Amazon Data Analyst: Lebenslauf-Keywords und Interviewvorbereitung

Deine Bewerbung als Amazon Data Analyst scheitert oft schon an der ersten Hürde: Der Lebenslauf zeigt Tätigkeiten, aber keine Ergebnisse. Gleichzeitig weißt du nicht, wie tief du in die Interviewvorbereitung einsteigen sollst, ohne interne Prozesse zu erfinden. Beides lässt sich lösen, wenn du die Stellenanzeige als Vorlage nutzt und deine Erfahrung in Ergebnisse übersetzt.

Was Amazon unter Data Analyst versteht#

Die Rollenbezeichnung ist nicht geschützt und wird je nach Team unterschiedlich besetzt. Manche Teams wollen eine Person, die vor allem SQL und Reporting macht. Andere suchen jemanden, der Experimente auswertet und Empfehlungen an das Management formuliert.

Lies die Ausschreibung Zeile für Zeile. Notiere die Werkzeuge, die Methoden und die Verantwortungsbereiche, die dort stehen. Genau diese Begriffe gehören in deinen Lebenslauf. Alles andere ist für die erste Runde zweitrangig.

Keywords, die in den Lebenslauf gehören#

Der Trick ist nicht, Buzzwords zu stapeln. Es geht darum, deine echte Erfahrung mit den Worten der Ausschreibung zu beschreiben. Wenn dort "SQL" steht und du täglich komplexe Abfragen geschrieben hast, dann schreib genau das.

Häufig vorkommende Begriffe in Data Analyst Stellen sind SQL, Python, R, Tableau, Power BI, Looker, Excel, ETL, Data Warehouse, A/B Testing, statistische Analyse, Datenqualität und Dashboard. Nicht alle davon passen zu dir. Nur die zutreffenden Begriffe gehören rein.

Nutze einen kostenlosen Werkzeugcheck, um zu sehen, ob dein Dokument überhaupt maschinell lesbar ist. Der kostenlose ATS-Prüfer zeigt dir Formatierungsfehler, die Bewerber oft übersehen. Für die genaue Zerlegung einer konkreten Ausschreibung hilft der kostenlose Stellenanzeigen-Decoder.

Beispiel: aus Aufgabe wird Ergebnis

Die meisten Lebensläufe sehen so aus: "Verantwortlich für Reporting und Datenanalyse im Vertriebsteam." Das sagt nichts über dein Können aus. Hier eine überarbeitete Version:

Vorher: "Zuständig für monatliche Reports und Dashboards für das Vertriebsteam."

Nachher: "Baute ein monatliches SQL Dashboard für das Vertriebsteam, das vier manuelle Excel Reports ersetzte und die Reportlaufzeit von fünf auf einen Tag reduzierte."

Der Unterschied liegt nicht in der Länge. Er liegt darin, dass die zweite Version Werkzeug, Umfang und Ergebnis zeigt. Schreib keine Zahl, die du nicht belegen kannst. Wenn du die Zeitersparnis nicht kennst, beschreibe den Umfang konkret: Anzahl der Reports, Anzahl der betreuten Länder, Anzahl der Datenquellen.

Was du nicht schreiben solltest

Keine Aufzählung von Soft Skills ohne Beleg. "Teamplayer" und "analytisches Denkvermögen" sind Füllworte. Auch Selbstbeschreibungen wie "datengetrieben" überzeugen niemanden.

Vermeide auch interne Amazon Begriffe, die du nicht aus erster Hand kennst. Schreib nicht, du hättest mit einem bestimmten internen System gearbeitet, wenn das nicht stimmt. Das fällt im Interview auf, wenn du es nicht erklären kannst.

Der deutsche Lebenslauf und seine Tücken#

In Deutschland ist der tabellarische Lebenslauf mit Foto üblich. Für eine internationale Bewerbung bei einem US Konzern reicht oft eine knappere Fassung ohne Foto. Schau im Bewerbungsportal, was verlangt wird. Wenn nichts genannt ist, entscheide dich für die kürzere Variante.

Ein bis zwei Seiten sind normal. Wer zehn Jahre Berufserfahrung hat, kommt auf zwei Seiten. Berufseinsteiger bleiben bei einer. Notiere den Zeitraum jeder Station im Format MM/JJJJ bis MM/JJJJ, damit Lücken sichtbar bleiben. Lücken sind kein Ausschlusskriterium, aber Überraschungen schon.

Interviewvorbereitung ohne Gerüchte#

Über Amazons internes Bewerbungsverfahren kursieren viele Halbwahrheiten. Halte dich an das, was du belegen kannst: die veröffentlichten Leadership Principles, die Stellenbeschreibung und deine eigene Erfahrung. Alles andere ist Spekulation.

Die Leadership Principles sind öffentlich einsehbar. Du musst nicht alle auswendig können. Wähle vier bis sechs aus, die zur Rolle passen, und bereite je ein Beispiel aus deiner Arbeit vor. Für eine Data Analyst Rolle sind das oft Customer Obsession, Dive Deep, Bias for Action und Deliver Results.

Verhaltensfragen richtig beantworten

Die STAR Methode hilft, nicht abzuschweifen. Situation, Task, Action, Result. Der schwierigste Teil ist das Result, weil viele Bewerber die Handlung beschreiben, aber das Ergebnis weglassen.

Hier ein Beispiel für die Frage "Erzähl mir von einer Zeit, als du eine Datenqualitätsproblematik lösen musstest":

"Im letzten Quartal fiel mir auf, dass unsere Umsatzzahlen im Dashboard von den Zahlen im Finanzsystem abwichen. Ich sollte herausfinden, warum. Ich habe die Rohdaten über drei Systeme hinweg abgeglichen und gefunden, dass zwei Quellsysteme Stornierungen unterschiedlich behandelten. Ich habe die Logik dokumentiert, mit dem Data Engineering Team eine Korrektur abgestimmt und das Dashboard angepasst. Danach stimmten die Zahlen wieder mit dem Finanzsystem überein, und das Team hat die wöchentliche manuelle Prüfung eingestellt."

Das Beispiel nennt kein Team, das es nicht gibt, und keine Zahl, die ich nicht belegen kann. Genau so solltest du antworten: konkret, ehrlich, ohne Erfindungen.

Technische Fragen vorbereiten

Rechne mit SQL Aufgaben mittlerer Schwierigkeit: Joins, Window Functions, Aggregationen, Umgang mit NULL Werten. Übe das Schreiben von Queries auf Papier oder im Editor ohne Autovervollständigung. Das ist im Gespräch die häufigste Hürde.

Für statistische Fragen solltest du den Unterschied zwischen Korrelation und Kausalität erklären können. Ebenso, was ein A/B Test braucht, um aussagekräftig zu sein. Wenn du mit Python gearbeitet hast, sei bereit, eine konkrete Analyse zu beschreiben, die du damit durchgeführt hast.

Checkliste für die letzten Tage#

• Drucke die Stellenbeschreibung aus und markiere jedes Werkzeug, jede Methode und jede Verantwortung
• Schreibe für jedes markierte Feld einen Beispielsatz aus deiner Arbeit
• Wähle vier Leadership Principles und baue je ein STAR Beispiel auf
• Übe drei SQL Aufgaben mit Joins und Window Functions ohne Hilfsmittel
• Formuliere drei Fragen an das Team, die sich auf die Rolle beziehen, nicht auf Benefits
• Prüfe deinen Lebenslauf noch einmal auf Formatfehler mit dem kostenlosen ATS-Prüfer
• Notiere für jede Station im Lebenslauf ein Ergebnis, das du im Gespräch erklären kannst

Gehalt und Vertrag in Deutschland#

Über Gehälter kursieren viele Zahlen, die niemand belegen kann. Was ich dir sagen kann: Data Analyst Gehälter in Deutschland schwanken stark nach Erfahrung, Standort und Branche. Große Tech Unternehmen zahlen in der Regel mehr als der Mittelstand, die Spanne ist aber breit.

Verlass dich nicht auf Blogwerte von vor zwei Jahren. Prüfe die aktuellen Angaben im Stellenportal selbst, wenn dort ein Rahmen genannt wird. Für Vergleichswerte nutze mehrere Quellen und rechne mit einer Spanne, nicht mit einer Zahl. Die verbindliche Auskunft kommt am Ende vom Arbeitgeber.

Wenn du noch suchst, lohnt der Blick auf die aktuellen Stellenangebote, um ein Gefühl für marktübliche Anforderungen zu bekommen. Weitere Bewerbungstipps findest du im Karrierebereich.

Kostenlose Tools#

• jobrise.io/de/free-ats-checker/
• jobrise.io/de/free-jd-decoder/
• jobrise.io/de/jobs/
• jobrise.io/de/blog/

Häufige Fragen#

Muss ich alle Leadership Principles im Lebenslauf erwähnen?

Nein. Der Lebenslauf ist kein Ort für Prinzipienlisten. Zeige sie indirekt durch Ergebnisse und Verantwortung. Die Prinzipien gehören ins Gespräch, nicht ins Dokument.

Wie gehe ich mit einer Lücke im Lebenslauf um?

Sei vorbereitet, sie in einem Satz zu erklären. Ein ehrlicher Grund wie Weiterbildung, Elternzeit oder Jobsuche ist besser als eine Umformulierung, die im Gespräch auffliegt. Die meisten Interviewer fragen nach, um zu sehen, wie du reagierst.

Sollte ich Amazon spezifische Begriffe in den Lebenslauf schreiben?

Nur, wenn du sie aus eigener Erfahrung kennst. Nachgelesene Begriffe wirken im Gespräch hohl, sobald du nachfragst, wie sie im Alltag aussahen. Bleib bei dem, was du erklären kannst.

Wie tief muss meine SQL Vorbereitung gehen?

Für die meisten Data Analyst Rollen reichen Joins, Aggregationen, Subqueries und Window Functions. Übe das Schreiben von Code ohne Autovervollständigung. Tieferes Wissen in Query Optimierung ist ein Plus, aber selten der erste Filter.

Was mache ich, wenn ich keine passende Berufserfahrung habe?

Übersetze Projekte aus dem Studium, aus Praktika oder aus der Selbstständigkeit in Ergebnisse. Beschreibe Umfang, Werkzeug und Ergebnis, auch wenn der Kontext klein war. Ehrliche kleine Beispiele schlagen leere große Behauptungen.