Wie man Decision Scientist wird

Vor ein paar Tagen war ich wieder einmal zu Gast an meiner Alma Mater, um am diesjährigen „Campus for Controlling“ teilzunehmen. Mehr als 150 Teilnehmer und hochkarätige Redner trafen sich für einen Tag, um über das sich wandelnde Rollenverständnis des Controllers und, als einen der Haupttreiber, Auswirkungen der Digitalisierung zu sprechen.

Schon der erste Redner, Prof. Dr. Utz Schäffer vom Institute of Management Accounting & Control an der WHU Koblenz, machte klar, dass sich die Anforderungen an Controller weiterhin stetig verändern und erweitern. Neben fachlicher (Finanz- und Controlling-) Kompetenz, Kenntnis des Geschäfts, Managementkompetenzen sowie „Soft Skills“ rücken zunehmend auch IT-, Statistik- und Analytics-Fähigkeiten in den Fokus.

Viel ist in diesem Zusammenhang vom Data Scientist die Rede. Sucht man auf den einschlägigen Jobportalen, so findet man viele Stellenangebote für dieses Profil. Auch die Process Mining-Anbieter bilden Partner und Kunden zum Data Engineer oder Data Scientist aus.

Extrem interessant war für mich persönlich jedoch die gedankliche Verbindung dieser „neuen“ Anforderungen mit dem Controller-Verständnis des Business Partners bzw. Impulsgebers. Während Data Engineers und Data Scientists die Datenqualität sowie die Informationsbeschaffung (oder moderner: Generierung von Insights) sicherstellen, sind es die Decision Scientists, die dafür sorgen, dass relevante Fragen beleuchtet werden und dass die gesammelten Erkenntnisse auch tatsächlich in Aktionen münden.

In der Tat ist es genau das, was wir unseren Kunden z.B. im Rahmen von sogenannten Value Creation-Workshops oder auch im Nachgang dazu in einer Follow-Up-Phase anbieten: die Kombination von Data Science mit fundierter Kenntnis des Geschäfts, der relevanten Prozesse und Methoden.

Und so wurde ich Decision Scientist.