New Dimensions in Data Science

Autor: Michael Herter

Die klassische Data Science versteht unter einer „Data Dimension“ einen Datensatz von Eigenschaften in einem Datawarehouse. Dimensionen sind dort Themen wie „Kunde“, „Produkte“ und „Filialen“.

Unsere Welt in Daten

Alles um uns herum wird digitalisiert. So auch wir selbst. Man spricht schon heute von der Erde als digitaler Zwilling. Damit einhergehend entstehen nahezu unendliche viele Datendimensionen. Aus ihnen lassen sich gezielt Informationen und damit Wissen für unser optimiertes Handeln ableiten.

Wissen Wo und Wann. Raum und Zeit als immanente Dimensionen in Daten.

In Zeiten von Big Data werden Daten fortlaufend geniert durch die abstrakte Beschreibung (z.B. durch Messung) aller vorhandenen Dinge (Entitäten) in unserer Welt. Diese Erscheinungen (wer und was) sind alle existent zu einem bestimmten Zeitpunkt an einem bestimmten Ort. Dadurch sind die Dimensionen der Raumzeit die entscheidenen Parameter in der Wissensgenierierung.

(vgl. DIKW-Pyramide von Kelleher & Tierney, Data Science 2018).

Neue Dimensionen in Data Science: Die Evolution unseres Wissens

Die moderne Data Science dient der optimierten Wissensgenerierung und damit unserer Gesellschaft, immer bessere Entscheidungen zu treffen. Der Mensch erschließt die physikalische Dimensionen bestehend aus dem „Wer, Was, Wann und Wo“ mittels der technischen Dimension. Dazu zählen IT-Infrastrukturen und Personalressourcen genauso wie Programmierung und Machine Learning (Algorithmen). Schlussendlich betrifft Data Science aber immer gesellschaftliche Fragestellungen wie z.B. wie weit Artificial Intelligence gehen darf oder Daten schützenswert sind (DSGVO), beantworten zu können. Aus diesem Grund beinhaltet Data Science auch immer mehr die Beachtung der sozialen Dimension und eine notwendige Anpassung an diese, da sich die Gesellschaft fortlaufend verändert (siehe bspw. die Debatte um Data Ethics).

Autor: Michael Herter