Welches Skillset braucht ein Data Analyst?

Technische Skills

SQL als Basis: Daten aus Datenbanken ziehen, transformieren, aggregieren. Excel oder Google Sheets für Schnellanalysen. Python (pandas, numpy) oder R für komplexe Auswertungen. Visualisierungstool: Tableau, PowerBI, Looker. Cloud-Plattformen: BigQuery, Snowflake, Redshift. Diese Tool-Kette ist Standard.

Statistische Skills

Deskriptive Statistik (Lage, Streuung). Hypothesentests (t-Test, Chi-Quadrat). Korrelation und Regression. A/B-Test-Auswertung. Sampling und Stichproben-Logik. Keine Universitäts-Tiefe nötig, aber sauberes Verständnis. Wer Statistik ignoriert, produziert technische Reports ohne Aussagekraft.

Business und Domänen-Verständnis

Welche Frage beantwortet der Fachbereich? Welche Kennzahlen sind wichtig? Welche Entscheidung soll die Analyse stützen? Ohne dieses Verständnis arbeitet ein Data Analyst aneinander vorbei. Erfolgreiche Analysten verbringen 30 Prozent ihrer Zeit mit Fachbereichen, nicht nur mit Code.

Kommunikation und Storytelling

Erkenntnisse müssen für Entscheider verständlich sein. Eine 50-seitige Excel-Tabelle ist kein Ergebnis. Schlanke Dashboards, klare Headlines, einfache Visualisierungen, schriftliche Empfehlungen. Storytelling mit Daten ist der Skill, der mittlere Analysten von guten unterscheidet. Wer technisch top, aber kommunikativ schwach ist, bleibt unsichtbar.