In Folge 68 von MY DATA IS BETTER THAN YOURS (MDIBTY) ordnet Jonas Rashedi solo das Thema Teil 2 der Rollen-Serie: die zwei Rollen, über die am meisten gestritten wird ein. Konkret: Der Data Analyst arbeitet mit dem, was er hat: Wer Excel wirklich beherrscht — S-Verweis, Pivot, zwei Quellen sauber verbunden — verarbeitet damit erstaunlich große Datenmengen.
3 Erkenntnisse aus dieser Folge
- 01
Der Data Analyst arbeitet mit dem, was er hat: Wer Excel wirklich beherrscht — S-Verweis, Pivot, zwei Quellen sauber verbunden — verarbeitet damit erstaunlich große Datenmengen. Das Werkzeug entscheidet weniger als die Handlungsempfehlung am Ende.
- 02
Der Data Scientist kommt von der Methodenseite: firm in R, Python und SQL, oft direkt auf Snowflake, Hadoop oder Spark, zuständig für Predictive Modelling und Machine Learning.
- 03
Statt zu raten, welche Skills gefragt sind: Stellenanzeigen auf den Portalen durchgehen, die genannten Anforderungen in einer Matrix sammeln und die eigenen Fähigkeiten von 0 bis 10 dagegenhalten.
Worum es in dieser Folge geht
Das hier ist der zweite Teil meiner Rollen-Serie. Im ersten Teil bin ich die übrigen Rollen im Datenteam durchgegangen — hier kommen die beiden, über die am meisten diskutiert wird: Data Analyst und Data Scientist. Und am Ende die Frage, die mir öfter gestellt wird als jede andere: Brauche ich dafür ein Studium?
Die Storyline
Der Data Analyst
Der Data Analyst ist der, der tatsächlich mit den Daten arbeitet. Und weil ich ehrlich sein will: In sehr vielen Unternehmen heißt das immer noch manuelles Reporting — Zahlen in Excel und PowerPoint zusammenklicken.
Hoffentlich muss er nicht mehr viel manuell machen, sondern eher automatisiert.
Die Aufgabe geht weiter als das Aufbereiten: Daten in den Kontext setzen, fürs Management verständlich machen und daraus Handlungsempfehlungen ableiten. Das ist der Teil, der zählt.
Womit jemand das tut, hängt stark vom Reifegrad des Unternehmens ab. Das kann ein Web-Analyse-Tool sein, das kann Tableau sein, das können erste Schritte in R oder Python sein — manchmal aus einem Statistikstudium, manchmal ohne. Dazu kommen je nach Haus SQL für Datenbankabfragen oder auch JavaScript.
Und ein Punkt, der mir wichtig ist, weil er gerne belächelt wird: Wer sagt, bei Excel höre der Spaß für ihn auf, ist deshalb kein schlechter Analyst.
Die Leute, die sich sehr gut in Excel auskennen, können da schon eine sehr große Datenmenge verarbeiten.
Der Data Scientist
Die Rolle, die vor Jahren zum attraktivsten Beruf des 21. Jahrhunderts erklärt wurde. Der Unterschied zum Analysten liegt aus meiner Erfahrung weniger in der Datenmenge als in der Herkunft: Der Data Scientist kommt von der Methodenseite, arbeitet wissenschaftlich an die Daten heran.
In der Praxis heißt das: firm in R, Python und SQL, häufig mit direktem Zugriff auf Snowflake, Hadoop oder Spark, um dort die Modelle zu rechnen. Predictive Modelling, Machine Learning, Visualisierung und Storytelling gehören dazu.
Und jetzt zur Studiumsfrage
Meine Antwort ist kurz: Nein, grundsätzlich brauchst du kein Studium. Quereinstieg geht, aus einer Ausbildung heraus geht auch.
Die Begründung ist wichtiger als die Antwort. Fachwissen ist im Datenbereich vergänglich — was gestern gefeiert wurde, ist morgen ersetzt. Was bleibt, ist die Herangehensweise.
Deswegen stelle ich viele Brain-Teaser-Fragen, wenn ich Mitarbeiter einstelle.
Ich will sehen, wie jemand analytisch an ein Thema herangeht und wie er ein Business-Problem methodisch zerlegt, bis eine Lösung dasteht. Dafür braucht es Leidenschaft für das Thema und die Bereitschaft, sich ständig damit zu beschäftigen — über Datacamp, Udemy, Coursera oder was auch immer gerade passt.
Was ich dazu praktisch empfehle, weil HR-Abteilungen sehr unterschiedlich auf Lebensläufe schauen: Geht auf die Jobportale, lest die Beschreibungen genau und sammelt, welche Skills immer wieder genannt werden und welche selten. Daraus eine kleine Matrix bauen und die eigenen Fähigkeiten von 0 bis 10 danebenstellen. Und sucht den direkten Kontakt in die Fachabteilungen — die sagen euch, womit sie wirklich arbeiten.
Warum mich das besonders umtreibt
Ich bekomme diese Frage seit Jahren, und mich stört an der Debatte, dass sie meistens am falschen Ende geführt wird. Es geht nicht darum, ob ein Abschluss im Lebenslauf steht, sondern ob jemand ein Problem zerlegen kann. Genau deshalb sind Brain Teaser in meinen Gesprächen wichtiger als die Frage nach dem Lieblingstool.
Wenn du gerade in das Feld einsteigen willst: Fang mit der Matrix an. Sie kostet einen Abend und zeigt dir schwarz auf weiß, wo deine Lücke wirklich liegt — statt zu raten, ob dir ein Studium fehlt.