GermanWikipedia - /page/entry.mu

Micron Document

<!DOCTYPE html>

<title>Data Science</title>

</head>

<h1 id="firstHeading" class="firstHeading mw-first-heading">Data Science</h1>

</header>

</div>

<div id="mw-content-text" class="mw-body-content mw-content-ltr" lang="de" dir="ltr"><div class="mw-content-ltr mw-parser-output" lang="de" dir="ltr">Der Begriff <a href="Englische_Sprache" title="Englische Sprache">englisch</a> Data Science ‚Datenwissenschaft‘ bezeichnet die Wissenschaft von der Extraktion von <a href="Wissen" title="Wissen">Wissen</a> aus <a href="Daten" title="Daten">Daten</a>, um daraus zu <a href="Lernen" title="Lernen">lernen</a>.<a href="#cite_note-1">[1]</a><a href="#cite_note-2">[2]</a> Mit „Daten“ sind primär große Mengen <a href="Digitale_Daten" title="Digitale Daten">digitaler Daten</a> gemeint, die beispielsweise in Datenbanken gespeichert sind oder durch <a href="Onlinedienst" title="Onlinedienst">Onlineservices</a> erzeugt werden.

<div class="mw-heading mw-heading2"><h2 id="Definition">Definition</h2></div>

Data Science ist ein neues <a href="Interdisziplin%C3%A4re_Wissenschaft" title="Interdisziplinäre Wissenschaft">interdisziplinäres Wissenschaftsfeld</a><a href="#cite_note-3">[3]</a>, welches mathematisch-statistisch basierte Methoden, Prozesse, <a href="Algorithmus" title="Algorithmus">Algorithmen</a> und Systeme zur Extraktion von Erkenntnissen, Mustern und Schlüssen sowohl aus strukturierten als auch unstrukturierten Daten ermöglicht. Ein spezieller Fokus von Data Science liegt auf der Verwertung und <a href="Visualisierung" title="Visualisierung">Visualisierung</a> der Daten.<a href="#cite_note-4">[4]</a> Die Technik der Datenvisualisierung ist jedoch ein eigenes Fachgebiet, das unter anderem die <a href="Computergrafik" title="Computergrafik">Computergrafik</a> umfasst.

Genauer gesagt versucht Data Science sich auf die „digitale Erfassung, Analyse und Visualisierung vergangener, aktueller sowie zukünftiger Phänomene unserer realen Welt, um datengetrieben den Prozess der Wissensgenerierung als bestmögliche Entscheidungsbasis für menschliches Handeln zu optimieren.“ zu fokussieren.<a href="#cite_note-5">[5]</a>

Data Science findet sich auch als Teilbereich oder Aktivität anderer Wissenschaften, z. B. die Datenwissenschaften der <a href="Materialwissenschaft_und_Werkstofftechnik" title="Materialwissenschaft und Werkstofftechnik">Materialwissenschaften</a><a href="#cite_note-6">[6]</a> oder in der <a href="Logistik" title="Logistik">Logistik</a> und <a href="Produktion" title="Produktion">Produktion</a>.<a href="#cite_note-7">[7]</a>

Ein verwandter Begriff ist <a href="Englische_Sprache" title="Englische Sprache">englisch</a> Data Analytics ‚Datenanalyse‘, was im Zusammenhang mit <a href="Data-Mining" title="Data-Mining">Data Mining</a> (der Gewinnung oder Erzeugung von Daten, vgl. die sogenannte „<a href="Datafizierung" title="Datafizierung">Datafizierung</a>“) steht. Ein weiteres Konzept und Schlagwort ist <a href="Big_Data" title="Big Data">Big Data</a> (umfangreiche Daten) und die großen Sprachmodelle, viz. <a href="Large_Language_Model" title="Large Language Model">Large Language Models</a> (LLM), welche große Mengen an Daten verarbeiten.

Data Science steht im Zusammenhang mit der <a href="New_Economy#Digital_Economy" title="New Economy">digitalen Wirtschaft</a>.

<div class="mw-heading mw-heading2"><h2 id="Beschreibung">Beschreibung</h2></div>

Data Science ist geprägt von der Anwendung und Nutzung digitaler Daten, die innerhalb einer „<a href="Digitale_Revolution" title="Digitale Revolution">digitale Revolution</a>“ und als Teil des <a href="Informationszeitalter" title="Informationszeitalter">Informationszeitalter</a> entstehen. Daten sind heute fester Bestandteil einer Vielzahl von technischen Geräten und wirtschaftlichen Abläufen – speziell im Zuge des Siegeszugs des <a href="Internet" title="Internet">Internets</a> und seiner vielen <a href="Onlinedienst" title="Onlinedienst">digitalen Services</a> wie dem <a href="Internet_der_Dinge" title="Internet der Dinge">Internet der Dinge</a>. Letzteres und jedes <a href="Smartphone" title="Smartphone">Smartphone</a> sind beispielsweise Datenquellen, die für die Datenwissenschaft interessant sind – neben hunderttausenden anderen Quellen (vgl. auch <a href="Big_Data" title="Big Data">Big Data</a>), die Daten erzeugen oder speichern, wie etwa große <a href="Datenbank" title="Datenbank">Datenbanken</a> von Organisationen oder Unternehmen.

Die Datenwissenschaft versucht, mit diesen Daten einen <a href="Wertsch%C3%B6pfung_(Wirtschaft)" title="Wertschöpfung (Wirtschaft)">Mehrwert</a> zu schaffen. Dieser Mehrwert soll Teil einer sogenannten „Wissenshierarchie“ sein, beginnenden bei den Daten (Data), den <a href="Information" title="Information">Informationen</a> (Information), dem <a href="Wissen" title="Wissen">Wissen</a> (Knowledge), und der draus gewonnenen Einsicht oder <a href="Weisheit" title="Weisheit">Weisheit</a> (Wisdom), auch bekannt als die DIKW-Hierarchie oder DIKW-Pyramide.

<div class="mw-heading mw-heading2"><h2 id="Daten_als_Rohstoff">Daten als Rohstoff</h2></div>

Klassische Daten aus <a href="Messung" title="Messung">Messungen</a> (vgl. <a href="Messtechnik" title="Messtechnik">Messtechnik</a>) wurden zuvor über Jahrzehnte hinweg mit anderen Methoden <a href="Analyse" title="Analyse">analytisch</a> verarbeitet, speziell ohne <a href="Rechnertechnik" title="Rechnertechnik">Computertechnik</a> und <a href="Elektronische_Datenverarbeitung" title="Elektronische Datenverarbeitung">elektronische Datenverarbeitung</a> (EDV). Diese Aufgabe ist fester Bestandteil wissenschaftlicher Arbeit in den <a href="Ingenieurwissenschaften" title="Ingenieurwissenschaften">Ingenieur-</a> und <a href="Naturwissenschaft" title="Naturwissenschaft">Naturwissenschaften</a>. Dazu zählen auch <a href="Statistik" title="Statistik">statistische Methoden</a> (vgl. auch <a href="Mathematische_Statistik" title="Mathematische Statistik">mathematische Statistik</a>), die heute im Sinne der „Data Science“ zum Einsatz kommen.<a href="#cite_note-8">[8]</a> <a href="Ingenieur" title="Ingenieur">Ingenieure</a>, die in der <a href="Forschung_und_Entwicklung" title="Forschung und Entwicklung">Forschung und Entwicklung</a> tätig sind, üben teilweise die Tätigkeiten eines Data Scientists aus, da die Grundlagen (Statistik) ähnlich sind. Gleiches gilt auch für <a href="Softwareentwickler" title="Softwareentwickler">Softwerker</a> oder andere Computer- oder IT-Spezialisten, die Daten verarbeiten. Ein Unterschied besteht jedoch beispielsweise darin, ob sich der Data Scientist auf eine spezielle Programmiersprache (z. B. <a href="Python_(Programmiersprache)" title="Python (Programmiersprache)">Python</a> oder <a href="R_(Programmiersprache)" title="R (Programmiersprache)">R</a>) fokussiert, um die Daten damit zu verarbeiten, oder ob er weitere Werkzeuge zur Visualisierung nutzt.

Daten sind dabei der „<a href="Rohstoff" title="Rohstoff">Roh-</a>“ und nach <a href="Veredelung" class="mw-disambig" title="Veredelung">Bearbeitung</a> der „<a href="Brennstoff" title="Brennstoff">Brennstoff</a>“ der Datenwissenschaft. Sie nutzt diese, um wiederum andere Prozesse anzutreiben oder positiv zu beeinflussen, auch zu <a href="Optimierungsproblem" title="Optimierungsproblem">optimieren</a>. Im erweiterten Sinne sind Daten heutzutage notwendige Bausteine für die „moderne“ <a href="K%C3%BCnstliche_Intelligenz" title="Künstliche Intelligenz">künstliche Intelligenz</a>, die <a href="Large_Language_Model" title="Large Language Model">Large Language Models</a> (LLM) und andere Technologien wie das <a href="Selbstfahrendes_Kraftfahrzeug" title="Selbstfahrendes Kraftfahrzeug">selbstfahrende Kraftfahrzeug</a>.<a href="#cite_note-9">[9]</a> Data Science ist jedoch vor allem im Umfeld moderner Internettechnologie, wie beispielsweise dem <a href="Cloud_Computing" title="Cloud Computing">Cloud Computing</a>, gefragt und etwa zeitgleich mit der Idee von „<a href="Big_Data" title="Big Data">Big Data</a>“ (vgl. auch <a href="New_Economy" title="New Economy">New Economy</a>) groß geworden.<a href="#cite_note-10">[10]</a>

<div class="mw-heading mw-heading2"><h2 id="Begriffsbildung">Begriffsbildung</h2></div>

Der Begriff „Data Science“ existiert seit über 40 Jahren und wurde ursprünglich als Ersatz für den Begriff „Informatik“ von <a href="Peter_Naur" title="Peter Naur">Peter Naur</a> im Jahr 1960 verwendet. 1974 veröffentlichte Naur in der Concise Survey of Computer Methods<a href="#cite_note-11">[11]</a> eine Umfrage über die zeitgenössische Datenverarbeitung, in welcher der Begriff „Data Science“ frei verwendet wurde.

1996 trafen sich die Mitglieder der International Federation of Classification Societies (IFCS) in <a href="Kobe" class="mw-redirect" title="Kobe">Kobe</a> für ihre zweijährliche Konferenz. Bei dieser Konferenz war zum ersten Mal der Begriff „Data Science“ im Titel der Konferenz enthalten.<a href="#cite_note-12">[12]</a>

Die moderne Definition von Data Science wurde erstmals im Rahmen des zweiten japanisch-französischen Statistiksymposiums an der Universität Montpellier II (Frankreich) im Jahr 1992 entworfen.<a href="#cite_note-Escoufier-13">[13]</a> Die Teilnehmer würdigten die Entstehung einer neuen Disziplin mit einem besonderen Fokus auf Daten aus verschiedenen Herkünften, Dimensionen, Typen und Strukturen. Sie prägten die Kontur dieser neuen Wissenschaft, die auf etablierten Konzepten und Prinzipien der Statistik und Datenanalyse basiert, unter weitgehender Nutzung der zunehmenden Macht der Computerwerkzeuge.

Im November 1997 gab C. F. Jeff Wu den Eröffnungsvortrag mit dem Titel „Statistik = Datenwissenschaft?“<a href="#cite_note-Wu97-14">[14]</a> für seine Ernennung zum H. C. Carver Professor of Statistics an der <a href="University_of_Michigan" title="University of Michigan">University of Michigan</a>.<a href="#cite_note-15">[15]</a> In diesem Vortrag charakterisierte er die statistische Arbeit als eine Trilogie von Datenerfassung, <a href="Datenmodellierung" title="Datenmodellierung">Datenmodellierung</a> und -analyse und die Entscheidungsfindung. Abschließend rief er den Begriff „Datenwissenschaft“ ins Leben und befürwortete, dass die Statistik in „Datenwissenschaft“ und Statistiker in „Datenwissenschaftler“ umbenannt werden.<a href="#cite_note-Wu97-14">[14]</a> Später präsentierte er einen Vortrag mit dem Titel „Statistik = Datenwissenschaft?“, als ersten von seinen Mahalanobis-Memorial-Vorträgen.<a href="#cite_note-16">[16]</a> Diese Vorträge ehren <a href="Prasanta_Chandra_Mahalanobis" title="Prasanta Chandra Mahalanobis">Prasanta Chandra Mahalanobis</a>, einen indischen Wissenschaftler, Statistiker und Gründer des „Indian Statistical Instituts“.

2001 führte William S. Cleveland die Datenwissenschaft als eigenständige Disziplin in seinem Artikel „Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics“ ein.<a href="#cite_note-17">[17]</a> In seinem Bericht stellte Cleveland sechs für ihn umfassende Gebiete der Datenwissenschaft vor: multidisziplinäre Untersuchungen, Modelle und Methoden für Daten, Rechnen mit Daten, Pädagogik, Werkzeug-Bewertung und Theorie.

Im April 2002 veröffentlichte der <a href="Internationaler_Wissenschaftsrat" title="Internationaler Wissenschaftsrat">internationale Rat für Wissenschaft</a>: Ausschuss für die Daten für Wissenschaft und Theorie, das Data Science Journal<a href="#cite_note-18">[18]</a>, welche sich auf die Problematik, wie die Beschreibung von Datensystemen, ihre Veröffentlichung im Internet, Anwendungen und gesetzlichen Problemen konzentrierte.

Kurz darauf begann die <a href="Columbia_University" title="Columbia University">Columbia University</a> 2003 die Zeitschrift The Journal of Data Science (JDS)<a href="#cite_note-19">[19]</a> zu veröffentlichen, welche eine Plattform für alle Datenanbieter zur Verfügung stellte, um ihre Ansichten und Ideen zum Austausch zu präsentieren. Die Zeitschrift wurde größtenteils der Anwendung von statistischen Methoden und der quantitativen Forschung gewidmet.

2005 veröffentlichte das National Science Board (NSB) der <a href="National_Science_Foundation" title="National Science Foundation">National Science Foundation</a> (NSF) den Bericht „Long-lived Digital Data Collections: Enabling Research and Education in the 21st Century“<a href="#cite_note-20">[20]</a>, in welchem unter dem Begriff Data Scientists verschiedene <a href="Experte" title="Experte">Experten</a> aufgeführt werden, die von entscheidender Bedeutung für das erfolgreiche Management digitalen Daten sind. Genannt werden unter anderem <a href="Informatiker" title="Informatiker">Informatiker</a>, Datenbankexperten, <a href="Softwareentwickler" title="Softwareentwickler">Programmierer</a>, <a href="Fachgebiet" title="Fachgebiet">Domänenexperten</a>, <a href="Bibliothekar" title="Bibliothekar">Bibliothekare</a>, Archivare sowie Experten im Bereich <a href="Softwaretechnik" title="Softwaretechnik">Software Engineering</a>. Als Teil der Verantwortlichkeiten von Data Scientists wird insbesondere die Entwicklung innovativer Konzepte in den Bereichen Datenbanktechnologie und Informationswissenschaft betont. Hierunter fallen auch Methoden der <a href="Informationsvisualisierung" title="Informationsvisualisierung">Informationsvisualisierung</a>, Datenanalyse und Wissensentdeckung in Datenbanken.

<div class="mw-heading mw-heading2"><h2 id="Studium_und_Rolle">Studium und Rolle</h2></div>

Der Studiengang Data Science verwendet Techniken und Theorien aus den Fächern Mathematik, <a href="Statistik" title="Statistik">Statistik</a> und Informationstechnologie, einschließlich der <a href="Signalverarbeitung" title="Signalverarbeitung">Signalverarbeitung</a>, verwendet Wahrscheinlichkeitsmodelle des <a href="Maschinenlernen" class="mw-redirect" title="Maschinenlernen">maschinellen Lernens</a>, des statistischen Lernens, der <a href="Programmierung" title="Programmierung">Programmierung</a>, der Datentechnik, der <a href="Mustererkennung" title="Mustererkennung">Mustererkennung</a>, der <a href="Prognostik" class="mw-redirect" title="Prognostik">Prognostik</a>, der Modellierung von Unsicherheiten und der Datenlagerung.

Die Stellenbezeichnung ist häufig Data Scientist, es existieren jedoch auch Derivate wie z. B. der Data Engineer, Data Specialist, Data Analyst und sogar der <a href="Chief_Data_Officer" title="Chief Data Officer">Chief Data Officer</a> (CDO). Alle beschäftigen sich mit Daten.

<div class="mw-heading mw-heading3"><h3 id="Ausbildungsmöglichkeiten">Ausbildungsmöglichkeiten</h3></div>

Im deutschen Sprachraum bieten verschiedene Hochschulen auf Data Science spezialisierte Studiengänge an. Der Schwerpunkt liegt dabei auf Masterstudiengängen, inzwischen werden aber auch Bachelorstudiengänge angeboten. Darüber hinaus gibt es spezialisierte Weiterbildungsangebote sowie berufsbegleitende Studiengänge.<a href="#cite_note-21">[21]</a>

<div class="mw-heading mw-heading2"><h2 id="Berufsfeld">Berufsfeld</h2></div>

Personen, die im Bereich Data Science arbeiten, werden als Data Scientist bzw. Datenwissenschaftler bezeichnet, wobei meist speziellere oder Spezialisierungen anderer, übergeordneter Berufsbezeichnungen üblich sind (z. B. Statistiker, Informatiker).

Medien berichten, dass Datenwissenschaftler sehr gefragte Experten sind.<a href="#cite_note-22">[22]</a><a href="#cite_note-23">[23]</a>

<div class="mw-heading mw-heading3"><h3 id="Anforderungen">Anforderungen</h3></div>

Ein Data Scientist sollte überzeugend und kreativ sein, aber auch ein gewisses Kommunikationstalent mitbringen, um sich mit verschiedenen Ebenen einer Organisation austauschen zu können. Er ist das Bindeglied und der Vermittler zwischen allen Ebenen eines Unternehmens und nimmt somit die Rolle des „Übersetzers“ ein, indem er die Ergebnisse für die einzelnen Fachabteilungen genauso verständlich aufbereitet wie für das Top Management. Zudem sollte ein Data Scientist aufgeschlossen genug sein, um neue Analysetools und innovative Analyseverfahren zu erforschen und zu nutzen. Unvoreingenommen sollte ein Data Scientist nach anderen Ansätzen suchen wollen und immer neue Fragen stellen. Zusätzlich setzt dieser Beruf ein gewisses Koordinationstalent voraus, nicht zuletzt weil bestimmte Aufgaben, wie zum Beispiel die Beschaffung der Daten, an andere Mitarbeiter delegiert werden können. Kontrolle und Steuerung sollten jedoch immer in der Hand des Data Scientist bleiben.<a href="#cite_note-24">[24]</a>

<div class="mw-heading mw-heading3"><h3 id="Aufgabenbereich">Aufgabenbereich</h3></div>

Die Aufgabe eines Data Scientist ist es, aus großen Datenmengen Informationen zu generieren und Handlungsempfehlungen abzuleiten, die das Unternehmen befähigen, effizienter zu arbeiten. Dazu bedient er sich innovativer Analysetools und entwickelt Abfragen, die aus unübersichtlichen Datenmengen wertvolle Informationen destillieren. Anschließend werden Hypothesen abgeleitet, welche statistisch überprüft und für das Management als Entscheidungsgrundlage aufbereitet werden.

<div class="mw-heading mw-heading3"><h3 id="Wirtschaft">Wirtschaft</h3></div>

In allen Wirtschaftszweigen werden heute große Datenmengen ausgewertet. Der Mangel an Data Scientists macht es für Unternehmen schwierig, die Daten richtig zu nutzen und konkret Erkenntnisse daraus zu ziehen. Daten werden als das „neue Gold“ gehandelt. Zudem ist der Markt an Spezialisten, die mit Datenarchitekturen und Datenmodellen umgehen können, fast nicht existent.<a href="#cite_note-25">[25]</a>

Auch in der <a href="Logistik" title="Logistik">Logistikbranche</a> werden zukünftig immer mehr Data Scientists gesucht.

Eine weitere Branche ist die Gesundheitsbranche. Durch die genaue Analyse von Daten aus einem Krankenhausaufenthalt könnten individualisierte Behandlungen (<a href="Personalisierte_Medizin" title="Personalisierte Medizin">Personalisierte Medizin</a>) durch Ähnlichkeitsanalysen von Patientendaten abgeleitet und Medikationspläne optimiert werden.

In der Handelsbranche kann das Kaufverhalten der Menschen analysiert werden, um im weiteren Verlauf die Ursachen für Retouren herauszuarbeiten. So kann die Anzahl an Warenrücksendungen reduziert werden.

<div class="mw-heading mw-heading2"><h2 id="Siehe_auch">Siehe auch</h2></div>

<ul><li><a href="Digitale_Ethik" title="Digitale Ethik">Datenethik</a></li>

<li><a href="Datenkompetenz" title="Datenkompetenz">Datenkompetenz</a></li>

<li><a href="Datenschutz" title="Datenschutz">Datenschutz</a></li>

<li><a href="Datenvirtualisierung" title="Datenvirtualisierung">Datenvisualisierung</a> und <a href="Visualisierung" title="Visualisierung">Visualisierung</a></li>

<li><a href="Informationswissenschaft" title="Informationswissenschaft">Informationswissenschaft</a></li>

<li><a href="Datenmanagement" title="Datenmanagement">Datenmanagement</a></li></ul>

<div class="mw-heading mw-heading2"><h2 id="Literatur">Literatur</h2></div>

<ul><li><a href="https://de.wikibooks.org/wiki/en:Data_Science:_An_Introduction" class="extiw external" title="b:en:Data Science: An Introduction">Wikibook: Data Science: An Introduction</a></li>

<li>Rachel Schutt, Cathy O’Neil: <cite style="font-style:italic">Doing Data Science: Straight Talk from the Frontline</cite>. O’Reilly Media, Beijing 2014, ISBN 978-1-4493-5865-5.<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=Rachel+Schutt%2C+Cathy+O%E2%80%99Neil&rft.btitle=Doing+Data+Science%3A+Straight+Talk+from+the+Frontline&rft.date=2014&rft.genre=book&rft.isbn=9781449358655&rft.place=Beijing&rft.pub=O%E2%80%99Reilly+Media" style="display:none"> </li>

<li>John D. Kelleher, Brendan Tierney: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Data Science</cite>. The MIT Press, 2018, ISBN 978-0-262-34702-0, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.7551/mitpress%2F11140.001.0001">10.7551/mitpress/11140.001.0001</a> (englisch).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=John+D.+Kelleher%2C+Brendan+Tierney&rft.btitle=Data+Science&rft.date=2018&rft.doi=10.7551%2Fmitpress%2F11140.001.0001&rft.genre=book&rft.isbn=9780262347020&rft.pub=The+MIT+Press" style="display:none"> </li>

<li>Matthias Plaue: <cite style="font-style:italic">Data Science: Grundlagen, Statistik und maschinelles Lernen</cite>. Springer Berlin Heidelberg, Berlin, Heidelberg 2021, ISBN 978-3-662-63488-2, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1007/978-3-662-63489-9">10.1007/978-3-662-63489-9</a>.<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=Matthias+Plaue&rft.btitle=Data+Science%3A+Grundlagen%2C+Statistik+und+maschinelles+Lernen&rft.date=2021&rft.doi=10.1007%2F978-3-662-63489-9&rft.genre=book&rft.isbn=9783662634882&rft.place=Berlin%2C+Heidelberg&rft.pub=Springer+Berlin+Heidelberg" style="display:none"> </li>

<li>Barbara Wawrzyniak, Michael Herter (Hrsg.): <cite style="font-style:italic">Neue Dimensionen in Data Science: interdisziplinäre Ansätze und Anwendungen aus Wissenschaft und Wirtschaft</cite>. Wichmann, Berlin 2022, ISBN 978-3-87907-721-2.<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.btitle=Neue+Dimensionen+in+Data+Science%3A+interdisziplin%C3%A4re+Ans%C3%A4tze+und+Anwendungen+aus+Wissenschaft+und+Wirtschaft&rft.date=2022&rft.genre=book&rft.isbn=9783879077212&rft.place=Berlin&rft.pub=Wichmann" style="display:none"> </li>

<li>Laura Igual, Santi Seguí: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Introduction to Data Science: A Python Approach to Concepts, Techniques and Applications</cite> (= <cite class="lang" lang="en" dir="auto" style="font-style:italic">Undergraduate Topics in Computer Science</cite>). Springer International Publishing, Cham 2024, ISBN 978-3-03148955-6, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1007/978-3-031-48956-3">10.1007/978-3-031-48956-3</a> (englisch).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=Laura+Igual%2C+Santi+Segu%C3%AD&rft.btitle=Introduction+to+Data+Science%3A+A+Python+Approach+to+Concepts%2C+Techniques+and+Applications&rft.date=2024&rft.doi=10.1007%2F978-3-031-48956-3&rft.genre=book&rft.isbn=9783031489556&rft.place=Cham&rft.pub=Springer+International+Publishing&rft.series=Undergraduate+Topics+in+Computer+Science" style="display:none"> </li></ul>

<div class="mw-heading mw-heading2"><h2 id="Einzelnachweise">Einzelnachweise</h2></div>

<li id="cite_note-1"><a href="#cite_ref-1">↑</a> Vasant Dhar: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Data science and prediction</cite>. In: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Commun. ACM</cite>. Band 56, Nr. 12, 1. Dezember 2013, <a href="Internationale_Standardnummer_f%C3%BCr_fortlaufende_Sammelwerke" title="Internationale Standardnummer für fortlaufende Sammelwerke">ISSN</a> <a rel="nofollow" class="external text" href="https://zdb-katalog.de/list.xhtml?t=iss%3D%220001-0782%22&key=cql">0001-0782</a>, S. 64–73, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1145/2500499">10.1145/2500499</a> (englisch).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.atitle=Data+science+and+prediction&rft.au=Vasant+Dhar&rft.date=2013-12-01&rft.doi=10.1145%2F2500499&rft.genre=journal&rft.issn=0001-0782&rft.issue=12&rft.jtitle=Commun.+ACM&rft.pages=64-73&rft.volume=56" style="display:none">

</li>

<li id="cite_note-2"><a href="#cite_ref-2">↑</a> John D. Kelleher, Brendan Tierney: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Data Science</cite>. The MIT Press, 2018, ISBN 978-0-262-34702-0, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.7551/mitpress%2F11140.001.0001">10.7551/mitpress/11140.001.0001</a> (englisch, <a rel="nofollow" class="external text" href="https://direct.mit.edu/books/book/3667/Data-Science">mit.edu</a> [abgerufen am 8. November 2025]).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=John+D.+Kelleher%2C+Brendan+Tierney&rft.btitle=Data+Science&rft.date=2018&rft.doi=10.7551%2Fmitpress%2F11140.001.0001&rft.genre=book&rft.isbn=9780262347020&rft.pub=The+MIT+Press" style="display:none">

</li>

<li id="cite_note-3"><a href="#cite_ref-3">↑</a> Rachel H. Ellaway, Patricia O’Sullivan: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Is ‘data science’ science?</cite> In: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Advances in Health Sciences Education</cite>. Band 30, Nr. 1, Februar 2025, <a href="Internationale_Standardnummer_f%C3%BCr_fortlaufende_Sammelwerke" title="Internationale Standardnummer für fortlaufende Sammelwerke">ISSN</a> <a rel="nofollow" class="external text" href="https://zdb-katalog.de/list.xhtml?t=iss%3D%221382-4996%22&key=cql">1382-4996</a>, S. 5–9, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1007/s10459-025-10416-9">10.1007/s10459-025-10416-9</a> (englisch).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.atitle=Is+%E2%80%98data+science%E2%80%99+science%3F&rft.au=Rachel+H.+Ellaway%2C+Patricia+O%E2%80%99Sullivan&rft.date=2025-02&rft.doi=10.1007%2Fs10459-025-10416-9&rft.genre=journal&rft.issn=1382-4996&rft.issue=1&rft.jtitle=Advances+in+Health+Sciences+Education&rft.pages=5-9&rft.volume=30" style="display:none">

</li>

<li id="cite_note-4"><a href="#cite_ref-4">↑</a> Colin Ware: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Information Visualization</cite>. 4th Auflage. Elsevier, 2021, ISBN 978-0-12-812875-6, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1016/c2016-0-02395-1">10.1016/c2016-0-02395-1</a> (englisch, <a rel="nofollow" class="external text" href="https://linkinghub.elsevier.com/retrieve/pii/C20160023951">elsevier.com</a> [abgerufen am 8. November 2025]).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=Colin+Ware&rft.btitle=Information+Visualization&rft.date=2021&rft.doi=10.1016%2Fc2016-0-02395-1&rft.edition=4th&rft.genre=book&rft.isbn=9780128128756&rft.pub=Elsevier" style="display:none">

</li>

<li id="cite_note-5"><a href="#cite_ref-5">↑</a> <a rel="nofollow" class="external text" href="https://www.vde-verlag.de/buecher/leseprobe/9783879077212_PROBE_01.pdf">Neue Dimensionen in Data Science, Was ist Data Science?</a> (PDF) 23. September 2022, abgerufen am 22. September 2022.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AData+Science&rft.title=Neue+Dimensionen+in+Data+Science%2C+Was+ist+Data+Science%3F&rft.description=Neue+Dimensionen+in+Data+Science%2C+Was+ist+Data+Science%3F&rft.identifier=https%3A%2F%2Fwww.vde-verlag.de%2Fbuecher%2Fleseprobe%2F9783879077212_PROBE_01.pdf&rft.date=2022-09-23&rft.language=de">

</li>

<li id="cite_note-6"><a href="#cite_ref-6">↑</a> Stefan Sandfeld: <cite class="lang" lang="en" dir="auto" style="font-style:italic">From Data Science to Materials Data Science</cite>. In: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Materials Data Science</cite>. Springer International Publishing, Cham 2024, ISBN 978-3-03146564-2, S. 15–30, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1007/978-3-031-46565-9_2">10.1007/978-3-031-46565-9_2</a> (englisch).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.atitle=From+Data+Science+to+Materials+Data+Science&rft.au=Stefan+Sandfeld&rft.btitle=Materials+Data+Science&rft.date=2024&rft.doi=10.1007%2F978-3-031-46565-9_2&rft.genre=book&rft.isbn=9783031465642&rft.pages=15-30&rft.place=Cham&rft.pub=Springer+International+Publishing" style="display:none">

</li>

<li id="cite_note-7"><a href="#cite_ref-7">↑</a> Johannes Kröckel: <cite style="font-style:italic">Data Analytics: in Produktion und Logistik</cite>. 1st ed Auflage. Vogel Buchverlag, Würzburg 2019, ISBN 978-3-8343-3419-0.<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=Johannes+Kr%C3%B6ckel&rft.btitle=Data+Analytics%3A+in+Produktion+und+Logistik&rft.date=2019&rft.edition=1st+ed&rft.genre=book&rft.isbn=9783834334190&rft.place=W%C3%BCrzburg&rft.pub=Vogel+Buchverlag" style="display:none">

</li>

<li id="cite_note-8"><a href="#cite_ref-8">↑</a> <a href="John_W._Tukey" title="John W. Tukey">John W. Tukey</a>: <cite style="font-style:italic">The Future of Data Analysis</cite>. In: <cite style="font-style:italic">Breakthroughs in Statistics: Methodology and Distribution</cite>. Springer, New York, NY 1992, ISBN 1-4612-4380-7, S. 408–452, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1007/978-1-4612-4380-9_31">10.1007/978-1-4612-4380-9_31</a>.<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.atitle=The+Future+of+Data+Analysis&rft.au=John+W.+Tukey&rft.btitle=Breakthroughs+in+Statistics%3A+Methodology+and+Distribution&rft.date=1992&rft.doi=10.1007%2F978-1-4612-4380-9_31&rft.genre=book&rft.isbn=1461243807&rft.pages=408-452&rft.place=New+York%2C+NY&rft.pub=Springer" style="display:none">

</li>

<li id="cite_note-9"><a href="#cite_ref-9">↑</a> Matthias Plaue: <cite style="font-style:italic">Data Science: Grundlagen, Statistik und maschinelles Lernen</cite>. Springer Berlin Heidelberg, Berlin, Heidelberg 2021, ISBN 978-3-662-63488-2, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1007/978-3-662-63489-9">10.1007/978-3-662-63489-9</a>.<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=Matthias+Plaue&rft.btitle=Data+Science%3A+Grundlagen%2C+Statistik+und+maschinelles+Lernen&rft.date=2021&rft.doi=10.1007%2F978-3-662-63489-9&rft.genre=book&rft.isbn=9783662634882&rft.place=Berlin%2C+Heidelberg&rft.pub=Springer+Berlin+Heidelberg" style="display:none">

</li>

<li id="cite_note-10"><a href="#cite_ref-10">↑</a> Hartmut Ernst: <cite style="font-style:italic">Internet-Technologie</cite>. In: <cite style="font-style:italic">Grundkurs Informatik</cite>. Vieweg+Teubner Verlag, Wiesbaden 2003, ISBN 3-528-25717-2, S. 722–821, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1007/978-3-322-91968-7_15">10.1007/978-3-322-91968-7_15</a>.<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.atitle=Internet-Technologie&rft.au=Hartmut+Ernst&rft.btitle=Grundkurs+Informatik&rft.date=2003&rft.doi=10.1007%2F978-3-322-91968-7_15&rft.genre=book&rft.isbn=3528257172&rft.pages=722-821&rft.place=Wiesbaden&rft.pub=Vieweg%2BTeubner+Verlag" style="display:none">

</li>

<li id="cite_note-11"><a href="#cite_ref-11">↑</a> Peter Naur: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Concise Survey of Computer Methods</cite>. Studentlitteratur, Lund 1974, ISBN 91-44-07881-1 (englisch, <a rel="nofollow" class="external text" href="https://archive.org/details/concisesurveyofc0000naur/page/n5/mode/2up">archive.org</a> [abgerufen am 8. November 2025]).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.au=Peter+Naur&rft.btitle=Concise+Survey+of+Computer+Methods&rft.date=1974&rft.genre=book&rft.isbn=9144078811&rft.place=Lund&rft.pub=Studentlitteratur" style="display:none">

</li>

<li id="cite_note-12"><a href="#cite_ref-12">↑</a> Forbes, Gil Press: A Very Short History of Data Science. Mai 2013 (englisch).

</li>

<li id="cite_note-Escoufier-13"><a href="#cite_ref-Escoufier_13-0">↑</a> Escoufier et al., editors: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Data Science and its Application</cite>. Academic Press, Tokyo 1995, ISBN 0-12-241770-4, Preface (englisch).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abookitem&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.atitle=Preface&rft.au=Escoufier+et+al.%2C+editors&rft.btitle=Data+Science+and+its+Application&rft.date=1995&rft.genre=bookitem&rft.isbn=0122417704&rft.place=Tokyo&rft.pub=Academic+Press" style="display:none">

</li>

<li id="cite_note-Wu97-14">↑ <a href="#cite_ref-Wu97_14-0">a</a> <a href="#cite_ref-Wu97_14-1">b</a> Wu, C. F. J. (1997): Statistics = Data Science?. Abgerufen am 9. Oktober 2014.

</li>

<li id="cite_note-15"><a href="#cite_ref-15">↑</a> Identity of statistics in science examined. The University Records, 9. November 1997, The University of Michigan. Abgerufen am 12. August 2013.

</li>

<li id="cite_note-16"><a href="#cite_ref-16">↑</a> P. C. Mahalanobis Memorial Lectures, 7th series. P. C. Mahalanobis Memorial Lectures, Indian Statistical Institute. Abgerufen am 18. August 2013.

</li>

<li id="cite_note-17"><a href="#cite_ref-17">↑</a> William S. Cleveland: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Data science: An action plan for expanding the technical areas of the field of statistics</cite>. In: <cite class="lang" lang="en" dir="auto" style="font-style:italic">Statistical Analysis and Data Mining: The ASA Data Science Journal</cite>. Band 7, Nr. 6, 2014, <a href="Internationale_Standardnummer_f%C3%BCr_fortlaufende_Sammelwerke" title="Internationale Standardnummer für fortlaufende Sammelwerke">ISSN</a> <a rel="nofollow" class="external text" href="https://zdb-katalog.de/list.xhtml?t=iss%3D%221932-1872%22&key=cql">1932-1872</a>, S. 414–417, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1002/sam.11239">10.1002/sam.11239</a> (englisch).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rfr_id=info:sid/de.wikipedia.org:Data+Science&rft.atitle=Data+science%3A+An+action+plan+for+expanding+the+technical+areas+of+the+field+of+statistics&rft.au=William+S.+Cleveland&rft.date=2014&rft.doi=10.1002%2Fsam.11239&rft.genre=journal&rft.issn=1932-1872&rft.issue=6&rft.jtitle=Statistical+Analysis+and+Data+Mining%3A+The+ASA+Data+Science+Journal&rft.pages=414-417&rft.volume=7" style="display:none">

</li>

<li id="cite_note-18"><a href="#cite_ref-18">↑</a> <a rel="nofollow" class="external text" href="https://datascience.codata.org/">Data Science Journal.</a> 3. November 2025, abgerufen am 8. November 2025 (englisch).<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AData+Science&rft.title=Data+Science+Journal&rft.description=Data+Science+Journal&rft.identifier=https%3A%2F%2Fdatascience.codata.org%2F&rft.date=2025-11-03&rft.language=en">

</li>

<li id="cite_note-19"><a href="#cite_ref-19">↑</a> <a rel="nofollow" class="external text" href="https://jds-online.org/journal/JDS">Journal of Data Science.</a> Abgerufen am 8. November 2025 (englisch).<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AData+Science&rft.title=Journal+of+Data+Science&rft.description=Journal+of+Data+Science&rft.identifier=https%3A%2F%2Fjds-online.org%2Fjournal%2FJDS&rft.language=en">

</li>

<li id="cite_note-20"><a href="#cite_ref-20">↑</a> <a rel="nofollow" class="external text" href="https://www.nsf.gov/reports/nsb/board/long-lived-digital-data-collections-enabling-research">Long-Lived Digital Data Collections Enabling Research and Education in the 21st Century (2005) | NSF - National Science Foundation.</a> NSF, 2005, abgerufen am 8. November 2025 (englisch).<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AData+Science&rft.title=Long-Lived+Digital+Data+Collections+Enabling+Research+and+Education+in+the+21st+Century+%282005%29+%7C+NSF+-+National+Science+Foundation&rft.description=Long-Lived+Digital+Data+Collections+Enabling+Research+and+Education+in+the+21st+Century+%282005%29+%7C+NSF+-+National+Science+Foundation&rft.identifier=https%3A%2F%2Fwww.nsf.gov%2Freports%2Fnsb%2Fboard%2Flong-lived-digital-data-collections-enabling-research&rft.publisher=NSF&rft.date=2005&rft.language=en">

</li>

<li id="cite_note-21"><a href="#cite_ref-21">↑</a> <a rel="nofollow" class="external text" href="https://www.uni-regensburg.de/informatik-data-science/fakultaet/startseite/studium/bsc-informatik/index.html#content_toggle_25129">Informatik - Universität Regensburg.</a> Abgerufen am 6. März 2023.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AData+Science&rft.title=Informatik+-+Universit%C3%A4t+Regensburg&rft.description=Informatik+-+Universit%C3%A4t+Regensburg&rft.identifier=https%3A%2F%2Fwww.uni-regensburg.de%2Finformatik-data-science%2Ffakultaet%2Fstartseite%2Fstudium%2Fbsc-informatik%2Findex.html%23content_toggle_25129">

</li>

<li id="cite_note-22"><a href="#cite_ref-22">↑</a> <a rel="nofollow" class="external text" href="https://www.derstandard.at/story/2000012040062/grosse-nachfrage-nach-data-scientists">Große Nachfrage nach Data Scientists.</a> In: derstandard.at. 26. Februar 2015, abgerufen am 13. Mai 2022 (österreichisches Deutsch).<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AData+Science&rft.title=Gro%C3%9Fe+Nachfrage+nach+Data+Scientists&rft.description=Gro%C3%9Fe+Nachfrage+nach+Data+Scientists&rft.identifier=https%3A%2F%2Fwww.derstandard.at%2Fstory%2F2000012040062%2Fgrosse-nachfrage-nach-data-scientists&rft.date=2015-02-26&rft.language=de-AT">

</li>

<li id="cite_note-23"><a href="#cite_ref-23">↑</a> Mathias Brandt: <a rel="nofollow" class="external text" href="https://de.statista.com/infografik/3234/daten-und-fakten-rund-um-den-beruf-data-scientist/">Infografik: Traumberuf Data Scientist.</a> In: statista.com. 19. Februar 2015, abgerufen am 13. Mai 2022.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AData+Science&rft.title=Infografik%3A+Traumberuf+Data+Scientist&rft.description=Infografik%3A+Traumberuf+Data+Scientist&rft.identifier=https%3A%2F%2Fde.statista.com%2Finfografik%2F3234%2Fdaten-und-fakten-rund-um-den-beruf-data-scientist%2F&rft.creator=Mathias+Brandt&rft.date=2015-02-19&rft.language=de">

</li>

/* start https://de.wikipedia.org/ */

.mw-parser-output .webarchiv-memento a{color:inherit}

/* end https://de.wikipedia.org/ */

</style><a rel="nofollow" class="external text" href="https://web.archive.org/web/20150228103354/http://www.de.capgemini-consulting.com/blog/digital-transformation-blog/2014/01/data-scientists-die-begehrtesten-alleskonner-des-21">Data Scientists – Die begehrtesten Alleskönner des 21. Jahrhunderts</a> (<a href="Webarchivierung#Begrifflichkeiten" title="Webarchivierung">Memento</a> vom 28. Februar 2015 im <a href="Internet_Archive" title="Internet Archive">Internet Archive</a>), capgemini.com vom 20. Januar 2014, abgerufen am 28. Februar 2015.

</li>

<li id="cite_note-25"><a href="#cite_ref-25">↑</a> <a rel="nofollow" class="external text" href="https://www.bitkom.org/Presse/Presseinformation/Steigender-Bedarf-an-Data-Scientists">Steigender Bedarf an Data Scientists | Presseinformation | Bitkom e. V.</a> Abgerufen am 16. Januar 2023.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AData+Science&rft.title=Steigender+Bedarf+an+Data+Scientists+%7C+Presseinformation+%7C+Bitkom+e.%26nbsp%3BV.&rft.description=Steigender+Bedarf+an+Data+Scientists+%7C+Presseinformation+%7C+Bitkom+e.%26nbsp%3BV.&rft.identifier=https%3A%2F%2Fwww.bitkom.org%2FPresse%2FPresseinformation%2FSteigender-Bedarf-an-Data-Scientists&rft.language=de">

</li>

</ol></div></div><div><div class="zim-footer">

Dieser Artikel wurde von <a class="external text" title="Zuletzt bearbeitet am 2025-12-07" href="https://de.wikipedia.org/wiki/?title=Data_Science&oldid=262219313">Wikipedia</a> herausgegeben. Der Text ist unter <a class="external text" href="https://creativecommons.org/licenses/by-sa/4.0/deed.de">Creative Commons Attribution-Share Alike 4.0</a> verfügbar, sofern nicht anders angegeben. Für die Mediendateien können zusätzliche Bedingungen gelten.

</div>

</div></div>

</div>

</main>

</div>

</body></html>