Zusammenfassung
Mit den permanent wachsenden digitalen Datenbeständen, umgangssprachlich als Big Data bezeichnet, verändern sich auch die Anforderungen an Datenproduzenten und Datenanalysten. Dies führt u. v. a. zu der Diskussion, welche Fertigkeiten und Kompetenzen künftig von Statistikern erwartet werden. Data Scientist bzw. iStatistician sind die Schlagworte für eine weiterzuentwickelnde statistische Ausbildung. Big Data, aber auch die damit einhergehenden neuen technischen Möglichkeiten, verändern die Lehre und Ausbildung. Der folgende Aufsatz formuliert einige Thesen zu diesen Veränderungen.
Abstract
With the permanent growing of accessible digital data, commonly denoted as Big Data, the needs of competences of data producers as well as data analysts are changing. The future competence profile will be different and the increase of job offers for Data Scientists as well as iStatisticians shows that also the statistical education has to develop further. Big Data but also new technology challenges change the needs in statistical education. The following article formulates some thoughts to these challenges.
This is a preview of subscription content, log in via an institution to check access.
Notes
Big Data wird hier und im Folgenden als Sammelbegriff für Datenbestände verwendet, die weder Survey, Zensus oder administrative Daten sind. Eine gute Arbeitsdefinition beschreibt Big Data als digital traces, siehe hierzu und zu anderen Definitionen von Big Data u. v. a. Zwick (2015a).
Zur Personal- und Weiterbildungspolitik innerhalb europäischer statistischer Ämter siehe insbesondere United Nations Economic Commission for Europe (2013).
Vgl. „The International Statistical Literacy Project“ http://iase-web.org/islp/ sowie auch Forbes et al. (2011).
Als Beispiel hierzu das gemeinsame „International Program in Survey and Data Science (IPSDS)“ der Universitäten Mannheim, Maryland und Michigan (http://survey-data-science.net/).
Zu den Inhalten und zum Konzept der 1. EMOS Springschool siehe http://ec.europa.eu/eurostat/cros/content/emos-spring-school-2015_en.
Zu den Daten siehe http://www.forschungsdatenzentrum.de/campus-file.asp, zum Konzept der CAMPUS Files siehe Zwick (2008).
Zum Code of Practice siehe http://ec.europa.eu/eurostat/web/quality/european-statistics-code-of-practice.
Vgl. hierzu http://www.informationisbeautifulawards.com/ oder http://flowingdata.com/ .
Für die volle dynamische Visualisierung siehe http://www.neighbourhood.statistics.gov.uk/HTMLDocs/dvc128/wrapper.html.
Zu EMOS siehe Zwick (2015b) sowie http://ec.europa.eu/eurostat/cros/content/emos.
Zu den Learning Outcomes siehe http://ec.europa.eu/eurostat/cros/content/learning-outcomes_en.
Literatur
Anderson C (2008) The end of theory: the data deluge makes the scientific method obsolete. http://www.wired.com/2008/06/pb-theory/. Zugegriffen: 15 Jan 2016
Arnold P, Kilian S, Thillosen A, Zimmer G (2011) Handbuch E‑Learning – Lehren und Lernen mit digitalen Medien, 2. Aufl. Bertelsmann, Bielefeld
Braaksma B, Zeelenberg K (2015) “Re-make/re-model”: should big data change the modelling paradigma in official statistics? Stat J IAOS 31:193–202. doi:10.3233/SJI-150892
Carver RH, Stephens M (2014) It is time to include data management in introductory statistics, contributed paper for the ICOTS9. http://icots.info/9/proceedings/pdfs/ICOTS9_C134_CARVER.pdf. Zugegriffen: 15. Jan 2016
Davenport TH, Patil DJ (2012) Data scientist. The sexiest job of the 21st century, harvard business review, Oktober 2012, Seite 70 ff. https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/. Zugegriffen: 15. Jan 2016
Forbes S, Camden M, Pihama N, Bucknall P, Pfannkuch M (2011) Official statistics and statistical literacy: they need each other. Stat J IAOS 27:113
Hochgürtel T, Zwick M (2010) The lecture series “economic statistics. Data production and data analysis in official statistics”, invited paper for the ICOTS8. http://iase-web.org/documents/papers/icots8/ICOTS8_10E2_HOCHGUERTEL.pdf. Zugegriffen: 15. Jan 2016
Keller B, Klein H‑W, Tuschl S (Hrsg) (2015) Zukunft der Marktforschung, Entwicklungschancen in Zeiten von Social Media und Big Data. Springer, Heidelberg
Krüger K (2012) Haushaltsnettoeinkommen – ein Beispiel zur Nutzung der GENESIS-Online Datenbank im Unterricht, Zeitschrift Stochastik in der Schule, Jahrgang 32, Heft 3. http://www.stochastik-in-der-schule.de/sisonline/32-03.htm. Zugegriffen: 15. Jan 2016
Lippe P von der, Schmerbach S (2003) Mehr Wirtschaftsstatistik in der Statistikausbildung für Volks- und Betriebswirte. All Stat Arch 87:335
Little RJ (2015) Calibrated bayes, an inferential paradigm for official statistics in the era of big data. Stat J IAOS 31:555–563. doi:10.3233/SJI-150944
Lohr S (2015) Less noise but more money in data science, the New York Times. http://bits.blogs.nytimes.com/2015/04/28/less-noise-but-more-money-in-data-science/?ref=todayspaper&_r=1. Zugegriffen: 15. Jan 2016
Miller S (2014) Collaborative approaches needed to close the big data skills gap. J Organ Des 3(1):26–30. doi:10.7146/jod.9823
Ottaiano A (2015) A new job for statisticians: the data scientist. Which skills, how to build them? New Sci. doi:10.2901/EUROSTAT.C2015.001
Ridgway J (2015) Implications of the data revolution for statistics education. Int Stat Rev. doi:10.1111/insr.12110
Townsend M (2011) The national statistical agency as educator. Stat J IAOS 27:129
Tuschl S (2015) Vom Datenknecht zum Datenhecht: Eine Reflektion zu Anforderungen an die Statistikausbildung für künftige Marktforscher. In: Keller B, Klein H‑W, Tuschl S (Hrsg) Zukunft der Marktforschung, Entwicklungschancen in Zeiten von Social Media und Big Data. Springer, Heidelberg, S 55
Ulm V (2010) Stochastik in der Grundschule, Konzeptpapier zur Tagung der Regionalkoordinatoren von „SINUS an Grundschulen“. http://www.sinus-an-grundschulen.de/uploads/media/Workshop_Ulm_Stochastik.pdf. Zugegriffen: 15. Jan 2016
United Nations Economic Commission for Europe (2013) Human resources management and training – compilation of good practices in statistical offices. http://www.unece.org/fileadmin/DAM/stats/publications/HRMT_w_cover_resized.pdf. Zugegriffen: 15. Jan 2016
Zwick M (2015a) Big Data in der amtlichen Statistik. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 58(8):838. doi:10.1007/s00103-015-2188-4
Zwick M (2015b) Der European Master in Official Statistics (EMOS). Wirtsch Stat 5: (Statistisches Bundesamt), S 11–19
Zwick M (2008) CAMPUS-Files, Kostenfreie Public Use Files für die Lehre. AStA Wirtschafts-und Sozialstatistisches Archiv, Bd. 2
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Zwick, M. Statistikausbildung in Zeiten von Big Data. AStA Wirtsch Sozialstat Arch 10, 127–139 (2016). https://doi.org/10.1007/s11943-016-0185-1
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s11943-016-0185-1