Data Warehouse AnalystIn

Berufsbereiche: Informationstechnologie
Ausbildungsform: Uni/FH/PH
Einstiegsgehalt lt. KV: € 2.270,- bis € 2.660,- * Arbeitsmarkttrend: steigend
* Die Gehaltsangaben entsprechen den Bruttogehältern bzw Bruttolöhnen beim Berufseinstieg. Achtung: meist beziehen sich die Angaben jedoch auf ein Berufsbündel und nicht nur auf den einen gesuchten Beruf. Datengrundlage sind die entsprechenden Mindestgehälter in den Kollektivverträgen (Stand: Juli 2018). Eine Übersicht über alle Einstiegsgehälter finden Sie unter www.gehaltskompass.at. Die Mindest-Löhne und Mindest-Gehälter sind in den Branchen-Kollektivverträgen geregelt. Die aktuellen kollektivvertraglichen Lohn- und Gehaltstafeln finden Sie in den Kollektivvertrags-Datenbanken des Österreichischen Gewerkschaftsbundes (ÖGB) und der Wirtschaftskammer Österreich (WKÖ).

Tätigkeitsmerkmale

Data Warehouse Analysts befassen sich mit der Analyse von unternehmensbezogenen Daten.

Ein Data Warehouse ist eine Datenbank mit Lesezugriff, in der die unternehmensspezifischen Daten zusammengeführt sind. Zusätzlich bietet es die Funktion eines analytischen Systems zur Informationsextraktion.

Die extrahierten (gewonnenen) Informationen können dann zur weiteren Verarbeitung, wie Data Mining*, Text Mining, Meinungsforschung und Entscheidungsfindung zur Verfügung stehen.

Data Warehouse Analysts befassen sich mit der Analyse und der Auswertung von Daten und Informationen aus einer sehr großen Menge an unterschiedlichem Datenmaterial (aus dem Data Warehouse). Sie untersuchen die Unternehmensdaten nach Mustern und Strukturen sowie nach Abweichungen und Zusammenhängen.

Meist stehen Fragen zu kundenspezifischen Themen im Vordergrund. Beispiel: Wie ist die Auswirkung einer Preiserhöhung auf das Kaufverhalten einer speziellen Kundengruppe? Erkenntnisse beziehen sich auch auf sogenannte Kombinationskäufe: Wer Produkt X kauft, kauft auch Produkt Y. So können zum Beispiel bestimmte Produkte optimaler platziert werden.

Die durch Analysen gewonnenen Erkenntnisse dienen dem Unternehmen als Entscheidungsgrundlage für Handlungen. Aus diesem Grund werden DatenanalytikerInnen hier auch als Business-Intelligence Analysts bezeichnet.

Es gibt auch die Berufe Data Analyst, Data Scientist und WirtschaftsinformatikerIn.

 

*Data Mining ist die Anwendung statistischer Methoden zur Suche nach Informationen und Mustern aus großen strukturierten und unstrukturierten Datenbeständen. Text Mining gilt als Unterform von Data Mining, jedoch ist es auf keine bestimmte Datenstruktur angewiesen.

Strukturierte Daten sind in einer Art Muster organisiert damit man sie identifizieren kann, zum Beispiel in einer Datenbank. Unstrukturierte Daten sind z.B. E-Mails, Bilder und freier Text.

Obwohl Word-Dokumente mit Überschriften strukturiert sind, gelten sie als nicht-strukturiert für die Suche nach bestimmten Informationen.

Data Warehouse Analysts befassen sich mit der Analyse von unternehmensbezogenen Daten.

Ein Data Warehouse ist eine Datenbank mit Lesezugriff, in der die unternehmensspezifischen Daten zusammengeführt sind. Zusätzlich bietet es die Funktion eines analytischen Systems zur Informationsextraktion.

Die extrahierten (gewonnenen) Informationen können dann zur weiteren Verarbeitung, wie Data Mining*, Text Mining, Meinungsforschung und Entscheidungsfindung zur Verfügung stehen.

Data Warehouse Analysts befassen sich mit der Analyse und der Auswertung von Daten und Informationen aus einer sehr großen Menge an unterschiedlichem Datenmaterial (aus dem Data Warehouse). Sie untersuchen die Unternehmensdaten nach Mustern und Strukturen sowie nach Abweichungen und Zusammenhängen.

Meist stehen Fragen zu kundenspezifischen Themen im Vordergrund. Beispiel: Wie ist die Auswirkung einer Preiserhöhung auf das Kaufverhalten einer speziellen Kundengruppe? Erkenntnisse beziehen sich auch auf sogenannte Kombinationskäufe: Wer Produkt X kauft, kauft auch Produkt Y. So können zum Beispiel bestimmte Produkte optimaler platziert werden.

Die durch Analysen gewonnenen Erkenntnisse dienen dem Unternehmen als Entscheidungsgrundlage für Handlungen. Aus diesem Grund werden DatenanalytikerInnen hier auch als Business-Intelligence Analysts bezeichnet.

Es gibt auch die Berufe Data Analyst, Data Scientist und WirtschaftsinformatikerIn.

 

*Data Mining ist die Anwendung statistischer Methoden zur Suche nach Informationen und Mustern aus großen strukturierten und unstrukturierten Datenbeständen. Text Mining gilt als Unterform von Data Mining, jedoch ist es auf keine bestimmte Datenstruktur angewiesen.

Strukturierte Daten sind in einer Art Muster organisiert damit man sie identifizieren kann, zum Beispiel in einer Datenbank. Unstrukturierte Daten sind z.B. E-Mails, Bilder und freier Text.

Obwohl Word-Dokumente mit Überschriften strukturiert sind, gelten sie als nicht-strukturiert für die Suche nach bestimmten Informat…

  • Analytisches Denkvermögen
  • Entdeckerfreude und Gespür für Zusammenhänge
  • Freude am Umgang mit unterschiedlichen Technologien
  • Kreativität: Datensätze in lesbare Ergebnisse umformulieren und Informationen anschaulich darstellen
  • Fachkundige Sprachkenntnisse
  • Gute Kommunikationsfähigkeiten

 

Im Beruf sind Programmierkenntnisse und Statistikkenntnisse nötig, sowie der Umgang mit Datenbanken und spezifischen Softwaretools. Für viele Projekte sind Kenntnisse der Suchmaschinenoptimierung erforderlich.

Sie arbeiten vorwiegend für Wirtschaftsunternehmen, in denen sie auch als BeraterInnen für die Unternehmenleitung auftreten. Wichtig sind daher sehr gute Branchenkenntnisse.

Beschäftigungsmöglichkeiten bestehen auch in Betriebsberatungsfirmen sowie in Rechenzentren. Darüber hinaus besteht die Möglichkeit - je nach Spezialisierung - an Universitäten, wissenschaftlichen Instituten und zunehmend in Produktions- und Fertigungsstätten tätig zu sein.

Data-Warehouse-Analysts bzw. DatenanalytikerInnen sind z.B. in Softwarehäusern oder direkt in mittleren und größeren Unternehmen tätig - vor allem im Handel, bei Banken und Versicherungen, Logistik- und Transportunternehmen. Der Bedarf an Fachleuten verstärkt sich in der produzierenden Industrie (wo auch Process Mining eine Rolle spielt).

Oft handelt es sich um Standort-, Marketing- oder Logistikfragen oder um Herausforderungen im Bereich Umwelt und Ökologie, Immobilienwirtschaft, Touristik oder Gesundheitswesen.

Die Zahl der Unternehmen die Data Mining-Verfahren nutzen ist tendenziell stark steigend. Daten werden allgemein als „Öl der Zukunft“ bezeichnet.

Datenerfassung, Datevverarbeitung und Datenanalyse spielt eine Schlüsselrolle in allen Bereichen der Wirtschaft und Technik. Es geht darum, eine Brücke zwischen Datenwissenschaft und Geschäftsprozesse zu schlagen: Somit kann die Analyse komplexer Probleme und Szenarien bewältigt werden.

Laut einer Prognose die auf der Studie »EMC Digital Universe« basiert, wird das Datenvolumen im Jahr 2020 bei etwa 44.000 Exabyte liegen. Manche prognostizieren sogar 40 Zettabyte (vgl. EMC Studie „Das digitale Universum“, URL: https://germany.emc.com).

Allerdings liegt die Mehrzahl der Daten unstrukturiert vor, also dateibasiert und nicht verschlagwortet, so dass diese nicht für Big Data Analysen nützlich sind (Big Data Gap).

Das Internet der Dinge bzw. die Industrie 4.0 wird jedoch die Menge der Daten vergrößern, die sich tatsächlich auswerten lassen. Das sind Sensordaten, Daten aus Embedded Systems (z.B. Navigationsgeräte), Drohnen, Wearables, vernetzten Autos und Kühlschränken.

Stellenangebote im "eJob-Room" (Internet-Stellenvermittlung des AMS):

Der folgende Link führt zum Abfrage-Formular des eJob-Room für das Berufsbündel "Data-Warehouse-ManagerIn", dem der Beruf "Data Warehouse AnalystIn" zugeordnet ist. Im Formular können Sie dann noch das Bundesland und den Arbeitsort und andere Kriterien auswählen; nach einem Klick auf "Weiter" erhalten Sie die Stellenangebote.

offene Job-Angebote

Zu den fachlichen Anforderungen von Data Warehouse Analysts gehören fundierte Kenntnisse in Mathematik, angewandter Statistik und Informatik.

  • Wirtschaftsinformatik: Verschiedene Anbieter
  • Business Informatics: TU Wien (Englisch)
  • Data Analytics Strategies: Donau Univ. Krems
  • Informatik – Software and Information Engineering: FH Vorarlberg
    Information Medien & Kommunikation: FH Burgenland
  • Business Informatics: FH Technikum Wien (Englisch)

 

Das Studium Wirtschafts- und Sozialwissenschaften an der WU Wien bietet die Module Data Analytics und Data Science.

Manche Studiengänge vermitteln zusätzlich Methoden, um Erkenntnisse über Zusammenhänge zu generieren, um Vorhersagen und Trend-Prognosen (Predictive Analytics) zu tätigen. Infos bieten die Ausbildungsinstitutionen.

Ergebnisse aus dem Ausbildungskompass:

Fort- und Weiterbildungsmaßnahmen werden zum Teil betriebsintern angeboten. Masterstudiengänge sind z.B.

  • Informatik – Das Masterstudium bietet die Vertiefungen: „Autonome Systeme“, „Big Data“, „Internet der Dinge“, "Modellierung, Simulation, Optimierung", "User Experience": FH Vorarlberg
  • Data Science and Engineering: Das Masterstudium bietet die Vertiefungen: "Biomedizinische Datenanalyse", "Datenanalyse in Marketing & Produktion": FH OÖ

 

Es gibt auch postgraduale Lehrgänge, z.B. in den Bereichen E-Government, Angewandte Mustererkennung, Data Mining oder Information Retrieval (die Informationsextraktion grenzt sich von Information Retrieval ab, das sich auf das Finden von Dokumenten für bestimmte Suchanfragen konzentriert).

AbsolventInnen können den Erwerb des Zertifikats „Data Scientist“ anstreben, es gibt verschiedene Level, vom „Big Data Manager“ über den „Advanced Analytical Professional“ bis zum „Data Scientist“. Anbieter sind z.B. die SAS® Academy und das Fraunhofer Institut in München.

Es kann eine Tätigkeit als Big Data Analyst (extra große Datenmengen) oder als Data Scientist angestrebt werden.

Die Tätigkeit von Data Scientists geht weit über die reine Datenanalyse hinaus. Häufig ist nicht die „Masse" (Big Data), sondern der „wertvolle Inhalt" (Smart Data) das entscheidende Kriterium.

Data Science ist nicht an eine bestimmte Branche gebunden. Data Analysts und Data Scientists arbeiten zum Beispiel in Rechenzentren, bei Energienetzbetreibern (Strom, Gas, Wasser), in der Immobilienwirtschaft, im Gesundheitswesen, Tourismus, im Finanz- und Versicherungswesen, verstärkt auch im Agrarwesen sowie allgemein in Wirtschaftsunternehmen und im Bereich Datennutzung zur Produktionssteuerung in Produktions- und Fertigungsbetrieben.

Für AbsolventInnen bestimmter Studienrichtungen besteht darüber hinaus die Möglichkeit zur selbstständigen Tätigkeit als ZiviltechnikerIn.

Diese Berufe könnten Sie auch interessieren ...

Uber weitere Berufsvorschläge
Weitere Berufe aus dem Bereich "Informationstechnologie" anzeigen