Lebenslauf Data Analyst: Tools, Geschäftswirkung, Projekte und Muster

Ein starker Lebenslauf als Data Analyst zeigt schnell zwei Dinge: welche Tools Sie wirklich beherrschen und welche Entscheidungen Ihre Analysen verändert haben. Nennen Sie oben eine klare Bezeichnung und Ihre wichtigsten Werkzeuge, etwa SQL, Python und Power BI. Schreiben Sie dann Stichpunkte, die Fragestellung, Methode und geschäftliches Ergebnis verbinden. Eine Seite genügt beim Einstieg, zwei mit Erfahrung. Haben Sie wenig Berufserfahrung, können ein oder zwei gut erklärte Projekte die Lücke schließen. Diese Anleitung gilt für Daten-, BI- und Produktanalysten sowie für Absolventen und Quereinsteiger, mit Vorher-Nachher-Beispielen und einem vollständigen Muster.

Mit Schwerpunkt und Tools beginnen

Schreiben Sie eine präzise Bezeichnung unter Ihren Namen, zum Beispiel „Data Analyst | SQL, Power BI, Python“. Das Kurzprofil nennt danach die Branche, die Art der Daten und ein starkes Ergebnis. Allgemeine Aussagen wie „zahlenaffin“ überzeugen allein nicht.

Vorher: Detailorientierter Analyst, der gern mit Daten arbeitet.

Nachher: Data Analyst mit 4 Jahren Erfahrung im E-Commerce. Erstellt SQL-Modelle und Power-BI-Dashboards für 3 Abteilungen und leitete die Preisanalyse hinter einer um 6 % verbesserten Marge.

Tiefe zeigen, nicht nur Tool-Namen

Viele Anzeigen verlangen SQL, ein Visualisierungstool und oft Python. „SQL“ allein sagt jedoch wenig. Zeigen Sie, was Sie damit tun: Joins, Fensterfunktionen, Abfrageoptimierung oder Datenmodelle. Tiefe ist mehr wert als eine lange Liste. Einsteiger konzentrieren sich am besten auf ein Visualisierungstool. Mehr dazu im Leitfaden zu Kenntnissen im Lebenslauf.

• SQL: BigQuery, PostgreSQL oder SQL Server; Joins, CTEs und Fensterfunktionen.
• BI: Power BI mit DAX und Power Query, Tableau oder Looker.
• Python oder R: pandas, Datenbereinigung, Notebooks und Automatisierung.
• Excel: Power Query, Pivot-Tabellen und Modelle, besonders im Controlling.
• Methoden: A/B-Tests, Kohortenanalyse, Prognosen und Segmentierung.

Belegen Sie jedes Haupttool im Berufserfahrungsteil mit Tabellenzahl, Datenmenge oder Nutzerkreis. Ein Zertifikat wie Microsoft PL-300 kann helfen, ersetzt aber keine Nachweise.

Analysen mit Entscheidungen verbinden

Unternehmen interessiert weniger die Eleganz der Methode als die Entscheidung, die daraus folgte. Ein gutes Muster lautet: Wessen Entscheidung, was wurde analysiert, was geschah danach? Nutzen Sie den Ansatz Handlung und Ergebnis. Die Zahlen sind Beispiele; nennen Sie nur Werte, die Sie erklären können.

Vorher: Wöchentliche Vertriebsberichte erstellt.

Nachher: Manuellen Wochenbericht durch ein Power-BI-Dashboard für 30 Nutzer ersetzt; 6 Stunden Arbeit pro Woche gespart, Vertriebsleiter sehen Zahlen am selben Tag.

Vorher: Kundendaten analysiert.

Nachher: Kohortenanalyse mit SQL und Python zeigte einen Einbruch im zweiten Monat; das daraufhin geänderte Onboarding steigerte die Bindung um 4 Prozentpunkte.

Vorher: A/B-Tests durchgeführt.

Nachher: 12 A/B-Tests im Checkout konzipiert und ausgewertet; 2 schädliche Änderungen vor dem Rollout gestoppt und eine Änderung mit 3 % mehr Conversion unterstützt.

Vorher: Daten bereinigt.

Nachher: Datenqualitätsprüfungen für 40 Tabellen mit Python automatisiert; Berichtsfehler verringert und den monatlichen Abgleich von 2 Tagen auf 3 Stunden gesenkt.

Dürfen Sie keine Umsatzwirkung nennen, schreiben Sie, wer die Arbeit genutzt hat und was sich für diese Personen geändert hat. Eingesparte Zeit, Nutzung, Genauigkeit und verhinderte Fehler sind echte Ergebnisse. Bleiben Sie ehrlich: Die meisten Erfolge entstehen im Team, schreiben Sie also „unterstützt“, wenn das zutrifft.

Projekte richtig einsetzen

Projekte sind entscheidend, wenn Sie umsteigen oder wenig Erfahrung haben. Wählen Sie ein oder zwei gute aus, statt alle Kursaufgaben aufzuzählen. Standardübungen mit bekannten Datensätzen beeindrucken selten, nehmen Sie also lieber eine echte Frage.

• Frage: was Sie herausfinden wollten und warum es wichtig ist.
• Daten: Quelle, Umfang und Bereinigung.
• Methode und Tools: Ihre Arbeit mit SQL, Python oder BI.
• Ergebnis: eine klare Schlussfolgerung und Empfehlung.
• Link: GitHub, Tableau Public oder ein funktionierendes Dashboard.

Nach Stelle und Erfahrung anpassen

• Industrie und Finanzen: Excel, Power BI, SAP-Daten, Prognosen, Berichte an Fachbereiche.
• Digital und Produkt: SQL, Python, Experimente, Funnels und Ereignisdaten.
• Einstieg: Studium, Abschlussarbeit, Werkstudentenstelle, Projekte. Siehe Lebenslauf ohne Erfahrung.
• Quereinstieg: Fachwissen mit neuen Fähigkeiten verbinden, siehe Leitfaden zum Berufswechsel.
• Senior: Datenstrategie, einheitliche Kennzahlen, Mentoring und Einfluss auf Führungsentscheidungen.

Übernehmen Sie Tool-Namen aus der Anzeige, wenn sie zutreffen, und prüfen Sie Ihre Begriffe mit den Schlüsselwörtern nach Branche. Arbeiten Sie an Datenpipelines und Produktivcode, hilft auch der Leitfaden für Softwareentwickler. In Deutschland sollten Sie außerdem Ihr Sprachniveau klar nennen, denn Berichte und Präsentationen laufen oft auf Deutsch.

Ein vollständiges kurzes Muster

Person und Zahlen sind erfunden, der Aufbau lässt sich aber übernehmen.

Nina Schulz | Data Analyst | SQL, Power BI, Python | Hamburg | Telefon | E-Mail | LinkedIn | github.com/beispiel

Profil: Data Analyst mit 4 Jahren im E-Commerce. Macht aus Kunden- und Verkaufsdaten Entscheidungen zu Preisen und Kundenbindung.

Berufserfahrung: Data Analyst, Hafenhandel GmbH, seit 2022. Power-BI-Dashboard für 30 Nutzer in 3 Abteilungen, 6 Stunden pro Woche gespart. Preisanalyse hinter 6 % besserer Marge. 12 A/B-Tests.

Junior Analyst, Elbe Insights GmbH, 2020 – 2022. SQL-Datenmodelle über 40 Tabellen. Qualitätsprüfungen automatisiert, Abgleich von 2 Tagen auf 3 Stunden.

Kenntnisse: SQL (BigQuery), Power BI (DAX), Python (pandas), Excel. Ausbildung: B.Sc. Wirtschaftsinformatik, Universität Hamburg, 2020. Zertifikat: PL-300, 2023. Englisch C1.

Häufige Fehler

• Tools auflisten, ohne ihre Anwendung zu belegen.
• Berichte beschreiben, ohne zu sagen, wer sie nutzt.
• Sich den Erfolg des gesamten Unternehmens zuschreiben.
• Vertrauliche Zahlen oder Kundendaten nennen.
• Portfolio-Projekte ohne Schlussfolgerung zeigen.
• Zahlenfehler, die bei Analysten besonders schaden.

Fazit

Prüfen Sie vor der Bewerbung, ob Bezeichnung, wichtigste Tools und drei entscheidungsbezogene Ergebnisse oben auf der ersten Seite stehen. Lesen Sie dann jede Zahl noch einmal. Der Leitfaden zum professionellen Lebenslauf hilft beim Aufbau.