Brauche ich ein Anschreiben für eine Data-Analyst-Stelle?

Wo das Anschreiben tatsächlich gelesen wird

Bei vielen Data-Analyst-Bewerbungen liest niemand das Anschreiben vor dem Lebenslauf. Ein Recruiter oder ein ATS scannt nach SQL, Python, Tableau, Power BI, dbt oder welchem Stack auch immer die Anzeige nennt, und ein Mensch öffnet das Anschreiben erst, wenn dein Lebenslauf diesen Filter bereits passiert hat. Zu diesem Zeitpunkt wird das Anschreiben schnell gelesen, oft vom Hiring Manager statt von HR, weil die Einstellung von Analysten meist beim Teamleiter liegt, der tatsächlich mit dir arbeiten wird.

Das verändert den Zweck des Anschreibens. Es ist nicht der Ort, an dem du beweist, dass du SQL-Joins kennst oder eine Window Function schreiben kannst. Das macht dein Lebenslauf und jeder Portfolio- oder GitHub-Link. Das Anschreiben zeigt, dass du das spezifische Problem verstanden hast, das die Anzeige beschreibt, und kurz sagen kannst, warum du eine plausible Lösung dafür bist. Wenn die Anzeige sagt, das Team braucht jemanden, der Dashboards für eine Marketing-Funktion erstellt und einen ETL-Prozess aufräumt, der derzeit jeden Monat abstürzt, will ein Hiring Manager sehen, dass du beide Dinge bemerkt hast, nicht einen Absatz über deine Begeisterung für datengetriebene Entscheidungsfindung.

Wo das Anschreiben wirklich Gewicht hat, ist wenn etwas in deinem Hintergrund Erklärung braucht, die der Lebenslauf allein nicht liefern kann: ein Wechsel aus Finance oder akademischer Forschung in Analytics, eine Lücke oder eine Diskrepanz zwischen deinem letzten Jobtitel und der Seniorität der Rolle, auf die du dich bewirbst. Wo es fast keines hat, ist wenn du als arbeitender Analyst dich lateral für eine ähnliche Rolle in einem ähnlichen Unternehmen bewirbst mit einem starken Lebenslauf und sauberer Arbeitshistorie. In dem Fall kostet dich ein generisches aber kompetentes Anschreiben nicht viel, und ein brillantes kauft dir auch nicht viel — der technische Test und die SQL- oder Take-Home-Aufgabe werden es entscheiden.

Die ein oder zwei Dinge, die ein Hiring Manager tatsächlich beantwortet haben will

Streicht man die Konvention "sag, warum du diesen Job willst", bleiben wirklich zwei Fragen übrig, und beide drehen sich um dasselbe: Kann diese Person eine Geschäftsfrage in eine Datenantwort verwandeln, und kann sie die Datenantwort zurück in etwas verwandeln, auf das ein nicht-technischer Stakeholder reagieren kann.

Die erste wird meist mit einem konkreten Beispiel beantwortet: ein Mal, als du eine mehrdeutige Anfrage genommen hast — "warum ist die Conversion letztes Quartal gefallen" statt einer ausgespezten Query — und herausgefunden hast, was tatsächlich zu messen ist, welche Tabellen oder Event Streams zu ziehen sind und was die Störfaktoren waren. Den Mechanismus zu nennen, zählt mehr als das Ergebnis zu nennen. "Ich habe mit den rohen Event-Daten in BigQuery gearbeitet, vor dem Vertrauen auf den Rückgang nach einer Tracking-Änderung gesucht, dann nach Channel segmentiert" zeigt einem Hiring Manager, wie du denkst. "Ich habe wichtige Insights identifiziert, die die Performance verbessert haben" sagt ihm nichts, weil das auf jeden Job mit dem Wort "Analyst" darin gleichermaßen zutreffen würde.

Die zweite ist der Teil, den Analysten oft überspringen, weil er sich weniger technisch anfühlt, aber meist die tatsächliche Lücke ist, die das Team zu füllen versucht. Die meisten Data-Analyst-Anzeigen beschreiben, wenn man über die Tool-Liste hinausliest, ein Kommunikationsproblem: Stakeholder, die den Zahlen nicht trauen, Dashboards, die niemand ansieht, Anfragen, die ohne klare Frage eintreffen. Wenn du eine Zeile Beleg hast, dass du Erkenntnisse Leuten präsentiert hast, die keine Analysten waren — ein Produktteam, ein Marketing-Lead, ein Finance Director — und geändert hast, was sie als Nächstes taten, pack es ins Anschreiben. Das ist häufig mehr wert als noch ein Satz über deine SQL-Kompetenz, weil SQL-Kompetenz das ist, wofür der technische Test da ist.

Was wegzulassen ist

Wiederhole deinen Lebenslauf nicht in Prosa. Wenn dein Lebenslauf bereits "5 Jahre Erfahrung mit SQL, Python, Tableau und Looker" auflistet, verschwendet die Wiederholung dieses Satzes im Anschreiben die einzigen zwei Absätze, die aufmerksam gelesen werden. Nutze das Anschreiben, um das eine hinzuzufügen, was der Lebenslauf nicht zeigen kann — Urteilsvermögen, Kontext oder die Überlegung hinter einem Projekt — nicht um zusammenzufassen, was bereits da steht.

Vermeide es, Tools zu nennen, die du nicht tatsächlich benutzt hast, nur weil die Anzeige sie auflistet. Wenn der Job dbt will und du nur rohe SQL-Scripts für Transformationen benutzt hast, sag das klar statt es anders anzudeuten; ein Data-Team findet es im ersten technischen Gespräch heraus, und eine dort entdeckte Diskrepanz kostet dich mehr Glaubwürdigkeit als es im Voraus zuzugeben.

Überspringe die Zeile über "Leidenschaft für Daten". Sie wird oft genug gesagt, dass sie aufgehört hat, etwas zu bedeuten, und sie unterscheidet dich nicht von den anderen Kandidaten, die sie auch geschrieben haben. Wenn du echtes Interesse signalisieren willst, tu es, indem du etwas Spezifisches über die Daten des Unternehmens erwähnst — ihr Produkt, ihre Reporting-Kadenz, eine öffentliche Aussage darüber, wie sie Analytics nutzen — statt einer Behauptung über deine Gefühle gegenüber Spreadsheets.

Entschuldige dich nicht für Lücken im Stack. Wenn die Rolle fortgeschrittene statistische Modellierung will und dein Hintergrund hauptsächlich deskriptives Reporting und Dashboarding ist, verbringe keinen Absatz damit zu erklären, was dir fehlt. Entweder machen Lebenslauf und Anschreiben zusammen den Fall, dass deine Stärken diese Lücke überwiegen, oder sie tun es nicht, und keine Menge an Vorbehalten ändert das.

Wenn du ein Portfolio, GitHub oder eine Take-Home hast, die du vorher gemacht hast

Viele Data-Analyst-Einstellungsprozesse beinhalten jetzt einen SQL-Test, eine Fallstudie oder eine kurze Take-Home-Analyse vor oder anstelle eines ersten Interviews. Wenn du öffentliche Arbeit hast — ein Dashboard, das du für ein persönliches Projekt erstellt hast, eine Kaggle-Analyse, ein GitHub-Repo mit sauberen, kommentierten Queries — ist ein einzelner Link im Anschreiben mehr wert als ein Absatz, der deine Fähigkeiten beschreibt, weil er dem Hiring Manager erlaubt, deine Behauptungen direkt zu prüfen, statt dir dafür beim Wort zu nehmen. Verlinke nur darauf, wenn es wirklich repräsentativ für deinen Standard ist; ein unordentliches oder halbfertiges Repo, das aus einem Anschreiben verlinkt ist, schadet mehr als gar kein Link.

Wenn die Anzeige ein bestimmtes Tool für Reporting nennt — Power BI, Looker, Tableau, Mode — und du etwas darin erstellt hast, sag es mit einem spezifischen Detail: "habe ein Tableau-Dashboard erstellt, das vom Vertriebsteam genutzt wird, um die wöchentliche Pipeline zu tracken" statt "erfahren mit Tableau". Die Spezifität ist es, was es überprüfbar und glaubwürdig macht; vage Behauptungen über Tool-Erfahrung sind das Einfachste, was man in ein Anschreiben schreiben kann, und das am wenigsten Überzeugende zu lesen.

Was als Nächstes zu tun ist

Lies die Anzeige zweimal, bevor du etwas schreibst. Das erste Mal für die Tools und das Seniorität-Level; das zweite Mal für das tatsächliche Problem, das im Verantwortungsbereich versteckt ist — das Dashboard, dem niemand traut, der Reporting-Prozess, der drei Tage dauert und einen dauern sollte, die Stakeholder-Gruppe, die immer wieder andere Zahlen verlangt. Schreibe deine Eröffnungszeile über dieses Problem, nicht über das Mission Statement des Unternehmens.

Dann schreibe zwei kurze Absätze: ein konkretes Beispiel, wie du eine mehrdeutige Frage in eine datengestützte Antwort verwandelt hast, unter Verwendung der tatsächlichen Tools aus deinem Lebenslauf, und ein konkretes Beispiel, wie du diese Antwort vor jemanden nicht-technischen gebracht und eine Entscheidung geändert hast. Schließe in zwei Zeilen. Wenn du keinen der Absätze mit etwas Spezifischem und Wahrem füllen kannst, ist das nützlichere Information als ein poliertes Anschreiben, das darüber hinwegtäuscht — es sagt dir, welchen Teil deiner Erfahrung du als Nächstes aufbauen musst oder für welche Rollen du aufhören solltest dich zu bewerben, bis du ihn hast.

Wenn was tatsächlich scheitert das Volumen ist — Bewerbungen schneller rauszuschicken als du jede auf die echte Anforderung der Anzeige zuschneiden kannst — ist das ein anderes Problem als das Anschreiben selbst, und wert, ehrlich benannt zu werden, statt es mit einem besseren Template zu beheben. jobmarket.pro ist für diesen Fall gebaut: es liest jede Anzeige vollständig, legt dar, wo dein Profil passt und wo nicht, und entwirft die Bewerbung aus einem Profil, in das es keine Erfahrung erfinden kann.