Als Data Scientist ist man die Schnittstelle zwischen der Informatik, Statistik und der Domäne. Man kann mit Hilfe künstlicher Intelligenz Daten bzw. Datenquellen aufbereiten und/oder harmonisieren. Die gelieferten Ergebnisse können dann interpretiert bzw. präsentiert werden.

Weitere Standardaufgaben von Data Scientists sind unter anderem kontinuierliche Evaluierung und Anpassung von statistischen Modellen, Kommunikation mit diversen Abteilungen, um die entsprechenden Business-Fragen zu beantworten und Visualisieren der Ergebnisse und deren Präsentation.

Business Analysten sammeln Daten und bereiten Berichte vor und bilden die Schnittstelle zwischen einzelnen Abteilungen und der datenverarbeitenden Abteilung.

Analysten sind oft Business-Anwender mit einem klaren operativen Ziel. Anders als Data Scientists generieren sie kein neues Wissen und arbeiten im Regelfall nicht strategisch. Die eigentlichen Aufgaben des Business Analysten hängen daher von jeweiligen Einsatzgebiet ab, umfassen aber im Allgemeinen Tätigkeiten wie die Entwicklung einer Harmonisierungsstrategie der Daten, sodass ein Datensatz entsteht, mit dem gearbeitet werden kann, mit deskriptiver Statistik ein Big-Picture der Datenanalyse erstellen, Analyse der Daten um entsprechende Trends zu finden, visuelle Aufbereitung um diese Trends zu interpretieren, Präsentation der gezielten Ergebnisse und Kommunikation mit verschiedenen Abteilungen und Entscheidungsempfehlungen anhand der gesammelten Daten geben.

Ein Data Architect spielt eine zentrale Rolle bei der Umsetzung einer Datenstrategie im Unternehmen. Der Data Architect arbeitet mit den Data Engineers, den Data Scientists und den Business Analysten zusammen.

Die Aufgaben für den Data Architect sind hierbei vielfältig: Er*Sie stellt sicher, dass Firmen und Organisationen einen einheitlichen Datenstandard haben, dass es eine definierte Architektur einer Datenplattform gibt, die die Umsetzung von Businesszielen ermöglicht. Dabei muss der Data Architect durchschnittlich zwei operative Ziele sicherstellen: das sind die Skalierbarkeit der Architektur und das Erzeugen von kritischen Erkenntnissen in Echtzeit.

Typische Aufgaben des Data Architects sind Konzepte zu Metadaten- und Schemapflege definieren, Datenmanagement inklusive Sicherstellung der Integrität von Daten, Optimierung von Datenbanken und Gewährleistung des Quelldatenzugriffs, Umsetzung von Sicherungskonzepten und Garantie von Zugriffkonzepten, Festlegen der Komponenten der Plattform um Businessziele zu erfüllen und das Festlegen der Architektur der Plattform.

Data Engineers bauen und optimieren Datenplattformen, sodass Data Scientists und Analysten Zugriff auf die entsprechenden Daten haben. Im Unterschied zu anderen Berufsbildern ist es unverzichtbar, dass Data Engineers solide Codingfähigkeiten aufweisen, da diese Rolle entsprechende Programmiertätigkeiten mit sich bringt.

Die Kerntätigkeiten umfassen das Bauen von diversen Schnittstellen, um lesend und schreibend Daten bereitzustellen, die Integration von internen oder externen Daten in existierenden Pipelines, das Anwenden von Datentransformationen um analytischen Datasets zu erzeugen, Monitoring und Optimierung um die kontinuierliche Qualität des Systems sicherzustellen und die Entwicklung eines Lade-Frameworks, um Daten effizient zu laden.

DevOps sind eine Mischung aus Entwickler (Developer) und Personen, die die operativen Systeme betreuen. Ihre Aufgabe ist der Betrieb der Datenplattform, auf Basis welcher die Data Engineers und Data Scientists arbeiten. Hierbei handelt es sich um eine reine Infrastrukturaufgaben bzw. unterstützende Funktion.

DevOps setzen den Architekturentwurf der Data Architects um und gehen auf die Änderungswünsche der Data Engineers ein. Zu ihren Tätigkeiten zählen die Skalierung von Datenplattformen, die Identifikation von Performance-Problemen der Software, Automatisieren von erneuten Deployments, Monitoring und Logging der Applikationen, Identifikation von Ressourcenengpässen und -problemen und die Behebung von Problemen, die durch den Betrieb auftreten.

Business Intelligence Specialists haben die Aufgabe, aus Unternehmensdaten neue Erkenntnisse zu generieren, um die Entscheidungsfindungsprozesse zu unterstützen.

Chief Data Officers haben die unternehmensweite Verantwortung für die Sammlung und Verarbeitung von Daten und gewinnen in Organisationen zunehmend an Bedeutung.