Business-Intelligence-Entwickler

Was macht ein Business-Intelligence-Entwickler?

Du baust die Berichte und Dashboards, über die ein Unternehmen seinen eigenen Zustand liest: Umsatz nach Region, Bestände nach Lager, Auslastung nach Woche, Personalkennzahlen nach Bereich. Was der Betrachter davon sieht, ist eine Oberfläche mit ein paar Diagrammen und Filtern. Die Arbeit steckt darunter.

Denn ein Bericht ist nur so gut wie sein Datenmodell. Du legst fest, welche Tabellen zusammengehören, über welche Schlüssel sie verbunden sind, welche Zeitachse gilt und wie sich Werte über verschiedene Ebenen hinweg zusammenfassen lassen – nach Tag, Monat, Jahr, nach Filiale, Region, Land. Ein schlecht gebautes Modell rächt sich sofort: Zahlen summieren sich doppelt, Filter wirken nicht wie erwartet, und niemand kann erklären, warum zwei Kacheln unterschiedliche Werte zeigen.

Der zweite Kern ist die Kennzahlenlogik. „Deckungsbeitrag", „aktiver Kunde", „offene Position" – jede dieser Grössen hat Regeln, oft mit Ausnahmen, und die musst du so umsetzen, dass sie in jedem Bericht gleich gelten. Dazu kommen Berechtigungen: Wer darf welche Zeilen sehen? Eine Regionalleitung soll ihre eigene Region auswerten können, aber nicht die Zahlen der Nachbarregion. Solche Regeln gehören ins Modell, nicht in getrennte Berichtsversionen, von denen später niemand mehr weiss, welche stimmt.

Ein Thema, das viele unterschätzt, ist Leistung. Ein Bericht, der auf einer Testmenge in zwei Sekunden lädt, kann auf Jahresdaten unbenutzbar werden. Vorberechnungen, sinnvolle Aggregationsstufen und ein sparsamer Umgang mit Detailtiefe sind daher eigene Handwerksthemen.

Als Werkzeuge begegnen dir Power BI, Tableau und vergleichbare Berichtsumgebungen. Welche davon im Haus steht, hängt meist an Historie und Lizenzlage; die Denkweise ist über die Gattung hinweg ähnlich, und wer eines beherrscht, findet sich im anderen zurecht.

Die Abgrenzung: Der Data Analyst nutzt Berichte, um Fragen zu beantworten, und untersucht Einzelfälle. Du baust die Grundlage, auf der er und viele andere ohne dich weiterarbeiten können. Der Analytics Engineer arbeitet eine Schicht tiefer, in den Datenmodellen des Speichers selbst – in kleineren Häusern fällt beides in eine Person, in grösseren sind es getrennte Rollen.

Was du im Praktikum machst

Sehr oft einen konkreten Bericht: Anforderung aufnehmen, Datenmodell bauen, Kennzahlen umsetzen, mit dem Fachbereich zwei bis drei Runden drehen. Diese Runden sind der lehrreiche Teil – was jemand fachlich meint und was er zuerst beschreibt, fällt selten zusammen.

Ein zweiter typischer Auftrag ist Bestandspflege: gewachsene Berichte prüfen, Doppelungen zusammenführen, langsame Abfragen beschleunigen, unklare Kennzahlen dokumentieren. Das klingt undankbar, verschafft dir aber einen sehr guten Überblick über das Unternehmen.

Was du mitbringen solltest

Sicheres SQL, Verständnis für Datenmodellierung und Interesse an betriebswirtschaftlichen Zusammenhängen. Ein Berichtswerkzeug solltest du wenigstens einmal ernsthaft benutzt haben, gern aus einem Studienprojekt.

Dazu kommt Sinn für Darstellung. Ein Diagramm kann korrekt und trotzdem irreführend sein – abgeschnittene Achsen, zu viele Farben, drei Kennzahlen in einer Kachel. Wer Berichte baut, trägt Verantwortung dafür, wie Zahlen gelesen werden.

Was du verdienst

Praktika liegen bei rund 1.450 Euro brutto im Monat. Der Einstieg bewegt sich um 4.300 Euro, mit zwei bis drei Jahren Erfahrung zwischen 5.300 und 6.200 Euro. Das sind Erfahrungswerte. Das Niveau liegt unter den stark technischen KI-Rollen, dafür ist der Einstieg breiter offen – auch aus wirtschaftsnahen Studiengängen.

Wie es weitergeht

Diese Rolle ist ein sehr häufiger und oft unterschätzter Einstieg in Datenberufe: Sie ist in fast jedem grösseren Unternehmen besetzt und verlangt keinen Forschungshintergrund. Von hier führt ein Weg technischer Richtung Analytics Engineering oder Data Engineering, ein zweiter in die BI-Architektur eines ganzen Hauses und ein dritter in die Leitung eines Berichtswesens.