Data Warehouse AnalystIn
Berufsbereiche: Elektrotechnik, Elektronik, Telekommunikation, ITAusbildungsform: Uni/FH/PH
Berufsbeschreibung
Data Warehouse Analysts befassen sich mit der Analyse von unternehmensbezogenen Daten.
Ein Data Warehouse ist eine Datenbank mit Lesezugriff, in der die unternehmensspezifischen Daten zusammengeführt sind. Zusätzlich bietet es die Funktion eines analytischen Systems zur Informationsextraktion.
Die extrahierten (gewonnenen) Informationen können dann zur weiteren Verarbeitung, wie Data Mining*, Text Mining, Meinungsforschung und Entscheidungsfindung zur Verfügung stehen.
Data Warehouse Analysts befassen sich mit der Analyse und der Auswertung von Daten und Informationen aus einer sehr großen Menge an unterschiedlichem Datenmaterial (aus dem Data Warehouse). Sie untersuchen die Unternehmensdaten nach Mustern und Strukturen sowie nach Abweichungen und Zusammenhängen.
Meist stehen Fragen zu kundenspezifischen Themen im Vordergrund. Beispiel: Wie ist die Auswirkung einer Preiserhöhung auf das Kaufverhalten einer speziellen Kundengruppe? Erkenntnisse beziehen sich auch auf sogenannte Kombinationskäufe: Wer Produkt X kauft, kauft auch Produkt Y. So können zum Beispiel bestimmte Produkte optimaler platziert werden.
Die durch Analysen gewonnenen Erkenntnisse dienen dem Unternehmen als Entscheidungsgrundlage für Handlungen. Aus diesem Grund werden DatenanalytikerInnen hier auch als Business-Intelligence Analysts bezeichnet.
Es gibt auch die Berufe Data Analyst, Data Scientist und WirtschaftsinformatikerIn.
*Data Mining ist die Anwendung statistischer Methoden zur Suche nach Informationen und Mustern aus großen strukturierten und unstrukturierten Datenbeständen. Text Mining gilt als Unterform von Data Mining, jedoch ist es auf keine bestimmte Datenstruktur angewiesen.
Strukturierte Daten sind in einer Art Muster organisiert damit man sie identifizieren kann, zum Beispiel in einer Datenbank. Unstrukturierte Daten sind z.B. E-Mails, Bilder und freier Text.
Obwohl Word-Dokumente mit Überschriften strukturiert sind, gelten sie als nicht-strukturiert für die Suche nach bestimmten Informationen.
Data Warehouse Analysts befassen sich mit der Analyse von unternehmensbezogenen Daten.
Ein Data Warehouse ist eine Datenbank mit Lesezugriff, in der die unternehmensspezifischen Daten zusammengeführt sind. Zusätzlich bietet es die Funktion eines analytischen Systems zur Informationsextraktion.
Die extrahierten (gewonnenen) Informationen können dann zur weiteren Verarbeitung, wie Data Mining*, Text Mining, Meinungsforschung und Entscheidungsfindung zur Verfügung stehen.
Data Warehouse Analysts befassen sich mit der Analyse und der Auswertung von Daten und Informationen aus einer sehr großen Menge an unterschiedlichem Datenmaterial (aus dem Data Warehouse). Sie untersuchen die Unternehmensdaten nach Mustern und Strukturen sowie nach Abweichungen und Zusammenhängen.
Meist stehen Fragen zu kundenspezifischen Themen im Vordergrund. Beispiel: Wie ist die Auswirkung einer Preiserhöhung auf das Kaufverhalten einer speziellen Kundengruppe? Erkenntnisse beziehen sich auch auf sogenannte Kombinationskäufe: Wer Produkt X kauft, kauft auch Produkt Y. So können zum Beispiel bestimmte Produkte optimaler platziert werden.
Die durch Analysen gewonnenen Erkenntnisse dienen dem Unternehmen als Entscheidungsgrundlage für Handlungen. Aus diesem Grund werden DatenanalytikerInnen hier auch als Business-Intelligence Analysts bezeichnet.
Es gibt auch die Berufe Data Analyst, Data Scientist und WirtschaftsinformatikerIn.
*Data Mining ist die Anwendung statistischer Methoden zur Suche nach Informationen und Mustern aus großen strukturierten und unstrukturierten Datenbeständen. Text Mining gilt als Unterform von Data Mining, jedoch ist es auf keine bestimmte Datenstruktur angewiesen.
Strukturierte Daten sind in einer Art Muster organisiert damit man sie identifizieren kann, zum Beispiel in einer Datenbank. Unstrukturierte Daten sind z.B. E-Mails, Bilder und freier Text.
Obwohl Word-Dokumente mit Überschriften strukturiert sind, gelten sie als nicht-strukturiert für die Suche nach bestimmten Informationen.
- 9 fachliche berufliche Kompetenzen
-
1
Betriebssystemkenntnisse
-
Betriebssysteme (3)
- LINUX
- UNIX
- Windows
-
Betriebssysteme (3)
-
1
Betriebswirtschaftliche Anwendungssoftware-Kenntnisse
-
Branchenübergreifende Unternehmenssoftware (5)
- Business Intelligence-Systeme
- Microsoft BI
- Pentaho
- QlikView
- Tableau (Software)
-
Branchenübergreifende Unternehmenssoftware (5)
-
1
Betriebswirtschaftskenntnisse
-
Betriebswirtschaftliche Analysemethoden (1)
- Berichtswesen
-
Betriebswirtschaftliche Analysemethoden (1)
-
6
Datenbankkenntnisse
-
Advanced Analytics (11)
- Ab Initio
- Analyse von Big Data
- Big Data Analytics-Tools
- Data Mining
- Datenanalyse
- Datenvisualisierung
- MOLAP
- OLAP
- OLAP-Werkzeuge
- Smart Data
- Text Mining
-
Datenbanksysteme (4)
- Access
- Apache HBase
- Business Intelligence
- Oracle-Datenbanken
-
Data Warehousing (5)
- Amazon Redshift
- Anwendung von Data-Warehouse-Systemen
- ETL-Tools
- Oracle Data Integrator
- Talend
-
Datenbankadministration (1)
- Betreuung von relationalen Datenbanken
-
Datenbankentwicklung (1)
- Datenmodellierung
-
Datenbank- und Datenbankabfragesprachen (1)
- SQL
-
Advanced Analytics (11)
-
1
Fremdsprachenkenntnisse
- Englisch
-
2
Managementkenntnisse
-
Ressourcenmanagement (1)
- Wissensmanagement
-
Compliance Management (1)
- Rechtmäßiger Umgang mit Big Data
-
Ressourcenmanagement (1)
- 1 Programmiersprachen-Kenntnisse
-
4
Statistikkenntnisse
- Statistikerstellung
- Statistikprogramme
-
Datenvalidierung (1)
- Plausibilitätsbewertung von Daten
-
Statistische Methoden (2)
- Datenverifikation
- Statistische Datenanalyse
-
1
Wissenschaftliches Fachwissen Technik und Formalwissenschaften
-
Formalwissenschaften (1)
- BI-Reporting
-
Formalwissenschaften (1)
- 6 überfachliche berufliche Kompetenzen
- Analytische Fähigkeiten
- Kommunikationsstärke
- Kundenorientierung
-
1
Problemlösungsfähigkeit
- Konzeptionelle Fähigkeiten
- Serviceorientierung
- Teamfähigkeit
- 12 In Inseraten gefragte berufliche Kompetenzen
- Analyse von Big Data
- Data Mining
- Datenmodellierung
- ETL-Tools
- Java
- Microsoft BI
- MS SQL-Server
- Oracle-Datenbanken
- Python
- SQL
- SQL Server Integration Services
- Tableau (Software)