Analytics Engineer

Was macht ein Analytics Engineer?

Du sitzt zwischen zwei etablierten Rollen und füllst genau die Lücke, die sie lassen. Der Data Engineer bringt Daten überhaupt erst ins Haus: Anbindungen, Ladestrecken, Speicherung, Zuverlässigkeit. Der Data Analyst beantwortet damit Fragen des Geschäfts. Dazwischen liegt eine Schicht, die früher niemandem gehörte – die Umwandlung von rohen, technisch benannten Tabellen in verständliche, geprüfte Modelle, mit denen man arbeiten kann, ohne die Quellsysteme zu kennen. Diese Schicht baust und pflegst du.

Konkret heisst das: Aus mehreren Rohtabellen entsteht eine saubere Tabelle „Bestellungen" mit klaren Feldern, dokumentierter Bedeutung und definierten Regeln – wie Stornos behandelt werden, welche Testbestellungen ausgeschlossen sind, wann eine Bestellung als abgeschlossen gilt. Was danach kommt, greift auf diese eine Tabelle zu, statt die Regeln jedes Mal neu zu erfinden.

Der zweite Kern ist die Kennzahlendefinition an einer Stelle. Das häufigste Datenproblem in Unternehmen ist nicht falsche Rechnung, sondern uneinheitliche Definition: Der Vertrieb zählt Umsatz anders als das Controlling, und beide haben recht. Wenn die Definition einmal im Modell steht statt verstreut in Berichten, verschwindet der Streit.

Dazu kommt Handwerkszeug aus der Softwareentwicklung, das in der Datenwelt lange fehlte. Transformationen liegen in einer Versionsverwaltung, Änderungen laufen über Prüfungen durch Kollegen, und auf den Daten selbst laufen Tests: Ist dieser Schlüssel eindeutig? Gibt es Werte ausserhalb des erlaubten Bereichs? Ist die Zeile heute noch da, die gestern da war? Ein Bericht, der still falsch wird, kostet mehr als einer, der sichtbar bricht.

Warum diese Rolle in den letzten Jahren entstanden ist, hat einen einfachen Grund: Moderne Datenspeicher rechnen schnell und günstig genug, dass man Daten nicht mehr vor dem Laden fertig aufbereiten muss. Das Aufbereiten wanderte hinter das Laden – und damit weg vom Data Engineer, hin zu jemandem, der die Fachlogik kennt und trotzdem sauber entwickelt.

Abgrenzung in einem Satz: Der Data Engineer verantwortet, dass Daten ankommen; du verantwortest, dass sie verständlich und verlässlich sind; der Data Analyst verantwortet, was man daraus schliesst.

Was du im Praktikum machst

Meist übernimmst du einen abgegrenzten Bereich – ein Quellsystem, einen Fachbereich – und baust dessen Modelle auf oder um. Ein häufiger Auftrag ist auch Aufräumen: Berichte, die dieselbe Zahl unterschiedlich berechnen, gegeneinander halten und auf eine gemeinsame Definition bringen.

Dazu kommen Tests. Bestehende Modelle mit Prüfungen zu versehen, ist eine gute Praktikumsaufgabe, weil du dabei das Datenmodell wirklich verstehen musst – und weil dabei fast immer Fehler auffallen, die schon länger unbemerkt mitliefen.

Was du mitbringen solltest

SQL ist das zentrale Werkzeug, und zwar über einfache Abfragen hinaus: Fensterfunktionen, Verknüpfungen mit vielen Tabellen, Verständnis für Ausführungspläne. Dazu Versionsverwaltung mit Git und Grundkenntnisse in Datenmodellierung.

Genauso zählt die Bereitschaft, Fragen zu stellen, die unbequem sind. Eine Kennzahl sauber zu definieren bedeutet oft, zwei Abteilungen an einen Tisch zu holen, die bisher nebeneinander her gerechnet haben. Das ist weniger eine technische als eine geduldige Aufgabe, und sie entscheidet darüber, ob deine Modelle später tatsächlich genutzt werden oder ob jeder wieder seine eigene Abfrage schreibt.

Was du verdienst

Praktika liegen bei rund 1.550 Euro brutto im Monat. Der Einstieg bewegt sich um 4.600 Euro, mit zwei bis drei Jahren Erfahrung zwischen 5.300 und 6.500 Euro. Das sind Erfahrungswerte; die Rolle liegt meist leicht über dem Data Analyst und leicht unter dem Data Engineer.

Wie es weitergeht

Ein Weg führt technischer Richtung Data Engineering oder Datenarchitektur. Ein zweiter führt fachlich weiter, bis du die Datenmodelle des ganzen Hauses verantwortest. Und weil du beide Seiten kennst, ist die Leitung eines Datenteams ein naheliegender dritter Schritt.