Big Data verstehen und nutzen: der Data Scientist
Daten - das Gold der Gegenwart. Doch man muss es zu heben wissen. Versicherungen setzen deswegen auf Spezialisten: Data Scientists. Sie transformieren die Datenmengen zu Informationen, die die Zukunft der Branche beeinflussen.
everything_possible/Shutterstock.com
Egal ob Produktpersonalisierung, Kundenbetreuung oder Unternehmensoptimierung - die Auswertung von Daten ist entscheidend für die Entwicklung einer innovativen Versicherung. Und die treibende Kraft dahinter: der Data Scientist.
Optimierung des Services
Seine Aufgabe ist es, aus großen Datenmengen relevante Informationen abzuleiten und damit Entscheidungsgrundlagen für das Management zu liefern. In Versicherungen werden so etwa Vorhersagen über das Kundenverhalten gemacht. Das spielt sowohl in der Entwicklung neuer Versicherungsprodukte als auch bei der Optimierung des Kundenservices eine entscheidende Rolle.
Der Data Scientist verwendet bei seinen Analysen Techniken und Theorien aus Mathematik, Statistik und Informationstechnologie. Hinzu kommen Wahrscheinlichkeitstheorien aus Prognostik, Datentechnik oder Mustererkennung. Bei der Beschaffung der Daten muss er auch die Rechtslage kennen.
Spezialisten sind Mangelware
Da Big Data boomt, sind Spezialisten Mangelware. Die Versicherungen suchen breit ausgebildete Mitarbeiter mit einer Mischung aus BWL, Mathematik, Informatik und Statistik. Daneben sollten Absolventen auch Koordinations- und Kommunikationstalent mitbringen. Denn der Data Scientist muss seine Empfehlungen verständlich begründen können – dem Management gegenüber, aber auch als Vermittler zwischen den Bereichen des Unternehmens. Bei der Suche nach innovativen Ansätzen und Lösungen sollten Kreativität und Aufgeschlossenheit für neue Analyseverfahren mitgebracht werden.Wer sich zum Data Scientist ausbilden lassen möchte, wird wenige Studiengänge mit reiner Ausrichtung auf Big Data finden. Bisher findet eine Spezialisierung meist durch einen Master statt, etwa in Datascience, Business Intelligence & Data Science oder Data and Knowledge Engineering. Es gibt auch die Möglichkeit, sich durch Schulungen weiterzubilden – deren Module richten sich vor allem an Praktiker und können abhängig von den Schwerpunkten im Job gewählt werden.
