Data Scientist: Unterschied zwischen den Versionen
(Die Seite wurde neu angelegt: „Das Rollenprofil des Data Scientists kann grob als Problemlöser bezeichnet werden. Dieser hat vertiefte Geschäftskenntnisse, ist neugierig gegenüber Daten,…“) |
KKeine Bearbeitungszusammenfassung |
||
| Zeile 13: | Zeile 13: | ||
* Davenport, T. H. & Patil, D. J. (2012). Data Scientist. The sexiest Job of the 21st Century. Harvard Business Review, 2012, S. 70-77. | * Davenport, T. H. & Patil, D. J. (2012). Data Scientist. The sexiest Job of the 21st Century. Harvard Business Review, 2012, S. 70-77. | ||
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389-430).] Berlin, Heidelberg: Springer. | |||
* Horváth, P. & Aschenbrücker, A. (2014). Data Scientist: Konkurrenz oder Katalysator für den Controller? In: R. Gleich, K. Grönke, M. Kirchmann & J. Leyk (Hrsg.). Controlling und Big Data – Anforderungen, Auswirkungen, Lösungen. Freiburg, München: Haufe-Gruppe. | * Horváth, P. & Aschenbrücker, A. (2014). Data Scientist: Konkurrenz oder Katalysator für den Controller? In: R. Gleich, K. Grönke, M. Kirchmann & J. Leyk (Hrsg.). Controlling und Big Data – Anforderungen, Auswirkungen, Lösungen. Freiburg, München: Haufe-Gruppe. | ||
[[Kategorie: Rollenprofile]] | [[Kategorie: Rollenprofile]] | ||
Version vom 29. Januar 2019, 10:27 Uhr
Das Rollenprofil des Data Scientists kann grob als Problemlöser bezeichnet werden. Dieser hat vertiefte Geschäftskenntnisse, ist neugierig gegenüber Daten, kennt sich mit Methoden wie Machine Learning, Entscheidungsbäumen, Text Mining oder Clusteranalysen aus und beherrscht Programmiersprachen. Darüber hinaus gehören Visualisierungstechniken und gute Kommunikationsfähigkeiten zu den Anforderungen (Schumann, Zschech & Hilber, 2016, S. 453).
Die Aufgabenfelder des Data Scientists weisen auf den ersten Blick eine Ähnlichkeit mit denen eines Controllers oder Business Partners auf. Nach eingehender Betrachtung wird jedoch klar, dass Anforderungen und Ziele weitgehend nicht übereinstimmen, jedoch eine enge Zusammenarbeit der beiden Rollen essenziell ist (Steiner & Welker, 2016, S. 68).
Quellen
Literaturverzeichnis
- Schumann, C., Zschech, P. & Hilbert, A. (2016). Das aufstrebende Berufsbild des Data Scientist. HMD Praxis der Wirtschaftsinformatik, 53 (4), S. 453-466.
- Steiner, H. & Welker, P. (2016). Wird der Controller zum Data Scientist? Controlling & Management Review, 60 (1), S. 68-73.
Weiterführende Literatur
- Davenport, T. H. & Patil, D. J. (2012). Data Scientist. The sexiest Job of the 21st Century. Harvard Business Review, 2012, S. 70-77.
- Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389-430). Berlin, Heidelberg: Springer.
- Horváth, P. & Aschenbrücker, A. (2014). Data Scientist: Konkurrenz oder Katalysator für den Controller? In: R. Gleich, K. Grönke, M. Kirchmann & J. Leyk (Hrsg.). Controlling und Big Data – Anforderungen, Auswirkungen, Lösungen. Freiburg, München: Haufe-Gruppe.
