Sie sind hier: HomeTelekommunikation

Joblift analysiert Stellenmarkt: Data Science – mehr als Datenbanken

Angesichtes wachsender Datenmengen geraten Unternehmen unter Druck, diese auszuwerten und nutzbar zu machen. Die Jobplattform Joblift analysierte darum rund 14 Millionen Stellenanzeigen der letzten 24 Monate, um mehr über die Nachfrage und das Berufsbild des Data Scientists herauszufinden.

Bildquelle: © denisismagilov/fotolia.com

Dabei stellte sich heraus, dass ein abgeschlossenes Studium in mehr als 90 Prozent der Stellenanzeigen Grundvoraussetzung für eine Bewerbung ist. Allerdings gehört mehr als informatisches Fachwissen zu den Fähigkeiten der Datenexperten: Kommunikationsstärke, analytische Fähigkeiten und Kreativität werden häufiger in Anforderungsprofilen verlangt als beispielsweise Programmiersprachen. Die Erklärung dafür lässt sich im Berufsbild finden, denn ein Data Scientist muss Daten verständlich aufbereiten und visualisieren können, um sie für Unternehmen zu erschließen.

Rund ein Viertel mehr Stellen für Datenexperten
In den letzten 24 Monaten bezifferte sich der Bedarf für Datenspezialisten auf insgesamt 64.173 Vakanzen. Im Vergleich zum Vorjahreszeitraum wuchs diese Nachfrage in den letzten zwölf Monaten sogar um 23 Prozent – deutsche Unternehmen suchen zunehmend nach Kompetenzen im Umgang mit großen Datenmengen. Dabei bleiben offene Stellen im Durchschnitt 34 Tage lang unbesetzt, was leicht unter der Vakanzzeit von 36 Tagen für Softwareentwickler liegt. Das könnte damit erklärbar sein, dass nicht nur Bewerber mit informatischem Hintergrund für den Beruf des Data Scientists geeignet sind.

Profil Data Scientist, Joblift Bildquelle: © Joblift

Jede zweite Stellenanzeige nennt Kommunikationsstärke als unverzichtbare Fähigkeit eines Data Scientists, so das Ergebnis der Joblift-Analyse.

Nur 41 Prozent der Stellenanzeigen setzen ein Studium der Informatik voraus
Wirft man einen Blick auf den verlangten Ausbildungsgrad der Bewerber, so fällt besonders das hohe Akademisierungsniveau auf: 93 Prozent der Inserate nennen einen Hochschulabschluss als Grundvoraussetzung. Dabei wird in 69 Prozent der Anforderungsprofile explizit ein Masterabschluss gefordert, während in 20 Prozent der Fälle ein Bachelorabschluss genügt. Eine Dissertation wird in 4 Prozent der Stellenanzeigen verlangt. Wer mit dem Gedanken spielt, als Data Scientist zu arbeiten, sollte also in erster Linie ein Studium anstreben – aber welches? Auf Platz eins der Wunschstudiengänge nennen Unternehmen in 41 Prozent der Stellenanzeigen wenig überraschend Informatik, aber auch Mathematik- oder Statistikabsolventen werden in 21 Prozent der Anzeigen nachgefragt. An dritter Stelle folgen Wirtschaftswissenschaften in 18 Prozent der Anforderungsprofile, gefolgt von Physik in 5 Prozent und Ingenieurwissenschaften (insbesondere Wirtschaftsingenieurwesen) in 4 Prozent aller Inserate.

Kenntnisse in SQL und ML sowie Kommunikationsstärke werden am häufigsten gesucht
Entscheidender als die passende Studienrichtung sind aber häufig spezielle Kenntnisse und Fähigkeiten der Bewerber: Als die fünf wichtigsten Programmiersprachen werden dabei SQL (16.942 Nennungen), R (8.422 Nennungen), Python (6.587 Nennungen), Java (5.945 Nennungen) und SPARK (2.356 Nennungen) in den Anforderungsprofilen aufgeführt. Gleichzeitig sollten Bewerber Vorwissen im Bereich Künstliche Intelligenz (1.202 Nennungen), insbesondere im Machine Learning (5.931 Nennungen) und Deep Learning als besonderes Teilgebiet (1.100 Nennungen) mitbringen.

Außerdem werden oft Erfahrungen mit Datenvisualisierung (4.217 Nennungen) und Cloud-Technologie (3.356 Nennungen) vorausgesetzt. Neben diesen harten Kriterien verlangen Unternehmen aber auch Kommunikationsstärke in fast jeder zweiten Stellenanzeige für Data Scientists (30.088 Nennungen) und analytische Fähigkeiten in 45 % der Inserate (28.854 Nennungen). Weiterhin benötigen Bewerber Kreativität (23.196 Nennungen), Teamfähigkeit (9.738 Nennungen) und Eigeninitiative (7.846 Nennungen) als entscheidende Soft Skills. Denn Data Scientist müssen große Datenmengen nicht nur sortieren, sondern auch interpretieren und ihre Ergebnisse verständlich vermitteln können.