Projekte erfolgreich planen und durchführen Darauf kommt es bei Data Science an

Data-Science-Projekte sind in vielen Unternehmen eine wichtige Grundlage zur Analyse der Daten. Damit die Projekte erfolgreich durchgeführt werden können, muss ein Team effektiv zusammenarbeiten und über das notwendige Know-how verfügen.

Anbieter zum Thema

VMware Global Inc Zweigndl. Deutschland

DataCore Software GmbH

Fujitsu Technology Solutions GmbH

Wenn im Unternehmen ein Projekt zur Analyse der Daten gestartet wird, gilt es, ein passendes Team zusammenzustellen. Zunächst ist in einem solchen Team natürlich ein ausgebildeter Data Scientist sinnvoll, der in der Lage ist, die zur Verfügung stehenden Daten zu erkennen, zu sammeln und zu analysieren.

Data Scientist, Data Engineer und Data Artist

Neben dem Data Scientist spielen auch Data Engineer und Data Artist eine wichtige Rolle. Nur in der Zusammenarbeit lassen sich Daten zuverlässig analysieren, da auch die IT-Infrastruktur darauf ausgelegt sein muss, die Daten zur Analyse optimal zur Verfügung zu stellen. Dazu gehört auch die Performance des Netzwerks. Denn nur wenn die Daten in ausreichender Geschwindigkeit zur Verfügung gestellt werden können, haben Big-Data-Systeme die Möglichkeit, diese auch effektiv zu verarbeiten.

Data Engineer kann die Grundlagen zur Analyse zur Verfügung stellen

Bevor Daten analysiert werden können, müssen diese zunächst gebündelt und dem Team zur Verfügung gestellt werden. Der Data Engineer ist dafür verantwortlich, die Datenquellen festzulegen sowie die Daten zu identifizieren, die das Team analysieren soll. Die Daten müssen für das Team so gespeichert werden, dass eine stabile und effektive Analyse der Daten stattfinden kann. Auch dafür sorgt der Data Engineer. Er kümmert sich darüber hinaus auch darum, dass die Daten sicher gespeichert werden, immer aktuell sind, und dauerhaft in der Form zur Verfügung stehen, wie das Team diese zur Analyse benötigt.

Der Data Engineer überwacht auch die dazu notwendige Hard- und Software. In vielen Fällen ist er auch für den Aufbau und den Betrieb der Infrastruktur verantwortlich, mit der die Daten dem Analyse-Team zur Verfügung gestellt werden.

Schlussendlich kümmert sich der Data Engineer auch um die Programme und Tools, mit denen die Daten aufbereitet und analysiert werden. Diese müssen mit Hard- und Software genauso zusammenarbeiten, wie mit den Speichersystemen. Auch die Skalierung der Systeme muss berücksichtigt werden, denn bei der Analyse von Daten in den Bereichen Big Data Bereich und Industrie 4.0 fallen extrem große Datenmengen an, auf die schnell und sicher zugriffen werden Kurz: Der Data Engineer sorgt dafür, dass dem Analyseteam die notwendigen Daten ständig in ausreichender Form, schnell, stabil und jederzeit zugreifbar zur Verfügung stehen.

Datenschutz einhalten – sie Datenschutz-Grundverordnung

Der Data Engineer ist auch für den Datenschutz und die Datensicherheit im Team verantwortlich. Seit dem 25. Mai 2018 muss er also auch dafür sorgen, dass im Rahmen der Analyse die DSGVO eingehalten wird. Auch andere Datenschutzverordnungen sowie Compliance-Anforderungen im Unternehmen müssen durch den Data Engineer im Analyseteam Berücksichtigung finden.

Data Engineers sollten auch mit den Data Scientists zusammenarbeiten, und deren Tätigkeit verstehen. So ist sichergestellt, dass Data Scientists die Daten in der Form erhalten, wie sie diese benötigen.

Zusammenarbeit im Team

Data Scientist, Data Engineers und die anderen Team-Mitglieder müssen nicht nur effektiv miteinander arbeiten und Teamarbeit beherrschen, sondern auch mit anderen Mitarbeitern im Unternehmen im Team zusammenarbeiten können, denn bei der Datenanalyse werden Daten von verschiedenen Abteilungen untersucht. Hier ist eine Zusammenarbeit zwingend notwendig, sodass alle Team-Mitglieder im Analyseteam Teamworking beherrschen müssen, keine Probleme mit zwischenmenschlichen Beziehungen haben sollten und im Unternehmen gut vernetzt sein müssen.

Data Scientists

Während der Data Engineer die Daten zusammenstellt und für die Infrastruktur sorgt, muss der Data Scientist die Daten verstehen und verarbeiten. Es reicht also nicht aus, als Data Scientist einen Entwickler zu beschäftigen, sondern hier müssen auch Kenntnisse im betriebswirtschaftlichen und vor allem im statistischen Bereich vorliegen. Auch der Data Scientist muss im Team arbeiten können, da er mit dem Data Engineer zusammen die Daten so strukturieren muss, dass diese analysierbar sind. Dazu kommen auch notwendige Begabungen zum Teamworking, auch mit anderen Abteilungen in Unternehmen, deren Daten analysiert werden.

Schlussendlich sind auch die Datensicherheit und der Datenschutz wichtig. Zwar ist der Datenschutz im Rahmen der DSGVO eine der Aufgaben des Data Engineers, allerdings sind die Aufgaben rund um den Datenschutz durch die Einführung der DSGVO sehr kompliziert geworden. Aus diesem Grund ist eine effektive Zusammenarbeit zwischen Data Engineer, Data Scientist und anderen Teammitgliedern genauso wichtig, wie die Zusammenarbeit mit Mitarbeitern des kompletten Unternehmens.

Neben betriebswirtschaftlichen und statistischen Kenntnissen muss der Data Scientist natürlich auch ein IT-Profi sein, der die Daten, die vorliegen entsprechend versteht und verarbeiten kann. Ein Data Scientist muss sowohl die betriebswirtschaftlichen Prozesse im Unternehmen kennen und verstehen, als auch die IT-Infrastruktur, den Aufbau der Datenbanken und den Weg der Daten, die analysiert werden.

Data Artist oder Data Visualizer

Der Data Artist oder Data Visualizer ist ein weiteres Teammitglied im Analyse-Team. Er präsentiert die Daten in der Form, dass Unternehmensleitung und verantwortliche Mitarbeiter im Unternehmen die analysierten Daten verstehen. Daher muss der Data Artist in der Lage sein, die analysierten Daten und deren Informationen zu verstehen und erklären zu können. Auch er muss eng im Team mit den anderen Mitarbeitern im Unternehmen und mit dem Data Scientist zusammenarbeiten können.

Er bereitet die Daten auf, visualisiert sie und stellt grafische Oberflächen zur Verfügung, mit denen die Daten präsentiert werden. Es muss sowohl die betriebswirtschaftlichen Prozesse und Strukturen kennen, als auch IT-Kenntnisse haben. Dazu kommen Kenntnisse zu Diagrammen und Grafiken, die erstellt und passend für das Unternehmen erstellen und aufbereiten.

Fazit

Ein Datenanalyse-Team muss vielfältige Kenntnisse haben. Neben IT-Kenntnissen und betriebswirtschaftlichen Kenntnissen, müssen die Mitglieder umfassende Teamworking-Kompetenzen haben, in der Lage sein mit allen Mitarbeitern im Unternehmen zu kommunizieren und gleichzeitig die Abläufe und Prozesse, die im Unternehmen vorliegen, zu verstehen. Das gilt für den betriebswirtschaftlichen Bereich genauso, wie für die IT.

* Diesen Beitrag haben wir von unserem Schwesterportal BigData-Insider übernommen.

(ID:45533015)