Während Künstliche Intelligenz in Großunternehmen längst strategisch verankert ist, stehen viele mittelständische Betriebe noch am Anfang – nicht, weil es an Ideen mangelt, sondern an den operativen Voraussetzungen.

Wenn eine Technologie, ein System oder eine Lösung von der Test- oder Pilotphase erfolgreich in die Produktionsumgebung überführt werden soll, kommt es häufig zu Schwierigkeiten bei Skalierung und Leistung oder auch Datenqualität, Verfügbarkeit und Wartung.

Datenwissenschaften oder auch Data Science gehören zu den Berufsfeldern, die heute schon stark nachgefragt und zukünftig in allen Branchen relevant sein werden, weil sie Unternehmen fundierte unternehmerische Entscheidungen ermöglichen.

Die Ergebnisse des Top-Skill-Radars zeigen, welche Fertigkeiten und Kompetenzen freiberufliche Data Scientists benötigen, um von der hohen Nachfrage auf dem Arbeitsmarkt zu profitieren. Dafür wurden mehr als 70.000 Freelancer-Profile und 100.000 Projektbeschreibungen analysiert.

Der Fachkräftemangel in IT-Berufen hat im vergangenen Jahr mit fast 68.000 unbesetzten Stellen ein Rekordniveau erreicht. Um als Quereinsteiger:in oder Berufseinsteiger:in in der IT-Branche Fuß zu fassen, sind diverse Hard und Soft Skills notwendig.

In der deutschen Wirtschaft gibt es einen massiv steigenden Bedarf an Data Scientists. Aktuell sind die Daten-Expertinnen und -Experten nur sehr schwer auf dem Arbeitsmarkt zu finden.

Schlechte Datenqualität ist ein permanentes Problem vieler Unternehmen. Doch es gibt strategische Interventionen, die diese Negativ-Spirale aufbrechen. Paul Dietrich von Collibra erklärt die sechs häufigsten Ursachen und Probleme in Bezug auf mangelnde Datenqualität und wie Sie diese vermeiden.  

Die Pandemie hat die Digitalisierung vorangetrieben – und ebenso hat die Rolle des Data Scientists an Relevanz gewonnen. Mehr als die Hälfte dieser Berufsgruppe (53 Prozent) meint, dass ihre Arbeit jetzt wichtiger ist als vor Corona.