Where there is data smoke, there is business fire.
Bis 2025 soll unser jährliches Datenaufkommen auf 175 Zettabyte ansteigen. Das sind 175.000.000.000.000.000.000.000 Bytes. Aktuell sind wir bei 33 Zettabyte pro Jahr. Als Data Analyst behältst Du trotz der 21 Nullen einen kühlen Kopf – denn Daten sind genau Dein Ding. Du tauchst ein ins Datenmeer, findest heraus, welche davon relevante Informationen beinhalten und bewertest sie im Anschluss. Entscheidungen sind heute in fast allen Unternehmen "Data Driven" und als Datenanalyst:in lieferst Du die Vorarbeit, um die beste Option zu finden.
Wir verraten Dir, welche Aufgaben als Data Analyst auf Dich zukommen, welche Anforderungen Data Anaylst erfüllen sollten, in welchen Branchen Du arbeiten kannst und wie sich das Data Analyst-Gehalt ab dem Berufseinstieg entwickelt.
Was sind Deine Aufgaben als Data Analyst?
Datenanalysten untersuchen große Datenmengen und identifizieren Trends, entwickeln Vorhersagen und verwandeln damit Daten in Informationen. Kurz: Als Datenanalytiker analysierst und bewertest vorhandene Datenbestände, um daraus neues Wissen zu schaffen. Dadurch hilfst Du Deinem Arbeitgeber, bessere Entscheidungen für das Unternehmen zu treffen, z.B.: War eine Investition erfolgreich? Warum war sie erfolgreich? Und anhand welcher Bewertungskriterien lässt sich das sinnvoll beurteilen (z.B. mehr Verkäufe)? Sollte ein Unternehmen diese Investition wiederholen? Um hier zuverlässige Antworten geben zu können, umfasst Deine Tätigkeit als Datenanalyst verschiedene Steps:
Du
implementierst (neue) Systeme zur Datensammlung,
beschaffst die richtigen Daten aus externen und internen Datenbanken,
wandelst Rohdaten in das passende Format um (Data Wrangling),
schreibst Querys,
arbeitest eng mit den Dev-Teams zusammen,
- erstellst und entwickelst Reports und definierst die richtigen Kennzahlen, an denen z.B. die Wirtschaftlichkeit einzelner Unternehmensprozesse abgelesen werden kann.
Data Analyst vs Data Scientist – Was ist der Unterschied?
Die Jobbeschreibungen von Datenanalyst:innen und Data Scientists überschneiden sich in vielen Teilen. Von außen zu verstehen, warum eine Stelle für einen Data Scientist ausgeschrieben ist und eine andere für einen Data Analyst, ist gar nicht so einfach. Das liegt zum Teil daran, dass das gesamte Berufsfeld rund um Big Data sich rasant weiterentwickelt und laufend neue Berufsbezeichnungen entstehen. Diese sind aber noch nicht einheitlich definiert. Deshalb kommt es oft einfach darauf an, was ein bestimmtes Unternehmen bevorzugt. Neben vielen Gemeinsamkeiten gibt es aber auch Unterschiede im Stellenprofil dieser beiden Berufsfelder:
1. Wer stellt die Fragen?
Im Regelfall formuliert ein Data Scientist die Fragestellungen für das Unternehmen, die er mit seiner Datenbasis beantworten möchte, selbst. Der Data Analyst dagegen bekommt die Aufgabenstellung von anderen Teams vorgegeben (z.B. vom Vertrieb oder Marketing) und sucht eine Lösung für ihre Fragen.
2. Bachelor oder Master?
Datenanalyst:innen können schon mit einem Bachelorabschluss ins Berufsleben starten. Von einem Data Scientist wird i.d.R. ein Masterabschluss erwartet. Denn er oder sie muss fit sein in den Modellen und Theorien aus Mathematik, Statistik und Informationstechnologie.
3. Welche Rolle spielt Machine Learning?
Der Data Analyst muss fit in SQL Queries und Oracle Datenbanken, Business Intelligence Tools wie Power BI und Datenvisualisierung wie Tableau oder Shiny sein. Der Data Scientist entwickelt auch eigene Machine Learning Modelle.
Machine Learning ist für Datenwissenschaft und Analyse zu einem zentralen Bestandteil geworden. Algorithmen verwenden Datensätze als Trainingsgrundlage, um neue Dinge zu lernen. Die Qualität der Datenbasis ist hier zentral, denn ohne eine solide Grundlage, erhältst Du auch keine aussagekräftigen Ergebnisse. Dadurch benötigen Data Scientists und Datenanalyst:innen zunehmend Technologien, Methoden und Skills, die auch im Machine Learning relevant sind, darunter z.B. Software wie Matlab oder Programmiersprachen wie Python und R.
Die folgende Grafik verdeutlicht, die Gemeinsamkeiten und Unterschiede der beiden Berufe. Datenanalyst:innen spezialisieren sich auf das Reporting, Zusammenfassen und Interpretieren der Daten. Um das Extrapolieren (d.h. die statistische Hochrechnung einzelner Merkmale auf z.B. die gesamte Bevölkerung) und auch die Strategieentwicklung (die sogenannte Data Prescription) kümmert sich der Data Scientist.
Quelle: dasca.org redaktionell bearbeitet durch get in IT
Wo kannst Du als Datenanalyst:in arbeiten?
Datenanalyst:innen werden in zahlreichen Branchen gebraucht. Prinzipiell gilt: Je digitaler ein Unternehmen ist, desto mehr Daten generiert es und desto wichtiger ist es, diese Daten aktiv auszuwerten. So gewinnen die Unternehmen wertvolle Erkenntnisse über das eigene Produkt, die Kund:innen und die eigenen Firmenprozesse und verschaffen sich so Wettbewerbsvorteile.
Große Branchen, die Business Data Analysten, Big Data Analystinnen oder aus Data Consultants einsetzen, sind der Finanzsektor und Versicherungen. Aber auch im Gesundheitswesen wird es zunehmend wichtiger, Daten von Patent:innen zu analysieren, um neue Therapiemöglichkeiten zu identifizieren oder neue E-Health-Produkte entwickeln zu können. Energiekonzerne setzen nicht auf den Wetterbericht, um zu entscheiden, wo z.B. neue Windräder aufgestellt und wie sie ausgerichtet werden sollen, sondern erheben heute auch eigene Daten. Auch die Werbung und E-Commerce profitieren davon, Daten zu Kaufverhalten und Co. genau unter die Lupe zu nehmen und z.B. ihre Webseiten dadurch zu verbessern.
Worauf kannst Du Dich als Data Analyst spezialisieren?
Aufgrund der vielfältigen Einsatzfelder für Datenanalyst:innen, kannst Du Dich je nach Interesse und Arbeitgeber auf spezifische Datensätze wie vektor- oder rasterbasierte Datenformate z.B. für GIS spezialisieren kannst.
In der Finanzbranche baust Du Dir z.B. eine solide Basis in der Finanzmathematik auf, während Du Dich als Clinical Data Analyst in spezialisierte, medizinische Software einarbeitest z.B. zu RIS (Radiologieinformationssystemen). Als Weather Analyst bist Du ein Wetterfrosch 2.0, denn Du untersuchst Wetterdaten z.B. für Institute aber auch Energieanbieter. Je nachdem in welcher Branche Du tätig bist, eignest Du Dir zusätzlich Spezialwissen wie die aktuellen Industriestandards an.
Diese Jobtitel könnten später auf Deiner Visitenkarte stehen:
Financial Analyst – oft im Versicherungswesen anzutreffen.
Data Analyst BI – ein Experte für Unternehmensprozesse, der in fast allen Branchen gefragt ist.
Customer Data Analyst – der Kund:innen versteht.
Big Data Analyst – Mit Algorithmen analysierst Du automatisch gigantische Datenmengen, z.B. für Echtzeit-Updates von Flugticketpreisen.
Risk Analyst – häufig im Bankensektor und der Unternehmensberatung unterwegs.
Clinical Data Analyst – unerlässlich für die Weiterentwicklungen in der E-Health Branche.
Weather Analyst – wie das Wetter wird, verraten Dir die Daten.
UX Data Analyst – der die User:innen versteht.
Als Data Analyst wirst Du viel mit deinen Dev-Kolleg:innen zusammenarbeiten, von denen Du Deine Datenbasis bekommst. Für Deine Interpretation und das Monitoring baust Du Dir Dashboards, um den Überblick über das Datenmeer zu haben. Du siehst: In der Datenanalyse ist echtes Teamwork gefragt und Du benötigst viel fachübergreifendes Wissen.
Gehalt: Was kannst Du als Data Analyst verdienen?
Dein Einstiegsgehalt als Data Analyst liegt bei 49.680 €. Innerhalb der ersten 5 Jahre steigt Dein durchschnittliches Jahresbruttogehalt auf 63.330 € und wenn Du mehr als 5 Jahre Berufserfahrung gesammelt hast, liegt Dein Gehalt als Data Analyst jährlich im Schnitt bei 72.220 €. Wenn Du mehr als 10 Jahre als Datenanalyst:in gearbeitet hast und eigene Teams führst, verdienst Du als Datenanalytiker:in über 92.930 €. Womit Du auf dem Gehaltszettel rechnen kannst, hängt zusätzlich von Faktoren wie der Unternehmensgröße oder dem Bundesland ab. Außerdem zählt Dein Verhandlungsgeschick beim Gehaltsgespräch. Einen Überblick, wie das Gehalt bei anderen Berufsfeldern ausfällt, verschafft Dir unsere Gehaltsstatistik.
- Du analysierst Daten und bewertest sie, um die bestmögliche Entscheidung für das Unternehmen zu finden.
- Deine wichtigsten Technologien sind SQL, XML, Javascript, R, Python, SAS, Hadoop und Machine Learning Programme wie TensorFlow.
- Als Data Analyst bist Du in sehr vielen Branchen gefragt und hast ausgezeichnete Berufsaussichten vom Versicherungswesen über Energieversorger bis zum Gesundheitswesen.
