Manchmal verändert ein einziges Element Dinge von Grund auf. Der Wechsel vom Straddle zum Flop im Hochsprung war so ein Element. Danach brauchte man sich nicht mehr ernsthaft mit dem Straddle um Medaillen zu bemühen. Data Science ist ein solcher Game Changer, wenn es um unseren Umgang mit Daten und Informationen geht. Es wird uns alle verändern.
Die deutsche Sprache hat kein Äquivalent für den Begriff Game Changer. „Die Spielregeln verändernd“ ist inhaltlich falsch, denn das Spiel bleibt unverändert. Die Art, wie es gespielt wird, ist hinterher allerdings eine ganz andere. Game Changer ist ein Begriff mit starken Konnotationen von Unvermeidbarkeit und Unwiderstehlichkeit.
Im Hochsprung war der Flop ein solcher Game Changer. Für den Umgang mit Daten und Informationen ist es Data Science. Dabei ist Data Science wie der Flop kein Element, das unabhängig von äußeren Ereignissen sein Potenzial entwickelt. Beim Hochsprung war es die Einführung weicher Hochsprungmatten an Stelle der zuvor verwendeten Sandgruben. Für Data Science sind es zwei Elemente. Zum einen der Siegeszug von Big Data, Cloud Computing und Breitbandinternet, zum anderen die Möglichkeiten der modernen Datenvisualisierung.
Eine weitere Parallele zwischen diesen beiden Game Changern ist, dass es den richtigen Moment brauchte, damit sie ihre volle Wirkung entfalten konnten. So wie Fritz Pingle zehn Jahre vor Dick Fosbury die Technik nutzte, die schlussendlich unter dessen Namen in die Sportgeschichte einging, gab es Datenwissenschaftler, bevor es Data Scientists gab.
Der Hype um Data Science
Die Google-Suche nach „Data Science“ findet aktuell knapp zwei Millionen Referenzen im Web und die Harvard Business Review bezeichnete Data Science als „sexiest Job des 21. Jahrhunderts“. Erstmals von Peter Naur um 1960 [1] geprägt, wurde der Begriff erst in den letzten zwölf Jahren, dank des Goldrauschs rund um Daten, wirklich populär.
Wer immer auch der Erste war, der die Aussage: „data is the new gold“ formulierte, sie oder er hat damit den Zeitgeist perfekt auf den Punkt gebracht [2]. Im Dezember 2011 griff Neelie Kroes, Vizepräsidentin der EU-Kommission und EU-Kommissarin für die Digitale Agenda, sie auf und formulierte: „So wie Öl als schwarzes Gold bezeichnet wird, gewinnen Daten eine neue Relevanz und eine neue Werthaltigkeit im digitalen Zeitalter. ... Um es kurz zu sagen, meine Damen und Herren, meine Botschaft heute ist, dass Daten Gold wert sind.“
Das deckt sich mit dem Versprechen der IT-Industrie, das da lautet, mittels Big Data und Daten aus sozialen Netzen und dem Internet der Dinge Umsatzwachstum und Wettbewerbsvorteile zu generieren. Analytics soll insbesondere im Geschäft mit privaten Endkunden maßgeschneiderte, individuelle Angebote wirtschaftlich machen. Die Zielgruppe ist tot, es lebe die Zielperson. Wenn einem bei dieser Wortwahl ein leichter Schauer des Unwohlseins über den Rücken läuft, kommt das nicht von ungefähr. Der Einstieg in Big Data entbindet Unternehmen nicht von einer sorgfältigen Abwägung der Implikationen bezüglich Persönlichkeitsrechten und Datenschutz.
Gleichzeitig greifen diese plakativ kommunizierten Use Cases aber eigentlich zu kurz. Data Science erschließt Unternehmen und Organisationen Daten, die bislang unzugänglich waren, gerade im Bereich der unstrukturierten Daten. Data Science verändert aber auch radikal den Umgang mit allen Daten, indem es neue Fragestellungen unterstützt und Zusammenhänge aufdeckt, die nicht offensichtlich, teilweise sogar bisher unbekannt, aber signifikant sind. Dazu ist es in der Regel hilfreich, bereits von Anbeginn an Visualisierungstools einzusetzen, damit Erkenntnisse im einfachsten Sinne des Wortes erkannt werden.
Sicherlich eines der unterhaltsamsten Beispiele für einen solchen Erkenntnisgewinn lieferte Hans Rosling, Professor für Internationale Gesundheit an den schwedischen Institutionen för Folkhälsovetenskap des Karolinska Institutet als Referent bei einer TED-Konferenz [3]. In dem Beitrag, der als Video inzwischen mehr als 5,2 Millionen Mal heruntergeladen wurde, zeigt er anhand grafisch aufbereiteter und animierter Daten aus Gesundheitsstatistiken unerwartete Korrelationen, wie die unterschiedliche Abhängigkeit von Säuglingssterblichkeit und Lebenserwartung von Bildung beziehungsweise Durchschnittseinkommen, auf. Und in einem engagierten Vortrag räumt er dann gleich auch noch mit der westlichen, durch Vorurteile und Generalisierungen geprägten Sicht auf die so genannte Dritte Welt auf. Am Ende fällt es schwer, Afrika weiterhin als einen homogenen Kontinent zu betrachten und Sinn in einem „One size fits all“-Ansatz der Entwicklungshilfe zu sehen.
Dabei entsprechen die von Rosling für seinen Vortrag genutzten Daten bei Weitem nicht den Kriterien von Big Data. Weder im Umfang noch in der Komplexität der Datenformate sind die verwendeten statistischen Daten ungewöhnlich. Doch...

