Junior Data Analyst: Interviewfragen – Der komplette Leitfaden

Einführung

Datenanalysten wandeln Rohdaten in umsetzbare Erkenntnisse um, die Geschäftsentscheidungen vorantreiben. Von Junior-Datenanalysten wird erwartet, dass sie über fundierte Kenntnisse in Excel, SQL, Datenvisualisierungstools und grundlegenden Statistiken verfügen, um datengestützte Entscheidungsfindung zu unterstützen.

Dieser Leitfaden behandelt wichtige Interviewfragen für Junior-Datenanalysten. Wir untersuchen Excel-Funktionen, SQL-Abfragen, Datenvisualisierung mit Tableau und Power BI, Grundlagen der Statistik und Best Practices der Datenanalyse, um Ihnen bei der Vorbereitung auf Ihre erste Rolle als Datenanalyst zu helfen.

Excel-Grundlagen (5 Fragen)

1. Was sind die wichtigsten Excel-Funktionen für die Datenanalyse?

Antwort: Wesentliche Excel-Funktionen, die jeder Datenanalyst kennen sollte:

• SVERWEIS/XVERWEIS: Nachschlagen von Werten in Tabellen
• WENN/WENNS: Bedingte Logik
• SUMMEWENN/SUMMEWENNS: Bedingte Summation
• ZÄHLENWENN/ZÄHLENWENNS: Bedingtes Zählen
• PIVOT-TABELLEN: Zusammenfassen und Analysieren von Daten
• INDEX/VERGLEICH: Flexibler als SVERWEIS
• TEXT-Funktionen: LINKS, RECHTS, TEIL, VERKETTEN
• DATUM-Funktionen: HEUTE, DATEDIF, MONATSENDE

# SVERWEIS-Beispiel
=SVERWEIS(A2; Produkte!A:C; 3; FALSCH)

# SUMMEWENNS-Beispiel (Summe der Umsätze, wenn Region="Ost" und Produkt="Widget")
=SUMMEWENNS(Umsätze!C:C; Umsätze!A:A; "Ost"; Umsätze!B:B; "Widget")

# INDEX/VERGLEICH-Beispiel (flexibler als SVERWEIS)
=INDEX(Preise!C:C; VERGLEICH(A2; Preise!A:A; 0))

# Bedingte Formatierung mit WENN
=WENN(B2>1000; "Hoch"; WENN(B2>500; "Mittel"; "Niedrig"))

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

2. Erklären Sie den Unterschied zwischen SVERWEIS und INDEX/VERGLEICH.

Antwort:

• SVERWEIS:
  • Einfachere Syntax
  • Sucht nur nach rechts
  • Weniger flexibel
  • Langsamer bei großen Datensätzen
• INDEX/VERGLEICH:
  • Komplexere Syntax
  • Kann nach links oder rechts suchen
  • Flexibler
  • Schnellere Leistung
  • Kann ganze Zeilen/Spalten zurückgeben

# SVERWEIS - Wert in Spalte A suchen, Wert aus Spalte C zurückgeben
=SVERWEIS(A2; A:C; 3; FALSCH)

# INDEX/VERGLEICH - äquivalent, aber flexibler
=INDEX(C:C; VERGLEICH(A2; A:A; 0))

# INDEX/VERGLEICH Vorteil: kann nach links suchen
=INDEX(A:A; VERGLEICH(C2; C:C; 0))  # SVERWEIS kann das nicht

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

3. Wie erstellen und verwenden Sie Pivot-Tabellen?

Antwort: Pivot-Tabellen fassen große Datensätze schnell zusammen.

• Schritte:
  1. Datenbereich auswählen
  2. Einfügen → PivotTable
  3. Felder in Zeilen, Spalten, Werte ziehen
  4. Filter und Formatierung anwenden
• Anwendungsfälle: Umsätze nach Region zusammenfassen, Trends analysieren, Berichte erstellen

# PivotTable-Struktur:
Zeilen: Produktkategorie
Spalten: Quartal
Werte: Summe der Umsätze
Filter: Region

# Berechnete Felder in Pivot-Tabellen
Gewinnmarge = (Umsatz - Kosten) / Umsatz

# Datumsangaben gruppieren
Rechtsklick auf Datum → Gruppieren → Monate/Quartale/Jahre auswählen

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

4. Was ist bedingte Formatierung und wann würden Sie sie verwenden?

Antwort: Die bedingte Formatierung wendet visuelle Formatierungen basierend auf Zellwerten an.

• Anwendungsfälle:
  • Hervorheben von Top-/Bottom-Werten
  • Anzeigen von Datenbalken oder Farbskalen
  • Identifizieren von Duplikaten
  • Kennzeichnen von Ausreißern
  • Erstellen von Heatmaps

# Zellen hervorheben, die größer als 1000 sind
Bereich auswählen → Bedingte Formatierung → Regeln zum Hervorheben von Zellen → Größer als

# Farbskala (Gradient)
Bereich auswählen → Bedingte Formatierung → Farbskalen

# Datenbalken
Bereich auswählen → Bedingte Formatierung → Datenbalken

# Benutzerdefinierte Formel
=UND($B2>1000; $C2="Aktiv")

Seltenheit: Häufig Schwierigkeitsgrad: Leicht

5. Wie entfernen Sie Duplikate und behandeln fehlende Daten in Excel?

Antwort: Die Datenbereinigung ist für eine genaue Analyse unerlässlich.

# Duplikate entfernen
Daten-Registerkarte → Duplikate entfernen → Spalten auswählen

# Duplikate mit bedingter Formatierung finden
Bereich auswählen → Bedingte Formatierung → Regeln zum Hervorheben von Zellen → Doppelte Werte

# Fehlende Daten behandeln
# Option 1: Filtern und löschen
Spalte filtern → (Leere) deaktivieren → Sichtbare Zeilen löschen

# Option 2: Mit Durchschnittswert füllen
=WENN(ISTLEER(A2); MITTELWERT(A:A); A2)

# Option 3: Nach unten ausfüllen
Bereich auswählen → Strg+D (Windows) oder Cmd+D (Mac)

# Leere Felder suchen und ersetzen
Strg+H → Suchen nach: (leer lassen) → Ersetzen durch: 0 oder N/A

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

SQL-Grundlagen (5 Fragen)

6. Schreiben Sie eine SQL-Abfrage, um alle Spalten aus einer Tabelle auszuwählen.

Antwort: Die grundlegende SELECT-Anweisung ruft Daten aus Tabellen ab.

-- Alle Spalten auswählen
SELECT * FROM Mitarbeiter;

-- Spezifische Spalten auswählen
SELECT Vorname, Nachname, Gehalt
FROM Mitarbeiter;

-- Auswählen mit Alias
SELECT 
    Vorname AS "Vorname",
    Nachname AS "Nachname",
    Gehalt AS "Jahresgehalt"
FROM Mitarbeiter;

-- Eindeutige Werte auswählen
SELECT DISTINCT Abteilung
FROM Mitarbeiter;

-- Ergebnisse begrenzen
SELECT * FROM Mitarbeiter
LIMIT 10;

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

7. Wie filtern Sie Daten mit der WHERE-Klausel?

Antwort: Die WHERE-Klausel filtert Zeilen basierend auf Bedingungen.

-- Einfache Bedingung
SELECT * FROM Mitarbeiter
WHERE Gehalt > 50000;

-- Mehrere Bedingungen mit AND
SELECT * FROM Mitarbeiter
WHERE Abteilung = 'Vertrieb' AND Gehalt > 60000;

-- Mehrere Bedingungen mit OR
SELECT * FROM Mitarbeiter
WHERE Abteilung = 'Vertrieb' OR Abteilung = 'Marketing';

-- IN-Operator
SELECT * FROM Mitarbeiter
WHERE Abteilung IN ('Vertrieb', 'Marketing', 'IT');

-- BETWEEN-Operator
SELECT * FROM Mitarbeiter
WHERE Gehalt BETWEEN 50000 AND 80000;

-- LIKE-Operator (Mustervergleich)
SELECT * FROM Mitarbeiter
WHERE Vorname LIKE 'J%';  -- Beginnt mit J

-- IS NULL
SELECT * FROM Mitarbeiter
WHERE Vorgesetzter_ID IS NULL;

-- NOT-Operator
SELECT * FROM Mitarbeiter
WHERE Abteilung NOT IN ('Personal', 'Finanzen');

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

8. Erklären Sie JOIN-Operationen und ihre Typen.

Antwort: JOINs kombinieren Daten aus mehreren Tabellen.

• INNER JOIN: Gibt übereinstimmende Zeilen aus beiden Tabellen zurück
• LEFT JOIN: Gibt alle Zeilen aus der linken Tabelle zurück, übereinstimmende aus der rechten
• RIGHT JOIN: Gibt alle Zeilen aus der rechten Tabelle zurück, übereinstimmende aus der linken
• FULL OUTER JOIN: Gibt alle Zeilen aus beiden Tabellen zurück

-- INNER JOIN
SELECT e.Vorname, e.Nachname, d.Abteilungsname
FROM Mitarbeiter e
INNER JOIN Abteilungen d ON e.Abteilungs_ID = d.Abteilungs_ID;

-- LEFT JOIN (alle Mitarbeiter, auch ohne Abteilung)
SELECT e.Vorname, e.Nachname, d.Abteilungsname
FROM Mitarbeiter e
LEFT JOIN Abteilungen d ON e.Abteilungs_ID = d.Abteilungs_ID;

-- Mehrere Joins
SELECT 
    e.Vorname,
    d.Abteilungsname,
    l.Stadt
FROM Mitarbeiter e
INNER JOIN Abteilungen d ON e.Abteilungs_ID = d.Abteilungs_ID
INNER JOIN Standorte l ON d.Standort_ID = l.Standort_ID;

-- Self-Join (Mitarbeiter und ihre Vorgesetzten)
SELECT 
    e.Vorname AS Mitarbeiter,
    m.Vorname AS Vorgesetzter
FROM Mitarbeiter e
LEFT JOIN Mitarbeiter m ON e.Vorgesetzter_ID = m.Mitarbeiter_ID;

Seltenheit: Sehr häufig Schwierigkeitsgrad: Mittel

9. Wie verwenden Sie GROUP BY und Aggregatfunktionen?

Antwort: GROUP BY gruppiert Zeilen und Aggregatfunktionen fassen Daten zusammen.

-- Anzahl der Mitarbeiter nach Abteilung
SELECT Abteilung, COUNT(*) AS Mitarbeiteranzahl
FROM Mitarbeiter
GROUP BY Abteilung;

-- Durchschnittliches Gehalt nach Abteilung
SELECT 
    Abteilung,
    AVG(Gehalt) AS Durchschnittsgehalt,
    MIN(Gehalt) AS Mindestgehalt,
    MAX(Gehalt) AS Maximalgehalt
FROM Mitarbeiter
GROUP BY Abteilung;

-- HAVING-Klausel (Gruppen filtern)
SELECT Abteilung, AVG(Gehalt) AS Durchschnittsgehalt
FROM Mitarbeiter
GROUP BY Abteilung
HAVING AVG(Gehalt) > 60000;

-- Mehrere Gruppierungsspalten
SELECT 
    Abteilung,
    Berufsbezeichnung,
    COUNT(*) AS Anzahl,
    AVG(Gehalt) AS Durchschnittsgehalt
FROM Mitarbeiter
GROUP BY Abteilung, Berufsbezeichnung
ORDER BY Abteilung, Durchschnittsgehalt DESC;

-- Häufige Aggregatfunktionen
-- COUNT, SUM, AVG, MIN, MAX, COUNT(DISTINCT)

Seltenheit: Sehr häufig Schwierigkeitsgrad: Mittel

10. Was ist der Unterschied zwischen WHERE und HAVING?

Antwort:

• WHERE: Filtert Zeilen vor der Gruppierung
• HAVING: Filtert Gruppen nach der Gruppierung
• WHERE: Kann keine Aggregatfunktionen verwenden
• HAVING: Kann Aggregatfunktionen verwenden

-- WHERE - Filtern vor der Gruppierung
SELECT Abteilung, AVG(Gehalt) AS Durchschnittsgehalt
FROM Mitarbeiter
WHERE Gehalt > 40000  -- Einzelne Zeilen filtern
GROUP BY Abteilung;

-- HAVING - Filtern nach der Gruppierung
SELECT Abteilung, AVG(Gehalt) AS Durchschnittsgehalt
FROM Mitarbeiter
GROUP BY Abteilung
HAVING AVG(Gehalt) > 60000;  -- Gruppen filtern

-- Beides zusammen
SELECT Abteilung, AVG(Gehalt) AS Durchschnittsgehalt
FROM Mitarbeiter
WHERE Einstellungsdatum > '2020-01-01'  -- Zuerst Zeilen filtern
GROUP BY Abteilung
HAVING COUNT(*) > 5;  -- Dann Gruppen filtern

-- Das wäre FALSCH:
-- SELECT Abteilung FROM Mitarbeiter
-- WHERE COUNT(*) > 5;  -- Fehler: kann Aggregatfunktion nicht in WHERE verwenden

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

Datenvisualisierung (4 Fragen)

11. Was sind die wichtigsten Prinzipien effektiver Datenvisualisierung?

Antwort: Gute Visualisierungen kommunizieren Erkenntnisse klar.

• Prinzipien:
  • Wählen Sie den richtigen Diagrammtyp (Balken für Vergleiche, Linie für Trends, Kreis für Teile des Ganzen)
  • Halten Sie es einfach (vermeiden Sie Unordnung)
  • Verwenden Sie geeignete Farben (konsistent, zugänglich)
  • Beschriften Sie klar (Titel, Achsen, Legenden)
  • Erzählen Sie eine Geschichte (heben Sie wichtige Erkenntnisse hervor)
  • Berücksichtigen Sie die Zielgruppe (technisch vs. nicht-technisch)

Seltenheit: Häufig Schwierigkeitsgrad: Leicht

12. Wann würden Sie ein Balkendiagramm gegenüber einem Liniendiagramm verwenden?

Antwort: Verschiedene Diagrammtypen dienen unterschiedlichen Zwecken:

• Balkendiagramm:
  • Vergleichen von Kategorien
  • Diskrete Daten
  • Beispiele: Umsätze nach Region, Produktvergleich
• Liniendiagramm:
  • Zeigen von Trends im Zeitverlauf
  • Kontinuierliche Daten
  • Beispiele: Monatliche Einnahmen, Aktienkurse
• Andere Diagramme:
  • Kreisdiagramm: Teile eines Ganzen (sparsam verwenden)
  • Streudiagramm: Beziehung zwischen zwei Variablen
  • Histogramm: Verteilung kontinuierlicher Daten

Seltenheit: Häufig Schwierigkeitsgrad: Leicht

13. Was ist Tableau und was sind seine wichtigsten Funktionen?

Antwort: Tableau ist ein führendes Tool für Datenvisualisierung und Business Intelligence.

• Hauptmerkmale:
  • Drag-and-Drop-Oberfläche (keine Programmierung erforderlich)
  • Verbindung zu mehreren Datenquellen (Datenbanken, Excel, Cloud)
  • Interaktive Dashboards
  • Echtzeit-Datenaktualisierungen
  • Berechnete Felder und Parameter
  • Freigabe und Zusammenarbeit
• Häufige Aufgaben:
  • Erstellen von Arbeitsblättern (einzelne Visualisierungen)
  • Erstellen von Dashboards (mehrere Visualisierungen)
  • Anwenden von Filtern und Parametern
  • Erstellen von berechneten Feldern
  • Veröffentlichen auf Tableau Server/Online

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

14. Was ist der Unterschied zwischen Tableau und Power BI?

Antwort: Beide sind beliebte BI-Tools mit unterschiedlichen Stärken:

• Tableau:
  • Besser für komplexe Visualisierungen
  • Intuitiver für Anfänger
  • Stärkere Datenvisualisierungsfunktionen
  • Teurer
• Power BI:
  • Bessere Microsoft-Integration
  • Erschwinglicher
  • Stark für Excel-Benutzer
  • Besser für Datenmodellierung
  • DAX für Berechnungen
• Die Wahl hängt ab von:
  • Budget
  • Vorhandenem Technologie-Stack
  • Komplexität der Visualisierungen
  • Team-Fähigkeiten

Seltenheit: Häufig Schwierigkeitsgrad: Leicht

Statistik & Analyse (4 Fragen)

15. Welche Maße der zentralen Tendenz kennen Sie?

Antwort: Maße der zentralen Tendenz beschreiben das Zentrum eines Datensatzes:

• Mittelwert: Durchschnitt (Summe / Anzahl)
  • Empfindlich gegenüber Ausreißern
  • Verwenden Sie ihn für normalverteilte Daten
• Median: Mittlerer Wert, wenn sortiert
  • Robust gegenüber Ausreißern
  • Verwenden Sie ihn für schiefe Daten
• Modus: Häufigster Wert
  • Verwenden Sie ihn für kategoriale Daten

import numpy as np

data = [1, 2, 2, 3, 4, 5, 100]

mean = np.mean(data)  # 16.71 (beeinflusst von Ausreißer 100)
median = np.median(data)  # 3 (nicht von Ausreißer beeinflusst)
# mode = 2 (häufigster)

print(f"Mittelwert: {mean}")
print(f"Median: {median}")

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

16. Wie identifizieren Sie Ausreißer in einem Datensatz?

Antwort: Ausreißer sind Datenpunkte, die sich erheblich von anderen Beobachtungen unterscheiden.

• Methoden:
  • Visuell: Boxplots, Streudiagramme
  • Statistisch:
    • IQR-Methode (1,5 × IQR jenseits Q1/Q3)
    • Z-Score (|z| > 3)
    • Standardabweichung (jenseits von 2-3 Standardabweichungen)

import numpy as np

data = np.array([10, 12, 13, 12, 11, 14, 13, 15, 100, 12])

# IQR-Methode
Q1 = np.percentile(data, 25)
Q3 = np.percentile(data, 75)
IQR = Q3 - Q1

lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR

outliers = data[(data < lower_bound) | (data > upper_bound)]
print(f"Ausreißer: {outliers}")  # [100]

# Z-Score-Methode
mean = np.mean(data)
std = np.std(data)
z_scores = np.abs((data - mean) / std)
outliers_z = data[z_scores > 3]
print(f"Ausreißer (Z-Score): {outliers_z}")

Seltenheit: Häufig Schwierigkeitsgrad: Mittel

17. Was ist der Unterschied zwischen Korrelation und Kausalität?

Antwort:

• Korrelation: Statistische Beziehung zwischen Variablen
  • Gemessen durch den Korrelationskoeffizienten (-1 bis 1)
  • Impliziert keine Kausalität
• Kausalität: Eine Variable verursacht direkt Veränderungen in einer anderen
  • Erfordert kontrollierte Experimente
  • Korrelation ist notwendig, aber nicht hinreichend

Beispiele:

• Eisverkäufe und Todesfälle durch Ertrinken korrelieren (beide nehmen im Sommer zu)
• Aber Eis verursacht kein Ertrinken (Störvariable: Temperatur)

-- Korrelation in SQL berechnen (vereinfacht)
SELECT 
    CORR(Umsatz, Temperatur) AS Korrelation
FROM Tagesdaten;

-- Positive Korrelation: Beide nehmen zusammen zu
-- Negative Korrelation: Einer nimmt zu, der andere ab
-- Null Korrelation: Keine Beziehung

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

18. Wie berechnen Sie die prozentuale Veränderung?

Antwort: Die prozentuale Veränderung misst die relative Veränderung zwischen zwei Werten.

# Formel
Prozentuale Veränderung = ((Neuer Wert - Alter Wert) / Alter Wert) × 100

# Excel-Formel
=(B2-A2)/A2*100

# Beispiel:
Alter Wert: 100
Neuer Wert: 120
Veränderung: (120-100)/100 = 0.20 = 20% Anstieg

# Wachstum im Jahresvergleich
=(Umsatz_2023 - Umsatz_2022) / Umsatz_2022 * 100

-- SQL prozentuale Veränderung
SELECT 
    Jahr,
    Umsatz,
    LAG(Umsatz) OVER (ORDER BY Jahr) AS Vorjahresumsatz,
    ((Umsatz - LAG(Umsatz) OVER (ORDER BY Jahr)) / 
     LAG(Umsatz) OVER (ORDER BY Jahr) * 100) AS Prozentuale_Veränderung
FROM Jahresumsätze;

Seltenheit: Sehr häufig Schwierigkeitsgrad: Leicht

Business Intelligence & Reporting (2 Fragen)

19. Was ist ein KPI und wie wählen Sie die richtigen aus?

Antwort: KPI (Key Performance Indicator) ist ein messbarer Wert, der zeigt, wie effektiv Ziele erreicht werden.

• Merkmale guter KPIs:
  • Spezifisch: Klar und genau definiert
  • Messbar: Quantifizierbar
  • Erreichbar: Realistisch
  • Relevant: Auf Geschäftsziele ausgerichtet
  • Zeitgebunden: Hat einen Zeitrahmen
• Beispiele:
  • Vertrieb: Monatlicher Umsatz, Konversionsrate
  • Marketing: Kundenakquisitionskosten, ROI
  • Betrieb: Auftragsabwicklungszeit, Fehlerrate
  • Kunde: Zufriedenheitswert, Kundenbindungsrate

Seltenheit: Häufig Schwierigkeitsgrad: Leicht

20. Wie präsentieren Sie Datenerkenntnisse für nicht-technische Stakeholder?

Antwort: Effektive Kommunikation ist für Datenanalysten entscheidend.

• Bewährte Verfahren:
  • Beginnen Sie mit der Schlussfolgerung (was sie wissen müssen)
  • Verwenden Sie einfache Visualisierungen (vermeiden Sie komplexe Diagramme)
  • Erzählen Sie eine Geschichte (Kontext, Erkenntnis, Empfehlung)
  • Vermeiden Sie Fachjargon (erklären Sie technische Begriffe)
  • Konzentrieren Sie sich auf die geschäftlichen Auswirkungen (Umsatz, Kosten, Effizienz)
  • Geben Sie umsetzbare Empfehlungen
  • Seien Sie auf Fragen vorbereitet
• Struktur:
  1. Zusammenfassung für Führungskräfte
  2. Wichtigste Erkenntnisse
  3. Unterstützende Daten/Visualisierungen
  4. Empfehlungen
  5. Nächste Schritte

Seltenheit: Häufig Schwierigkeitsgrad: Mittel