In Jan Kalkofens Masterstudium Data Science geht es um wissenschaftlich fundierte Vorgehensweisen zur Extraktion von Wissen aus Daten
Datenkompetenz als Werkzeugkasten für die digitale Transformation: Ein Beitrag von Data Scientist Jan Kalkofen, SAP Consultant, Consulting & Application Services bei der innobis AG
Es heißt, Daten sind das Gold des 21. Jahrhunderts. Das stimmt aber nur halb. Denn nicht die Daten an sich, sondern das Wissen, das aus diesen Daten gewonnen werden kann, ist von Wert. In meinem Masterstudium Data Science lerne ich genau das: wissenschaftlich fundierte Vorgehensweisen zur Extraktion von Wissen aus Daten.
Von Jan Kalkofen, SAP Consultant, Consulting & Application Services bei der innobis AG
Diese Kenntnisse sind unerlässlich, um die digitale Transformation von Unternehmen mitzugestalten. Da ich berufsbegleitend studiere, kann ich mein Wissen direkt anwenden. Eine Win-Win-Situation – für mich und die Banken, die ich als SAP-Berater bei der innobis AG bei ihrer Digitalisierung unterstütze. Im Folgenden erläutere ich, was ein Data Scientist genau macht, wie meine Weiterbildung verläuft und mein Arbeitgeber mich dabei unterstützt und welchen Part ein Data Scientist in der Digitalisierung übernimmt.
Was macht eigentlich ein Data Scientist?
Ein Data Scientist verarbeitet massenhaft komplexe Daten in dafür geeigneten IT-Infrastrukturen. Seine Werkzeuge sind praktische Methoden und theoretische Ansätze aus verschiedenen Wissenschaften, etwa mathematische Modelle, statistische Verfahren und Techniken der Datenspeicherung und -modellierung. Mit der Datenanalyse deckt der Data Scientist Zusammenhänge verschiedener Akteure in einem komplexen Prozess auf und leitet Handlungsempfehlungen ab, die Unternehmen befähigen, effizienter zu arbeiten.
Ein Aufgabengebiet ist die Echtzeitanalyse von Prozessdaten, um im Rahmen von Fraud Detection möglichen Betrug bei Kreditkartenzahlungen aufzudecken. Ein weiteres Gebiet ist die Entwicklung und Implementierung von Modellen des maschinellen Lernens auf der Basis vorhandener Daten. Diese Modelle werden anschließend in einen Prozess integriert, um entweder Menschen bei der Entscheidungsfindung zu unterstützen oder Entscheidungen autonom durch das implementierte Modell treffen zu lassen. Beide Handlungsfelder sind zentrale Bestandteile bei der Umsetzung einer vollständigen und gewinnbringenden Digitalisierungsstrategie.
Wie wird man Data Scientist?
Viele Wege führen bekanntlich nach Rom. Heißt: Die Aus- oder Weiterbildung zum Data Scientist kann unterschiedlich verlaufen. Ich habe mich vor allem aus zwei Gründen für den berufsbegleitenden Master „Data Science“ an der Professional School der Leuphana Universität Lüneburg entschieden: Erstens bietet mir das berufsbegleitende Format entscheidende Vorteile. Dadurch ist es mir möglich, meine berufliche Karriere weiterzuverfolgen.
Ich arbeite in Vollzeit als SAP-Berater im Team Consulting & Application Services bei der innobis AG aus Hamburg, eine IT- und SAP-Beratung, die seit 30 Jahren am Markt ist und vornehmlich Banken bei deren Digitalisierung begleitet. innobis setzt auf die individuelle Weiterentwicklung und Spezialisierung seiner Mitarbeiter, unter anderem durch ein breites Schulungsangebot, passgenaue Zertifizierungen oder eben das berufsbegleitende Studium. Ich genieße bei der Gestaltung meines Studiums große Freiheit, zum Beispiel bei der Themenwahl für meine Praxisprojekte oder der Arbeitszeitgestaltung –so kann ich, wenn notwendig, jederzeit an Vorlesungen teilnehmen und flexibel meine Arbeitszeiten einteilen. Auch die finanzielle und nicht zuletzt kollegiale Unterstützung im Team ist viel Wert, sodass ich Job und Studium gut unter einen Hut bekomme.
Die Unterstützung im Team ist viel Wert, sodass ich Job und Studium gut unter einen Hut bekomme
Zweitens bin ich von der Lehre an der Leuphana Universität überzeugt, sodass meine Weiterbildung hier nur konsequent ist. Im Fokus des Studiums stehen alle Aspekte von Daten, das heißt deren Nutzen und Verarbeitung, ihr Einsatz und ihre Analyse. Zuletzt beschäftigte ich mich mit den theoretischen Modellen und der praktischen Umsetzung des maschinellen Lernens. Im Kurs „Deep Learning“ setzten wir uns mit der Entwicklung und dem Einsatz neuronaler Netze auseinander, hauptsächlich in Bereichen, in denen aufgrund der Komplexität lange nicht klar war, ob künstliche Intelligenz überhaupt dafür geeignet ist (zum Beispiel das maschinelle Sehen / Computer Vision).
Weitere Themen sind der Workflow in Datenprojekten sowie Big-Data-Analyse unter Einsatz von verteilter Berechnung und Cloud-Computing. Zuletzt standen Datenethik und Datenschutz auf dem Programm, denn mit den erlernten Fähigkeiten zur Datenspeicherung und -verarbeitung geht auch eine hohe Verantwortung einher. Deshalb deckt das Studium auch den rechtlichen Rahmen und die Diskussion über moralische Werte im Bereiche Data Science ab. Neben den fachspezifischen Kenntnissen lerne ich, Einsatzgebiete von datengetriebenen Methoden zu erkennen. Parallel führe ich Praxisprojekte durch. Nach drei Semestern und der dazugehörigen Masterarbeit endet mein Studium.
Data Science und Digitalisierung – Anknüpfungspunkte in der Praxis
Der Bereich Data Science und Digitalisierung ist sehr komplex. Daher benötigt es theoretische Expertise für eine erfolgreiche Strategieentwicklung und fachliche Begleitung von Unternehmen bei der operativen Integration von Modellen des maschinellen Lernens in bestehende Prozesse oder die Identifizierung neuer Geschäftsprozesse durch Datenanalyse. Solche Digitalisierungsstrategien sind für Banken, die Kunden von innobis, von entscheidender Bedeutung. Bereits heute wird in Banken Data Science angewendet, um neue Produkte und Dienstleistungen zu entwickeln oder Betrugsfälle zu erkennen.
Mit der Kombination aus meinem Beruf als SAP Consultant und dem Studium Data Science bin ich auf die Herausforderungen der Digitalisierung bestmöglich vorbereitet. Durch den Auf- und Ausbau methodischer Grundlagen sowie die Fähigkeit, komplexe Daten eigenständig und mit aktuellen Analysemethoden zu verarbeiten, kann ich das Potenzial von Daten voll ausschöpfen und gewinnbringend einsetzen. Das gibt mir die Möglichkeit, Banken optimal bei ihren Digitalisierungsprojekten zu unterstützen.
Jan Kalkofen, innobis AG
Jan Kalkofen ist seit 2018 im Team Consulting & Application Services bei der innobis AG tätig. Vor seinem Masterstudium Data Science hat er bereits Wirtschaftsingenieurwesen studiert und mit dem Bachelor und Master abgeschlossen. Zuletzt arbeitete er an der Einführung des innobis eAntrags-Portals, der Lastenradförderung der Stadt Hamburg und aktuell im Projekt an der Umsetzung eines neuen Online-Kundenportals für sechs deutsche Förderinstitute.