Wer den Durchblick im Datendschungel behalten möchte, muss sich und seine Mannschaft weiterbilden.Gorodenkoff / Shutterstock Datenkompetenz ist der Schlüssel, um mit dem eigenen Geschäft im aufziehenden KI-Zeitalter wettbewerbsfähig zu bleiben. Darin sind sich fast alle Experten und Marktbeobachter einig. Auch KNIME, spezialisiert auf Datenanalyse und die Nutzung von künstlicher Intelligenz (KI), verzeichnet eigenen Angaben zufolge eine verstärkte Nachfrage. Im Fokus stehen Schulungen rund um Datenanalyse sowie ein wachsendes Interesse an Kursen im Bereich Data Analytics und Data Engineering, sowie KI und Machine Learning. Dabei beruft sich der Open-Source-Anbieter auf Kurs- und Zertifizierungsdaten seines KNIME Learning Center für Datenkompetenz. Die Auswertung mache darüber hinaus deutlich, wie sich die Anforderungen und Interessen von Fachkräften im Bereich der Datenarbeit weiterentwickelten, heißt es in einer Mitteilung. Heute basiere die Arbeit von immer mehr Unternehmensbereichen auf der Analyse von Daten. KNIME unterscheidet dabei drei zentrale Profile von Data Workern: Data Analysts gewinnen aus Rohdaten aussagekräftige Erkenntnisse. Sie extrahieren und führen Daten aus verschiedenen Quellen zusammen und bereinigen sie. Sie visualisieren Erkenntnisse in Dashboards und Berichten und unterstützen datengetriebene Entscheidungen oft in enger Zusammenarbeit mit anderen Fachabteilungen. Ihre Rolle ist meist der Einstieg in die Welt der Datenarbeit. Data Engineers sorgen für die technologische Basis der Datenarbeit, indem sie leistungsfähige Datenarchitekturen und -pipelines entwickeln. Beispiel dafür ist etwa die Entwicklung einer Datenpipeline, die tägliche Verkaufsdaten eines Unternehmens aus verschiedenen Regionen zusammenführt, bereinigt und in einer zentralen Datenbank speichert, die dann von Data Analysts und Data Scientists genutzt wird. Data Scientists sind Experten für die Analyse und Interpretation komplexer digitaler Daten. Ihre Aufgabe besteht darin, Rohdaten in verwertbare Erkenntnisse zu verwandeln und Modelle für maschinelles Lernen, Deep Learning oder Zeitreihenanalysen zu erstellen. Ihre Arbeit liefert strategische Erkenntnisse aus großen und unstrukturierten Datensätzen. 2024 sei die Nachfrage nach Kursen für alle drei Profile gestiegen, teilte der Anbieter mit. Data Analysts hätte dabei mit einem Zuwachs von 136 Prozent in Einsteigerkursen und 25 Prozent in Spezialisierungskursen die stärksten Anstiege verzeichnet. Zurückzuführen sei dies darauf, dass Datenanalysten eine zentrale Rolle in nahezu jedem Unternehmen spielten. „Sie helfen, Daten verständlich aufzubereiten und fundierte Entscheidungen zu treffen: vom Marketing über Finanzen und HR bis hin zur Produktion“, heißt es bei KNIME. Der Anbieter sieht die Data Analyst-Schulungen als typischen Einstiegspunkt für Data Worker und Fundament für weiterführende Data-Berufe. Data Engineers sorgen für bessere Governance Data-Engineering-Kurse hätten den Schulungsanalysen ebenfalls zugelegt, insbesondere bei Spezialisierungskursen um ein Drittel. Die zunehmende Bedeutung von Data Governance und der Notwendigkeit, Daten korrekt, konsistent und rechtskonform zu verwalten, treibe die Nachfrage an. Die Teilnahme an Kursen für Data Scientists sei indes in absoluten Zahlen nach wie vor am beliebtesten, vermeldet der Anbieter. Was macht ein Data Analyst? Was macht ein Data Scientist? Was macht ein Data Engineer? Darüber hinaus blieben vor dem Hintergrund eines verstärkten KI-Einsatzes in vielen Unternehmen Fertigkeiten rund um Machine Learning eine der gefragtesten Kompetenzen. Dieser Trend zeigt sich KNIME zufolge auch in 2024 neu hinzugefügten Kursen rund um das Themenfeld „Nutzung von KI in der Datenarbeit“. Bereits in den ersten Monaten verzeichneten diese 73 Prozent mehr Teilnehmer als beim Durchschnitt aller genutzten Lernangebote. Datenqualität messen: 3 Metriken, auf die es bei DataOps ankommt Das Interesse der Data Workers und Unternehmen ist es, mit KI repetitive und zeitaufwändige manuelle Aufgaben bei der Datenarbeit effizienter zu gestalten, so der Anbieter. Dabei gelte es jedoch gleichzeitig sicherzustellen, dass Risiken in Bezug auf die Datenqualität und den Datenschutz minimiert würden und alle auf KI basierenden Prozesse transparent und nachvollziehbar seien. Damit würden Governance-Prozesse unterstützt und das Vertrauen in KI-Tools gestärkt. width=”100%” height=”152″ frameborder=”0″ allowfullscreen allow=”autoplay; clipboard-write; encrypted-media; fullscreen; picture-in-picture” loading=”lazy” src=”https://open.spotify.com/embed/episode/5jjCHjUMlsNleoZ8eZoNie?utm_source=oembed”> „Datenkompetenz ist heute gefragter denn je“, lautet das Fazit von Rosaria Silipo, Vice President of Data Science Evanglism bei KNIME. „Viele Unternehmen haben sich zum Ziel gesetzt, stärker „Data-driven“ – also auf Grundlage von Daten – zu agieren.“ Dabei stünden viele Betriebe jedoch oft vor erheblichen Herausforderungen – sei es bei der effizienten Arbeit mit Daten, durch zu wenige Data Scientists oder weil langwierige Datenaufbereitungsprozesse zeitnahe Erkenntnisse auf Basis von Daten unmöglich machten.
Was ein Data Worker können muss
Wer den Durchblick im Datendschungel behalten möchte, muss sich und seine Mannschaft weiterbilden.Gorodenkoff / Shutterstock Datenkompetenz ist der Schlüssel, um mit dem eigenen Geschäft im aufziehenden KI-Zeitalter wettbewerbsfähig zu bleiben. Darin sind sich fast alle Experten und Marktbeobachter einig. Auch KNIME, spezialisiert auf Datenanalyse und die Nutzung von künstlicher Intelligenz (KI), verzeichnet eigenen Angaben zufolge eine verstärkte Nachfrage. Im Fokus stehen Schulungen rund um Datenanalyse sowie ein wachsendes Interesse an Kursen im Bereich Data Analytics und Data Engineering, sowie KI und Machine Learning. Dabei beruft sich der Open-Source-Anbieter auf Kurs- und Zertifizierungsdaten seines KNIME Learning Center für Datenkompetenz. Die Auswertung mache darüber hinaus deutlich, wie sich die Anforderungen und Interessen von Fachkräften im Bereich der Datenarbeit weiterentwickelten, heißt es in einer Mitteilung. Heute basiere die Arbeit von immer mehr Unternehmensbereichen auf der Analyse von Daten. KNIME unterscheidet dabei drei zentrale Profile von Data Workern: Data Analysts gewinnen aus Rohdaten aussagekräftige Erkenntnisse. Sie extrahieren und führen Daten aus verschiedenen Quellen zusammen und bereinigen sie. Sie visualisieren Erkenntnisse in Dashboards und Berichten und unterstützen datengetriebene Entscheidungen oft in enger Zusammenarbeit mit anderen Fachabteilungen. Ihre Rolle ist meist der Einstieg in die Welt der Datenarbeit. Data Engineers sorgen für die technologische Basis der Datenarbeit, indem sie leistungsfähige Datenarchitekturen und -pipelines entwickeln. Beispiel dafür ist etwa die Entwicklung einer Datenpipeline, die tägliche Verkaufsdaten eines Unternehmens aus verschiedenen Regionen zusammenführt, bereinigt und in einer zentralen Datenbank speichert, die dann von Data Analysts und Data Scientists genutzt wird. Data Scientists sind Experten für die Analyse und Interpretation komplexer digitaler Daten. Ihre Aufgabe besteht darin, Rohdaten in verwertbare Erkenntnisse zu verwandeln und Modelle für maschinelles Lernen, Deep Learning oder Zeitreihenanalysen zu erstellen. Ihre Arbeit liefert strategische Erkenntnisse aus großen und unstrukturierten Datensätzen. 2024 sei die Nachfrage nach Kursen für alle drei Profile gestiegen, teilte der Anbieter mit. Data Analysts hätte dabei mit einem Zuwachs von 136 Prozent in Einsteigerkursen und 25 Prozent in Spezialisierungskursen die stärksten Anstiege verzeichnet. Zurückzuführen sei dies darauf, dass Datenanalysten eine zentrale Rolle in nahezu jedem Unternehmen spielten. „Sie helfen, Daten verständlich aufzubereiten und fundierte Entscheidungen zu treffen: vom Marketing über Finanzen und HR bis hin zur Produktion“, heißt es bei KNIME. Der Anbieter sieht die Data Analyst-Schulungen als typischen Einstiegspunkt für Data Worker und Fundament für weiterführende Data-Berufe. Data Engineers sorgen für bessere Governance Data-Engineering-Kurse hätten den Schulungsanalysen ebenfalls zugelegt, insbesondere bei Spezialisierungskursen um ein Drittel. Die zunehmende Bedeutung von Data Governance und der Notwendigkeit, Daten korrekt, konsistent und rechtskonform zu verwalten, treibe die Nachfrage an. Die Teilnahme an Kursen für Data Scientists sei indes in absoluten Zahlen nach wie vor am beliebtesten, vermeldet der Anbieter. Was macht ein Data Analyst? Was macht ein Data Scientist? Was macht ein Data Engineer? Darüber hinaus blieben vor dem Hintergrund eines verstärkten KI-Einsatzes in vielen Unternehmen Fertigkeiten rund um Machine Learning eine der gefragtesten Kompetenzen. Dieser Trend zeigt sich KNIME zufolge auch in 2024 neu hinzugefügten Kursen rund um das Themenfeld „Nutzung von KI in der Datenarbeit“. Bereits in den ersten Monaten verzeichneten diese 73 Prozent mehr Teilnehmer als beim Durchschnitt aller genutzten Lernangebote. Datenqualität messen: 3 Metriken, auf die es bei DataOps ankommt Das Interesse der Data Workers und Unternehmen ist es, mit KI repetitive und zeitaufwändige manuelle Aufgaben bei der Datenarbeit effizienter zu gestalten, so der Anbieter. Dabei gelte es jedoch gleichzeitig sicherzustellen, dass Risiken in Bezug auf die Datenqualität und den Datenschutz minimiert würden und alle auf KI basierenden Prozesse transparent und nachvollziehbar seien. Damit würden Governance-Prozesse unterstützt und das Vertrauen in KI-Tools gestärkt. width="100%" height="152" frameborder="0" allowfullscreen allow="autoplay; clipboard-write; encrypted-media; fullscreen; picture-in-picture" loading="lazy" src="https://open.spotify.com/embed/episode/5jjCHjUMlsNleoZ8eZoNie?utm_source=oembed"> „Datenkompetenz ist heute gefragter denn je“, lautet das Fazit von Rosaria Silipo, Vice President of Data Science Evanglism bei KNIME. „Viele Unternehmen haben sich zum Ziel gesetzt, stärker „Data-driven“ – also auf Grundlage von Daten – zu agieren.“ Dabei stünden viele Betriebe jedoch oft vor erheblichen Herausforderungen – sei es bei der effizienten Arbeit mit Daten, durch zu wenige Data Scientists oder weil langwierige Datenaufbereitungsprozesse zeitnahe Erkenntnisse auf Basis von Daten unmöglich machten.
Was ein Data Worker können muss Wer den Durchblick im Datendschungel behalten möchte, muss sich und seine Mannschaft weiterbilden.Gorodenkoff / Shutterstock Datenkompetenz ist der Schlüssel, um mit dem eigenen Geschäft im aufziehenden KI-Zeitalter wettbewerbsfähig zu bleiben. Darin sind sich fast alle Experten und Marktbeobachter einig. Auch KNIME, spezialisiert auf Datenanalyse und die Nutzung von künstlicher Intelligenz (KI), verzeichnet eigenen Angaben zufolge eine verstärkte Nachfrage. Im Fokus stehen Schulungen rund um Datenanalyse sowie ein wachsendes Interesse an Kursen im Bereich Data Analytics und Data Engineering, sowie KI und Machine Learning. Dabei beruft sich der Open-Source-Anbieter auf Kurs- und Zertifizierungsdaten seines KNIME Learning Center für Datenkompetenz. Die Auswertung mache darüber hinaus deutlich, wie sich die Anforderungen und Interessen von Fachkräften im Bereich der Datenarbeit weiterentwickelten, heißt es in einer Mitteilung. Heute basiere die Arbeit von immer mehr Unternehmensbereichen auf der Analyse von Daten. KNIME unterscheidet dabei drei zentrale Profile von Data Workern: Data Analysts gewinnen aus Rohdaten aussagekräftige Erkenntnisse. Sie extrahieren und führen Daten aus verschiedenen Quellen zusammen und bereinigen sie. Sie visualisieren Erkenntnisse in Dashboards und Berichten und unterstützen datengetriebene Entscheidungen oft in enger Zusammenarbeit mit anderen Fachabteilungen. Ihre Rolle ist meist der Einstieg in die Welt der Datenarbeit. Data Engineers sorgen für die technologische Basis der Datenarbeit, indem sie leistungsfähige Datenarchitekturen und -pipelines entwickeln. Beispiel dafür ist etwa die Entwicklung einer Datenpipeline, die tägliche Verkaufsdaten eines Unternehmens aus verschiedenen Regionen zusammenführt, bereinigt und in einer zentralen Datenbank speichert, die dann von Data Analysts und Data Scientists genutzt wird. Data Scientists sind Experten für die Analyse und Interpretation komplexer digitaler Daten. Ihre Aufgabe besteht darin, Rohdaten in verwertbare Erkenntnisse zu verwandeln und Modelle für maschinelles Lernen, Deep Learning oder Zeitreihenanalysen zu erstellen. Ihre Arbeit liefert strategische Erkenntnisse aus großen und unstrukturierten Datensätzen. 2024 sei die Nachfrage nach Kursen für alle drei Profile gestiegen, teilte der Anbieter mit. Data Analysts hätte dabei mit einem Zuwachs von 136 Prozent in Einsteigerkursen und 25 Prozent in Spezialisierungskursen die stärksten Anstiege verzeichnet. Zurückzuführen sei dies darauf, dass Datenanalysten eine zentrale Rolle in nahezu jedem Unternehmen spielten. „Sie helfen, Daten verständlich aufzubereiten und fundierte Entscheidungen zu treffen: vom Marketing über Finanzen und HR bis hin zur Produktion“, heißt es bei KNIME. Der Anbieter sieht die Data Analyst-Schulungen als typischen Einstiegspunkt für Data Worker und Fundament für weiterführende Data-Berufe. Data Engineers sorgen für bessere Governance Data-Engineering-Kurse hätten den Schulungsanalysen ebenfalls zugelegt, insbesondere bei Spezialisierungskursen um ein Drittel. Die zunehmende Bedeutung von Data Governance und der Notwendigkeit, Daten korrekt, konsistent und rechtskonform zu verwalten, treibe die Nachfrage an. Die Teilnahme an Kursen für Data Scientists sei indes in absoluten Zahlen nach wie vor am beliebtesten, vermeldet der Anbieter. Was macht ein Data Analyst? Was macht ein Data Scientist? Was macht ein Data Engineer? Darüber hinaus blieben vor dem Hintergrund eines verstärkten KI-Einsatzes in vielen Unternehmen Fertigkeiten rund um Machine Learning eine der gefragtesten Kompetenzen. Dieser Trend zeigt sich KNIME zufolge auch in 2024 neu hinzugefügten Kursen rund um das Themenfeld „Nutzung von KI in der Datenarbeit“. Bereits in den ersten Monaten verzeichneten diese 73 Prozent mehr Teilnehmer als beim Durchschnitt aller genutzten Lernangebote. Datenqualität messen: 3 Metriken, auf die es bei DataOps ankommt Das Interesse der Data Workers und Unternehmen ist es, mit KI repetitive und zeitaufwändige manuelle Aufgaben bei der Datenarbeit effizienter zu gestalten, so der Anbieter. Dabei gelte es jedoch gleichzeitig sicherzustellen, dass Risiken in Bezug auf die Datenqualität und den Datenschutz minimiert würden und alle auf KI basierenden Prozesse transparent und nachvollziehbar seien. Damit würden Governance-Prozesse unterstützt und das Vertrauen in KI-Tools gestärkt. width="100%" height="152" frameborder="0" allowfullscreen allow="autoplay; clipboard-write; encrypted-media; fullscreen; picture-in-picture" loading="lazy" src="https://open.spotify.com/embed/episode/5jjCHjUMlsNleoZ8eZoNie?utm_source=oembed"> „Datenkompetenz ist heute gefragter denn je“, lautet das Fazit von Rosaria Silipo, Vice President of Data Science Evanglism bei KNIME. „Viele Unternehmen haben sich zum Ziel gesetzt, stärker „Data-driven“ – also auf Grundlage von Daten – zu agieren.“ Dabei stünden viele Betriebe jedoch oft vor erheblichen Herausforderungen – sei es bei der effizienten Arbeit mit Daten, durch zu wenige Data Scientists oder weil langwierige Datenaufbereitungsprozesse zeitnahe Erkenntnisse auf Basis von Daten unmöglich machten.