FRANKFURT SCHOOL

BLOG

Der gefragteste Beruf: Data Scientist
Weiterbildung / 10. Juli 2019
  • Teilen

  • 1528

  • 0

  • Drucken
Assistant Professor for International Entrepreneurship
Florian Ellsäßer ist Assistant Professor für International Entrepreneurship an der Frankfurt School of Finance & Management. Nach der Promotion hat er zunächst als Strategieberater und dann als Projektleiter bei McKinsey & Company gearbeitet. In seiner Forschung beschäftigt er sich primär mit der Entscheidungsfindung unter Unsicherheit und der Lösung von Managementproblemen durch Machine Learning.

Autorenprofil

Mehr Blog Posts
Nowcasting Inflation: Machine Learning to resolve the classification challenge?
Why I chose the Master in Applied Data Science
Is Artificial Intelligence a game-changer for banks?

Im ersten Teil dieser Blog-Serie – Deep Learning: Data Scientist werden und das eigene kreative Potenzial entfalten – haben wir bereits konstatiert, dass das Versprechen einer höheren „kognitiven Intelligenz“ mit den aktuellen Algorithmen nicht zu halten ist. Auch wenn „menschenähnliche“ kognitive Intelligenz nicht realisierbar ist, gibt es dennoch zahlreiche Anwendungsmöglichkeiten.

Kaufen oder nicht kaufen – laufende Projekte an der Frankfurt School

An der Frankfurt School arbeiten wir beispielsweise momentan an einer Anwendung, mit der sich anhand der Cursorbewegungen von Kunden vorhersagen lässt, ob sie ein bestimmtes Produkt kaufen werden oder nicht. Zudem gibt die Anwendung Aufschluss über die Merkmale des Entscheidungsprozesses, die besagen, warum eine bestimmte Entscheidung getroffen wurde. Außerdem entwickeln wir im Bereich der Natural Language Generation (NLG), also der automatisierten Textgenerierung, einen Algorithmus zum Verfassen besserer Marketing-E-Mails als ein Mensch schreiben kann.

Automatisierungspotenzial verschiedener Tätigkeiten

Die obige Abbildung veranschaulicht das Potenzial vorhandener Deep Learning-Algorithmen, diverse Tätigkeiten zu automatisieren. Zwar sind nur wenige berufliche Tätigkeiten voll automatisierbar, doch beinhalten 60 Prozent aller Berufe mindestens 30 Prozent technisch automatisierbare Aktivitäten, was Unternehmen ein großes Potenzial eröffnet. Am besten lassen sich Tätigkeiten automatisieren, bei denen ähnliche Aufgaben wiederholt ausgeführt werden, wie bei vorhersehbarer körperlicher Arbeit, bei der Datenverarbeitung und der Datenerfassung.

Anpassung der Algorithmen an die Unternehmensanforderungen

Anwendungsfälle zeigen nur dann Erfolg, wenn die Algorithmen an die Anforderungen des jeweiligen Unternehmens angepasst werden. Dabei stellt sich die entscheidende Frage, ob Lösungen intern oder von externen Anbietern entwickelt werden sollen. Es kann natürlich nicht darum gehen, das Rad neu zu erfinden, zumal bereits zahlreiche Lösungen verfügbar sind. Außerdem gibt es intermediäre, anpassbare Algorithmen von der Stange.

Gleichzeitig ist es für ein Unternehmen sinnvoll, Anwendungen in Bereichen, die für den Wettbewerbsvorteil ausschlaggebend sind, intern zu entwickeln. In diesen Bereichen darf die Technologie nicht ausgelagert werden, sonst läuft das Unternehmen Gefahr, seinen Wettbewerbsvorteil zu verlieren und dadurch austauschbar zu werden. Zum Glück sind die meisten Forschungserkenntnisse auf dem Gebiet Machine Learning sowie die verwendeten Algorithmen öffentlich zugänglich. Somit kann ein gut ausgebildetes Team von Data Scientists beim Einsatz dieser Algorithmen für die jeweils unternehmensrelevanten Anwendungen schnell Fortschritte machen.

Aktualisierung der Kenntnisse als Data Scientist

Bei diesem Vorgehen müssen Unternehmen eine gemischte Strategie verfolgen. Einerseits kann es sich als äußerst zweckmäßig erweisen, externe Expertise in Anspruch zu nehmen, also beispielsweise einen promovierten Informatiker oder jemanden mit akademischen Kenntnissen speziell in Machine Learning einzustellen. Andererseits sind die Datenwissenschaft bzw. eng verwandte Bereiche wie algorithmische Optimierung in den meisten Unternehmen nichts Neues und werden seit vielen Jahren im Bereich Forschung und Entwicklung sowie in der Operations- und der IT-Abteilung eingesetzt.

In jedem Fall ist es möglich, die Kenntnisse der vorhandenen Arbeitskräfte zu aktualisieren und sie so für den Einsatz von Deep Learning-Algorithmen zu qualifizieren. Die Frankfurt School bietet ein entsprechendes Weiterbildungsprogramm an, den Certified Expert in Data Science and Artificial Intelligence. Der Kurs umfasst die theoretischen Grundlagen der statistischen Modellierung, die ausführliche Analyse neuronaler Modelle – zusammen mit den zugehörigen Machine Learning-Verfahren. Außerdem bietet der Kurs eine Einführung in die Theorie und Praxis der Python-Programmierung mit dem allgemeinen „Data Science Stack“ (NumPy, SciPy, Pandas, Scikit-Learn) sowie TensorFlow für Deep Learning.