Text

• drucken
• verschicken
• bookmarken

Personal

Wir stellen ein: Data Scientists

Von Thomas H. Davenport und D. J. Patil

Der Umgang mit gigantischen Datenmengen gehört zu den wichtigsten Aufgaben, die auf Unternehmen zukommen. Dazu brauchen sie speziell ausgebildete Experten, die auch über soziale Kompetenz verfügen. Das Porträt eines neuen Berufs.

Als Jonathan Goldman im Juni 2006 seinen Job bei LinkedIn, einem Netzwerk für Berufstätige, antrat, herrschte dort noch echte Start-up-Atmosphäre. Das Unternehmen hatte knapp acht Millionen Kunden. Deren Zahl stieg schnell, weil viele Mitglieder Freunde und Kollegen zum Mitmachen einluden. Allerdings interessierten sie sich weniger für Verbindungen zu anderen Nutzern, als das Management erwartet hatte. Irgendetwas musste also bei der sozialen Erfahrung noch fehlen. "Es war, als käme man zu einer Konferenz und merkt, dass man dort niemanden kennt. Also steht man in der Ecke, nippt an einem Drink und geht wahrscheinlich bald wieder", beschreibt ein LinkedIn-Manager die damalige Situation.

Goldman, ein Doktor der Physik aus Stanford, war sehr angetan von den beobachteten Verknüpfungen und der Reichhaltigkeit der Nutzerprofile. All das lief auf ungeordnete Daten und umständliche Analysearbeit hinaus, aber als er begann, die Verbindungen der Nutzer zu untersuchen, entdeckte er erste Möglichkeiten. Er begann Theorien zu entwickeln, überprüfte Ideen und entdeckte Muster, mit denen er vorhersagen konnte, in welchen Bekanntenkreisen ein bestimmtes Profil landen würde. Goldman dachte, dass neue Funktionen auf der Basis seiner heuristischen Erkenntnisse für die Nutzer wertvoll sein könnten. Doch das Entwicklerteam von LinkedIn war voll damit beschäftigt, mit dem Wachstum der Seite Schritt zu halten, und zeigte kein Interesse - manche Kollegen lehnten seine Ideen sogar rundheraus ab. Warum sollten Nutzer wollen, dass LinkedIn für sie herausfindet, in welchen Freundeskreis sie gehören? Der Dienst hatte ja schon eine Adressbuch-Importfunktion, mit der sich die Kontakte eines Nutzers übertragen ließen.

Zum Glück aber glaubte zumindest Reid Hoffmann, LinkedIn-Mitgründer und damals CEO des Unternehmens (heute ist er Executive Chairman), nach seinen Erfahrungen bei PayPal an die Kraft der Analytik. Er gewährte Goldman großen Spielraum. Zum Beispiel sorgte er dafür, dass der Physiker den üblichen Zyklus für Produktfreigaben umgehen konnte, indem er zwischendurch kleine Module in Form von Anzeigen auf den meistgenutzten Seiten veröffentlichen durfte.

Mit einem dieser Module testete Goldman, was passiert, wenn man Nutzern die Namen von Leuten präsentiert, die sie aufgrund gemeinsamer Schulzeit oder gleicher Arbeitgeber wahrscheinlich kennen, mit denen sie aber noch nicht verbunden sind. Dazu erzeugte er eine individualisierte Anzeige, die jedem Nutzer die drei besten neuen Vorschläge zeigte, basierend auf den Angaben im Profil dieses Nutzers. Innerhalb weniger Tage wurde klar, dass etwas Bemerkenswertes passierte - die Klickrate bei den Anzeigen schlug alle Rekorde. Goldman verfeinerte das Erzeugen der Empfehlungen weiter und nutzte dabei Konzepte aus der Netzwerktheorie wie etwa das "Schließen von Dreiecken". Es besagt: Wenn Sie Larry und Sue kennen, ist es recht wahrscheinlich, dass auch Larry und Sue einander kennen. Außerdem sorgten Goldman und sein Team dafür, dass Nutzer Kontaktempfehlungen mit nur noch einem Klick annehmen konnten.

Das Topmanagement von LinkedIn brauchte nicht lange, um das Potenzial der Idee zu erkennen und sie zur Standardfunktion zu machen. Von da an ging es richtig los. Die Klickraten auf die Empfehlungslinks für neue Kontakte waren um 30 Prozent höher als bei anderen Versuchen, die Seitenaufrufe auf LinkedIn zu erhöhen. Mit ihrer Hilfe wurden Millionen Pageviews erzeugt. Nur aufgrund dieser einen Funktion erreichte LinkedIn ein deutlich stärkeres Wachstum.

Eine neue Art Wissenschaftler

Goldman ist ein gutes Beispiel für eine wichtige neue Funktion in Organisationen: die des "Data Scientists" (auf Deutsch "Datenwissenschaftler", wobei der englische Begriff gebräuchlicher ist - Anm. d. Red.). Dabei handelt es sich um eine wichtige Position für Menschen, die hinreichend gut ausgebildet und neugierig sind, um Entdeckungen in der Welt von Big Data zu machen. Den Titel gibt es erst seit ein paar Jahren. (Erfunden wurde er 2008 von D. J. Patil, einem der Autoren dieses Beitrags und Jeff Hammerbacher; die beiden waren damals Leiter der Bereiche Daten und Analytik bei LinkedIn beziehungsweise Facebook.) Trotzdem arbeiten bei Start-ups wie bei gut etablierten Unternehmen bereits Tausende von Datenwissenschaftlern. Ihr plötzliches Erscheinen in der Geschäftswelt ist ein Zeichen dafür, dass Unternehmen es heute mit mehr und vielfältigeren Informationen zu tun haben als je zuvor. Wenn eine Organisation viele Petabytes an Daten zu speichern hat, wenn die für ein Geschäft wichtigsten Informationen nicht in Form ordentlicher Tabellen vorliegen oder wenn zur Beantwortung der drängendsten Fragen eine Mischung aus unterschiedlichen Analyseansätzen erforderlich ist: In all diesen Fällen birgt ein Ausflug in die Welt von Big Data neue Chancen.

Ein guter Teil der aktuellen Begeisterung für Big Data richtet sich auf die Technologien, mit deren Hilfe solche Datenmassen in den Griff zu bekommen sind. Beispiele dafür sind Hadoop, das am weitesten verbreitete Framework für verteilt arbeitende Software, die dazugehörigen Open-Source-Werkzeuge, Cloud-Computing und die Visualisierung von Daten. All das sind wichtige Durchbrüche, doch mindestens genauso wichtig sind Leute mit den richtigen Fähigkeiten (und der richtigen Geisteshaltung), um sie sinnvoll einzusetzen. An dieser Front übersteigt die Nachfrage das Angebot bei Weitem - in manchen Branchen wird der Mangel an Datenwissenschaftlern schon ein ernstzunehmendes Hindernis. Greylock Partners etwa, eine Frühphasen-Wagniskapitalfirma, die in Unternehmen wie Facebook, LinkedIn, Palo Alto Networks und Workday investiert hat, ist über den Mangel an Spezialisten so besorgt, dass sie für diese ein eigenes Anwerbungsteam eingerichtet hat; die darüber gewonnenen Kräfte arbeiten dann in den Portfoliounternehmen von Greylock. "Wenn Sie die Daten erst einmal haben, brauchen Sie dringend Leute, die damit umgehen und Erkenntnisse darin finden können", sagt Dan Portillo, Leiter des Teams.

Diese Leseprobe ist aus der Ausgabe 11/2012 mit dem Schwerpunkt "So beherrschen Sie Big Data". Die Ausgabe können Sie hier digital lesen.