Data Analyst Lebenslauf: Muster, Tools & Tipps 2026
Als Data Analyst übersetzt du Zahlen in Entscheidungen. Dein Lebenslauf sollte deshalb selbst das tun, was du im Beruf tust: Rohdaten, also deine Stationen, in eine klare Aussage verwandeln. Personaler in Deutschland, Österreich und der Schweiz wollen wissen, mit welchen Daten du gearbeitet hast, mit welchen Werkzeugen und, vor allem, welche Entscheidung im Unternehmen sich dadurch verändert hat.
Viele Bewerbungen bleiben bei Tool-Listen stehen: SQL, Excel, Power BI. Das ist die Pflicht, nicht die Kür. Stark wird der Lebenslauf, wenn er Fragen beantwortet: Welche Geschäftsfrage hast du untersucht? Welche Datenmenge, welche Systeme? Welches Ergebnis hast du dem Fachbereich geliefert, und was wurde daraus gemacht?
Das Muster unten zeigt eine Analystin im Handel, mit SQL, Python und Power BI, mit Kennzahlen, die in der Praxis plausibel sind. Außerdem erfährst du, wie du Sprachkenntnisse nach GER angibst, wie du Branchenwissen sichtbar machst und wie du deinen Lebenslauf an die jeweilige Stellenanzeige anpasst.
Lebenslauf-Muster: Data Analyst (m/w/d)
Sabine Weidner
Data Analystin (SQL, Python, Power BI) | E-Commerce und Handel
München
Profil
Data Analystin mit vier Jahren Erfahrung in Handel und E-Commerce. Spezialisiert auf SQL-basierte Analysen, Dashboards in Power BI und die Aufbereitung von Ergebnissen für Fachbereiche und Geschäftsführung. Verbindet statistisches Verständnis mit klarer Kommunikation und legt Wert auf nachvollziehbare, reproduzierbare Analysen.
Berufserfahrung
Data Analystin, Isarhandel Group GmbH
07/2022 – heute
München
- Aufbau eines Power-BI-Berichtswesens für Vertrieb und Einkauf mit rund 25 Kennzahlen; wöchentliche manuelle Excel-Auswertungen (ca. 12 Stunden) entfallen
- Analyse des Kaufverhaltens von etwa 400.000 Kunden mit SQL und Python; Segmentierung bildete die Grundlage für drei zielgruppenspezifische Kampagnen
- A/B-Test-Auswertung für den Checkout-Prozess; die empfohlene Variante steigerte die Abschlussquote um 4 Prozentpunkte
- Automatisierung der monatlichen Umsatzberichte mit Python und geplanten Jobs; Datenqualitätsprüfungen eingeführt
Junior Data Analystin, Bergland Retail AG
09/2020 – 06/2022
Zürich
- Erstellung von Ad-hoc-Analysen für Category Manager mit SQL und Excel
- Pflege und Weiterentwicklung eines Data Marts mit Umsatz-, Bestands- und Retourendaten
- Entwicklung von Dashboards in Tableau zur Sortimentssteuerung
Werkstudentin Business Intelligence, Franken Logistik GmbH
10/2018 – 08/2020
Nürnberg
- Unterstützung des BI-Teams bei der Erstellung von Berichten und beim Testen von ETL-Prozessen
- Auswertungen zu Lieferzeiten und Transportkosten in Excel und SQL
Ausbildung
M.Sc. Wirtschaftsinformatik, Friedrich-Alexander-Universität Erlangen-Nürnberg
10/2018 – 08/2020
Schwerpunkte: Data Analytics, Statistik
B.Sc. Betriebswirtschaftslehre, Hochschule Ansbach
10/2014 – 09/2018
Kenntnisse
Datenanalyse: SQL, Python (pandas, NumPy), Statistik, A/B-Testing, Excel (Power Query)
Visualisierung: Power BI, Tableau, Matplotlib
Datenplattformen: PostgreSQL, Snowflake, ETL-Grundlagen
Methoden: KPI-Design, Cohort-Analyse, Datenqualität, Scrum
Sprachen
Deutsch (Muttersprache) · Englisch (C1) · Italienisch (B1)
Zertifikate
- Microsoft Certified: Power BI Data Analyst Associate (2022)
Wichtige Kenntnisse für Data Analyst (m/w/d)
SQL
Du schreibst effiziente Abfragen mit Joins, Fensterfunktionen und Aggregationen und bereitest Daten sauber auf.
Statistisches Denken
Du unterscheidest Korrelation und Ursache, wählst passende Tests und kennst Grenzen einer Analyse.
Datenvisualisierung
Du entwickelst Dashboards, die ohne Erklärung verständlich sind und Entscheidungen unterstützen.
Python oder R
Du automatisierst Auswertungen, bereinigst Daten und führst reproduzierbare Analysen durch.
Geschäftsverständnis
Du verstehst die Kennzahlen der Branche und übersetzt Fragen aus Vertrieb, Einkauf oder Marketing in Analysen.
Kommunikation mit Fachbereichen
Du präsentierst Ergebnisse verständlich und leitest konkrete Empfehlungen ab.
Datenqualität und Dokumentation
Du prüfst Quellen, dokumentierst Annahmen und machst Ergebnisse nachvollziehbar.
Datenschutzbewusstsein
Du kennst die Grundzüge der DSGVO und gehst mit personenbezogenen Daten sorgsam um.
ATS-Schlüsselwörter
Diese Begriffe tauchen in Stellenanzeigen für diese Rolle besonders häufig auf. Übernehmen Sie sie dort, wo sie wirklich zutreffen:
Aufzählungspunkte umformulieren: Vorher / Nachher
Vorher
Erstellung von Berichten mit Power BI
Nachher
Power-BI-Berichtswesen für Vertrieb und Einkauf mit rund 25 Kennzahlen aufgebaut; rund 12 Stunden manuelle Excel-Arbeit pro Woche entfallen
Vorher
Analyse von Kundendaten
Nachher
Kaufverhalten von rund 400.000 Kunden mit SQL und Python segmentiert; Ergebnis bildete die Basis für drei zielgruppenspezifische Kampagnen
Vorher
Durchführung von A/B-Tests
Nachher
A/B-Test zum Checkout ausgewertet und empfohlen; die gewählte Variante steigerte die Abschlussquote um 4 Prozentpunkte
Vorher
Automatisierung von Reports
Nachher
Monatliche Umsatzberichte mit Python und geplanten Jobs automatisiert und Datenqualitätsprüfungen eingeführt
Vom Tool zum Ergebnis: Analysen im Lebenslauf zeigen
Der häufigste Fehler in Data-Analyst-Lebensläufen ist die Tool-Parade. Ein Block mit zwölf Programmen sagt wenig darüber, ob du aus Daten eine Entscheidung ableiten kannst. Ein Bulletpoint sollte deshalb drei Bausteine enthalten: die Frage oder das Problem, die Methode und das Ergebnis.
Ein Beispiel: „Kaufverhalten von rund 400.000 Kunden mit SQL und Python segmentiert; Ergebnis bildete die Grundlage für drei Kampagnen.“ Hier erkennt der Leser den Datenumfang, die Werkzeuge und die Wirkung in einem Satz. Wenn du keine Zahlen nennen darfst, weil sie vertraulich sind, beschreibe relative Veränderungen oder Größenordnungen, etwa „mehrere hunderttausend Datensätze“.
Auch Prozess und Qualität zählen. Wer Analysen reproduzierbar dokumentiert, Datenquellen prüft und Annahmen offenlegt, unterscheidet sich von jemandem, der nur Diagramme erzeugt. Nenne deshalb gelegentlich, wie du arbeitest: „mit Datenqualitätsprüfungen“, „in Git versioniert“, „mit dokumentierter Methodik“.
Ordne die Tools im Skill-Block nach Aufgaben, etwa Datenabfrage, Visualisierung, Datenplattformen und Methoden. Führe die Tools zuerst auf, die in der Stellenanzeige stehen. Ein Power-BI-Team interessiert sich für Tableau weniger, ein Python-Team nicht für Excel-Makros.
Sprachkenntnisse nach GER und Fachenglisch
Im deutschsprachigen Raum gibst du Sprachkenntnisse nach dem Gemeinsamen Europäischen Referenzrahmen (GER) an, also von A1 bis C2. „Englisch (C1)“ ist aussagekräftiger als „fließend“, weil jeder Personaler weiß, was gemeint ist. Deutsch als Muttersprache schreibst du als „Deutsch (Muttersprache)“. Wenn du Deutsch als Zweitsprache sprichst, nenne dein Niveau und, falls vorhanden, das Zertifikat, zum Beispiel Goethe-Zertifikat oder telc.
Für Data Analysts ist Englisch fast immer relevant. Dokumentationen, Tools und viele Teams sind englisch, und in der Schweiz kommen Französisch und Italienisch als weitere Landessprachen ins Spiel. In Basel, Genf oder Zürich kann eine zweite Landessprache ein echtes Plus sein.
Bewerte dich ehrlich. Du wirst im Gespräch oft kurz auf Englisch angesprochen, und dann zeigt sich dein tatsächliches Niveau. Ein B2, das du sicher beherrschst, ist besser als ein C1, bei dem du ins Stocken gerätst.
Erwähne außerdem im Kurzprofil oder in einem Bulletpoint, wenn du Ergebnisse regelmäßig auf Englisch präsentierst oder mit internationalen Standorten zusammenarbeitest. Das ist für Konzerne und Scale-ups ein wichtiges Signal und ergänzt die nackte Zahl hinter der Sprache.
Branchenwissen sichtbar machen
Ein Data Analyst im Handel braucht andere Kennzahlen im Kopf als eine Analystin bei einer Versicherung oder in der Industrie. Viele Stellenanzeigen im DACH-Raum nennen deshalb Branchenerfahrung als Wunsch: Controlling, Retail, Gesundheitswesen, Energie, Logistik. Zeige dieses Wissen, indem du die Fachbegriffe deiner Branche in den Bulletpoints verwendest: Deckungsbeitrag, Retourenquote, Customer Lifetime Value, Auslastung, Schadenquote.
Wenn du die Branche wechseln möchtest, gehst du anders vor: Betone übertragbare Fähigkeiten wie Datenmodellierung, Dashboard-Design und Stakeholder-Kommunikation, und zeige, dass du dich in die neuen Kennzahlen eingearbeitet hast, zum Beispiel durch eine Weiterbildung oder ein Projekt mit öffentlichen Daten.
Auch das Studium trägt zum Profil bei. Eine Kombination aus Wirtschaft und Informatik ist für Analysten typisch, aber auch Mathematik, Physik oder Sozialwissenschaften sind gern gesehen. Hebe Schwerpunkte, Projektarbeiten und die Abschlussarbeit hervor, wenn sie Daten, Statistik oder Modelle betreffen.
Vergiss den Datenschutz nicht. In Deutschland, Österreich und der Schweiz wird sorgfältiger Umgang mit personenbezogenen Daten geschätzt. Ein Hinweis auf DSGVO-konforme Auswertungen, Pseudonymisierung oder Zugriffskonzepte zeigt Reife.
Stellenanzeige, Keywords und Aufbau: so passt du an
Anzeigen für Data Analysts sind oft heterogen: Eine Stelle ist Reporting-lastig, die nächste fordert Python und Statistik, eine dritte erwartet Erfahrung mit Cloud-Plattformen. Lies die Anzeige daher zuerst als Aufgabenliste. Welche Tätigkeiten stehen oben? Welche Tools werden mehrfach genannt? Diese Elemente sollten sich in deinem Lebenslauf spiegeln, in derselben Terminologie. Schreibt das Unternehmen „Reporting“, dann ist „Berichtswesen“ ein Synonym, das ein Suchfilter möglicherweise nicht erkennt; verwende im Zweifel beide.
Für jede Bewerbung lohnt es sich, Kurzprofil, die ersten Bulletpoints und die Reihenfolge der Skills anzupassen. Ein KI-gestütztes Werkzeug kann dir helfen, Lücken zwischen deinem Lebenslauf und der Stellenanzeige zu erkennen und Formulierungen vorzuschlagen. Entscheide selbst, was davon wirklich zu dir passt, denn im Gespräch musst du alles belegen können.
Beim Aufbau gilt der tabellarische Standard: umgekehrt chronologisch, ein bis zwei Seiten, Zeiträume im Format MM/JJJJ, klare Rubriken. Auf Skill-Balken verzichtest du. Ein Foto ist optional, Geburtsdatum und Familienstand sind heute nicht mehr nötig.
Ein Link zu einem Portfolio mit Analysen oder einem öffentlichen Dashboard kann Berufseinsteigern helfen, sofern keine vertraulichen Daten enthalten sind.
Häufige Fehler
Eine reine Tool-Liste ohne Ergebnisse oder Geschäftsbezug präsentieren.
Zahlen erfinden oder übertreiben, die du im Interview nicht erklären kannst.
Skill-Level mit Balken oder Sternen darstellen statt mit Projekten zu belegen.
Branchenwissen verschweigen, obwohl Fachbegriffe in der Stellenanzeige zentral sind.
Sprachkenntnisse mit „gut“ oder „fließend“ angeben, statt das GER-Niveau zu nennen.
Vertrauliche Unternehmensdaten oder Kundennamen im Lebenslauf preisgeben.
Häufige Fragen
Welche Tools sollte ein Data Analyst im Lebenslauf nennen?+
Nenne zuerst die Werkzeuge, die in der Stellenanzeige verlangt werden, sofern du sie wirklich beherrschst. Üblich sind SQL, Excel, Power BI oder Tableau und häufig Python oder R. Ergänze Datenplattformen wie PostgreSQL oder Snowflake, wenn du damit gearbeitet hast. Gruppiere sie nach Aufgaben und belege die wichtigsten in den Bulletpoints mit einem konkreten Ergebnis. Tools, mit denen du nur kurz in Kontakt warst, kennzeichnest du als Grundkenntnisse oder lässt sie weg.
Wie wichtig sind Zertifikate für Data Analysts?+
Zertifikate können helfen, vor allem für Berufseinsteiger oder Quereinsteiger, ersetzen aber keine Praxis. Ein anerkanntes Zertifikat wie ein Power-BI-Abschluss zeigt, dass du dich systematisch in ein Tool eingearbeitet hast. Führe sie mit Name, Anbieter und Jahr in einem kurzen eigenen Abschnitt auf. Sortiere nach Relevanz für die Stelle und lasse veraltete Kurse weg. Wichtiger als die Anzahl ist, dass du nachweisen kannst, was du mit dem Wissen gebaut hast.
Wie gehe ich als Berufseinsteiger ohne Berufserfahrung vor?+
Nutze Praktika, Werkstudentenjobs, Abschlussarbeit und eigene Projekte, um Analysen zu belegen. Beschreibe sie wie Berufserfahrung: Fragestellung, Daten, Methode, Ergebnis. Öffentliche Datensätze, etwa aus offenen Datenportalen, eignen sich gut für ein Portfolio. Zeige, dass du die gesamte Kette beherrschst, von der Datenbereinigung bis zur verständlichen Darstellung. Einsteigerlebensläufe passen meist auf eine Seite, und ein klares Kurzprofil mit Zielrolle gibt dem Leser Orientierung.
Wie viele Projekte sollte ich im Lebenslauf nennen?+
Wähle zwei bis vier Projekte, die am besten zur Stellenanzeige passen, und beschreibe sie jeweils in einem Bulletpoint mit Fragestellung, Methode und Ergebnis. Weitere Analysen kannst du in einem Portfolio oder auf Nachfrage im Gespräch vorstellen. Wichtig ist, dass jedes Projekt eine echte Entscheidung oder Veränderung im Unternehmen bewirkt hat und nicht nur ein Dashboard war. Vertrauliche Daten und Kundennamen lässt du weg; Größenordnungen und relative Verbesserungen genügen. So bleibt der Lebenslauf kompakt und glaubwürdig.
Weitere Lebenslauf-Beispiele
Ihr Lebenslauf, passend zur Stellenanzeige
Laden Sie Ihren Lebenslauf und die Stellenanzeige hoch. Die KI passt Inhalt und Schlüsselwörter an.