Vorstellungsgespräch als Data Analyst: Fragen und Antworten

Du hast die Einladung zum Vorstellungsgespräch als Data Analyst bekommen, und jetzt schiebst du Panik wegen der technischen Fragen? Das ist normal. Aber mit der richtigen Vorbereitung kannst du die meisten Fragen vorhersehen. Hier erfährst du, welche Fragen wirklich gestellt werden und wie du sie beantwortest.

Screening-Fragen: Der erste Filter#

Bevor es um komplexe Analysen geht, will der Recruiter oder Hiring Manager verstehen, ob du grundsätzlich passt. Diese ersten 5 bis 10 Minuten entscheiden oft, ob es weitergeht.

Die häufigsten Fragen in dieser Phase:

• Warum bewirbst du dich als Data Analyst und nicht als Data Scientist?
• Was weißt du über unser Unternehmen und unsere Datenlage?
• Welche Tools nutzt du täglich und wie würdest du dein Level einschätzen?
• Was sind deine Gehaltsvorstellungen?

Typischer Fehler: Zu allgemeine Antworten. Wenn jemand fragt, warum Data Analyst, dann will er hören, dass du den Unterschied zum Data Scientist verstehst. Data Analysts arbeiten stärker mit Business-Teams zusammen, erstellen Reports und Dashboards, und kommunizieren Ergebnisse direkt an Entscheider. Data Scientists bauen eher Modelle und Prototypen.

Zu deiner Vorbereitung gehört auch, die Stellenbeschreibung genau zu analysieren. Unser kostenloser Stellenanalyse-Decoder hilft dir, die Anforderungen zu entziffern und gezielt darauf zu antworten.

Fachliche Fragen: SQL, Statistik und Tools#

Hier wird es ernst. Fachliche Fragen prüfen, ob du die Grundlagen beherrschst. Die meisten Interviews enthalten mindestens zwei oder drei davon.

Welche SQL-Joins gibt es und wann nutzt du welchen?

Der Interviewer hört hier auf Struktur. Er will nicht nur die Namen wissen, sondern ob du weißt, wann du INNER JOIN statt LEFT JOIN verwendest. Eine gute Antwort:

"Es gibt INNER JOIN, LEFT JOIN, RIGHT JOIN und FULL OUTER JOIN. Am häufigsten nutze ich INNER JOIN, wenn ich nur Zeilen mit Übereinstimmungen in beiden Tabellen brauche. LEFT JOIN verwende ich, wenn ich alle Zeilen der linken Tabelle behalten will, auch wenn es keinen Match gibt, zum Beispiel bei Kunden ohne Bestellungen."

Was ist der Unterschied zwischen Korrelation und Kausalität?

Klassiker. Und immer wieder fallen Leute darauf rein. Korrelation bedeutet, dass zwei Variablen sich gemeinsam bewegen. Kausalität bedeutet, dass eine Variable die andere direkt beeinflusst. Das berühmte Beispiel: Eiscreme-Verkäufe und Ertrinkungszahlen korrelieren, weil beide im Sommer steigen. Eiscreme verursacht aber kein Ertrinken.

Erkläre den Unterschied zwischen WHERE und HAVING in SQL.

Wo du gerade nachdenkst: WHERE filtert Zeilen vor der Gruppierung, HAVING filtert nach der Gruppierung. Wenn du mit GROUP BY arbeitest und Bedingungen auf die aggregierten Werte stellen willst, brauchst du HAVING. WHERE kann keine Aggregatfunktionen verwenden.

Welche Diagrammtypen würdest du für Umsatzdaten über drei Jahre wählen?

Hier zählt nicht die eine richtige Antwort, sondern deine Begründung. Für Zeitreihen eignet sich ein Liniendiagramm. Für den Vergleich zwischen Kategorien ein Balkendiagramm. Wenn du den Anteil einzelner Kategorien am Gesamtumsatz zeigen willst, ein gestapeltes Balkendiagramm oder Kreisdiagramm, wobei Kreisdiagramme bei mehr als fünf Kategorien unübersichtlich werden.

Was machst du bei fehlenden Werten in einem Datensatz?

Echte Antwort erwartet der Interviewer. Du ignorierst sie nicht einfach. Zuerst prüfst du, ob die Werte zufällig fehlen oder systematisch. Dann entscheidest du: Löschen, durch Mittelwert oder Median ersetzen, oder mit benachbarten Werten auffüllen. Die Wahl hängt vom Anwendungsfall ab. Für Umsatzdaten wäre Löschen oft problematisch, weil du Datenpunkte verlierst.

Du willst sehen, ob deine aktuellen Skills zu den Stellenanforderungen passen? Dann probiere unseren kostenlosen ATS-Check aus, der deinen Lebenslauf gegen typische Anforderungen prüft.

Verhaltensfragen: Wie handelst du in Situationen?#

Behavioral Questions zeigen, wie du in echten Arbeitsumgebungen reagierst. Die STAR-Methode hilft dir bei der Struktur: Situation, Task, Action, Result.

Beschreibe eine Situation, in der du eine komplexe Analyse für Nicht-Techniker erklären musstest.

Ein konkretes Beispiel:

"In meinem letzten Job analysierte ich Kundendaten für das Marketingteam. Die Frage war, warum bestimmte Kundensegmente weniger kaufen. Ich erstellte ursprünglich ein technisches Dokument mit p-Werten und Regressionskoeffizienten. Niemand verstand es. Also erstellte ich stattdessen drei Balkendiagramme, die zeigten: Kunden unter 30 kaufen mehr über Mobile, Kunden über 50 bevorzugen E-Mail-Kampagnen. Das Marketingteam änderte daraufhin seine Strategie und die E-Mail-Conversion stieg im nächsten Quartal um 12 Prozent."

Wie gehst du vor, wenn du in den Daten etwas findest, das nicht zum Stakeholder-Erwartungsbild passt?

Der Interviewer prüft hier deine Integrität und Kommunikationsstärke. Du solltest zeigen, dass du die Daten nicht frisierst. Eine gute Antwort wäre: "Ich prüfe zuerst meine Analyse auf Fehler. Wenn die Daten stimmen, bereite ich die Ergebnisse mit klaren Visualisierungen vor und erkläre, warum die Ergebnisse anders aussehen als erwartet. Ich vermische dabei meine Interpretation klar von den Fakten."

Wie priorisierst du mehrere Anfragen von verschiedenen Abteilungen gleichzeitig?

Typisch im Alltag eines Data Analysts. Du kannst antworten: "Ich schaue auf den Business-Impact und die Deadline. Eine Anfrage für das Quartalsmeeting am Freitag hat Vorrang vor einer langfristigen Analyse. Ich kommuniziere die Zeitplanung transparent an alle Beteiligten und dokumentiere den Status."

Typische Fehler im Data- Analyst-Interview#

Ein paar Dinge, die du unbedingt vermeiden solltest:

• Du sagst "Ich weiß nicht" ohne zu erklären, wie du es herausfinden würdest. Besser: "Das habe ich noch nicht gemacht, aber ich würde mit der Dokumentation von Pandas beginnen und dann..."
• Du nennst Tools, die du nicht beherrschst. Wenn du Tableau nur einmal ausprobiert hast, sag nicht "fortgeschritten". Das fliegt spätestens bei der praktischen Aufgabe auf.
• Du ignorierst die Business-Frage und fängst sofort mit der Technik an. Der Interviewer will hören, wie du denkst, nicht nur was du weißt.
• Du bereitest keine eigenen Fragen vor. Am Ende des Interviews wirst du gefragt, was du wissen willst. "Nein, alles klar" wirkt desinteressiert.

Vorbereitungs-Checkliste#

• Lies die Stellenbeschreibung dreimal durch und markiere alle Tools und Methoden, die erwähnt werden
• Wiederhole SQL-Joins, GROUP BY, Window Functions und CTEs
• Übe mindestens fünf Behavioral-Fragen mit konkreten Beispielen aus deiner Erfahrung
• Recherchiere das Unternehmen: Was machen sie, welche Daten haben sie, wer sind die Kunden
• Bereite drei eigene Fragen vor, die zeigen, dass du dich mit der Rolle beschäftigt hast
• Teste deine Webcam, dein Mikrofon und deine Internetverbindung bei Online-Interviews
• Drucke deinen Lebenslauf aus und lege ihn neben dich, auch bei Remote-Gesprächen
• Übe das laute Sprechen, nicht nur das stille Denken. Das klingt anders als du denkst

Wenn du aktiv nach passenden Data-Analyst-Stellen suchst, durchstöbere unsere aktuellen Stellenangebote und filtere nach deiner Region und deinen Wunschtechnologien. Weitere Tipps zur Bewerbung findest du in unserem Karriere-Blog.

Kostenlose Tools#

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

Häufige Fragen#

Wie lange dauert ein typisches Data-Analyst-Interview?

Meistens 45 bis 60 Minuten für das erste Gespräch. Manchmal gibt es danach eine technische Runde oder eine Fallstudie, die nochmal 60 bis 90 Minuten dauert. Bei großen Konzernen sind es oft drei Runden über mehrere Wochen.

Muss ich im Interview SQL-Code live schreiben?

Oft ja, entweder auf einem Whiteboard, in einem Shared-Editor wie CoderPad oder in einer Online-Umgebung. Übe das Schreiben von Queries ohne Autocomplete, das ist ungewohnt, aber machbar.

Welche Gehaltsvorstellung ist realistisch für Data Analysts in Deutschland?

Die Spanne ist breit, von 45.000 bis 75.000 Euro brutto jährlich, abhängig von Erfahrung, Standort und Unternehmensgröße. München und Frankfurt zahlen tendenziell mehr als kleinere Städte. Prüfe aktuelle Werte auf Gehaltsvergleichsportalen und in Stellenanzeigen, um eine fundierte Zahl zu nennen.

Soll ich ein Portfolio mit Projekten vorbereiten?

Ja, unbedingt. Ein GitHub-Repo oder ein kurzes PDF mit drei bis fünf Projekten, bei denen du den Prozess erklärst, ist Gold wert. Zeige nicht nur das Endergebnis, sondern auch wie du an das Problem herangehst.

Wie gehe ich damit um, wenn ich eine Frage nicht beantworten kann?

Ehrlich bleiben und deine Herangehensweise erklären. Zum Beispiel: "Das habe ich noch nicht angewendet, aber ich würde mit der offiziellen Dokumentation starten und dann einen kleinen Testdatensatz bauen, um es auszuprobieren." Das zeigt Lernbereitschaft, was oft mehr zählt als ein auswendig gelerntes Faktum.