Datenanalyst - wie Sie Ihre Karriere mit einem nicht-technischen Hintergrund beginnen können

Sind Sie daran interessiert, in die Welt der Datenanalyse einzusteigen? Sie wissen nicht, wo Sie anfangen sollen? Sie haben immer mehr Fragen im Kopf? Ich habe das selbst schon erlebt und einige Lektionen auf die harte Tour gelernt. Ich teile meine Erfahrungen, um Ihnen hoffentlich Kopfschmerzen zu ersparen :)

Die zwei Gesichter des Analytikers

Sie haben wahrscheinlich eine Vorstellung davon, was Analysten tun. Grob gesagt besteht ihre Aufgabe darin, Geschäftsprobleme mithilfe von Daten zu lösen. Aber die Welt der Analytik ist nicht statisch. Sie hat sich in den letzten Jahren rasant weiterentwickelt. Immer mehr Menschen haben im Rahmen ihrer täglichen Arbeit mit Daten zu tun. Folglich gibt es eine große Vielfalt, was die Fähigkeiten und Verantwortlichkeiten in datenbezogenen Rollen angeht. Wenn Sie zufällig zwei Analysten auswählen, können deren tägliche Aufgaben völlig unterschiedlich sein. Nachdem ich einige Zeit in diesem Bereich verbracht habe, ist mir aufgefallen, dass sich zwei besonders gegensätzliche Profile herauskristallisiert haben. Sie können versuchen, sie voneinander zu unterscheiden, indem Sie sich die Tools ansehen, die jeder von ihnen täglich verwendet.

"Profil 1" Analysten verwenden meist Tabellenkalkulationen und Präsentationen, um Erkenntnisse zu gewinnen und zu liefern. Diese Leute sind in der Regel eng mit dem Unternehmen verbunden und verlassen sich stark auf ihr Fachwissen. Die Tools, die sie verwenden, sind den Geschäftsanwendern gut bekannt und werden von ihnen verstanden, auch wenn sie in Bezug auf die Skalierbarkeit recht begrenzt sind. Der besseren Übersichtlichkeit halber nennen wir dieses Profil "Business Analyst".

Die zweite Art von Analysten hingegen verfügt über eine breitere Palette von technischen Tools. Sie sind in der Lage, Daten-Workflows zu automatisieren und ihre Arbeit zu skalieren. Lassen Sie sie uns "Datenanalysten" nennen. Es ist sicherlich kein Prinzip, aber einige Datenanalysten, die ich kennengelernt habe, waren relativ weit vom Geschäft entfernt. Da sie zu den technischen Teams gehörten, waren sie stark auf das Fachwissen der eher geschäftsorientierten Gruppen angewiesen.

Was ist besser - Business Analysten oder Datenanalysten?

Sowohl Business Analysten als auch Datenanalysten können einen großen Wert für das Unternehmen darstellen. Beide sind in der Lage, Geschäftswissen anzuwenden, um Datenprodukte zu liefern. Der wahre Unterschied liegt in der Art und Weise, wie ihre Arbeit skaliert.

Für einen Business Analysten besteht irgendwann die einzige Möglichkeit, mehr Wert zu schaffen, darin, mehr Arbeitsstunden in einen Tag zu quetschen. Das liegt daran, dass die Pflege von Berichten, die in Tabellenkalkulationen erstellt wurden, sehr zeitaufwändig ist (selbst nach Anwendung einiger cleverer Hacks). Das Paradoxe ist, dass Sie umso weniger Zeit dafür haben, je erfolgreicher Sie bei der Erstellung hochwertiger Datenprodukte sind. Aber auch härteres Arbeiten hat seine Grenzen, denn Sie haben nur 24 Stunden am Tag. Es gibt einen Punkt, den Sie nicht überschreiten können, egal was Sie tun.

Unabhängig von Ihrem derzeitigen Profil würde ich sagen, dass es sich aus sehr pragmatischen Gründen auf jeden Fall lohnt, mehr technische Fähigkeiten in Ihr Portfolio aufzunehmen. Das Wissen und die Erfahrung, die Sie im Laufe der Jahre erworben haben, haben in diesem Fall eine große Hebelwirkung. Wenn Sie Ihr Portfolio um weitere technische Fähigkeiten erweitern, kommen Sie wahrscheinlich dem Klonen Ihrer selbst am nächsten. So können Sie in der gleichen Zeit mehr produzieren.

Eine Person mit den Fähigkeiten eines Datenanalysten muss seine Produkte auch pflegen. Der Unterschied besteht darin, dass die Kosten für eine Lösung von ähnlicher Komplexität viel geringer sind. In einigen Fällen können sie sogar vernachlässigbar sein.

Beispiel:
Ich habe meine Karriere mit den Fähigkeiten eines Business Analysten begonnen. In meinem Team gelang es uns, einen Tabellenkalkulationsbericht zu erstellen, der in unserem Unternehmen sehr beliebt wurde. Wir wurden gebeten, ihn einmal pro Woche zu aktualisieren, was für eine Person jede Woche fast einen ganzen Tag Arbeit bedeutete. Nachdem ich später meine SQL- und BI-Kenntnisse erweitert hatte, erstellte ich viele ähnlich komplexe Berichte mit täglichen oder sogar noch häufigeren Aktualisierungszeitplänen, die viele Wochen hintereinander überhaupt keine Pflege benötigten.

Wie fange ich mit Data Analyst an?

Wenn Sie sich bewusst sind, dass es verschiedene Arten von Menschen gibt, die mit Daten arbeiten, sollte das Ihr Selbstvertrauen bei der Planung Ihres Übergangs stärken. Sie müssen nicht vom ersten Tag an jede mögliche Technologie beherrschen. Es gibt viele Unternehmen, die auch andere Fähigkeiten zu schätzen wissen. Ein Ansatz, der für mich sehr gut funktioniert hat, bestand darin, meine derzeitigen Fähigkeiten zu nutzen, um meiner Traumposition so nahe wie möglich zu kommen. Anfangs war sie ziemlich weit weg, aber ab diesem Zeitpunkt konnte ich acht Stunden am Tag üben und mein Wissen erweitern. Außerdem wurde ich natürlich dafür bezahlt. Ich hatte keine Chance, nach Feierabend so viel Zeit mit Lernen zu verbringen.

Beispiel:

Da ich einen betriebswirtschaftlichen Hintergrund habe und keine technischen Kenntnisse besitze, kam ich dem Bereich am nächsten, indem ich Business Analyst wurde. Ich war Teil eines Finanzteams und nutzte hauptsächlich mein Fachwissen und... natürlich Tabellenkalkulationen (Finanzleute lieben Tabellenkalkulationen) ;). In dieser Funktion konnte ich acht oder mehr Stunden pro Tag damit verbringen, analytische Probleme in einem Finanzbereich zu lösen. Das war großartig, um Erfahrungen zu sammeln, und verschaffte mir viel Zeit, um nach Feierabend meine technischen Fähigkeiten zu verbessern. Im Laufe der Zeit konnte ich mich langsam auf die Fähigkeiten eines Datenanalysten umstellen.

Wenn ich Ihnen einen Rat geben soll, der auf meiner Erfahrung beruht, dann wäre es etwas in dieser Richtung:

Denken Sie an Ihre Stärken. Versuchen Sie, eine Tätigkeit zu finden, die sich mit dem überschneidet, was Sie können und was Sie anstreben. Bauen Sie darauf auf. Überstürzen Sie die Dinge nicht. Irgendwann werden Sie es schaffen.

Welche Fähigkeiten werden Sie benötigen?

Wir sprechen viel über die Entwicklung von Fähigkeiten. Aber welche Fähigkeiten sind es wirklich wert, entwickelt zu werden? Hier ist meine subjektive Meinung dazu. Ich habe die Liste in zwei Gruppen unterteilt: technische Fähigkeiten und geschäftliche Fähigkeiten. Einige von ihnen habe ich mit Kirschen markiert. Das sind die Fähigkeiten, die besonders gut auf die aktuellen Trends abgestimmt sind. Wenn Sie sie in Ihr Portfolio aufnehmen, können Sie sich von der Masse abheben.

Datenanalyst - Technische Kenntnisse
SQL

SQL ist eine relativ einfache, aber leistungsstarke Sprache, mit der Sie Daten in einer Datenbank manipulieren können. Sie ist äußerst beliebt. Sie wird Ihnen in den meisten Unternehmen und Stellenangeboten begegnen. Als Datenanalyst werden Sie viel Zeit mit der Verarbeitung von Daten verbringen und SQL sollte Ihr bester Freund werden. Es ist eine deklarative Sprache, d.h. Sie verwenden sie, um zu "beschreiben", was Sie erreichen wollen. Sie müssen nicht darüber nachdenken, welche Operationen auf niedriger Ebene erforderlich sind, um das Ziel zu erreichen. Eine Datenbank wird das für Sie erledigen. Es ist auch eine großartige Sprache, wenn Sie noch keine Erfahrung mit der Programmierung haben. Sie ist sehr prägnant. Aufgrund ihrer Einfachheit ist sie ein guter Test, um zu prüfen, ob Sie gerne Code schreiben. Es ist auch eine solide Grundlage für die weitere Entwicklung. Wenn Sie nicht wissen, wie Sie anfangen sollen, empfehle ich Ihnen "SQL Queries for Mere Mortals", ein Buch von John Viescas und Michael J. Hernandez.

BI

Mit BI-Tools können Sie Geschäftsanwendern Daten auf Knopfdruck zur Verfügung stellen. Durch ihre Interaktivität verbessern sie die Art und Weise, wie Menschen mit Daten umgehen, dramatisch. Die gute Nachricht ist, dass es recht einfach ist, mit ihnen zu beginnen. Die Beherrschung wird einige Zeit in Anspruch nehmen, aber zum Glück brauchen Sie keinen schwarzen Gürtel, um viele nützliche Aufgaben zu erledigen. Einige der beliebtesten Tools auf dem Markt sind PowerBI, Tableau und Data Studio. Ich empfehle Ihnen, sich auf den Websites dieser Tools Beispiel-Dashboards anzusehen, die mit diesen Tools erstellt wurden. So können Sie sich ein Bild davon machen, wozu sie in der Lage sind. Suchen Sie sich dann das Tool aus, das Ihnen (oder Ihrem Unternehmen) am besten gefällt, laden Sie eine Testversion herunter und beginnen Sie, damit herumzuspielen.

Python

Das Erlernen einer vollwertigen Skriptsprache wird Ihnen völlig neue Möglichkeiten eröffnen. Sie werden in der Lage sein, von einfachen Statistiken zu anspruchsvolleren Datenprodukten zu wechseln und viele, wenn nicht sogar alle Teile Ihres Arbeitsablaufs zu automatisieren. Python ist einsteigerfreundlich und sehr leistungsfähig. Es verfügt über viele großartige Bibliotheken für die Arbeit mit Daten. Es ist eine ausgezeichnete Wahl, wenn Sie Dinge wie Datenbereinigung, Analyse und Visualisierung durchführen möchten. Ein großer Vorteil ist, dass es sehr universell ist. Wenn Sie einmal eine Pause von Daten brauchen, können Sie eine Website, eine Anwendung, einen Web Scraper oder sogar ein Spiel erstellen. Für die Datenanalyse empfehle ich Ihnen, sich mit der Pandas-Bibliothek und einem Visualisierungstool Ihrer Wahl (wie z.B. Plotly) vertraut zu machen.

Datenanalyst - Geschäftliche Kenntnisse

Intrapreneurship

Eines der wichtigsten Merkmale, das meiner Meinung nach großartige Analysten von denen unterscheidet, die okay sind, ist das, was ich "Intrapreneurship" nenne. Für mich bedeutet das, so zu denken, als wären Sie der Eigentümer eines Unternehmens, für das Sie arbeiten. Aber auch eine große Portion Neugierde und Mut, unabhängig zu denken. Eine Sache, die ich gelernt habe, ist, dass es viel effektiver ist, sich von einem zu lösenden Problem leiten zu lassen, als von anderen Leuten zu erwarten, dass sie Ihnen detailliert vorschreiben, was Sie tun sollen. Diese Fähigkeit lässt sich nur sehr schwer in der Praxis erlernen. Sie können versuchen, ein Gefühl dafür zu bekommen, was sie bedeutet, indem Sie über die Erfahrungen anderer Menschen lesen (zum Beispiel hier) und Bücher aus dem Querschnitt von Wirtschaft und Analytik lesen (zum Beispiel "Naked Statistics" von Charles Wheelan, "Thinking Fast and Slow" von Daniel Kahneman oder "Black Swann" von Nassim Taleb).

Kommunikation und Datenvisualisierung

Bei der Datenanalyse ist es leicht, sich auf technische Aspekte zu konzentrieren und die Bedeutung der Datenvisualisierung oder der Kommunikation im Allgemeinen zu unterschätzen. Sie werden sofort umdenken, wenn Sie erkennen, dass es keine Rolle spielt, wie viel Zeit Sie in die Entwicklung Ihres ausgefallenen Modells investieren, wenn Sie es nicht schaffen, die Ergebnisse zu kommunizieren. Wenn die Leute Ihre Analyse nicht verstehen, ist es, als hätten Sie sie nie erstellt. Das ist sogar noch schlimmer, denn Sie haben bereits einen großen Teil Ihrer Zeit darauf verwendet. Letztendlich sind Datenprobleme auch Geschäftsprobleme und sie sollten einen geschäftlichen Wert schaffen. Die Menschen, die Entscheidungen treffen, sollten diesen Wert verstehen, sonst werden nützliche Lösungen möglicherweise nicht umgesetzt. Zwei außergewöhnliche Autoren, die Ihnen helfen können, Ihre Fähigkeiten in der Datenkommunikation zu verbessern, sind Edward Tufte und Stephen Few.

Statistik

Warum erwähne ich Statistiken so kontrovers und spät in der Diskussion? Mir ist aufgefallen, dass viele Unternehmen keine ausgefeilten Modelle benötigen, um die Vorteile ihrer Daten zu nutzen. Was sie brauchen, ist eine große Portion Datenverständnis und gesunder Menschenverstand. Wenn Sie darüber nachdenken, wollen Sie wahrscheinlich erst einmal die niedrig hängenden Früchte ernten, bevor Sie auf die Spitze eines Baumes klettern. Verstehen Sie mich nicht falsch. Ich empfehle Ihnen, den Baum zu erklimmen und Ihre statistischen Fähigkeiten mit der Zeit auszubauen. Aber wenn Sie gerade erst anfangen, ist es vielleicht sinnvoller, sich die Grundlagen anzueignen und mit echten Problemen zu arbeiten. So können Sie zunächst Erfahrungen sammeln und dann Ihre weitere Entwicklung auf die dringendsten Lücken in Ihrem Wissen ausrichten.

Kirschen

Ich möchte noch zwei weitere Fähigkeiten erwähnen, die Sie nicht brauchen, um Ihren ersten Job zu finden, die aber derzeit sehr gefragt sind. Außerdem sind sie äußerst interessant.

Große Daten

Big Data-Technologien ermöglichen es Ihnen, riesige Datenmengen zu verarbeiten, um daraus Erkenntnisse zu gewinnen. Glücklicherweise machen es die aktuellen Technologien einem Analysten recht leicht, mit ihnen zu beginnen. Viele Lösungen unterstützen SQL, mit dem Sie beginnen können, nachdem Sie verstanden haben, wie Sie Ihre Abfragen für Big Data optimieren können. Cloud Computing macht es sogar noch einfacher. Sie können Ihre eigene Big Data-Datenbank einrichten und in der Praxis experimentieren.

Maschinelles Lernen

Maschinelles Lernen ist ein schnell wachsender Bereich, der sich auf die Verwendung von Algorithmen konzentriert, um Computer für bestimmte Aufgaben zu "trainieren", anstatt explizite Anweisungen zu schreiben. Es hat sich als besonders erfolgreich in Bereichen erwiesen, in denen der Standardansatz nicht sehr gut funktioniert hat, wie z.B. Bildverarbeitung, Spracherkennung oder autonomes Fahren. Sie kann auch zur Lösung vieler anderer analytischer Probleme eingesetzt werden, wie z.B. Zeitreihenprognosen, Klassifizierung und Regression. Derzeit erkennen viele Unternehmen das Potenzial des maschinellen Lernens und wollen es einsetzen. Das macht diese Fähigkeit noch wertvoller. Wenn Sie auf diesen Zug aufspringen wollen, ist Kaggle ein großartiger Ort, um damit zu beginnen.

Abschließende Gedanken

Es mag anfangs überwältigend erscheinen, aber es ist durchaus machbar. Es ist auf jeden Fall einen Versuch wert, denn Data Analytics kann eine sehr spannende und lohnende Karriere sein. Ich wünsche Ihnen viel Glück und wir sehen uns auf der anderen Seite :)
Fanden Sie eine Karriere als Datenanalyst attraktiv? Würden Sie gerne einem Team von Big Data-Experten beitreten? Sehen Sie sich hier unsere offenen Stellen an.