Neue Treffer für diese Suche automatisch erhalten?
Kostenlos und jederzeit kündbar – jede Mail enthält einen Abmelde-Link. Umfang, Zeitpunkt und Schärfe deines Agenten stellst du – wie viele weitere Funktionen – in deinem Login-Bereich ein.
6 Data Analyst Jobs
Vollzeit-Praktikum im Bereich Data Analysis & AI bei INNIO in Jenbach mit Fokus auf Datenanalyse, KPIs, Dashboards und Management Reporting.
€ 2.698
Datenbanken & Data WarehouseWir bieten flexible Arbeits(zeit-)modelle und Homeoffice-Möglichkeiten. Dafür bieten wir moderne Arbeitsbedingungen und ein „State of the Art“ IT- und Kommunikationsequipment.…
Tätigkeiten gehören: Auf- und Abbau mobiler Bauten und temporärer Strukturen bei europäischen Formel-1-Rennen. Unterstützung bei Transport, Materialhandling und…
BI Analyst:in für KPI-Reporting, Power-BI-Dashboards und Datenanalyse im Firmenkundenmanagement der Raiffeisenlandesbank OÖ in Linz.
Data Architect bei Tieto Tech Consulting für skalierbare Datenarchitekturen, Datenplattformen, Integrationsmuster, Data Governance, Azure, Big Data, Data Warehousing und…
Praktikum oder Study & Work bei ventopay in Hagenberg für Studierende mit Programmiererfahrung, SQL-Kenntnissen und Interesse an modernen Technologien, Digitalisierung und…
Neue Treffer für diese Suche automatisch erhalten?
Kostenlos und jederzeit kündbar – jede Mail enthält einen Abmelde-Link. Umfang, Zeitpunkt und Schärfe deines Agenten stellst du – wie viele weitere Funktionen – in deinem Login-Bereich ein.
tecAI
Beschreib einfach deinen Wunschjob – ich finde passende Stellen auf TECjobs.at.
Data Analysts übersetzen Rohdaten in Entscheidungen. Klingt nüchtern, ist aber genau der Punkt, an dem in technischen Betrieben Geld gespart oder verloren wird. Sie ziehen sich Zahlen aus Produktionssystemen, Sensornetzwerken oder ERP-Datenbanken, prüfen sie auf Plausibilität, bereiten sie auf – und beantworten damit Fragen, die im Arbeitsalltag konkret weh tun. Warum steht diese Maschine öfter still als die baugleiche daneben? Wo verliert die Lieferkette Tage? Vieles davon ist Kleinarbeit. SQL-Abfragen, ein sauberes Dashboard in Power BI, ein Modell in Python, das jemand später auch noch versteht.
Wie Sie einsteigen und worauf Arbeitgeber schauen
Ein klassischer Weg führt über ein Studium – Statistik, Wirtschaftsinformatik, ein technisches Fach mit quantitativem Kern. Zwingend ist das nicht. Viele kommen quer: aus dem Controlling, aus der Qualitätssicherung, aus einer Ingenieursrolle, in der die Auswertungen irgendwann wichtiger wurden als die eigentliche Aufgabe. Was zählt, ist der Nachweis, dass Sie mit echten Daten umgehen können. Ein Portfolio, ein durchgerechnetes Projekt, eine Fallstudie aus dem letzten Job.
Gefragt sind Handwerkszeuge, die sich benennen lassen: SQL sowieso, dazu Python oder R, Erfahrung mit Visualisierungstools wie Power BI oder Tableau, ein Gefühl für Statistik jenseits von Mittelwert und Balkendiagramm. Und, oft unterschätzt, die Fähigkeit, ein Ergebnis so zu erklären, dass es die Person aus der Fertigung ohne Data-Vokabular versteht. Wer nur Charts baut, aber nicht die richtige Frage stellt, bleibt austauschbar.
Die Arbeitgeber? Breiter gestreut, als man denkt. Industrieunternehmen und Anlagenbauer, Energieversorger, Logistiker, Automobilzulieferer, dazu Technologie- und Beratungshäuser, die Analytics als Dienstleistung verkaufen. In Österreich sitzen viele dieser Rollen in den Ballungsräumen rund um Wien, Linz oder Graz, aber längst nicht nur dort. Von der Junior-Position wächst man üblicherweise Richtung Senior Analyst, später in Richtung Data Science, Analytics Engineering oder in die fachliche Teamleitung. Der Übergang ist fließend, und die Grenzen verschieben sich mit jedem neuen Tool ohnehin.
Data Analyst in Zahlen
Data Analysts übersetzen Rohdaten in Entscheidungen. Klingt nüchtern, ist aber genau der Punkt, an dem in technischen Betrieben Geld gespart oder verloren wird. Sie ziehen sich Zahlen aus Produktionssystemen, Sensornetzwerken oder ERP-Datenbanken, prüfen sie auf Plausibilität, bereiten sie auf – und beantworten damit Fragen, die im Arbeitsalltag konkret weh tun. Warum steht diese Maschine öfter still als die baugleiche daneben? Wo verliert die Lieferkette Tage? Vieles davon ist Kleinarbeit. SQL-Abfragen, ein sauberes Dashboard in Power BI, ein Modell in Python, das jemand später auch noch versteht.
Wie Sie einsteigen und worauf Arbeitgeber schauen
Ein klassischer Weg führt über ein Studium – Statistik, Wirtschaftsinformatik, ein technisches Fach mit quantitativem Kern. Zwingend ist das nicht. Viele kommen quer: aus dem Controlling, aus der Qualitätssicherung, aus einer Ingenieursrolle, in der die Auswertungen irgendwann wichtiger wurden als die eigentliche Aufgabe. Was zählt, ist der Nachweis, dass Sie mit echten Daten umgehen können. Ein Portfolio, ein durchgerechnetes Projekt, eine Fallstudie aus dem letzten Job.
Gefragt sind Handwerkszeuge, die sich benennen lassen: SQL sowieso, dazu Python oder R, Erfahrung mit Visualisierungstools wie Power BI oder Tableau, ein Gefühl für Statistik jenseits von Mittelwert und Balkendiagramm. Und, oft unterschätzt, die Fähigkeit, ein Ergebnis so zu erklären, dass es die Person aus der Fertigung ohne Data-Vokabular versteht. Wer nur Charts baut, aber nicht die richtige Frage stellt, bleibt austauschbar.
Die Arbeitgeber? Breiter gestreut, als man denkt. Industrieunternehmen und Anlagenbauer, Energieversorger, Logistiker, Automobilzulieferer, dazu Technologie- und Beratungshäuser, die Analytics als Dienstleistung verkaufen. In Österreich sitzen viele dieser Rollen in den Ballungsräumen rund um Wien, Linz oder Graz, aber längst nicht nur dort. Von der Junior-Position wächst man üblicherweise Richtung Senior Analyst, später in Richtung Data Science, Analytics Engineering oder in die fachliche Teamleitung. Der Übergang ist fließend, und die Grenzen verschieben sich mit jedem neuen Tool ohnehin.