Datavetare är ett av 2000 -talets mest attraktiva jobb. Detta intryck bekräftas när du tittar på relevanta jobbportaler online. Enligt en studie av McKinsey Global Institute, i USA överstiger efterfrågan överlägset utbudet - och det verkar inte vara annorlunda i Tyskland. Men vad är det som gör det här jobbet så intressant i första hand? Någon som vet detta är Dr Andreas Jedlitschka, Chef för avdelningen för datateknik vid Fraunhofer Institute for Experimental Software Engineering IESE och medlem i expertkommittén för datavetenskap hos Personal Certification Body vid Fraunhofer Institute for Applied Information Technology FIT, Sankt Augustin.

Varför har företagen ett så stort behov av dataspecialister?

Med det ökande nätverket mellan alla områden ända till digitala ekosystem, översvämningen av data i företag och organisationer ökar också exponentiellt. På samma gång, den ökande datatillgängligheten och framgångshistorierna som publiceras i pressen leder också till en ökad önskan att använda data systematiskt, d.v.s. att utföra dataanalyser, och därmed uppstår behovet av experter som kan utföra dessa. Dessa "dataspecialister" kombineras ofta under termen datavetenskapare.

Vad gör en datavetenskapare i första hand?

För det första, Jag skulle vilja definiera termen "Data Science":Data Science handlar om att extrahera kunskap från data och göra det idealiskt till förmån för företaget. Att göra så, metoder och tekniker från datavetenskap, matematik, och statistik används. Jobbprofilen är varierad och sträcker sig från Big Data -analys och visuell analys via Big Data -arkitektur till integration. Dessutom, affärsmodeller måste beaktas, resp. tagit fram, och därmed måste också förstås. Vidare, du måste prata med kunden, d.v.s. användaren av informationen som adressat, och med domänexperten.

Vilka uppgifter gör datavetenskapare, och vilka färdigheter behöver de?

Datavetenskapare måste vara experter inom flera discipliner samtidigt:De bedömer inte bara data, men måste också förstå affärssammanhang i företag och organisationer. De måste identifiera lämpliga datakällor, bestämma och förbättra datakvaliteten, sätta ihop data, förbereda och utföra analyser, och sedan bedöma resultaten utifrån givna kriterier. Om du arbetar som datavetare, du bär ofta ett stort ansvar eftersom långtgående strategiska beslut eller till och med människoliv kan bero på resultaten av dataanalyserna-tänk bara på system som används för diagnosstöd inom det medicinska området eller inlärningsprocesser som används inom olika områden i autonoma fordon. Det är därför de underliggande uppgifterna och analysresultaten kontinuerligt måste kontrolleras när det gäller trolighet, fullständighet, riktighet, och relevans, i samarbete med domänexperter. Kravprofilen för en datavetenskapare växer beroende på hur deras arbete är inbäddat i företaget och inkluderar inte bara tekniska färdigheter, men också ett antal mjuka färdigheter som förmåga att arbeta i ett team, starka kommunikationskunskaper, och kreativitet.

Hur blir man datavetare? Vilka är förutsättningarna, resp. vilka förkunskaper krävs?

På Fraunhofer, vi erbjuder en certifierad kurs inom ramen för Big Data Alliance, där vi får deltagarna att passa för Big Data -projekt. Deltagarna är ofta beslutsfattare, men främst affärsutvecklare, analytiker, datahanterare, och mjukvaruutvecklare. Förutsättningen är grundläggande kunskaper i datavetenskap och matematik. I nybörjarkurserna, deltagarna lär sig om de viktiga grunderna, processer, och bästa praxis för att hantera stora mängder data och för utveckling av smarta lösningar med höga krav på integritet och säkerhet. På avancerade kurser, individuella processer studeras i detalj; då ligger fokus på att kunna tillämpa det inlärda. I dessa kurser, vi lär ut toppmodern kunskap i en tillverkarneutral, praktiskt relevant, och samtidigt teoretiskt sunt sätt.

Unga forskare som kommer från universitetet har också nytta av din certifieringskurs. Vilken bakgrund behövs för att få chansen att bli en kvalificerad datavetare?

Forskare som kommer direkt från universitetet har utmärkta ämneskunskaper, särskilt från deras studieprogram, som datavetenskap eller matematik. Vad de unga forskarna ofta saknar, dock, är en bred översikt och den praktiska erfarenhet som krävs för att samarbeta i Big Data -projekt. Och det är precis vad de lär sig i vår datavetenskapskurs. Utbildningen är utformad för ett brett spektrum av applikationer. De lär sig hur affärsutvecklare frigör potentialen för Big Data i sitt företag, hur dataingenjörer beskriver och integrerar data, hur analytiker använder maskininlärningsprocesser för att upptäcka mönster och trender, och hur mjukvaruutvecklare använder moderna databaser och distribuerade beräkningsmetoder för att utveckla robusta och skalbara Big Data -system. Allt detta samtidigt som hänsyn tas till integritet och säkerhet. Syftet är att få grundläggande kunskap inom alla relevanta områden. De som vill kan sedan bli certifierade datavetenskapare.