Advertisement

Data Science – Einige Gedanken aus Sicht eines Statistikers

  • Göran KauermannEmail author
HAUPTBEITRAG DATA SCIENCE v AUS SICHT EINES STATISTIKERS
  • 26 Downloads

Zusammenfassung

Data Science ist das neue Schlagwort; nach Big Data und Digitalisierung nun also Data Science. Die Stellenbörsen sind voll von Inseraten, Data Scientists werden händeringend gesucht und manch Bewerber fügt heute Data Science in sein Profil, um seine Jobchancen zu erhöhen. Doch was ist Data Science eigentlich? Der nachfolgende Beitrag nähert sich der Fragestellung aus der Sichtweise eines Statistikers, ohne dabei eine finale Definition von Data Science geben zu wollen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Angrist JD, Rubin DB, Imbens GW (1986) Identification of causal effects using instrumental variables. J Am Stat Assoc 91:444–455CrossRefGoogle Scholar
  2. 2.
    Bundespolizei (2018) Abschlussbericht des Bundespolizeipräsidiums zur biometrischen Gesichtserkennung. https://www.bundespolizei.de/Web/DE/04Aktuelles/01Meldungen/2018/10/181011_abschlussbericht_gesichtserkennung.html,Google Scholar
  3. 3.
    Cleveland WS (2001) Data Science: An action plan for expanding the technical areas of the field of statistics. Int Stat Rev 69:21–26CrossRefGoogle Scholar
  4. 4.
    De Veaux RD, Agarwal M et al (2017) Curriculum guidelines for undergraduate programs in data science. Annu Rev Stat Appl 4:2.1–2.16Google Scholar
  5. 5.
    Gosh M, Mukhopadhy N, Sen PK (1997) Sequential Estimation. Wiley, New YorkCrossRefGoogle Scholar
  6. 6.
    Kauermann G, Küchenhoff H (2016) Statistik, data science und big data. AStA Wirtsch Sozialstat Arch 10(2):141–150CrossRefGoogle Scholar
  7. 7.
    Kauermann G, Seidl T (2018) Data science – A proposal for a curriculum. Int J Data Sci Anal 6(3):195–199CrossRefGoogle Scholar
  8. 8.
    Little RJA, Rubin DA (2002) Statistical Analysis With Missing Data. Wiley, Hoboken, New JerseyCrossRefGoogle Scholar
  9. 9.
    Meng XL (2018) Statistical paradises and paradoxes in Big Data (I): Law of large populations, big data paradox, and the 2016 US Presidential election. Ann Appl Stat 12(2):685–726MathSciNetCrossRefGoogle Scholar
  10. 10.
    Molenberghs G, Fitzmaurice G, Kenward MG, Tsiatis A, Verbeke G (2015) Handbook of missing data methodology. CRC Press, Boca RatonzbMATHGoogle Scholar
  11. 11.
    Montgomery DC (2013) Design and analysis of experiments. WileyGoogle Scholar
  12. 12.
    The Royal Society (2019) Dynamics of data science skills. https://royalsociety.org/topics-policy/projects/dynamics-of-data-science/, letzter Zugriff: 13.8.2019Google Scholar
  13. 13.
    Tukey JW (1962) The future of data analysis. Ann Math Stat 33:1–67MathSciNetCrossRefGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Institut für StatistikMünchenDeutschland

Personalised recommendations