Lebenslauf für BI-Analyst/innen: Beispiele und Anleitung

Dieses Muster gehört zu einem BI-Analysten mit mittlerer Erfahrung, der neben den Dashboards auch das semantische Modell verantwortet. Person, Arbeitgeber und Hochschule sind erfunden. Wenn Ihre Arbeit näher am Reporting als an der Modellierung liegt, behalten Sie den Aufbau und ersetzen die Stichpunkte zum Modell durch solche zu Berichten und Fachbereichen.

Auf BI-Stellen gehen viele Lebensläufe ein, in denen oft „Dashboard“ steht und wenig belegt wird. Vier Prüfpunkte entscheiden über die Vorauswahl.

• Schreiben Sie SQL selbst, oder setzen Sie nur Filter? Nennen Sie die Art: Fensterfunktionen, CTEs, Stored Procedures, Abfrageoptimierung. Der Name des Warehouse (Snowflake, BigQuery, Redshift, SQL Server, SAP BW/4HANA) zeigt der Leitung, welchen Dialekt Sie schon sprechen.
• Gibt es ein Werkzeug, das Sie über die Visualisierung hinaus beherrschen? Ein Balkendiagramm kann jede und jeder bauen. Entscheidend ist, ob Sie modellieren können. Bei Power BI heißt das DAX, Sternschema, inkrementelle Aktualisierung und zeilenbasierte Sicherheit, bei Tableau Extrakte, LOD-Ausdrücke und Berechtigungen, bei Looker LookML.
• Hat die Arbeit eine Entscheidung verändert? Ein Dashboard, das niemand öffnet, ist keine Leistung. Nennen Sie wöchentliche Nutzerzahlen, abgelöste Berichte, eingesparte Stunden oder die betriebliche Kennzahl, die sich bewegt hat.
• Können Sie mit den Fachbereichen reden? BI sitzt zwischen der Technik und den Menschen, die Fragen stellen. Ein Stichpunkt zu Anforderungsworkshops, einem Schulungsprogramm oder einer Präsentation für Fachbereiche deckt das ab, und die meisten lassen ihn weg.

“Die Hälfte der Lebensläufe erzählt mir, dass interaktive Dashboards für Stakeholder erstellt wurden. Dieser Satz sagt mir nichts. Sagen Sie mir, wie viele Leute es letzte Woche geöffnet haben, was es ersetzt hat und was jemand deshalb anders gemacht hat. Mit dieser Version des Stichpunkts rufe ich noch am selben Tag an.”

Drei Zeilen: Jahre, Stack, der Umfang dessen, was Sie verantworten, und ein Ergebnis. Lassen Sie Adjektive wie „detailorientiert“ weg; das erledigen die Zahlen.

Das Muster: was Sie gebaut haben, auf welchen Daten, in welchem Umfang und was sich verändert hat. Zehn Zeilen, die in fast jedem BI-Lebenslauf stehen, neu geschrieben.

Gruppieren Sie die Kenntnisse so, dass die Vorauswahl sie Zeile für Zeile mit der Anzeige abgleichen kann. Bleiben Sie ehrlich bei der Tiefe, denn die technische Prüfung besteht meist aus einer SQL-Aufgabe live und dem Durchgehen eines Dashboards, das Sie gebaut haben.

• Abfragen und Modellierung: SQL (Joins, CTEs, Fensterfunktionen, Ausführungspläne), dimensionale Modellierung, Sternschema, Slowly Changing Dimensions, Kennzahlendefinitionen
• BI-Werkzeuge: Power BI (DAX, Power Query M, semantische Modelle, inkrementelle Aktualisierung, zeilenbasierte Sicherheit), Tableau (Desktop, Server, LOD-Ausdrücke, Extrakte), Looker und LookML, Qlik Sense, in SAP-Umgebungen SAP BW/4HANA und SAP Analytics Cloud
• Warehouses und Plattformen: Snowflake, BigQuery, Redshift, Databricks, SQL Server, PostgreSQL
• Pipelines: dbt, Azure Data Factory, SSIS, Fivetran, Airflow
• Skripte: Python mit pandas oder R, wenn Sie daher kommen. Nennen Sie nicht beides, wenn Sie nicht beides nutzen.
• Arbeitsweise: Git und Pull Requests, Jira, Anforderungsworkshops, Dokumentation, Datenkataloge, Umgang mit personenbezogenen Daten nach DSGVO (Berechtigungen, Pseudonymisierung)
• Die persönlichen Stärken, die hier zählen: eine vage Frage in eine Kennzahl übersetzen, zur vierten Version desselben Diagramms Nein sagen und Ergebnisse vor Menschen präsentieren, die Meetings nicht mögen

Für diesen Beruf gibt es keine vorgeschriebene Qualifikation, Zertifikate belegen daher ein bestimmtes Werkzeug. Nur wenige machen im Auswahlverfahren wirklich einen Unterschied.

• Microsoft Certified: Power BI Data Analyst Associate (PL-300). Das Zertifikat, das in Anzeigen für Power BI am häufigsten namentlich genannt wird.
• Microsoft Certified: Fabric Analytics Engineer Associate (DP-600), wenn Ihr Unternehmen mit Microsoft Fabric arbeitet.
• Tableau Certified Data Analyst oder Tableau Desktop Specialist als leichtere Einstiegsvariante.
• SnowPro Core Certification für Unternehmen mit Snowflake und die dbt Analytics Engineering Certification, wenn Sie dbt-Modelle schreiben.
• CBIP von TDWI ist die herstellerneutrale Variante; sie wird vor allem in großen Konzernen wahrgenommen, im deutschsprachigen Raum aber selten verlangt. In Unternehmen mit SAP zählen Erfahrung und Schulungen zu SAP BW/4HANA und SAP Analytics Cloud mehr.
• Abschlüsse: Die meisten Anzeigen nennen ein Studium der Wirtschaftsinformatik, Informatik, Statistik, Wirtschaftswissenschaften oder Business Analytics, viele akzeptieren auch eine Ausbildung als Fachinformatiker/in für Daten- und Prozessanalyse oder entsprechende Berufserfahrung. Die Abschlussnote nennen Sie beim Einstieg, wenn sie 2,0 oder besser ist, und lassen sie nach der ersten Stelle weg.

Ein Portfolio zählt hier mehr als bei den meisten Analystenstellen, weil Ihre Arbeit sichtbar ist. Verlinken Sie ein GitHub-Repository mit dem SQL- und dbt-Code und entweder einen veröffentlichten Power-BI-Bericht oder ein Profil auf Tableau Public. Zwei fertige Projekte mit einer schriftlichen Erklärung des Datenmodells schlagen acht Screenshots. Verwenden Sie dafür nur offene oder selbst erzeugte Daten, keine Daten Ihres Arbeitgebers.

Für eine Junior-Stelle erwartet niemand Erfahrung aus der Produktion. Erwartet wird der Beleg, dass Sie Daten modellieren und das Modell erklären können. Bauen Sie die Seite um Projekte statt um Stellen herum.

1. 1Profil: Ihr Studium, Ihre Ausbildung oder Weiterbildung, Ihre Werkzeuge und das eine Projekt, zu dem Sie sich gern ausfragen lassen.
2. 2Ein Abschnitt Projekte direkt unter dem Profil, vor fachfremden Stellen. Zwei oder drei Projekte, jeweils mit Datenquelle, Zeilenzahl, dem gebauten Modell und der Frage, die es beantwortet.
3. 3Zeigen Sie das Modell, nicht nur das Diagramm. Schreiben Sie die Fakten- und Dimensionstabellen aus. Dieses eine Detail trennt Bewerberinnen und Bewerber, die ein Tutorial gelesen haben, von denen, die es verstanden haben.
4. 4Belege für SQL: ein Repository mit Abfragen oder ein Stichpunkt, der die verwendeten Joins und Fensterfunktionen nennt.
5. 5PL-300 oder Tableau Desktop Specialist, wenn Sie die Prüfung abgelegt haben. Auf diesem Level ist das der günstigste Glaubwürdigkeitsgewinn.
6. 6Dann bisherige Stellen, neu formuliert mit Blick auf Daten: Berichte, die Sie in Excel gebaut haben, ein Ablauf, den Sie gemessen haben, eine Tabelle, die Sie automatisiert haben. Jobs in Handel und Gastronomie zählen, wenn Sie die Zahlen nennen.
7. 7Bleiben Sie bei einer Seite und setzen Sie den Link zu GitHub oder Tableau Public in den Kopf.

• Eine Seite bis etwa acht Jahre Erfahrung, danach zwei; in Deutschland sind zwei Seiten ohnehin akzeptiert. Eine dritte Seite liest in Analytics niemand.
• Ein Foto ist in Deutschland üblich, aber freiwillig, ebenso das Geburtsdatum; in internationalen Tech-Unternehmen wird beides oft weggelassen. Nennen Sie Ihren Wohnort, denn bei hybriden Modellen filtern Recruiterinnen und Recruiter nach Standort.
• Eine Spalte, schlichte Überschriften, keine Kenntnisbalken. Ironisch für einen Visualisierungsberuf, aber „vier von fünf Punkten“ bei einer Kenntnis sagt der Leitung nichts und verwirrt das ATS.
• Setzen Sie eine kompakte Zeile mit Ihrem Tech-Stack weit nach oben, damit die Vorauswahl sie ohne Scrollen sieht.
• Verlinken Sie Portfolio oder GitHub im Kopf, nicht am Ende.
• Übernehmen Sie den Titel aus der Anzeige. Wird ein BI Developer gesucht und Sie nennen sich Reporting Analyst, verwenden Sie den Titel der Anzeige im Profil und behalten Ihren echten Titel in der Berufserfahrung.

Die Titel überschneiden sich, und der Unterschied zählt für die Schlüsselwörter. Anzeigen für BI Analysts und BI Developer zielen eher auf den Bau von Modell, Pipeline und Berichtsschicht. Anzeigen für Data Analysts zielen eher darauf, Fragen mit Analyse und Statistik zu beantworten. Nennt die Anzeige ETL, semantische Modelle, DAX oder LookML, verwenden Sie BI-Begriffe. Nennt sie Versuchsplanung, Kohortenanalyse oder A/B-Tests, neigen Sie zur Sprache der Analyse. Dieselbe Person, zwei Vokabulare, und das ATS liest nur das, das Sie verwendet haben.