Neue Treffer für diese Suche automatisch erhalten?
Mit einem Klick erhältst du kostenlos passende Jobangebote per E-Mail – ausgewählt von deinem Job-Agenten. Gelegentlich kann auch eine besonders passende Stelle direkt von einem Unternehmen dabei sein (maximal einmal pro Woche).
Wie oft und welche Stellen du erhalten möchtest, bestimmst du selbst. Diese und viele weitere Einstellungen kannst du jederzeit in deinem Login-Bereich anpassen.
Natürlich kostenlos und jederzeit mit einem Klick abbestellbar.
1 Datenanalyst Job
Stand 09.11.2026: 1 offene Stelle für Datenanalyst.
Teilzeit-Praktikum Data Management bei Bosch in Wien mit Fokus auf Datenbankpflege, Kund*innenanforderungen, technische Fragen im Automotive-Bereich und Stakeholder-Kommunikation.
€ 2.730
Datenbanken & Data WarehouseFrag TECjobs
Beschreibe deinen Wunschjob in eigenen Worten, entdecke passende Stellen und stelle Fragen zu konkreten Jobangeboten.
Was Datenanalyst:innen in Technikbetrieben tatsächlich tun
Rohdaten kommen selten sauber. Sensormessungen aus der Fertigung, Logfiles von Maschinen, Qualitätsprotokolle aus verschiedenen Werken — bevor daraus eine belastbare Aussage wird, steckt viel Handarbeit dahinter. Genau hier setzt Ihre Arbeit als Datenanalyst:in an: Sie strukturieren, bereinigen, verknüpfen und übersetzen Zahlen in etwas, mit dem Ingenieur:innen und Führungskräfte auch wirklich planen können. Reporting, ja. Aber auch das mühsame Suchen nach der Ursache, wenn eine Ausschussquote plötzlich steigt und niemand weiß, warum.
Der Alltag pendelt zwischen SQL-Abfragen, Dashboards und Gesprächen mit den Fachabteilungen. Was braucht die Produktion morgen früh? Welche Kennzahl führt die Kolleg:innen gerade in die Irre? Kommunikation gehört dazu, mehr als viele anfangs denken.
Einstieg, Qualifikationen und wo Sie landen
Klassisch führt der Weg über ein Studium in Statistik, Wirtschaftsinformatik, Mathematik oder einem technischen Fach. Zwingend ist das nicht. Auch Quereinsteiger:innen mit sauberem Handwerk in SQL, Python oder R und einem Gespür für die zugrunde liegenden Prozesse finden ihren Platz — vorausgesetzt, sie können Ergebnisse verständlich erklären. Denn eine Analyse, die niemand versteht, bleibt folgenlos.
Gefragt sind die üblichen Werkzeuge: Datenbanken, ein Visualisierungstool wie Power BI oder Tableau, ein Grundverständnis von Statistik. Wichtiger als jedes einzelne Tool ist allerdings die Fähigkeit, die richtige Frage zu stellen, bevor Sie loslegen. Domänenwissen aus dem jeweiligen Technikfeld verschafft Ihnen einen spürbaren Vorsprung.
Die Arbeitgeber sind vielfältig. Industrie- und Maschinenbauunternehmen, Energieversorger, Logistiker, Automatisierungsspezialist:innen, dazu Beratungshäuser und die IT-Abteilungen größerer Konzerne. Mit Erfahrung öffnen sich Wege Richtung Data Science, Data Engineering oder in eine Fachverantwortung, in der Sie ein ganzes Analytics-Team koordinieren. Wer bleiben will, wird zur ersten Anlaufstelle, wenn irgendwo eine Zahl nicht zusammenpasst — und das ist öfter der Fall, als man meint.
Datenanalyst in Zahlen
Was Datenanalyst:innen in Technikbetrieben tatsächlich tun
Rohdaten kommen selten sauber. Sensormessungen aus der Fertigung, Logfiles von Maschinen, Qualitätsprotokolle aus verschiedenen Werken — bevor daraus eine belastbare Aussage wird, steckt viel Handarbeit dahinter. Genau hier setzt Ihre Arbeit als Datenanalyst:in an: Sie strukturieren, bereinigen, verknüpfen und übersetzen Zahlen in etwas, mit dem Ingenieur:innen und Führungskräfte auch wirklich planen können. Reporting, ja. Aber auch das mühsame Suchen nach der Ursache, wenn eine Ausschussquote plötzlich steigt und niemand weiß, warum.
Der Alltag pendelt zwischen SQL-Abfragen, Dashboards und Gesprächen mit den Fachabteilungen. Was braucht die Produktion morgen früh? Welche Kennzahl führt die Kolleg:innen gerade in die Irre? Kommunikation gehört dazu, mehr als viele anfangs denken.
Einstieg, Qualifikationen und wo Sie landen
Klassisch führt der Weg über ein Studium in Statistik, Wirtschaftsinformatik, Mathematik oder einem technischen Fach. Zwingend ist das nicht. Auch Quereinsteiger:innen mit sauberem Handwerk in SQL, Python oder R und einem Gespür für die zugrunde liegenden Prozesse finden ihren Platz — vorausgesetzt, sie können Ergebnisse verständlich erklären. Denn eine Analyse, die niemand versteht, bleibt folgenlos.
Gefragt sind die üblichen Werkzeuge: Datenbanken, ein Visualisierungstool wie Power BI oder Tableau, ein Grundverständnis von Statistik. Wichtiger als jedes einzelne Tool ist allerdings die Fähigkeit, die richtige Frage zu stellen, bevor Sie loslegen. Domänenwissen aus dem jeweiligen Technikfeld verschafft Ihnen einen spürbaren Vorsprung.
Die Arbeitgeber sind vielfältig. Industrie- und Maschinenbauunternehmen, Energieversorger, Logistiker, Automatisierungsspezialist:innen, dazu Beratungshäuser und die IT-Abteilungen größerer Konzerne. Mit Erfahrung öffnen sich Wege Richtung Data Science, Data Engineering oder in eine Fachverantwortung, in der Sie ein ganzes Analytics-Team koordinieren. Wer bleiben will, wird zur ersten Anlaufstelle, wenn irgendwo eine Zahl nicht zusammenpasst — und das ist öfter der Fall, als man meint.