intelligentes Reporting (BI) Mehrdimensional, erlaubt internes Benchmarking, langzeit-Betrachtungen, Dashboards Analytics Statistische Analysen, Korrelationen, Mustererkennung, Erkennung von Ursache-Wirkungsketten, große heterogene Datenmengen, Echtzeitanalysen Strategisches Analytics Integriert in Entscheidungsprozesse, Einbezug selbstlernender Systeme, Simulationen, Künstliche Intelligenz, Echtzeit-Entscheidungssysteme Deskriptiv Preskriptiv Inquisitiv Prediktiv Was ist passiert? Zeigt Entwicklungen, Häufigkeiten, Verteilungen, Muster Was wäre wenn? Was können wir tun? „Warum geschieht etwas?“. Zeigt Ursache-Wirkungs- Ketten, Komplexe Zusammenhänge Was wird geschehen? Wahrscheinlichkeits-Vorhersagen ReportingAnalyticsAdvanced Analytics
  14. 14. HANDWERK$HAT$VIELE$GESICHTER,$SO$AUCH$DIE$DATENWKUNST$
  15. 15. 15 !  Breite Analyse Methoden (Höhere Mathematik, Informatik) !  Coding & Hacker-Skills (Informatik) !  Decision Science (Psychologie, Wirtschaftswissenschaften, Mathematik) !  Behavioural Economics (Soziologie / Psychologie) !  Projekt-Management & -Methoden (Agil und klassisch) !  Internationales IT- und Datenschutz-Recht (Jura) !  Kommunikation !  Allg. Wirtschaftskunde !  Leadership DAS$IDEALE$SKILLWPROFIL:$DER$SUPERWANALYST$$
  16. 16. DIE$5$–KERNWKOMPETENZEN$DER$DATENWDETEKTIVE$ Wissenschaftliche Methoden QualitativeMethoden Coding&Tools Fach-Domäne Agiles-PM/Digital/ Leadership Daten-Detektiv
  17. 17. ANALYSTEN$ENTFALTEN$IHRE$KRAFT$IN$INTERDISZIPLINÄREN$TEAMS$ Wissenschaft Methoden Coding&Tools Fach-Domäne Agiles-PM/Digital/ Leadership Wissenschaft Methoden Coding&Tools Fach-Domäne Agiles-PM/Digital/ Leadership Real-Time Performance = Team-Mix + Dynamische Organisation + Entscheidungs- Architektur
  18. 18. DIE$WELT$DER$DATENWSPÜRNASEN$ LeadershipWRollen$ •  Data$Captain$ •  Chief$Data$Officer$ •  Head$of$DataWInsight$ •  Chief$DataWAnalyst$ Mögliche$Rollen$ •  DataWEngineer$ •  DataWModeller$ •  DataWIntegrator$ •  DataWArchitect$ •  DataWScien*st$ •  Data$Analyst$ •  Data$Ar*st$ •  ...$ Methoden$(Exempl.)$ •  Deskrip,on( •  Lage$&$Streuung$ •  Boxplots$ •  Korrela*on$ •  Extrapola*on( •  Interferenz( •  FisherWTest$ •  X2WTest$ •  Kon*ngenztafeln( •  Regression( •  NearestWNeighbor$ •  Residualanlyse$ •  Linerae$Modelle( •  Klassifika,on( •  Bayes$ •  Random$Forrest$ •  DiskriminierungsWAnalyse$
  19. 19. INFONEA DATA$SCIENCE$DERZEIT$VORRANGIG$EINE$DIENSTLEISTERW$UND$ ONLINEWDISZIPLIN.$IT$&$SERVICES$FÜHREND$$ 02.10.15Frank Pörschmann19 Anzahl an Linkedin-Profilen und Jobs mit dem Tag “Data Science” in Deutschland Quelle: LinkedIn, IoT Analytics, iDIGMA “Data Science” Deutschland 441$ 232$ 198$ 129$ 60$ 33$ 32$ 31$ 23$ 22$ 22$ 20$ 16$ 16$ 15$ 14$ 10$ 10$ 9$ 8$ 7$ 7$ 6$ 6$ 6$ 0$ 50$ 100$ 150$ 200$ 250$ 300$ 350$ 400$ 450$ 500$ Data$Science$people$ Data$Science$job$offers$ Anbieter Anwender
  20. 20. ATTRAKTIV$FÜR$DIE$ZUKUNFT?$ Datenkompetenz$beeinflusst$die$ zukünLige$Gehaltsentwicklung$ •  Methoden$&$Tools$ •  KompetenzWFelder$ •  KomplexitätsWErfahrung$ $ Nachfrage$höher$als$Angebot$ •  Ca.$50%$Unterdeckung$bis$2025$ •  USWGap$von$ca.$1,5$mio.$Digital$Leader$ •  US$Bedarf$2018:$500.000$DA$ •  Auffächerung$in$nichtWakdemische$ Berufsbilder$ $
  21. 21. Universitäten$ Priv.$Akademien$ SWWAnbieterWKurse$ Berufsverbände,$ und$Vereinigungen$ QUALIFIZIERUNG$ •  Euroforum$ •  Fraunhofer$Akademie$ •  ...$ •  VDI$ •  Digital(Analy,cs( Associa,on( •  ...$ •  Universitäten$ •  Fachhochschulen$ •  Begleitkurse$ •  OnlineWPortale$$ (Coursera,$u.a.)$ •  BlueYonder$ •  Alexander$Thamme$ •  IBM,$SAP,$etc$ •  ...$
  22. 22. DIGITALE ÖKONOMIE 23
  23. 23. DATENÖKONOMIE:$PRODUKTIONFAKTOR$„WISSEN“.$ WISSEN$IST$PRODUKTIONSFAKTOR,$DER$DURCH$TEILEN$WÄCHST.$
  24. 24. DATEN$W$EINE$NEUE$WÄHRUNG$$
  25. 25. 26 DIGITALE$ÖKONOMIE$
  26. 26. 27 EIGENW$ODER$FREMDWBILD$$
  27. 27. BREAKWOUT$SESSIONS$ 28 Thema 1: Welche mögliche Formen der Daten-Ökonomie könnten sich im IoT ausprägen? (Handel, Veredelung und Vermarktung von IoT-Wissen und -Daten) Thema 2: Wie wird sich Daten-Analyse im IoT ausprägen? Welche Anwendungsfälle gibt es schon heute? Welche zukünftig?

×