Marco Visibelli ist Data Scientist, der bei IBM gearbeitet hat, bevor er sich mit Kuldat selbständig machte. Dabei handelt es sich um eine Big Data-Anwendung, die es Unternehmen erlaubt, nützliche Einsichten in ihre Sales- und Marketing-Daten zu erlangen.
Die Investmentbanken haben lange gebraucht, bis sie sich mit Big Data beschäftigten, aber schließlich hat die Branche doch das Thema entdeckt. Nur zum Verständnis: Big Data stellt Technologien zur Verfügung, die es Führungskräften erlauben, sowohl triviale Probleme zu lösen, als auch große Datenmengen zu bewältigen, um neue oder bessere Erkenntnisse zu gewinnen. Dazu werden in den Finanzdienstleistungen auch immer mehr Stellen geschaffen.
Während meiner Karriere habe ich hauptsächlich an großen Daten-Projekten gearbeitet, wovon einige auch in Investmentbanken stattfanden. Daher bin ich in der Lage, über die erforderlichen Kenntnisse und Kompetenzen zu sprechen.
Bis vor kurzem oblag es in der Welt der Investmentbanken Quants, sich mit den Daten abzuplagen. Doch neuerdings finden sich immer mehr Data Scientists. Dabei handelt es sich um kluge Entwickler, die IT-Kompetenz mit Finanz- und Mathematikkenntnissen verbinden. In der Vergangenheit haben die Entwickler lediglich die Algorithmen implementiert, die von Quants entwickelt wurden. Data Scientist sind dagegen in der Lage, neue Ansätze zu entwickeln und diese ebenfalls zu implementieren. Sie werden für Banken und andere Finanzdienstleister immer wichtiger.
Die meisten Banken lassen sich bei ihrem Umgang mit großen Datenmengen nicht in die Karten schauen. Dennoch lässt sich sagen, dass es im Grunde um zwei unterschiedliche Projektgruppen geht:
1. Die Datenanalyse
Die Analyse großer unstrukturierter oder strukturierter Datenmengen kann wertvolle Informationen für Investmententscheidungen bieten. Dies besteht z.B. in der Aufbereitung von Nachrichten in natürlicher Sprache, die Indikatoren für Trader oder Trading-Plattformen abgeben.
2. Voraussagen:
Dies dient dazu vorherzusagen, wie sich ein Markt, Index oder andere Produkte in der Zukunft entwickeln werden. Dies wird durch die Analyse von Tausenden von Daten und die Herstellung von Zusammenhängen unter ihnen gewonnen. Einige Projekte, die ich gesehen habe, bestanden darin, existierende Instrumente auszubauen, indem die Ausbeute von bestehenden Datenbanken erhöht wurde. Diese Instrumente werden jetzt in riesiger Dimension angewendet. Der Begriff „Data Scientist“ kann gelegentlich auch ein wenig nebulös ausfallen und – wie nicht anders zu erwarten – sind Investmentbanken bei der Auswahl ihres Personals besonders anspruchsvoll.
Beim Folgenden handelt es sich um die Kompetenzen, die für eine Karriere in diesem Bereich erforderlich sind. Was die IT betrifft, sollten Sie sich sicher in Hadoop auskennen. Obgleich ich dieser Technik in einigen Projekten begegnet bin, wird doch Kundenumgebungen größere Bedeutung eingeräumt, die in C/C++ oder Java programmiert wurden.
Unter den Programmiersprachen sollten Sie vor allem C/C++ und Java kennen, auch wenn Python und R an Bedeutung gewinnen und sehr effizient sind. Doch abgesehen von den Dingen, die man an der Uni lernt, denke ich, dass man in der Lage sein muss, große Datenmengen zu kombinieren und zu analysieren. Dabei kann es sich z.B. um die Kombinationen von Finanz- mit geografischen Daten handeln.
Was die Hardware betrifft, handelt es sich bei Investmentbanken vornehmlich um eine *nix-Welt – also Linux usf. Von daher sollte man sich darin ebenso auskennen wie mit SQL- und NoSQL für die Datenbanken.
Daneben spielen auch Softskills eine wichtige Rolle. Die Mitarbeiter müssen viel Neugierde und den Drang mitbringen, neue Idee und Technologien zu entwickeln, um komplexe und sich verändernde Probleme zu lösen.
Nicht zuletzt sind mathematische Kenntnisse von zentraler Bedeutung. Idealerweise müssen die Kandidaten ein profundes Verständnis für die Analyse von Statistiken, Prognosemodellen und Wahrscheinlichkeitsrechnung besitzen. Dazu zählen auch Differential- und Integralrechnung sowie Stochastik.
Wer auch immer mit dem Gedanken spielt, Data Scientist zu werden, sollte begeistert von den heutigen Möglichkeiten sein. Bislang ist es schwierig, Kandidaten direkt von der Uni einzustellen. Allerdings sind diverse Kurse verfügbar, die die erforderlichen Kenntnisse vermitteln. Die Investmentbanken entdecken erst jetzt, welchen Hebel diese Technologie für ihre Zwecke darstellt. Daher handelt es sich um einen guten Zeitpunkt, um in den Sektor einzusteigen.
Ähnliche Artikel:
Wie der erfolgreiche Investmentbanker der Zukunft ausschaut
ERFAHRUNGSBERICHT: Wie der Umstieg vom Banking in die IT-Branche gelingt
Google macht es vor: Wie Trader beginnen, Programmiersprachen zu erlernen