Wechsel From Nurse to Data Analyst

Du arbeitest im Schichtdienst, willst raus aus der Pflege, und überall liest du, Data Analyst sei der einfachste Weg ins Homeoffice. Was dir niemand sagt: Der Wechsel ist machbar, aber er dauert länger als die Kursanbieter behaupten. Hier ist die ehrliche Landkarte.

Was du aus der Pflege wirklich mitbringst#

Pflegekräfte unterschätzen ihre Vorerfahrung massiv. Du liest jeden Tag Dokumentation, erkennst Muster in Verläufen und triffst Entscheidungen mit unvollständigen Daten. Genau das ist Data Analysis, nur ohne SQL.

Konkret übertragbar sind diese Fähigkeiten:

• Prozessverständnis: Du kennst Abläufe im Krankenhaus, von Aufnahme bis Entlassung. Datenanalysten ohne Branchenwissen müssen diesen Kontext mühsam lernen.
• Dokumentationsdisziplin: Pflegekräfte schreiben strukturiert und nachvollziehbar. Das ist die halbe Miete für verständliche Reports.
• Umgang mit Vorschriften und Datenschutz: DSGVO und Schweigepflicht sind für dich Alltag, für viele Berufsanfänger im Data-Bereich Theorie.
• Kommunikation unter Druck: Du erklärst komplexe Sachverhalte Angehörigen und Kollegen in zwei Minuten. Das überträgt sich direkt auf Stakeholder-Gespräche.
• Sorgfalt mit Zahlen: Medikationspläne, Vitalwerte, Bilanzen. Du gehst seit Jahren sorgfältig mit numerischen Daten um.

Was nicht übertragbar ist: deine Fachkenntnisse in Pflegediagnostik. Niemand im Data-Bereich zahlt dir dafür. Du wirst am Anfang als Junior einsteigen, mit entsprechendem Gehalt.

Was du neu lernen musst#

Der Lernstoff ist überschaubar, aber nicht verhandelbar. Du brauchst SQL auf dem Niveau, dass du Joins, Gruppierungen und Fensterfunktionen selbstständig schreibst. Excel reicht als Basis, aber du solltest Pivot-Tabellen und Verknüpfungen im Schlaf beherrschen.

Dazu kommt eine BI-Tool-Kenntnis, meist Power BI oder Tableau. Ein Reporting-Tool reicht am Anfang, das zweite kommt im Job. Python ist für viele Junior-Rollen kein Muss, für manche schon. Fang mit SQL und BI an, das ist die kürzeste Strecke zum ersten Job.

Statistik brauchst du im praktischen Maß: Mittelwerte, Median, Standardabweichung, Korrelation, den Unterschied zwischen Korrelation und Kausalität. Keine Hypothesentests aus dem Statistikstudium, aber du musst erklären können, warum ein Mittelwert bei schiefen Daten irreführend ist.

Und du musst die Denkweise lernen: Business-Frage in Datenfrage übersetzen, Analyse durchführen, Ergebnis in eine Empfehlung verpacken. Das ist der Teil, den Kurse am wenigsten gut beibringen.

Drei Portfolio-Projekte, die überzeugen#

Ein Portfolio mit drei soliden Projekten schlägt jedes Zertifikat. Wähle Projekte, die deine Branche nutzen, statt generische Übungen mit Iris-Datensatz.

Projekt 1: Personalplanung analysieren. Nimm einen öffentlichen Datensatz zu Schichtarbeit oder Krankenhausauslastung (z. B. von Kaggle oder data.europa.eu) und analysiere, welche Faktoren mit Krankenständen zusammenhängen. Zeige drei Visualisierungen und schreibe eine halbe Seite Empfehlung.

Projekt 2: Prozessanalyse zu Wartezeiten. Analysiere einen öffentlichen Datensatz zu Wartezeiten oder Patientenströmen. Zeige, wie sich die Verteilung über Monate verändert, und leite zwei konkrete Maßnahmen ab. Das zeigt Branchenverständnis.

Projekt 3: Eigenes Dashboard. Bau ein Power-Bi-Dashboard zu einem Datensatz deiner Wahl mit Filtern, Drill-downs und einer eindeutigen Aussage auf Seite 1. Veröffentliche es auf GitHub mit README, das die Business-Frage erklärt.

Wichtig: Jedes Projekt braucht eine klare Fragestellung, nicht nur eine Datenvisualisierung. "Hier sind 20 Charts" ist kein Projekt.

Der ehrliche Zeitplan#

Neben einem Vollzeitjob in der Pflege mit Schichtdienst: Rechne mit 12 bis 18 Monaten, bis du ernsthaft auf Junior-Stellen bewirbst. Mit Teilzeit oder einer Phase ohne Job sind 6 bis 9 Monate realistischer.

Sei skeptisch gegenüber Kursen, die "in 3 Monaten zum Data Analyst" versprechen. Das gelingt nur, wenn du bereits eine analytische Grundausbildung hast und 25 Stunden pro Woche investieren kannst. Für Pflegekräfte im Schichtdienst ist das selten der Fall.

Ein sinnvoller Ablauf: Monate 1 bis 3 Excel und SQL-Grundlagen, Monate 4 bis 6 BI-Tool und Statistik-Grundlagen, Monate 7 bis 9 Portfolio-Projekte, ab Monat 10 Bewerbungen parallel zum Weiterlernen. Die Bewerbungsphase dauert dann erfahrungsgemäß mehrere Monate.

Der Lebenslauf für den Quereinstieg#

Das größte Problem: Dein Lebenslauf liest sich wie Pflege, nicht wie Daten. Das musst du umdrehen, ohne zu lügen.

Beispiel für eine umgeschriebene Bulletpoint:

Vorher: "Dokumentation der Pflegeprozesse gemäß §137 SGB V und Pflegeplanung."

Nachher: "Dokumentierte Pflegeprozesse für durchschnittlich 25 Patienten pro Schicht in strukturierter Form, entwickelte eine standardisierte Vorlage, die die Dokumentationszeit pro Patient um geschätzt 15 Prozent reduzierte."

Die zweite Version zeigt strukturiertes Arbeiten, Verantwortung und messbare Wirkung. Sie bleibt wahr.

So baust du den Lebenslauf auf:

• Oben ein Kurzprofil in drei Zeilen: Wo du herkommst, was du kannst, was du suchst.
• Dann einen Abschnitt "Datenkompetenzen" mit SQL, Excel, Power BI, Python (falls vorhanden), konkret mit Kenntnisstand.
• Dann deine Projekte, jeweils mit Business-Frage und Ergebnis.
• Erst danach die Berufserfahrung in der Pflege, umgeschrieben auf übertragbare Fähigkeiten.
• Zum Schluss Ausbildung und Zertifikate, ohne lange Kurslisten.

Ein ATS-Check hilft dir zu sehen, ob dein Lebenslauf die relevanten Begriffe überhaupt enthält. Der kostenlose ATS-Prüfer zeigt dir das in wenigen Sekunden.

Die ersten Stellen, auf die du dich bewirbst#

Direkt als Data Analyst in einem Konzern wird schwer. Dafür konkurrierst du mit Leuten, die einschlägige Erfahrung haben. Gehe stattdessen strategischer vor.

Gute Ziele für den Einstieg: kleinere und mittlere Unternehmen, Pflege-Software-Anbieter, Kliniken und Pflegeketten mit eigenen Data-Teams, Beratungen im Gesundheitswesen. Dein Branchenwissen ist dort ein echter Vorteil, nicht nur eine nette Geschichte.

Zwei weitere Einstiegswege: interne Wechsel in deinem aktuellen Arbeitgeber, wenn es ein Reporting-Team gibt, und Rollen als Data Analyst mit Schwerpunkt Reporting oder Business Intelligence, die weniger voraussetzen als klassische Analytics-Stellen.

Schau regelmäßig in den aktuellen Stellenangeboten nach, welche Tools in den Ausschreibungen wirklich gefordert werden. Das verändert sich schneller, als Lehrpläne hinterherkommen. Wenn du eine Stellenanzeige nicht entschlüsseln kannst, hilft der kostenlose JD-Decoder dabei, die Kernanforderungen zu extrahieren.

Zum Gehalt: Einstiegsgehälter für Data Analysts in Deutschland werden je nach Region, Branche und Unternehmensgröße sehr unterschiedlich berichtet, oft im Bereich von etwa 38.000 bis 52.000 Euro brutto jährlich. Deine Pflegeerfahrung wird dir davon nicht das volle Niveau geben, aber sie hilft bei der Verhandlung, besonders im Gesundheitswesen. Prüfe aktuelle Werte auf den offiziellen Seiten der Arbeitsagentur oder aktuellen Gehaltsreports, bevor du eine Zahl nennst.

Checkliste für die ersten 90 Tage#

• Entscheide dich für einen BI-Schwerpunkt: Power BI oder Tableau, nicht beide gleichzeitig.
• Lerne SQL bis zu Joins und GROUP BY, mit täglich 30 Minuten statt einmal pro Woche vier Stunden.
• Baue ein erstes Mini-Projekt mit einem Datensatz aus deinem Arbeitsumfeld.
• Erstelle einen LinkedIn-Profil mit den neuen Datenkompetenzen und dem Ziel "Data Analyst".
• Vernetze dich mit fünf Leuten, die den Wechsel geschafft haben, und frag nach ihrem realen Ablauf.
• Lies drei echte Stellenanzeigen und notiere dir die Lücken, die du noch schließen musst.

Mehr zum Einstieg und zu weiteren Karrierewegen findest du im Blog.

Häufige Fragen#

Brauche ich ein Studium, um Data Analyst zu werden?

Nein, ein Studium ist für viele Junior-Rollen keine harte Voraussetzung. Was zählt, sind nachweisbare Fähigkeiten, ein sauberes Portfolio und die Fähigkeit, Daten in Empfehlungen zu übersetzen. Für manche Konzerne und spezialisierte Rollen ist ein Abschluss aber weiterhin ein Filterkriterium.

Reicht ein Zertifikat von einem Online-Kurs?

Ein Zertifikat allein reicht fast nie. Es zeigt, dass du einen Kurs abgeschlossen hast, nicht, dass du ein Problem lösen kannst. Kombiniere Kurse mit drei konkreten Projekten, die du erklären kannst.

Wie lange dauert der Wechsel realistisch?

Bei einem Vollzeitjob in der Pflege sind 12 bis 18 Monate bis zu ernsthaften Bewerbungen ein realistischer Rahmen. Wer deutlich mehr Zeit investieren kann, kommt schneller. Plane Bewerbungsphasen zusätzlich ein, sie dauern oft mehrere Monate.

Muss ich Python können?

Für den Einstieg in viele Reporting- und BI-Rollen reichen SQL, Excel und ein BI-Tool. Python wird für fortgeschrittene Analysen und bestimmte Stellen wichtig, ist aber selten das, was dir am Anfang die Tür verschließt. Lerne es später gezielt, wenn Stellenanzeigen es fordern.

Verdiene ich als Quereinsteiger weniger als andere Junioren?

Am Anfang ja, oft etwas, weil du keine einschlägige Berufserfahrung im Data-Bereich vorweisen kannst. Dein Branchenwissen kann das teilweise ausgleichen, besonders bei Arbeitgebern im Gesundheitswesen. Nach zwei bis drei Jahren Berufserfahrung spielt die Herkunft eine kleinere Rolle.