Vorstellungsgespräche für Data Analysten verbinden meist drei Dinge: einen technischen Test (SQL, Excel, manchmal Python), einen Fall, bei dem du ein Problem mit Daten durchdenkst, und Verhaltensfragen zu Projekten, die du umgesetzt hast. Die Interviewer wollen sehen, dass du die richtigen Zahlen ermitteln, erklären kannst, was sie bedeuten, und jemandem bei einer Entscheidung helfen kannst. Unten findest du 30 Fragen mit Beispielantworten und ausgearbeiteten SQL-Beispielen.
Worauf Interviewer achten
| Bereich | Was sie sehen wollen |
|---|---|
| SQL und Werkzeuge | Korrekte, lesbare Abfragen; Sicherheit bei Joins und Aggregationen |
| Datenqualität | Du prüfst auf Probleme, bevor du einer Zahl vertraust |
| Geschäftsverständnis | Du verbindest die Analyse mit einer Entscheidung |
| Kommunikation | Du erklärst Ergebnisse einfach, auch Nicht-Technikern |
| Neugier | Du fragst nach dem „Warum“ und gräbst in den Daten |
SQL-Fragen
Diese Beispiele verwenden zwei Tabellen:
- orders(order_id, customer_id, order_date, amount)
- customers(customer_id, name, signup_date)
1. Finde die beiden Kunden mit dem höchsten Gesamtumsatz
SELECT customer_id, SUM(amount) AS revenue
FROM orders
GROUP BY customer_id
ORDER BY revenue DESC
LIMIT 2;
2. Finde Kunden, die noch nie bestellt haben
SELECT c.customer_id, c.name
FROM customers c
LEFT JOIN orders o ON o.customer_id = c.customer_id
WHERE o.order_id IS NULL;
Erkläre, warum ein LEFT JOIN mit IS NULL funktioniert: Er behält jeden Kunden und lässt die Bestellspalten leer, wo es keine Übereinstimmung gibt.
3. Finde die zweitgrößte Bestellung jedes Kunden
SELECT customer_id, order_id, amount
FROM (
SELECT customer_id, order_id, amount,
ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY amount DESC) AS rn
FROM orders
) ranked
WHERE rn = 2;
Erwähne den Unterschied zwischen ROW_NUMBER, RANK und DENSE_RANK, wenn es Gleichstände gibt.
4. Berechne den monatlichen Umsatz
SELECT DATE_TRUNC('month', order_date) AS month, SUM(amount) AS revenue
FROM orders
GROUP BY 1
ORDER BY 1;
DATE_TRUNC ist PostgreSQL-Syntax. In SQLite würdest du strftime('%Y-%m', order_date) verwenden, andere Datenbanken haben eigene Funktionen. Nenne den Dialekt, den du verwendest.
5. Was ist der Unterschied zwischen WHERE und HAVING?
WHERE filtert Zeilen vor der Gruppierung, HAVING filtert Gruppen nach der Aggregation.
6. Welche Arten von Joins gibt es?
Inner, Left, Right und Full Outer Join. Erkläre, wann du welchen verwendest und was mit nicht zugeordneten Zeilen passiert.
7. Wie findest du doppelte Datensätze?
Gruppiere nach den Spalten, die eindeutig sein sollten, und filtere mit HAVING COUNT(*) > 1.
8. Was ist eine Fensterfunktion, und wann würdest du sie verwenden?
Eine Berechnung über zusammenhängende Zeilen, ohne sie zusammenzufassen, etwa laufende Summen, Rangfolgen oder der Vergleich jeder Zeile mit der vorherigen.
Excel und Tabellenkalkulation
9. Was ist der Unterschied zwischen SVERWEIS und XVERWEIS (oder INDEX/VERGLEICH)?
XVERWEIS und INDEX/VERGLEICH können nach links suchen, gehen flexibler mit fehlenden Werten um und brechen nicht, wenn sich Spalten verschieben.
10. Wie nutzt du Pivot-Tabellen?
Um Daten schnell nach Kategorien zusammenzufassen, etwa Umsatz nach Region und Monat.
11. Wie würdest du eine unübersichtliche Tabelle bereinigen?
Duplikate entfernen, Formate vereinheitlichen (Datum, Groß- und Kleinschreibung), leere Felder behandeln und Ausreißer prüfen.
Statistik
12. Was ist der Unterschied zwischen Mittelwert und Median, und wann verwendest du was?
Der Median ist besser, wenn die Daten schief verteilt sind, etwa bei Einkommen oder Bestellwerten.
13. Was ist ein p-Wert?
Die Wahrscheinlichkeit, ein Ergebnis zu sehen, das mindestens so extrem ist wie das beobachtete, wenn es tatsächlich keinen Effekt gibt. Ein kleiner p-Wert deutet darauf hin, dass das Ergebnis nicht allein auf Zufall beruht, sagt aber nicht, wie groß oder wichtig der Effekt ist.
14. Was ist der Unterschied zwischen Korrelation und Kausalität?
Wenn sich zwei Größen gemeinsam bewegen, heißt das nicht, dass eine die andere verursacht. Ein dritter Faktor oder Zufall kann es erklären. Experimente helfen, Kausalität nachzuweisen.
15. Wie würdest du einen A/B-Test aufsetzen?
Lege die Kennzahl und die Hypothese fest, bestimme die Stichprobengröße, verteile die Nutzer zufällig, lass den Test über einen festen Zeitraum laufen und prüfe die statistische Signifikanz und die praktische Wirkung.
16. Was ist ein Ausreißer, und was machst du damit?
Untersuche ihn, bevor du ihn entfernst. Er kann ein Fehler sein oder ein echter, wichtiger Fall.
Datenbereinigung und Qualität
17. Wie gehst du mit fehlenden Daten um?
Finde heraus, warum sie fehlen, und entscheide dann: entfernen, mit einem sinnvollen Wert füllen oder markieren. Erkläre die Auswirkung auf die Ergebnisse.
18. Wie prüfst du, ob ein Datensatz verlässlich ist?
Zeilenanzahl im Vergleich zur Quelle, Summen, die sich abgleichen lassen, Zeiträume, Duplikate und Stichproben.
19. Erzähl von einer Situation, in der du einen Fehler in den Daten gefunden hast
Eine kurze STAR-Geschichte mit dem, was du getan hast, um ihn an der Quelle zu beheben.
Visualisierung und Dashboards
20. Wie wählst du das richtige Diagramm aus?
Linie für Trends über die Zeit, Balken für den Vergleich von Kategorien, Streudiagramm für Zusammenhänge. Vermeide Kreisdiagramme mit vielen Segmenten.
21. Wie gestaltest du ein Dashboard für die Geschäftsleitung?
Oben einige zentrale Kennzahlen, dann Trends, klare Beschriftungen und Filter nur dort, wo sie nötig sind.
22. Welche BI-Tools hast du verwendet?
Nenne sie und ein Dashboard, das du gebaut hast. Siehe unsere Fragen im Vorstellungsgespräch zu Power BI.
Fallfragen
23. Die Anmeldungen sind letzte Woche um 20 % gesunken. Wie würdest du das untersuchen?
„Zuerst würde ich prüfen, ob der Rückgang tatsächlich stattgefunden hat, indem ich Tracking und Datenladung kontrolliere. Dann würde ich nach Plattform, Land, Traffic-Quelle und Anmeldeschritt vergleichen, um zu sehen, wo er auftritt. Wenn es nur einen Kanal oder einen Schritt betrifft, würde ich dort nach Änderungen suchen, etwa eine Kampagne, die ausgelaufen ist, oder ein Website-Release. Ich würde teilen, was ich gefunden habe, und was wir noch nicht wissen.“
24. Wie würdest du den Erfolg eines neuen Features messen?
Ziel festlegen, eine primäre Kennzahl und Schutzkennzahlen wählen und mit einer Kontrollgruppe oder einem Vorher-nachher-Zeitraum vergleichen.
25. Welche Kennzahlen würdest du für einen Onlineshop verfolgen?
Traffic, Conversion-Rate, durchschnittlicher Bestellwert, Wiederkaufrate und Kosten pro Kundengewinnung.
26. Wie würdest du einer nicht-technischen Führungskraft ein komplexes Ergebnis erklären?
Mit der Schlussfolgerung und ihrer Wirkung beginnen, ein einfaches Diagramm verwenden und die Methode kurz halten.
Verhaltensfragen
27. Erzähl von einer Analyse, die eine Entscheidung verändert hat
Die Frage, die Daten, was du herausgefunden hast und was sich daraufhin geändert hat.
28. Beschreib eine Situation, in der du mit unvollständigen Daten arbeiten musstest
Welche Annahmen du getroffen hast und wie du sie kommuniziert hast.
29. Wie priorisierst du Anfragen mehrerer Stakeholder?
Nach geschäftlicher Wirkung und Dringlichkeit, abgestimmt mit den Stakeholdern oder deiner Führungskraft.
30. Erzähl von einer Situation, in der deine Analyse falsch war
Steh dazu, behebe den Fehler und erkläre, was du heute zusätzlich prüfst.
Wie du diese Geschichten strukturierst, zeigt dir unser Leitfaden zur STAR-Methode.
Ein starkes Portfolio-Projekt vorbereiten
| Teil | Was hinein gehört |
|---|---|
| Frage | Eine klare geschäftliche Fragestellung |
| Daten | Quelle, Umfang und wie du sie bereinigt hast |
| Methode | SQL-, Tabellenkalkulations- oder Python-Schritte |
| Ergebnis | Ein oder zwei klare Befunde mit einem Diagramm |
| Entscheidung | Was jemand auf dieser Basis tun sollte |
So bereitest du dich vor
- Übe zwei Wochen lang täglich SQL: Joins, Aggregation und Fensterfunktionen.
- Wiederhole die Grundlagen der Statistik: Durchschnitte, Verteilungen, A/B-Tests, p-Werte.
- Bereite ein Portfolio-Projekt und drei STAR-Geschichten vor.
- Übe einen Fall „Warum hat sich diese Kennzahl verändert?“ laut.
- Recherchiere das Produkt des Unternehmens und die Kennzahlen, die ihm wahrscheinlich wichtig sind.
Für verwandte Rollen siehe Fragen im Vorstellungsgespräch für Business Analysten und Python-Fragen im Vorstellungsgespräch. Wenn du Tools zur Vorbereitung suchst, vergleicht unsere Übersicht KI-Tools für Vorstellungsgespräche für Data Analysten die Optionen.
Übe SQL-Erklärungen und Fallantworten
Trainiere technische und Fallfragen laut mit YesToTheOffer, mit deinem Lebenslauf und der Stellenbeschreibung, und geh danach dein Transkript durch. 30 kostenlose Minuten, kein Abo.
