Data Analyst – Der Interpret und Übersetzer der Big Data

    Ein Data Analyst bei seinem JobGanz einfach betrachtet sind Data Analysts ziemlich begabte Übersetzer. Sie nehmen die kalte Sprache der Daten, übersetzen und interpretieren sie und erzeugen daraus verständliche Bilder und Worte für den Laien. Der Dreiklang Transformieren, Interpretieren, visualisieren kann dabei auf alle möglichen Bereiche und Szenarien angewendet werden, ganz so verschieden, wie es die zugrunde liegenden Daten auch sind. Die Spezialisierung als finanzieller, marketingorientierter oder prozessorientierter Analyst gibt dabei schon ein wenig vor, welche zusätzlichen Qualifikationen für einen Data Analysten von Vorteil sind. Dabei sind dies wirklich nur Zusatzqualifikationen, denn ein Analyst ist in der Lage, jedes Datenmaterial auf ein bestimmtes Ziel hin zu analysieren.

    Wie im gesamten Big Data Bereich gelten auch hier mathematische, statistische und datenanalytische Kenntnisse als absolute Grundvoraussetzung. Ist ein Data Scientist spezialisierter, muss ein Analyst breite Grundkenntnisse mitbringen, um die Daten richtig zu interpretieren. Dazu muss diese Interpretation auch noch kritisch hinterfragt und hinsichtlich eines Erkenntnisziels eingeordnet werden können. Diese Erkenntnisse muss der Analyst anschließend auch in einer Runde von Laien ansprechend erläutern und darstellen können, weshalb Visualisierungskenntnisse nicht nur von Vorteil, sondern unumgänglich sind.

    Datenauswertung und Datenanalyse

    Datenbanksprachen und andere Programmierkenntnisse sind auch nicht nur gewünscht, sondern Voraussetzung. Dabei sind intensive Kenntnisse einer besonderen geforderten Datenbankarchitektur wie SQL durchaus wichtig, können aber ausgeglichen werden, wenn der Analyst andere Architekturen und gleichzeitig auch die grundlegenden Prinzipien und Softwarekenntnisse mitbringt. Zu den wichtigen Soft Skills gehören außerdem eine hohe Detailverliebtheit. Nur so kann sichergestellt werden, dass die Daten korrekt gesammelt, gelesen und interpretiert werden und nicht aus Versehen falsche Schlüsse gezogen werden. Hinzu kommt, wie auch im gesamten Big Data Bereich, ein unbedingtes analytisches Denken, das nicht nur die Vorgehensweise versteht und beherrscht, sondern den Grund für das Handeln erkennt und auf viele verschiedene Probleme anwendet.