IDEAS home Printed from https://ideas.repec.org/a/spr/astaws/v16y2022i2d10.1007_s11943-022-00305-7.html
   My bibliography  Save this article

Statistik zwischen Data Science, Artificial Intelligence und Big Data: Beiträge aus dem Kolloquium „Make Statistics great again“
[Statistics between data science, artificial intelligence and big data: contributions of the colloquium “Make Statistics Great Again”]

Author

Listed:
  • Ulrich Rendtel

    (Freie Universität Berlin)

  • Willi Seidel
  • Christine Müller
  • Florian Meinfelder
  • Joachim Wagner
  • Jürgen Chlumsky
  • Markus Zwick

Abstract

Zusammenfassung Die Statistik als fachliche Disziplin muss sich in einem rasch wandelnden Umfeld behaupten, das durch den Aufstieg der Data Science, den Bedeutungszuwachs der künstlichen Intelligenz sowie neue Datenstrukturen charakterisiert wird. Wie kann sich die Statistik hier behaupten oder verlorenes Terrain wiedergewinnen? Unter dem provokanten Motto „Make Statistics great again“ wurden aus verschiedenen Blickwinkeln Entwicklungen, Strategien und positive Beispiele skizziert, wie sich das Fach Statistik an der Universität, im Wissenschaftsbetrieb und auf dem Arbeitsmarkt positionieren sollte. Willi Seidel schaut aus dem Blickwinkel eines Hochschulpräsidenten auf den Ressourcenkampf der Fächer. Christine Müller berichtet über die Initiativen der Dachorganisation DAGStat die vielen Teildisziplinen der Statistik wirkungsvoll im Wissenschaftsbetrieb und in der Öffentlichkeit zu positionieren. Florian Meinfelder dokumentiert den Aufstieg des Masterstudiengangs in Survey Statistik zu einem der nachgefragtesten Studiengänge der Uni Bamberg. Jürgen Chlumsky und Markus Zwick beleuchten die historische Wahrnehmung der Amtsstatistik bei Pflichterhebungen und die Entwicklung der Forschungsdatenzentren sowie moderner Zugänge zu neuen Datenquellen. Joachim Wagner schildert das Verhältnis von Datenproduzenten und Datennutzern aus der Sicht eines unzufriedenen Datennutzers. Schließlich geht es um die Position der Statistik in der Datenwissenschaft. Ist „Data Science“ nur ein neumodisches Wort für Statistik? Ein Konzeptionspapier der Gesellschaft für Informatik (GI) hat zu Positionspapieren der DStatG und der DAGStat geführt, die von Ulrich Rendtel vorgestellt werden. Das Kolloquium fand anlässlich der Abschiedsvorlesung von Ulrich Rendtel im Juni 2019 am Fachbereich Wirtschaftswissenschaft der Freien Universität statt.

Suggested Citation

  • Ulrich Rendtel & Willi Seidel & Christine Müller & Florian Meinfelder & Joachim Wagner & Jürgen Chlumsky & Markus Zwick, 2022. "Statistik zwischen Data Science, Artificial Intelligence und Big Data: Beiträge aus dem Kolloquium „Make Statistics great again“ [Statistics between data science, artificial intelligence and big da," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 16(2), pages 97-147, June.
  • Handle: RePEc:spr:astaws:v:16:y:2022:i:2:d:10.1007_s11943-022-00305-7
    DOI: 10.1007/s11943-022-00305-7
    as

    Download full text from publisher

    File URL: http://link.springer.com/10.1007/s11943-022-00305-7
    File Function: Abstract
    Download Restriction: Access to the full text of the articles in this series is restricted.

    File URL: https://libkey.io/10.1007/s11943-022-00305-7?utm_source=ideas
    LibKey link: if access is restricted and if your library uses this service, LibKey will redirect you to where you can use your library subscription to access this item
    ---><---

    As the access to this document is restricted, you may want to search for a different version of it.

    References listed on IDEAS

    as
    1. Erfurth, Kerstin, 2020. "Regionalanalyse auf Basis simulierter Geodoordinaten: Gütebeurteilung des Verfahrens am Beispiel der Wahlberechtigten in Berlin," WISTA – Wirtschaft und Statistik, Statistisches Bundesamt (Destatis), Wiesbaden, vol. 72(2), pages 25-36.
    2. Markus Zwick, 2016. "Statistikausbildung in Zeiten von Big Data [Statistical education in times of Big Data]," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 10(2), pages 127-139, October.
    3. Jürgen Chlumsky, 2012. "Zur Heinz-Grohmann-Vorlesung der Deutschen Statistischen Gesellschaft," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 6(1), pages 61-63, December.
    4. Joachim Wagner, 2015. "25 Jahre Nutzung vertraulicher Firmenpaneldaten der amtlichen Statistik für wirtschaftswissenschaftliche Forschung: Produkte, Projekte, Probleme, Perspektiven," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 9(2), pages 83-106, November.
    5. Ulrich Rendtel, 2014. "Vom potenziellen Datenangreifer zum zertifizierten Wissenschaftler – Für eine Neugestaltung des Wissenschaftsprivilegs beim Datenzugang," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 8(4), pages 183-197, November.
    6. Ulrich Rendtel, 2012. "Die Zukunft der Statistik: Eine persönliche Betrachtung," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 5(4), pages 253-267, March.
    7. Peter Lippe, 2013. "Die „Frankfurter Schule“ in der Statistik und ihre Folgen," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 7(1), pages 71-89, August.
    8. Göran Kauermann & Helmut Küchenhoff, 2016. "Statistik, Data Science und Big Data [Statistics, data science, and big data]," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 10(2), pages 141-150, October.
    9. William S. Cleveland, 2001. "Data Science: an Action Plan for Expanding the Technical Areas of the Field of Statistics," International Statistical Review, International Statistical Institute, vol. 69(1), pages 21-26, April.
    10. Timo Schmid & Fabian Bruckschen & Nicola Salvati & Till Zbiranski, 2017. "Constructing sociodemographic indicators for national statistical institutes by using mobile phone data: estimating literacy rates in Senegal," Journal of the Royal Statistical Society Series A, Royal Statistical Society, vol. 180(4), pages 1163-1190, October.
    11. Joachim Wagner, 2011. "Offshoring and firm performance: self-selection, effects on performance, or both?," Review of World Economics (Weltwirtschaftliches Archiv), Springer;Institut für Weltwirtschaft (Kiel Institute for the World Economy), vol. 147(2), pages 217-247, June.
    12. Hauf, Stefan & Stehrenberg, Shari & Zwick, Markus, 2020. "EXDAT – experimentelle Daten und Methoden für eine innovative Statistik [EXDAT – experimental data and methods for innovative statistics]," WISTA – Wirtschaft und Statistik, Statistisches Bundesamt (Destatis), Wiesbaden, vol. 72(4), pages 51-62.
    Full references (including those not matched with items on IDEAS)

    Most related items

    These are the items that most often cite the same works as this one and are cited by the same works as this one.
    1. Ralf Thomas Münnich, 2015. "Vorwort des Herausgebers," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 9(2), pages 79-81, November.
    2. Ralf Thomas Münnich, 2014. "Vorwort des Herausgebers," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 8(4), pages 179-181, November.
    3. Bijlsma Ineke & van den Brakel Jan & van der Velden Rolf & Allen Jim, 2020. "Estimating Literacy Levels at a Detailed Regional Level: an Application Using Dutch Data," Journal of Official Statistics, Sciendo, vol. 36(2), pages 251-274, June.
    4. Patrick Krennmair & Timo Schmid, 2022. "Flexible domain prediction using mixed effects random forests," Journal of the Royal Statistical Society Series C, Royal Statistical Society, vol. 71(5), pages 1865-1894, November.
    5. Petrick Sebastian & Rehdanz Katrin & Wagner Ulrich J., 2011. "Energy Use Patterns in German Industry: Evidence from Plant-level Data," Journal of Economics and Statistics (Jahrbuecher fuer Nationaloekonomie und Statistik), De Gruyter, vol. 231(3), pages 379-414, June.
    6. Kohler, Wilhelm & Smolka, Marcel, 2014. "Global sourcing and firm selection," Economics Letters, Elsevier, vol. 124(3), pages 411-415.
    7. Situngkir, Hokky, 2015. "Indonesia embraces the Data Science," MPRA Paper 66048, University Library of Munich, Germany.
    8. Bettina Peters & Rebecca Riley & Iulia Siedschlag & Priit Vahter & John McQuinn, 2018. "Internationalisation, innovation and productivity in services: evidence from Germany, Ireland and the United Kingdom," Review of World Economics (Weltwirtschaftliches Archiv), Springer;Institut für Weltwirtschaft (Kiel Institute for the World Economy), vol. 154(3), pages 585-615, August.
    9. Hauf, Stefan, 2022. "Von Btx bis EXDAT: Stationen der elektronischen Informationsverbreitung durch das Statistische Bundesamt," WISTA – Wirtschaft und Statistik, Statistisches Bundesamt (Destatis), Wiesbaden, vol. 74(6), pages 44-53.
    10. D. Woods & A. Cunningham & C. E. Utazi & M. Bondarenko & L. Shengjie & G. E. Rogers & P. Koper & C. W. Ruktanonchai & E. zu Erbach-Schoenberg & A. J. Tatem & J. Steele & A. Sorichetta, 2022. "Exploring methods for mapping seasonal population changes using mobile phone data," Palgrave Communications, Palgrave Macmillan, vol. 9(1), pages 1-17, December.
    11. Joachim Wagner, 2015. "Kombinierte Firmenpaneldaten – Datenangebot und Analysepotenziale," Working Paper Series in Economics 340, University of Lüneburg, Institute of Economics.
    12. Roger Bandick, 2016. "Offshoring, Plant Survival and Employment Growth," The World Economy, Wiley Blackwell, vol. 39(5), pages 597-620, May.
    13. Björn Christensen, 2019. "Anforderungen an eine Statistik-Ausbildung im 21. Jahrhundert vor dem Hintergrund von Statistical (Il‑)Literacy [Demands placed on statistics training in the 21st century against the backdrop of st," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 13(3), pages 193-201, November.
    14. Costa, Carlos & Santos, Maribel Yasmina, 2017. "The data scientist profile and its representativeness in the European e-Competence framework and the skills framework for the information age," International Journal of Information Management, Elsevier, vol. 37(6), pages 726-734.
    15. Daphne R. Raban & Avishag Gordon, 2020. "The evolution of data science and big data research: A bibliometric analysis," Scientometrics, Springer;Akadémiai Kiadó, vol. 122(3), pages 1563-1581, March.
    16. Nils Hachmeister & Katharina Weiß & Juliane Theiß & Reinhold Decker, 2021. "Balancing Plurality and Educational Essence: Higher Education Between Data-Competent Professionals and Data Self-Empowered Citizens," Data, MDPI, vol. 6(2), pages 1-15, January.
    17. Carlo Altomonte & Tommaso Aquilante & Gábor Békés & Gianmarco I.P. Ottaviano, 2013. "Internationalization and innovation of firms: evidence and policy [Managing knowledge within and outside the multinational corporation]," Economic Policy, CEPR, CESifo, Sciences Po;CES;MSH, vol. 28(76), pages 663-700.
    18. J. N. K. Rao, 2021. "On Making Valid Inferences by Integrating Data from Surveys and Other Sources," Sankhya B: The Indian Journal of Statistics, Springer;Indian Statistical Institute, vol. 83(1), pages 242-272, May.
    19. Ralf Thomas Münnich, 2016. "Vorwort des Herausgebers," AStA Wirtschafts- und Sozialstatistisches Archiv, Springer;Deutsche Statistische Gesellschaft - German Statistical Society, vol. 10(4), pages 197-203, December.
    20. Castellani, Davide & De Benedictis, Luca & Horgos, Daniel, 2013. "Can we really trust offshoring indices?," Structural Change and Economic Dynamics, Elsevier, vol. 25(C), pages 159-172.

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:astaws:v:16:y:2022:i:2:d:10.1007_s11943-022-00305-7. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    If CitEc recognized a bibliographic reference but did not link an item in RePEc to it, you can help with this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.