Quereinstieg in die Datenanalyse

Was tatsächlich übertragbar ist

Wenn Sie jahrelang im Finanzwesen, im operativen Geschäft, im Marketing, im Unterrichtswesen oder im Kundensupport gearbeitet haben, bringen Sie davon bereits etwas mit. Fachkenntnisse sind der Teil, den Personalverantwortliche in Stellenanzeigen unterbewerten und in Vorstellungsgesprächen überbewerten: Ein Analyst, der versteht, was eine Abwanderungsrate in einem Abo-Geschäft bedeutet oder was ein Begriff in den Anwesenheitsdaten einer Schule aussagt, kommt schneller zur nützlichen Frage als jemand, der nur die Syntax kennt. Spreadsheet-Kompetenz überträgt sich direkt — Pivot-Tabellen, SVERWEIS/XVERWEIS, grundlegende Formellogik in Excel oder Google Sheets ist funktional dieselbe Fähigkeit wie das Schreiben eines GROUP BY in SQL, nur weniger skalierbar. Wenn Ihre frühere Arbeit das Erstellen von Berichten für andere umfasste, das Abgleichen von Zahlen, die nicht übereinstimmten, oder das Erklären einer Kennzahl an jemanden, der den Vorbehalt nicht hören wollte, dann ist das Stakeholder-Management, und es ist eine echte und separat bewertete Fähigkeit in diesem Job.

Was sich nicht überträgt, sind die Werkzeuge, und es gibt keinen Weg daran vorbei, sie ordentlich zu lernen. SQL ist nicht optional; es ist der Basistest in fast jedem technischen Screening für diese Rolle, und „Ich habe viel Excel benutzt" beantwortet keine Frage zu Joins oder Window Functions. Die meisten Stellenanzeigen nennen außerdem mindestens eines von Python, R, Tableau, Power BI oder Looker, und zunehmend dbt für jeden, der in der Nähe eines modernen Data Warehouse arbeitet. Allgemeine Computer-Versiertheit ersetzt nicht, tatsächlich fünfzig SQL-Abfragen gegen einen echten Datensatz mit doppelten Zeilen und inkonsistenter Formatierung geschrieben zu haben.

Gibt es eine Qualifikation oder Lizenz

Nein. Es gibt keine Berufsorganisation, keinen geschützten Titel, keine Registrierung und nichts, das einer Berufszulassung ähnelt, anders als in manchen regulierten Bereichen. Das ist in einem Sinne eine gute Nachricht — niemand kann Sie auf dem Papier ausschließen — und in einem anderen eine schlechte, denn es bedeutet, dass die existierenden Qualifikationen (Google Data Analytics Certificate, Microsofts Power BI-Zertifizierung, IBM Data Analyst Professional Certificate, CompTIA Data+) kein rechtliches oder Lizenzgewicht haben. Sie fungieren als Signal, dass Sie das Thema ernst genug genommen haben, um etwas abzuschließen, und manche Recruiter nutzen sie als ATS-Keyword-Filter, was ein realer, wenn auch unspektakulärer Grund ist, eine zu besitzen. Sie ersetzen aber kein technisches Screening, und ein Personalverantwortlicher, der hundert dieser Zertifikate auf hundert Lebensläufen gesehen hat, wird Ihres nicht als für sich allein differenzierend behandeln. Ein Abschluss in Statistik, Wirtschaft oder einer quantitativen Wissenschaft hilft bei analytisch anspruchsvolleren Arbeitgebern, insbesondere solchen, die Kausalinferenz oder Experimentierarbeit machen, ist aber für die Mehrzahl der Analyst-Rollen, bei denen es wirklich um das Abfragen, Bereinigen und Berichten bereits existierender Daten geht, nicht erforderlich.

Woran Ihre Bewerbung scheitern kann

Drei spezifische Hindernisse, keine allgemeinen. Erstens Keyword-Filterung: Wenn die Anzeige SQL, Python und Tableau sagt und Ihr Lebenslauf "datengestützte Entscheidungsfindung" sagt, ohne die Werkzeuge zu nennen, werden Sie möglicherweise überhaupt nicht von einer Person gelesen. Setzen Sie die tatsächlichen Werkzeugnamen hinein, und nur die, die Sie unter Befragung verteidigen können.

Zweitens das Titel-Problem. Wenn Ihre letzten drei Berufsbezeichnungen Marketing Coordinator oder Operations Manager waren, wird Sie ein ATS und ein überfließender Recruiter als unqualifiziert lesen, unabhängig davon, was Sie in diesen Rollen taten, weil das System auf Titel ebenso viel matcht wie auf Inhalt. Die Lösung ist nicht, über den Titel zu lügen — sie besteht darin, den analytischen Teil der Arbeit im ersten Drittel Ihres Lebenslaufs zu platzieren, beschrieben in Analyst-Sprache: "wöchentliche Reporting-Dashboards in Power BI für 40 Einzelhandelsstandorte erstellt" liest sich als Analyst-Arbeit auch unter einem Operations Manager-Titel, wenn es weit oben und spezifisch ist.

Drittens, und das unterschätzen Quereinsteiger: das Live-Technical-Screen. Eine Take-Home-Übung oder ein Shared-Screen-SQL-Test ist mittlerweile Standard bei den meisten Unternehmen jenseits früher Startup-Größe, und hier brechen selbst beigebrachte Fähigkeiten, die in einem Portfolio-Projekt im eigenen Tempo gut aussehen, unter fünfzehn Minuten und jemandem, der zuschaut, zusammen. Wenn Sie noch nicht SQL gegen die Uhr mit jemand anderem im Raum geschrieben haben, sind Sie für diese Phase noch nicht bereit, egal wie gut Ihr Portfolio aussieht.

Zum Portfolio selbst: Ein Projekt mit einem sauberen Kaggle-Datensatz wird mittlerweile vorausgesetzt und unterscheidet Sie nicht. Was das tut, ist ein Projekt, das auf unordentlichen, echten oder zumindest realistisch unordentlichen Daten aufbaut — gescrapt, von einer echten API exportiert oder ein echter Datensatz aus Ihrem früheren Bereich (Schulanwesenheitsdaten, Verkaufsdaten von Ihrem alten Job, wenn Sie sie anonymisieren dürfen, öffentliche Gesundheits- oder Verkehrs-Open-Data) — mit einer Ausarbeitung, die die Entscheidungen zeigt, die Sie über fehlende Werte und Ausreißer getroffen haben, nicht nur ein fertiges Diagramm.

Wie lange das tatsächlich dauert

Seien Sie vorsichtig bei allem, was einen schnellen Weg verspricht. Für jemanden, der Vollzeit arbeitet und nebenbei lernt, liegt die realistische Spanne, um von null SQL zu einem bestandenen Technical Screen eines Junior Analysts zu kommen, bei sechs bis zwölf Monaten konsistenter, wöchentlicher Übung — nicht sechs Wochen eines Bootcamps, obwohl ein Bootcamp diese Zeit für Sie strukturieren kann. Diese Schätzung deckt das Lernen von SQL auf einem Level, bei dem Joins, Aggregationen und Window Functions komfortabel sind, das Lernen eines Visualisierungs-Tools (Tableau oder Power BI) auf einem Level, bei dem Sie etwas bauen können, das ein Stakeholder tatsächlich nutzen würde, und den Bau von zwei oder drei Portfolio-Projekten mit echten Daten und einer schriftlichen Erklärung Ihrer Überlegungen ab.

Danach rechnen Sie damit, dass die Jobsuche selbst länger dauert als in Ihrem letzten Bereich, weil Sie gegen Kandidaten konkurrieren, die bereits einen Analyst-Titel auf ihrem Lebenslauf haben, und weil das Einstiegslevel-Ende dieses Markts überfüllt ist mit Bootcamp-Absolventen und anderen Quereinsteigern, die genau das tun, was Sie tun. Ein Wechsel innerhalb Ihres aktuellen Arbeitgebers — in eine Reporting- oder Insights-Rolle, die an die Abteilung angegliedert ist, die Sie bereits kennen — ist sehr oft schneller als eine externe Einstellung, weil Ihre Fachkenntnisse und Ihr internes Vertrauen bereits existieren und der Arbeitgeber nur ein Risiko bei der technischen Lücke eingehen muss, nicht bei Ihnen als Person. Wenn dieser interne Weg wirklich nicht existiert, behandeln Sie sechs Monate Studium plus drei bis sechs Monate aktiver Suche als den ehrlichen Boden, nicht die Decke.

Wo das verschlossen statt schwer ist: Wenn Sie keinen Zugang zu irgendeinem echten oder realistischen Datensatz bekommen können, um ein Portfolio aufzubauen, und Sie sich kalt bei Unternehmen mit formalen, hochvolumigen technischen Screenings bewerben (die meisten großen Tech-Arbeitgeber), werden Sie wahrscheinlich herausgefiltert, bevor jemand Ihre Überlegungen zu Ihrer alten Karriere liest. Das ist kein Fähigkeitenproblem, es ist ein Zugangsproblem, und die praktische Lösung sind kleinere oder weniger formale Arbeitgeber zuerst oder der interne Wechsel, nicht mehr Zertifikate.

Was als nächstes zu tun ist

Wählen Sie einen Tool-Stack (SQL plus Tableau oder Power BI, nicht fünf Dinge auf einmal) und einen echten Datensatz, der mit einem Bereich verbunden ist, den Sie bereits verstehen. Bauen Sie damit etwas, das Sie Abfrage für Abfrage erklären können. Schreiben Sie Ihren Lebenslauf um, sodass die analytischen Teile Ihrer aktuellen oder letzten Arbeit im ersten Drittel der Seite stehen, benannt im Vokabular, das die Stellenanzeigen verwenden, nicht in Ihrem eigenen. Bewerben Sie sich dann auf Rollen, bei denen Ihre Fachkenntnisse explizit relevant sind — ein Marketer, der sich bei einem Retail-Analytics-Team bewirbt, ein Lehrer, der sich auf eine Education-Data-Rolle bewirbt — denn dort ist Ihre alte Karriere ein Vorteil statt etwas, das erklärt werden muss. jobmarket.pro liest jede Anzeige vollständig und prüft sie gegen ein Profil, bevor eine Bewerbung rausgeht, was speziell deshalb nützlich ist, weil es Ihnen sagt, wo eine Fachkenntnislücke oder ein fehlendes Werkzeug eine Bewerbung versenken wird, bevor Sie sie absenden.