Berufsbild und Berufsporträt: Datenanalystin

Datenanalystin
Bild: mit KI erstellt (Symbolbild)

Beitragsbild: mit KI erstellt (Symbolbild)

Datenanalystinnen, in Stellenanzeigen meist Data Analyst genannt, werten die Daten eines Unternehmens aus: Umsätze, Bestellungen, Lagerbestände, Maschinen- oder Webseitendaten. Sie holen die Rohdaten aus Datenbanken, bereinigen sie, suchen nach Mustern und bereiten die Ergebnisse als Bericht oder Dashboard für die Fachabteilungen auf. Geschützt ist die Bezeichnung nicht. Laut BERUFENET der Bundesagentur für Arbeit erwarten Arbeitgeber meist ein Studium der Informatik, Mathematik oder Data Science oder eine einschlägige Weiterbildung. Ohne Studium geht es über die dreijährige duale Ausbildung zur Fachinformatikerin für Daten- und Prozessanalyse, auf die eine IHK-Fortbildung zur Berufsspezialistin für Datenanalyse aufbauen kann.

Von der Fachfrage zur Empfehlung

Am Anfang steht meist eine Frage aus einer Fachabteilung, etwa warum der Absatz eines Produkts in einer Region sinkt, welche Kundengruppen ihr Abo kündigen oder wo in der Fertigung Ausschuss entsteht. Die Analystin klärt mit den Beteiligten, welche Daten es dazu gibt, fragt sie aus Datenbanken und Geschäftssystemen ab und führt die Quellen zusammen. Danach werden die Daten bereinigt, also doppelte Einträge, fehlende Werte, uneinheitliche Schreibweisen und Ausreißer behandelt.

Erst dann beginnt die eigentliche Auswertung. Die Analystin berechnet Kennzahlen, vergleicht Entwicklungen über die Zeit, prüft Zusammenhänge und erstellt, wo es passt, Prognosen. Die Ergebnisse stellt sie als Diagramm, Bericht oder interaktives Dashboard dar und erklärt sie der Fachabteilung oder der Geschäftsleitung so, dass daraus eine Entscheidung werden kann, zum Beispiel über Preise, Sortiment oder Personalplanung. Geht es um personenbezogene Daten von Kundinnen oder Beschäftigten, gilt die Datenschutz-Grundverordnung; ausgewertet wird dann häufig mit anonymisierten oder zusammengefassten Daten.

Abfragen, Regression, Entscheidungsbäume

Viele Fragen aus dem Geschäftsalltag lassen sich mit Datenbankabfragen, Kennzahlen und Grundverfahren der Statistik beantworten. Für Prognosen und Gruppierungen kommen Verfahren aus dem Data Mining und dem maschinellen Lernen hinzu. Aufwendige Modelle wie neuronale Netze entwickeln in größeren Unternehmen eher Data Scientists, mit denen Analystinnen eng zusammenarbeiten.

Verfahren Wozu es dient Anwendungsbeispiele
Clustering Gruppierung ähnlicher Datenpunkte Kundensegmentierung, Bilderkennung
Lineare Regression Modellierung linearer Zusammenhänge Preisschätzungen, Verkaufsprognosen
Entscheidungsbäume Regeln zur Einordnung von Datensätzen Kreditrisikobewertung, Diagnosesysteme
Neuronale Netze Lernende Modelle, lose nach dem Vorbild von Nervenzellen Spracherkennung, Bildklassifizierung
Bildschirmansicht mit mehreren Balken-, Flächen- und Kreisdiagrammen in Blau- und Grüntönen, wie sie in Auswertungsprogrammen entstehen.
Bild: mit KI erstellt (Symbolbild)

Grundwerkzeug ist SQL, die Abfragesprache für relationale Datenbanken. Für Auswertungen und Automatisierung kommen Python oder R hinzu, für Berichte und Dashboards Business-Intelligence-Programme wie Power BI oder Tableau. Mit KNIME lassen sich Auswertungen als grafische Arbeitsabläufe zusammenstellen, ohne jeden Schritt selbst zu programmieren. Für kleinere Aufgaben bleibt die Tabellenkalkulation im Einsatz. Viele dieser Programme bieten inzwischen KI-Funktionen, die Abfragen oder Diagramme aus einer Texteingabe erzeugen; ob das Ergebnis stimmt, muss die Analystin trotzdem selbst prüfen. Weil Dokumentationen meist auf Englisch vorliegen und viele Teams international arbeiten, gehören gute Englischkenntnisse dazu.

Studium, Ausbildung oder Fortbildung

Über ein Studium

Als Studienfächer nennt BERUFENET unter anderem Data Science, Informatik, Wirtschaftsinformatik, Mathematik und Statistik. Data Science gibt es auch als eigenes Fach. An der Hochschule Darmstadt etwa startet der Bachelor Data Science und Künstliche Intelligenz erstmals zum Wintersemester 2026/27; er dauert sechs Semester, ist zulassungsfrei und sieht im letzten Semester ein Praxismodul vor. Wirtschaftsinformatik verbindet Programmierung und Datenbanken mit Betriebswirtschaft und passt zu Analyseaufgaben in Vertrieb, Controlling oder Einkauf. Am tiefsten in die Mathematik geht ein Statistikstudium, das auch in die amtliche Statistik und in die Forschung führt; Aufbau und Inhalte beschreibt das Berufsbild Statistikerin.

Nach dem Bachelor kann ein Master folgen, etwa in Data Science. Wie Absolventinnen und Absolventen eines solchen Masters ihre Stellen als Data Scientist oder Data Engineer beschreiben, zeigen zum Beispiel die Erfahrungsberichte der Hochschule Luzern in der Schweiz.

Über die Ausbildung zur Fachinformatikerin

Seit 2020 gibt es in der Ausbildung zur Fachinformatikerin die Fachrichtung Daten- und Prozessanalyse. Sie dauert laut Fachinformatikerausbildungsverordnung drei Jahre und findet im Betrieb und in der Berufsschule statt. Zur Fachrichtung gehören das Analysieren von Arbeits- und Geschäftsprozessen und von Datenquellen, das Bereitstellen von Daten, deren Nutzung zur Verbesserung von Prozessen und Geschäftsmodellen sowie Datenschutz und Datensicherheit. Einen bestimmten Schulabschluss schreibt die Verordnung nicht vor; die Betriebe wählen ihre Auszubildenden selbst aus.

Frauen sind in dieser Fachrichtung in der Minderheit. 2024 schlossen 90 Frauen einen der 435 neuen Ausbildungsverträge ab, das sind rund 21 % (BIBB-Datenblatt Daten- und Prozessanalyse).

Über die IHK-Fortbildung

Seit 2024 ist die Fortbildung zur Geprüften Berufsspezialistin für Datenanalyse bundesweit einheitlich geregelt (Datenanalyse-Fortbildungsprüfungsverordnung). Die Prüfungen bieten die Industrie- und Handelskammern an, vorgesehen ist ein Lernumfang von mindestens 400 Stunden. Zugelassen wird, wer eine IT-Ausbildung abgeschlossen hat, nach einer anderen Ausbildung mindestens ein Jahr einschlägig gearbeitet hat oder vier Jahre einschlägige Berufspraxis nachweist. Damit steht der Abschluss auch Quereinsteigerinnen offen, etwa Kauffrauen, die im Controlling bereits mit Auswertungen arbeiten.

Verdienst laut Entgeltatlas

Eine eigene Gehaltsstatistik für Datenanalystinnen gibt es nicht. Der Entgeltatlas der Bundesagentur ordnet den Beruf der Berufsgattung Datenbankentwicklung und -administration (Spezialistentätigkeiten) zu. Dort lag das mittlere Bruttomonatsentgelt in Vollzeit 2025 bei rund 5.920 € (Median). Berufseinsteigerinnen verdienen in der Regel weniger, außerdem unterscheiden sich die Werte nach Branche und Region.

Arbeitgeber und Arbeitsmarkt

Auch für den Arbeitsmarkt gibt es keine eigene Statistik; der Beruf zählt zu den IKT-Berufen. Für diese Gruppe insgesamt meldet die Statistik der Bundesagentur für 2025 einen Anstieg der Arbeitslosenquote auf 4,5 %. Bei IKT-Expertinnen und -Experten, die in der Regel einen Hochschulabschluss haben, lag sie bei 3,5 %.

Beschäftigt werden Datenanalystinnen laut BERUFENET bei IT-Dienstleistern und Softwareherstellern, in Betrieben fast aller Wirtschaftsbereiche mit großen Datenbeständen und in der öffentlichen Verwaltung. Häufige Arbeitgeber sind:

  • Banken, Versicherungen und andere Finanzdienstleister
  • Unternehmensberatungen
  • IT-Unternehmen und Softwarehersteller
  • Handel und Onlinehandel
  • Telekommunikationsunternehmen
  • Industriebetriebe und Energieversorger
  • Krankenkassen, Sozialversicherungen und Behörden

Ein Teil der Analystinnen arbeitet freiberuflich und übernimmt Auswertungen für wechselnde Auftraggeber. Das setzt Berufserfahrung, einen eigenen Kundenstamm und Kenntnisse in Vertrags- und Datenschutzfragen voraus.

Spezialisierung oder Leitung

Mit wachsender Erfahrung übernehmen Analystinnen größere Projekte, betreuen Fachbereiche wie Marketing, Finanzen oder Logistik oder wechseln in benachbarte Rollen. Die Bezeichnungen unterscheiden sich von Unternehmen zu Unternehmen; verbreitet sind diese:

Rolle Schwerpunkt Voraussetzungen
Senior oder Lead Data Analyst Anspruchsvolle Analysen, Beratung der Geschäftsleitung, fachliche Anleitung im Team Mehrjährige Erfahrung, Branchenkenntnis, sicheres Präsentieren
Data Scientist Statistische Modelle, maschinelles Lernen, Prognosen Vertiefte Kenntnisse in Mathematik und Programmierung
Data Engineer oder Datenarchitektin Aufbau von Datenbanken, Datenflüssen und Datenplattformen Gute Datenbank- und Programmierkenntnisse
Teamleitung Data & Analytics Führung eines Analyseteams, Planung, Budget Führungserfahrung, Geschäftsverständnis

Eine Promotion ist nach BERUFENET vor allem für eine wissenschaftliche Laufbahn an Hochschulen erforderlich. In der Privatwirtschaft kann sie den Zugang zu gehobenen Positionen erleichtern.


Hinterlasse jetzt einen Kommentar

Kommentar hinterlassen