Kurs
Business-Daten mit SQL analysieren
4 Std.
48.2K
Data Science und Machine Learning sind gefragter denn je. Mit der wachsenden Nachfrage nach Datenrollen eröffnen sich unzählige Möglichkeiten für eine Karriere im Datenbereich. Diese Infografik gibt dir einen Überblick über die verschiedenen Rollen in einem Datenteam, welche Kompetenzen du dafür brauchst, welche Weiterbildungswege dich dorthin bringen und mehr.
Für die herunterladbare Version der Infografik klicke auf das Bild oben.
Datenkonsument:innen
Datenkonsument:innen nutzen Daten, um datenbasierte Entscheidungen zu treffen, und führen informierte Gespräche mit Datenexpert:innen.
Häufig genutzte Tools
- Business-Intelligence-Tools wie Tableau oder Power BI
- Tabellentools wie Excel oder Google Sheets
Mögliche Jobtitel
Datenkonsument:innen tragen ganz unterschiedliche Jobtitel. Alle, die datenbasierte Erkenntnisse nutzen, gehören in diese Kategorie. Mögliche Jobtitel sind:
- Chief Marketing Officer
- Human-Resources-Manager:in
- Head of Sales & Business Development
Kompetenzstufen
Einsteiger:in
- Versteht, was Data Scientists, Machine-Learning-Scientists und Data Engineers tun
- Weiß, welche Fragen sich mit Daten beantworten lassen (und welche nicht)
- Kann Ergebnisse von Datenprojekten interpretieren, inklusive Berechnungen und Visualisierungen
Fortgeschritten
- Kann beschreibende Statistiken berechnen
- Erstellt gängige Datenvisualisierungen
- Versteht geschäftliche Anwendungsfälle von Daten
Experte:in
- Beherrscht die Grundlagen von Business Intelligence sicher
Weiterbildungsweg
Lernpfade
Kurse
Business Analysts
Business Analysts verknüpfen Daten-Insights mit umsetzbaren Maßnahmen, die Profitabilität oder Effizienz steigern. Sie kennen die Unternehmensdomäne im Detail und nutzen häufig SQL zusammen mit No-Code-Tools, um Erkenntnisse aus Daten zu kommunizieren.
Häufig genutzte Tools
- Business-Intelligence-Tools wie Tableau oder Power BI
- Tabellentools wie Excel oder Google Sheets
- SQL-Datenbanken
Mögliche Jobtitel
- Business Analyst
- Marketing Analyst
- Data Analyst
- Supply Chain Analyst
Kompetenzstufen
Einsteiger:in
- Kann beschreibende Statistiken berechnen
- Erstellt gängige Datenvisualisierungen
- Versteht geschäftliche Anwendungsfälle von Daten
Fortgeschritten
- Verfügt über tiefes Wissen der Unternehmensdomäne
- Kann mit Daten berichten und kommunizieren
Experte:in
- Erstellt Dashboards
- Strukturiert Daten zur Beantwortung von Business-Fragen
Gehaltsspanne
- Laut Glassdoor liegt das durchschnittliche Jahresgehalt für Business Analysts in den USA bei 77.000 $ und reicht von 55.000 $ bis 108.000 $
Weiterbildungsweg
Lernpfade
Karrierepfade
Kurse
Data Analysts
Ähnlich wie Business Analysts analysieren Data Analysts Daten und berichten über ihre Erkenntnisse. Sie verstehen den kompletten Datenanalyse-Workflow und präsentieren ihre Ergebnisse mit einer Kombination aus Coding- und No-Code-Tools.
Häufig genutzte Tools
- Programmiersprachen wie R oder Python
- Business-Intelligence-Tools wie Tableau oder Power BI
- Tabellentools wie Excel oder Google Sheets
- SQL-Datenbanken
Mögliche Jobtitel
- Business Analyst
- Marketing Analyst
- Data Analyst
- Supply Chain Analyst
Kompetenzstufen
Einsteiger:in
- Kann beschreibende Statistiken berechnen
- Erstellt gängige Datenvisualisierungen
- Versteht geschäftliche Anwendungsfälle von Daten
Fortgeschritten
- Beherrscht den Datenanalyse-Workflow: importieren, aufbereiten, bereinigen, berechnen und über Geschäftsdaten berichten
- Verfügt über fundierte Kenntnisse in Business-Intelligence-Tools
Experte:in
- Erstellt Dashboards
- Strukturiert Daten zur Beantwortung von Business-Fragen
Gehaltsspanne
- Laut Glassdoor liegt das durchschnittliche Jahresgehalt für Data Analysts in den USA bei 69.000 $ und reicht von 46.000 $ bis 106.000 $
Weiterbildungsweg
Lernpfade
Karrierepfade
- Data Analyst with Power BI Career Track
- Data Analyst with Python Career Track
- Data Analyst with R Career Track
- Data Analyst with SQL
Data Scientist
Data Scientists untersuchen, extrahieren und berichten aussagekräftige Erkenntnisse aus den Daten einer Organisation. Sie kommunizieren diese Insights an nicht-technische Stakeholder und verstehen Machine-Learning-Workflows sowie deren geschäftlichen Nutzen. Sie arbeiten fast ausschließlich mit Code, führen Analysen durch und nutzen häufig Big-Data-Tools.
Häufig genutzte Tools
- Programmiersprachen wie R oder Python
- Kommandozeilen-Tools wie Git oder Bash
- Big-Data-Tools wie Airflow oder Spark
- SQL-Datenbanken
Mögliche Jobtitel
- Data Scientist
- Analytics Engineer
- Data Analyst
- Marketing Data Scientist
Kompetenzstufen
Einsteiger:in
- Beherrscht den Datenanalyse-Workflow: importieren, aufbereiten, bereinigen, berechnen und über Geschäftsdaten berichten
- Versteht geschäftliche Anwendungsfälle von Daten
Fortgeschritten
- Versteht grundlegende Statistik, einschließlich Verteilungen, Modellierung und Inferenz
- Plant einfache Experimente wie A/B-Tests
- Kann Dashboards erstellen
Experte:in
- Überträgt Analysen auf Business-Funktionen wie Finance, Marketing und Healthcare
- Versteht überwachte und unüberwachte Machine-Learning-Workflows
- Arbeitet mit nicht standardisierten Datentypen wie Zeitreihen, Text, Geodaten und Bildern
Gehaltsspanne
- Laut Glassdoor liegt das durchschnittliche Jahresgehalt für Data Scientists in den USA bei 117.000 $ und reicht von 82.000 $ bis 167.000 $
Weiterbildungsweg
Karrierepfade
Machine Learning Scientist
Machine Learning Scientists entwerfen und betreiben Machine-Learning-Systeme, die aus den Daten der Organisation Vorhersagen ableiten. Sie lösen Aufgaben wie die Prognose von Kundenabwanderung oder Customer Lifetime Value und sind verantwortlich für die Bereitstellung von Modellen im Unternehmen. Sie arbeiten ausschließlich mit Code-basierten Tools.
Häufig genutzte Tools
- Programmiersprachen wie R oder Python
- Kommandozeilen-Tools wie Git oder Bash
- Big-Data-Tools wie Airflow oder Spark
- SQL-Datenbanken
Mögliche Jobtitel
- Data Scientist
- Research Scientist
- Machine Learning Engineer
Kompetenzstufen
Einsteiger:in
- Beherrscht den Datenanalyse-Workflow: importieren, aufbereiten, bereinigen, berechnen und über Geschäftsdaten berichten
Fortgeschritten
- Setzt überwachte und unüberwachte Machine-Learning-Workflows um, inklusive Feature Engineering, Modelltraining, Gütebewertung und Vorhersagen
- Überträgt Analysen auf Business-Funktionen wie Finance, Marketing und Healthcare
Experte:in
- Setzt Deep-Learning-Workflows um
- Arbeitet mit nicht standardisierten Datentypen wie Zeitreihen, Text, Geodaten und Bildern
- Stellt Machine-Learning-Modelle in der Produktion bereit
Gehaltsspanne
- Laut Glassdoor liegt das durchschnittliche Jahresgehalt für Machine Learning Scientists in den USA bei 137.000 $ und reicht von 97.000 $ bis 194.000 $
Weiterbildungsweg
Lernpfade
Karrierepfade
Statistiker:in
Ähnlich wie Data Scientists arbeiten Statistiker:innen mit sehr rigorosen Analysen. Dazu gehören das Design und die Pflege von Experimenten wie A/B-Tests und Hypothesentests. Sie quantifizieren Unsicherheit und präsentieren Ergebnisse, die ein besonders hohes Maß an Strenge erfordern, etwa in Finance oder Healthcare.
Häufig genutzte Tools
- Programmiersprachen wie R oder Python
- Kommandozeilen-Tools wie Git oder Bash
- SQL-Datenbanken
Mögliche Jobtitel
- Data Scientist
- Inference Data Scientist
- Clinical Data Analyst
Kompetenzstufen
Einsteiger:in
- Beherrscht den Datenanalyse-Workflow: importieren, aufbereiten, bereinigen, berechnen und über Geschäftsdaten berichten
- Versteht geschäftliche Anwendungsfälle von Daten
Fortgeschritten
- Führt statistische Modellierungs-Workflows durch, inklusive Feature Engineering, Modelltraining, Gütebewertung und Signifikanztests
- Testet Hypothesen und plant einfache Experimente wie A/B-Tests
Experte:in
- Entwirft komplexere Experimente und versteht Bayessche Statistik
- Kennt Spezialmodelle wie Survival-Modelle, Generalized Additive Models, Mischungsmodelle und Strukturgleichungsmodelle
Gehaltsspanne
- Laut Glassdoor liegt das durchschnittliche Jahresgehalt für Statistiker:innen in den USA bei 88.000 $ und reicht von 61.000 $ bis 131.000 $
Weiterbildungsweg
Lernpfade
Karrierepfade
Programmierer:innen
Programmierer:innen sind hoch technische Fachleute in Datenteams, die wiederkehrende Aufgaben beim Zugriff auf und der Arbeit mit den Daten einer Organisation automatisieren. Sie schlagen die Brücke zwischen klassischer Softwareentwicklung und Data Science und verstehen, wie man Code in großem Maßstab bereitstellt und teilt.
Häufig genutzte Tools
- Programmiersprachen wie R oder Python
- Kommandozeilen-Tools wie Git oder Bash
- SQL-Datenbanken
Mögliche Jobtitel
- Software Engineer
- Data Scientist
- DevOps Engineer
Kompetenzstufen
Einsteiger:in
- Schreibt Funktionen, um wiederholten Code zu vermeiden
- Misst und optimiert Code, um die Performance zu verbessern
Fortgeschritten
- Etabliert Best Practices für das Testen von Code
- Arbeitet mit Web-APIs
- Entwickelt Packages, um Code zu teilen
Experte:in
- Entwickelt Datenpipelines und arbeitet mit Parallelprogrammierung
- Versteht Programmierparadigmen wie funktionale und objektorientierte Programmierung
Gehaltsspanne
- Laut Glassdoor liegt das durchschnittliche Jahresgehalt für Programmierer:innen (Software Engineers) in den USA bei 108.000 $ und reicht von 73.000 $ bis 160.000 $
Weiterbildungsweg
Kurse
Karrierepfade
Data Engineers
Data Engineers sorgen dafür, dass die richtigen Daten bei den richtigen Personen ankommen. Sie bauen und betreiben die Infrastruktur und Datenpipelines, die Terabytes an Rohdaten aus verschiedenen Quellen an einem zentralen Ort zusammenführen und der Organisation saubere, relevante Daten bereitstellen.
Häufig genutzte Tools
- Programmiersprachen wie R oder Python
- Kommandozeilen-Tools wie Git oder Bash
- SQL-Datenbanken
- Big-Data-Tools wie Airflow oder Spark
- Cloud-Plattformen wie AWS, GCP, Azure
Mögliche Jobtitel
- Data Engineer
- Software Engineer
- DevOps Engineer
Kompetenzstufen
Einsteiger:in
- Extrahiert, transformiert und lädt Daten effizient
Fortgeschritten
- Verarbeitet Daten und automatisiert Datenflüsse über die Kommandozeile
- Verarbeitet Daten in der Cloud
- Verwaltet, optimiert und verarbeitet große Datensätze und Datenbanken
Experte:in
- Entwickelt Datenpipelines und arbeitet mit Parallelprogrammierung
- Versteht Programmierparadigmen wie funktionale und objektorientierte Programmierung
Gehaltsspanne
- Laut Glassdoor liegt das durchschnittliche Jahresgehalt für Data Engineers in den USA bei 112.000 $ und reicht von 76.000 $ bis 166.000 $
