Inhalt · 9 Abschnitte+
Worauf Arbeitgeber achten
Data Analyst:innen werten Daten aus, bauen Dashboards, beantworten Fragen aus Fachbereichen und helfen, Entscheidungen auf Fakten zu stützen. Sie arbeiten in Handel, E-Commerce, Finanzen, Marketing, Logistik und vielen weiteren Bereichen.
Unternehmen wollen in der Bewerbung sehen, welche Tools du beherrschst, welche Fragen du beantwortet hast und was daraus entstanden ist. Ein gutes Beispiel zählt mehr als jede Tool-Liste.
Das prüfen Personaler:innen zuerst
- SQL und Datenbanken
- BI-Tools wie Power BI, Tableau oder Looker
- Python oder R für Analysen
- Verständnis für das Geschäft und die Fragen der Fachbereiche
- Verständliche Präsentation von Ergebnissen
Der Lebenslauf
Beschreib jede Station mit den Aufgaben, die du wirklich übernommen hast. Starke Verben und konkrete Einsatzbereiche sagen mehr als eine bloße Jobbezeichnung. So könnte eine Station als Data Analyst:in aussehen:
02/2022 – heute · Data Analystin, Onlinehändler, Hamburg
- – Analyse von Verkaufs-, Retouren- und Kampagnendaten mit SQL
- – Aufbau und Pflege von Dashboards in Power BI
- – Ad-hoc-Analysen für Marketing und Einkauf
- – Datenaufbereitung und Automatisierung mit Python
- – Präsentation von Ergebnissen und Handlungsempfehlungen
Stärken belegen statt behaupten
Eigenschaften glaubt man dir erst, wenn du zeigst, wo du sie gebraucht hast. Diese Stärken zählen als Data Analyst:in besonders, und so kannst du sie belegen:
- Analytisches Denken: Beschreib eine Analyse, die eine Entscheidung verändert hat.
- Kommunikation: Zeig, wie du Ergebnisse für Nicht-Fachleute verständlich machst.
- Neugier: Nenn eine Frage, der du aus eigenem Antrieb nachgegangen bist.
- Sorgfalt: Erwähn, wie du Datenqualität prüfst.
Fachkenntnisse & Programme
In den Abschnitt „Kenntnisse“ gehört, was du sicher beherrschst. Typisch für Data Analyst:in:
- SQL
- Power BI, Tableau oder Looker
- Python mit pandas oder R
- Excel auf fortgeschrittenem Niveau
- Statistische Grundlagen
- Datenmodellierung
- Webanalyse, falls im Marketing
Lebenslauf als Data Analyst:in
Jobrezept fragt deine Stationen Schritt für Schritt ab und formuliert daraus einen Lebenslauf, der zur Stelle passt.
Das Anschreiben
Im Hauptteil verbindest du deine Erfahrung mit dem, was die Stelle verlangt. Ein Absatz mit einem konkreten Beispiel überzeugt mehr als eine Liste von Eigenschaften.
Bei einem Onlinehändler beantworte ich Fragen aus Marketing und Einkauf mit Daten und baue Dashboards, die täglich genutzt werden. Zuletzt habe ich die Gründe für Retouren in einer Produktkategorie untersucht. Daraus sind bessere Größenangaben im Shop entstanden. Mir ist wichtig, dass eine Analyse am Ende zu einer Entscheidung führt. Ihr Unternehmen baut gerade ein Datenteam auf, und daran möchte ich mitwirken.
Ergänz einen Satz dazu, warum du genau zu diesem Arbeitgeber willst. Das kann das Team, das Arbeitsfeld, ein Schwerpunkt oder die Nähe zum Wohnort sein, solange es ehrlich ist.
Do & Don't
So geht's
- Analysen mit Frage, Vorgehen und Ergebnis beschreiben
- Tools nach Erfahrung gewichten
- Ein Portfolio-Projekt mit öffentlichen Daten zeigen
- Geschäftsverständnis betonen
Lieber nicht
- Interne Zahlen nennen
- Lange Tool-Listen ohne Beispiele
- Nur technische Details ohne Wirkung
- Statistikkenntnisse übertreiben
Ausbildung & Quereinstieg
Der klassische Weg
Viele Data Analyst:innen haben ein Studium in Wirtschaft, Statistik, Informatik, Mathematik oder Sozialwissenschaften. Es gibt auch die Ausbildung zur bzw. zum Fachinformatiker:in für Daten- und Prozessanalyse. Entscheidend sind aber Tools und Erfahrung.
Quereinstieg
Data Analytics ist offen für Quereinsteiger:innen, besonders aus Controlling, Marketing, Vertrieb oder Logistik. Kurse in SQL, Power BI und Python sowie ein eigenes Projekt mit öffentlichen Daten helfen beim Einstieg. Fachwissen aus dem bisherigen Beruf ist ein echtes Plus.
Checkliste
Bevor du abschickst
- Analysen mit Ergebnis beschrieben?
- Tools realistisch angegeben?
- Portfolio oder Projekt verlinkt?
- Keine internen Zahlen genannt?
- Geschäftsverständnis gezeigt?
- Zertifikate aufgeführt?
Häufige Fragen
Brauche ich Programmierkenntnisse?+
SQL ist fast immer nötig. Python oder R helfen, sind aber nicht überall Pflicht.
Wie baue ich ein Portfolio auf?+
Mit ein, zwei Projekten mit öffentlichen Daten, einer klaren Frage, deinem Vorgehen und einem Ergebnis.
Was ist der Unterschied zu Data Scientist?+
Data Analyst:innen beantworten Fragen mit vorhandenen Daten. Data Scientists entwickeln oft Vorhersagemodelle und arbeiten stärker mit Statistik und Machine Learning.
Gibt es Fallaufgaben im Bewerbungsprozess?+
Häufig ja. Erklär deinen Lösungsweg und deine Annahmen.