Sollten Business-Intelligence-Analyst:innen programmieren lernen?

Jeden Tag erzeugen wir unvorstellbare Datenmengen. Laut Statista lag das weltweit produzierte Datenvolumen 2020 bei 64,2 Zettabyte (ein Zettabyte = eine Milliarde Terabyte) und wird in den nächsten fünf Jahren voraussichtlich auf mehr als 180 Zettabyte anwachsen. 

Mit dieser Datenexplosion spielen Data Science und Business Intelligence eine Schlüsselrolle dabei, Unternehmen zu helfen, aus Daten schlau zu werden. 

Während sich der Werkzeugkasten von Data Scientists vor allem um Code-basierte Tools wie Python, R, Kommandozeilentools und mehr dreht, setzen Business-Intelligence-Analyst:innen auf leistungsfähige, GUI-basierte Tools wie Tableau oder Power BI. 

In diesem Kontext tragen Business-Intelligence-Analyst:innen maßgeblich die Insights-Ebene in jeder Organisation. Entsprechend steigt die Nachfrage nach BI-Rollen. In den USA liegt das durchschnittliche Jahresgehalt für Business-Intelligence-Analyst:innen zum Beispiel bei 84.019 US-Dollar. 

Da Low-Code-Tools immer ausgereifter werden und BI-Funktionen kontinuierlich Wert für Unternehmen schaffen, stellt sich die Frage: Wie wichtig sind Programmierkenntnisse, damit BI-Analyst:innen in ihrer Karriere vorankommen? Genau diese Frage beantworten wir in diesem Artikel. 

Eine kurze Antwort fällt schwer, ohne die Entwicklung der modernen Analystenrolle, die Arten von Aufgaben, die Code erfordern, und den Mehrwert von Programmierkenntnissen zu beleuchten. Legen wir los!

Die Geschichte von Business Intelligence

Der Begriff „Business Intelligence“ wurde erstmals 1865 vom Autor Richard Millar Devens in der Cyclopaedia of Commercial and Business Anecdotes geprägt, um zu beschreiben, wie ein Finanzier seine Konkurrenz durch das Sammeln und Umsetzen von Informationen ausstach. 

Das Fundament moderner Business Intelligence wurde jedoch erst mit der Entwicklung der Festplatte gelegt, die 1956 von IBM erfunden wurde. Sie ermöglichte das Speichern von 5 MB Daten – damals eine enorme Menge. 

Zwei Jahre später veröffentlichte der IBM-Forscher Hans Peter Luhn den Aufsatz A Business Intelligence System, in dem er die Prinzipien der Business Intelligence formulierte und die Herausforderungen beschrieb, mit großen Datenmengen bessere Entscheidungen zu treffen. Aus diesen Gründen gilt Hans als Vater der Business Intelligence.

Zwischen den 1960er- und 1970er-Jahren entstanden die ersten Datenverwaltungssysteme und Decision-Support-Systeme, was in den 1980ern zur Entwicklung des Data Warehouse führte, das bis heute genutzt wird. 

Data Warehouses sammeln und organisieren Daten aus unterschiedlichen Quellen in einem zentralen Speicher und ermöglichen so effektivere und tiefere Analysen. In den späten 1990ern wurden dank technologischer Innovationen, dem Siegeszug des Personal Computers und der Geburt des Internets die Vorläufer moderner BI-Systeme Realität. 

Der Aufstieg der modernen BI-Analyst:innen

In den vergangenen zwei Jahrzehnten hat sich die Rolle der Business-Intelligence-Analyst:innen stark gewandelt. Big Data und stetig wachsende Datenmengen haben die Nachfrage nach leistungsfähigen BI-Plattformen und -Tools erhöht, die Analyst:innen helfen, die Daten ihres Unternehmens zu verstehen. 

Ende der 90er und Anfang der 2000er arbeiteten Analyst:innen mit Tools wie Excel, SQL oder rudimentären BI-Lösungen, um Daten zu analysieren und zu visualisieren. Mit der Einführung von Power BI, Tableau und Qlik wird heute erwartet, dass moderne Analyst:innen in ihrem Alltag verschiedene Tools sicher beherrschen. 

Abseits der Tool-Expertise sollen moderne Analyst:innen Breite zeigen. Heißt: Projektmanagement, Domänenwissen, Storytelling und Kommunikationsstärke sind heute Pflichtprogramm.  

Vor diesem Hintergrund ist es Zeit, zur Eingangsfrage zurückzukehren: Sollten Business-Intelligence-Analyst:innen programmieren lernen? Die Antwort lautet: Ja! 

Auch wenn viele BI-Rollen keine Programmierkenntnisse voraussetzen, können diese Fähigkeiten Analyst:innen helfen, ihren Beitrag fürs Unternehmen zu beschleunigen und sich im Bewerbungsprozess positiv abzuheben. Im Folgenden findest du fünf zentrale Gründe, warum BI-Analyst:innen programmieren lernen sollten. 

Der Mehrwert von Programmierkenntnissen für Business-Intelligence-Analyst:innen

1. Bessere Problemlösung

Ob es darum geht, die Auswirkungen eines A/B-Tests auf Kennzahlen zu verstehen, Dashboards für Stakeholder zu bauen oder Empfehlungen aus Daten abzuleiten: BI-Analyst:innen lösen täglich Probleme. Programmieren zu lernen, beschleunigt diese Fähigkeiten, denn Code eröffnet eine neue Perspektive auf technische Herausforderungen. 

Der Zusammenhang zwischen Programmieren und verbesserter Problemlösung ist ausgiebig erforscht, da es Praktiker:innen darauf trainiert, ein breites Spektrum möglicher Lösungen zu durchdenken. 

2. Bessere Zusammenarbeit im Datenteam

BI-Analyst:innen arbeiten häufig in größeren Analytics- oder Datenteams. Sie kooperieren also mit Code-orientierten Rollen wie Data Engineers, Data Scientists und Data Analysts. Ein zentraler Effekt des Programmierens ist mehr Empathie und bessere Zusammenarbeit im Team. 

Mit Programmierkenntnissen können BI-Analyst:innen präzisere Anforderungen formulieren, Ad-hoc-Lösungen umsetzen, wenn die Kapazität anderer Teammitglieder begrenzt ist, und die Workflows ihrer Kolleg:innen besser verstehen. Bessere Teamarbeit zahlt direkt auf bessere Ergebnisse für die gesamte Organisation ein. 

3. Komplexere Visualisierungen und Workflows entwickeln

Tools wie Tableau und Power BI zu beherrschen, ist für moderne Business-Analyst:innen Pflicht. Programmieren kann die Workflows von BI-Analyst:innen jedoch auf vielfältige Weise beschleunigen. 

Zum einen bieten Tableau und Power BI Integrationen mit R und Python. So lassen sich Workflows durch Skripte direkt im bevorzugten BI-Tool automatisieren. Ein Beispiel ist das Ausführen von Python in Power BI, um einen häufigen Datentransformationsschritt zu automatisieren. 

Darüber hinaus ermöglichen Programmiersprachen wie R und Python komplexere Analysen und Visualisierungen, die in BI-Tools nicht möglich sind. Mit Paketen wie R’s ggplot2 und Pythons Matplotlib lassen sich extrem individuelle Visualisierungen und Reports erstellen. 

4. Teil der Open-Source-Community werden

Ein besonderes Merkmal von Programmiersprachen ist, dass fast alle Tools, die die besten Praktiker:innen und Forschenden nutzen, Open Source sind. Das bedeutet: Jede und jeder kann jederzeit die leistungsfähigsten Tools kostenlos herunterladen – ohne Einsteigerhürden. 

Außerdem können sich Praktiker:innen direkt mit den Entwickler:innen dieser Tools austauschen und Verbesserungsvorschläge für den Quellcode einbringen. Die Zugehörigkeit zu einer Open-Source-Community bereichert Karriere, Wissen und Reputation – und eröffnet bessere Chancen und stärkere Netzwerke in der Datenwelt. 

5. Karrierechancen erweitern

Ein großer Vorteil von Programmierkenntnissen ist die Erweiterung deiner Karriereoptionen – bis hin zum Wechsel in andere Pfade. Business Intelligence ist ein weites Feld mit vielen Rollen, etwa Data Analysts, Product Analysts, BI Developers oder Business-Intelligence-Architekt:innen. Coding-Jobs sind sehr gefragt, bieten attraktive Gehälter und hohe Zufriedenheit, wie Glassdoor-Daten zeigen. 

Ein Beispiel sind Data-Analyst-Rollen, die eng mit BI verwandt sind, aber mehr Programmier- und Statistikkenntnisse verlangen. Das Median-Gehalt von Data Analysts in den USA liegt bei rund 94.687 US-Dollar pro Jahr und kann bis zu 391.000 US-Dollar erreichen. 

Zudem sehen wir konstant hohe Nachfrage nach Data Engineers und Data Scientists. Data Engineers spielen eine zentrale Rolle bei der Konsolidierung großer Datenmengen, die Data Scientists anschließend für Insights und Machine-Learning-Modelle nutzen. Die Median-Gehälter liegen hier bei 112.493 US-Dollar bzw. 117.212 US-Dollar pro Jahr.

Die Zukunft der Analystenrolle

Mit der fortlaufenden Entwicklung von Business Intelligence wird sich auch die Rolle moderner BI-Analyst:innen weiterentwickeln. Programmierkenntnisse ermöglichen bessere Problemlösung, effektivere Zusammenarbeit, effiziente und komplexe Workflows, mehr Karrierechancen und vieles mehr. 

Hat dich dieser Artikel motiviert, mit dem Programmieren zu starten? Dann schau dir die folgenden Ressourcen an.