36
Der Artikel zeigt auf, welche konkreten Chancen
sich hinter Data Business Science verbergen
und wie Unternehmen diese gezielt nutzen kön-
nen. Es wird erläutert, was die besondere Kom-
bination in der relativ neuen Rolle des Business
Data Scientists ist, welche Erfolgsfaktoren für
seinen Einsatz gelten, was einen guten „Busi-
ness Data Scientist“ ausmacht und schließlich,
mit welchem Vorgehen er Potenziale für das Un-
ternehmen effektiv heben kann.
Data Science – ein alter Hut?
Data Science ist methodisch im Grunde nicht
neu. Wissenschaftliche Problemstellungen mit
großen Datenmengen wurden schon immer in
dieser Spezialdisziplin gelöst. Durch die fort-
schreitende Rechenkapazität, die den Umgang
mit Big Data deutlich einfacher und kosten-
günstiger macht, kommt diese Disziplin nun
auch „im Alltag“ an. Insbesondere im Control-
ling – wo es ja per se um den Zusammenhang
von Daten aus dem kaufmännischen Rech-
nungswesen und den Prozessen aus dem Busi-
ness geht – steigt ihre Bedeutung enorm an.
Data Science im Business
Beim Einsatz von Data Science im Unterneh-
menskontext geht es im Prinzip darum, die gro-
ßen Datenmengen aus dem kaufmännischen
Bereich, sei es das interne Controlling oder in
der Ergebnisrechnung, an die komplexe Welt
der Kernprozesse anzubinden – um daraus
Mehrwerte für das Unternehmen zu generieren.
Die Mustererkennung im Bereich Data Science
ist im Gegensatz zu den klassischen Kennzah-
len nicht deterministisch. Das heißt, während
bisher ingenieurmäßige Ansätze mit klaren Ur-
sache-Wirkungs-Zusammenhängen prägend
für Analysen und Interpretationen waren, geht
der Data-Analytics-Ansatz von Mustererken-
nung in Daten aus und fragt beim Feststellen
von Besonderheiten (Anomalien), ob und wie
Rückschlüsse und Erläuterungen in der realen
Welt gezogen werden können. Diese Analysen
erzeugt im Prinzip auch ein „klassischer“ Data
Scientist. Ergänzend zu ihm gibt es natürlich
auch heute auf der Business-Seite diejenigen,
die sich fragen, wie die Prozesse in den Pro-
zesskosten, die Qualität der Ergebnisse, die Ka-
pitalintensität und die Durchlaufzeit verbessert
werden können und wie sie idealerweise die
Analyseergebnisse fachlich bewerten und inter-
pretieren können.
Der „Business Data Scientist“ bringt nun diese
beiden Kompetenzen zusammen – idealerwei-
Der Business Data Scientist
Der Business Data Scientist
Praktische Daten-Anwendungen zum Steuern und Entscheiden
in Unternehmen
von Marcus Goerke und Heiko Seif
