Recruiting Data Scientists - Strategie und Praxisbeispiele

#Digital Roles

Recruiting Data Scientists - Strategie und Praxisbeispiele

Data Scientists und Business-Intelligence-Experten verwandeln komplexe Informationen in relevante Entscheidungsgrundlagen - kein Wunder, dass Kandidaten aus dem Bereich gefragt sind wie nie. Insights für Arbeitgeber.  

Daten sind der wichtigste Rohstoff der Digitalwirtschaft. Data Scientists und Business-Intelligence-Experten sind diejenigen, die diesen Rohstoff in nutzbare Informationen zu verwandeln, aus denen Unternehmen ihre Schlüsse ziehen können. Entsprechend gehören Kandidaten mit einem Hintergrund in Data Science gerade zu den gefragtesten Profilen am Markt für Digitalpositionen.   

Die Gemengelage auf den Kandidatenmarkt sieht derzeit wie folgt aus: 

  • Internationale Großkonzerne - vor allem die klassische Industrie - haben eher die Mittel, in den Aufbau von BI-Abteilungen zu investieren und entwickeln Mitarbeiter in dem Bereich weiter. Bei den Geschäftsmodellen der New Economy setzen vor allem E-Commerce und Software as a Service (SaaS) auf Data Scientists.
  • Viele Universitäten stellen sich allmählich auf den extrem gestiegenen Bedarf ein und etablieren Data-Science-Studiengänge - besonders technische Hochschulen wollen sich in dem Thema einen Namen machen. Die Studieninhalte variieren allerdings noch stark von Hochschule zu Hochschule.  
  • Die Kombination aus fundiertem IT-Wissen und angewandten betriebswirtschaftlichen Fragestellungen erfordert eine passgenaue Stellendefinition, bei der Recruiter bislang kaum auf Standards zurückgreifen können. 

Data Science - Infografik

Welche Data Scientists suche ich überhaupt?

Da Machine Learning, Artificial Intelligence und Predictive Analytics 2019 weiterhin die großen Trendthemen sind, sind Datenexperten die dazugehörigen Trendkandidaten. Die Herausforderung ist, die Buzzwords in konkrete Stellendefinitionen herunterzubrechen, die dem jeweiligen Unternehmen gerecht werden und gleichzeitig für Kandidaten attraktiv sind. 

Entscheidend sind dabei 2 Kernfragen: 

  1. Wie weit ist der Bereich in einem Unternehmen bereits aufgebaut?
  2. Mit welchen Datenmengen wird in der Organisation gearbeitet? 

Geht es zunächst darum, die erste Struktur für den Bereich aufzubauen z.B. in Form eines Dataware-Houses, so mögen zunächst ein Datenanalyst oder ein BI-Entwickler am passendsten sein. Je größer und komplexer die Datenmengen und deren Analyse braucht es Spezialisten-Teams bestehend aus Data Scientists, Machine-Learning-Ingenieuren und Deep-Learning-Experten. 

Bestimmend für Zusammensetzung und Spezialisierungsgrad der Data Teams ist, wie stark Geschäftsmodell und Business Performance von den Daten abhängig sind (dazu gibt es weiter unten 2 Fallbeispiele).    

Data Scientists recruiten und halten 

Gleichzeitig ist es interessant, dass die Wechselbereitschaft in bestimmten Bereichen der Data Science global relativ hoch zu sein scheint: laut einer viel zitierten Studie von Stackoverflow liegt der Anteil der aktiv Jobsuchenden unter Machine-Learning-Experten bei rund 15% (bei 13% unter Data Scientists) - und damit deutlich höher als bei klassischen Entwicklern.

Als Grund für diese Zahlen vermutet man, dass viele Unternehmen schlicht noch keinen Masterplan haben, wie sie das noch recht junge Feld am besten in ihr Business integrieren. Data Scientists achten bei potenziellen Arbeitgebern besonders auf folgende Rahmenbedingungen: 

  • Gibt es bereits eine Datenstrategie, oder wird diese erst noch entwickelt?
  • Wie sehen die konkreten Problemstellungen aus, auf die es eine Antwort zu finden gilt?
  • Wie ist der Austausch zwischen IT- und Business-Bereichen im Unternehmen, um die geforderten “Actionable Insights” zu liefern?

Praxisbeispiele für Data Scientist Recruiting  

  • Wo Data Science die Kernwertschöpfung des Unternehmens darstellt, wie beispielsweise beim Process Mining Unternehmen (und deutschen Unicorn) Celonis, ist es unerlässlich, dass der gesamte Talent Acquisition Bereich sowie das Management Team auf Recruiting und Führung dieser Kandidatenzielgruppe ausgerichtet ist.     
  • Doch auch in etablierten Branchen und Geschäftsmodellen, die sich allmählich digitalisieren, sind Data Scientists gefragt. Hier besteht die besondere Herausforderung, dass sowohl IT-spezifisches Wissen als auch Business-Knowhow gefragt sind. Da die Kombinationen am Kandidatenmarkt selten sind, ist es für ein Unternehmen nachhaltiger, Talente mit den richtigen Ansätzen einzustellen und in deren Ausbildung zu investieren. Ein Beispiel dafür liefert Bertelsmann, mit seinem Data Science Trainee-Programm Media n.     

 

Zum Weiterlesen

What kind of data scientist should you hire? - EConsultancy

How machine learning creates new professions and problems - Financial Times

Here's why so many data scientists are leaving their jobs - Towards Data Science

The Quant Crunch: How the Demand for Data Science Skills is Disrupting the Job Market - IBM

Vermittlung von Datenkompetenz an Hochschulen: Studienangebote im bereich Data Science - Forum Hochschulentwicklung

Event Kalender

i-potentials Events