Datenanalyse als Portfolio-Stück: Aufbau und Beispiele

Eine saubere Datenanalyse Portfolio Digitalisierungsmanager ist eines der stärksten Projekte, die du zeigen kannst. Sie beweist, dass du mit realen Daten umgehst, sie visuell aufbereitest und daraus eine Empfehlung ableitest. Personaler werten das hoch, weil Entscheidungen in Unternehmen zunehmend datenbasiert fallen. Dieser Ratgeber zeigt, wie du aus einem Datensatz ein portfoliofähiges Projekt machst.

Zwei Fehler tauchen bei Teilnehmern immer wieder auf. Entweder wählen sie einen zu großen Datensatz und verzetteln sich. Oder sie visualisieren hübsche Diagramme ohne Empfehlung am Ende. Beide Fehler kosten den Case seinen Wert. Ein Portfolio-Stück zur Datenanalyse braucht einen kleinen, klaren Datensatz und eine eindeutige Empfehlung.

Warum das so gut wirkt

Datenkompetenz ist Mangelware. In vielen Unternehmen fehlen Leute, die mit Zahlen umgehen können. Der Nachweis ist visuell: Ein gutes Diagramm beweist in Sekunden, dass du den Datensatz verstanden hast. Und die Schlussfolgerung zeigt Urteilsfähigkeit. Wer aus Zahlen eine klare Empfehlung ableiten kann, ist für verantwortungsvolle Positionen gefragt.

Die Weiterbildung zum Digitalisierungsmanager behandelt Datenanalyse in Modul 9 mit 72 Unterrichtseinheiten. Dort lernst du, wie du Daten aufbereitest, visualisierst und in eine Entscheidungsgrundlage überführst. Einen Gesamtüberblick bietet die Ratgeber-Pillar zum Berufsbild.

Den richtigen Datensatz finden

Für ein Einsteiger-Portfolio eignen sich drei Typen von Datensätzen.

Öffentliche Datensätze kommen vom Statistischen Bundesamt, von Eurostat oder aus Open-Data-Portalen. Sie sind sicher, weil keine Datenschutz-Fragen mitkommen.

Persönliche Datensätze sind Sport-Tracker-Daten, Finanz-Exports, eigene Bücherlisten. Sie sind authentisch, weil sie dich selbst betreffen und du den Kontext bestens kennst.

Vereins- oder Nebenerwerbs-Daten sind realitätsnah. Mitgliederliste, Spendeneingänge, Teilnehmerzahlen. Brauchen aber sauberes Anonymisieren, bevor sie ins Portfolio dürfen.

Die Größe entscheidet stärker als der Typ. 500 bis 5.000 Zeilen sind ideal. Weniger wirkt trivial. Mehr wird ohne Datenbank-Kenntnisse schnell unübersichtlich.

Der Ablauf der Analyse

Eine gute Datenanalyse folgt einem festen Ablauf. Sechs Schritte haben sich bewährt:

Schritt	Tätigkeit	Aufwand
1	Fragestellung definieren	1 Stunde
2	Datensatz beschaffen und prüfen	2 bis 4 Stunden
3	Daten aufbereiten und bereinigen	3 bis 6 Stunden
4	Visualisieren	2 bis 4 Stunden
5	Interpretieren	1 bis 2 Stunden
6	Empfehlung formulieren	1 Stunde

Schritt 3 ist der längste und wichtigste. Er heißt oft “80 Prozent der Arbeit” in der Datenanalyse, und zu Recht. Wer hier schlampt, produziert am Ende falsche Diagramme.

Fragestellungen, die tragen

Eine gute Fragestellung ist konkret, beantwortbar und hat eine Konsequenz. Drei Beispiele aus dem Kursalltag.

Beispiel eins. “Wie verteilen sich die Anmeldungen zu unseren Vereinsveranstaltungen über die Wochentage, und welche Tage haben das höchste Besucheraufkommen?” Konkret, mit den vorhandenen Daten beantwortbar, und die Konsequenz ist klar: Veranstaltungen eher auf starke Tage legen.

Beispiel zwei. “Welche Kostenpositionen im Haushalt haben sich in den letzten 12 Monaten am stärksten verändert, und wo gibt es Einsparpotenzial?” Nutzt persönliche Finanzdaten, hat eine klare Antwort und eine direkte Konsequenz.

Beispiel drei. “Wie sehen die Arbeitslosenzahlen in verschiedenen Regionen Deutschlands aus, und welche Faktoren korrelieren mit niedrigeren Zahlen?” Nutzt öffentliche Daten der Bundesagentur für Arbeit und liefert eine gesellschaftlich relevante Fragestellung.

Schlecht klingt so: “Was können wir aus den Daten lernen?” Zu offen. Personaler wollen eine klare Frage und eine klare Antwort.

Visualisieren ohne Ablenkung

Die Visualisierung ist das Herzstück des Portfolio-Stücks. Drei Regeln halten das Projekt scharf.

Weniger Diagramme, dafür klarer. Drei gut beschriftete Diagramme wirken stärker als zehn beliebige. Jedes Diagramm braucht eine klare Aussage.

Einfache Formen zuerst. Balken- und Liniendiagramme sind sofort verständlich. Exotische Formen wie Radar, Sankey oder Baumstrukturen kommen nur rein, wenn sie echt mehr aussagen.

Beschriftungen bis ins Detail. Jede Achse hat eine Einheit, jeder Wert ist lesbar, jede Legende ist eindeutig. Unbeschriftete Diagramme sind im Portfolio wertlos.

Welche Werkzeuge sich eignen, lernst du in Modul 9 der Weiterbildung. Für kleine Datensätze reicht eine Tabellenkalkulation. Für größere Datensätze empfehlen wir Metabase oder vergleichbare kostenlose Werkzeuge.

Die Empfehlung am Ende

Die Empfehlung ist der Teil, den Personaler am gründlichsten lesen. Wer hier abkürzt, hat alles vorherige umsonst gemacht.

Pro Analyse eine klare Handlungsempfehlung. “Mehr Mitglieder gewinnen” ist keine Empfehlung, sondern ein Wunsch. “Veranstaltungen um 30 Prozent auf den Wochenanfang verlagern, weil dort die Teilnehmerzahl 40 Prozent höher liegt” ist eine Empfehlung.

Grenzen ehrlich benennen. “Diese Analyse basiert auf 12 Monaten Daten und kann Saisonschwankungen nicht vollständig abbilden.” Ehrlichkeit ist glaubwürdiger als forcierte Selbstsicherheit.

Nächste Schritte vorschlagen. Welche zusätzlichen Daten würden die Analyse verbessern. Das zeigt, dass du in Zyklen denkst und nicht nur Einmal-Reports abliefern willst.

Details zur gesamten Projektstruktur findest du im Artikel Praxisprojekte richtig dokumentieren. Wie du Vorher-Nachher-Vergleiche einbaust, beschreibt der Ratgeber Vorher-Nachher-Vergleiche in der Dokumentation.

Das Statistische Bundesamt (Destatis) bietet kostenlose Datensätze zu nahezu allen gesellschaftlichen und wirtschaftlichen Fragestellungen in Deutschland. Die Bundesagentur für Arbeit stellt detaillierte Arbeitsmarktdaten zur Verfügung.

FAQ zur Datenanalyse im Portfolio

Wie groß darf der Datensatz maximal sein?

Für ein Portfolio-Stück idealerweise zwischen 500 und 5.000 Zeilen. Größere Datensätze brauchen Datenbank-Werkzeuge, die im DigiMan-Kurs erst später auftauchen.

Muss ich Python oder R beherrschen?

Nein. Eine saubere Analyse mit Tabellenkalkulation oder kostenlosen Visualisierungs-Werkzeugen ist ausreichend. Programmiersprachen sind hilfreich, aber keine Voraussetzung.

Darf ich fremde Datensätze verwenden?

Ja, solange die Lizenz es erlaubt. Öffentliche Datenquellen haben in der Regel klare Nutzungsbedingungen. Im Zweifel nachlesen.

Wie gehe ich mit fehlenden oder fehlerhaften Daten um?

Du beschreibst die Lücken offen, trägst sie bei oder entfernst die betroffenen Zeilen. Ehrliche Daten-Bereinigung ist ein Qualitätsmerkmal, kein Schwäche-Signal.

Wie lang sollte die Dokumentation sein?

Etwa 800 bis 1.200 Wörter plus drei bis fünf Diagramme. Kürzer wirkt dünn, länger wird mühsam zu lesen.

Über den Autor

Dr. Jens Aichinger ist Gründer von SkillSprinters, einem DEKRA-zertifizierten Bildungsträger nach AZAV. Er ist promovierter Naturwissenschaftler und arbeitet seit über zehn Jahren an der Schnittstelle von Bildung und Digitalisierung. Mehr zum Autor auf der Autoren-Seite.

Zuletzt geprüft am 14. April 2026 von Dr. Jens Aichinger. Kontakt und Terminbuchung über skill-sprinters.de/termin.

Erste Datenanalyse im Schnupperkurs üben

Im kostenlosen Schnupperkurs arbeitest du mit einem kleinen Datensatz und baust eine erste Visualisierung. So lernst du den typischen Ablauf kennen, bevor du dich für die komplette Weiterbildung entscheidest.

Kostenlos reinschnuppern oder 27 Fragen als PDF herunterladen