Excel für Data Analysts: Wichtige Skills und Formeln
Welche Excel-Skills Data Analysts wirklich brauchen: Datenbereinigung, SVERWEIS/XVERWEIS, Pivot-Tabellen, dynamische Arrays und Praxistipps.
Von Ayoub Farid · · 2 Min. Lesezeit
Selbst in Teams, die intensiv mit SQL, Python und BI-Tools arbeiten, beginnt und endet ein Großteil der Analysen in Excel: für schnelle Plausibilitätsprüfungen, Ad-hoc-Anfragen und Tabellen, die Stakeholder tatsächlich öffnen und verstehen. Auch ein Excel-Test im Bewerbungsverfahren gehört für angehende Data Analysts fast immer dazu.
Hinweis vorab: In der deutschsprachigen Version von Excel heißen viele Excel Funktionen anders und Trennzeichen innerhalb von Formeln sind meist Semikolons (;) statt Kommas. In den folgenden Code-Beispielen nutzen wir die international üblichen englischen Bezeichnungen.
Wichtige Kernkompetenzen
Datenbereinigung
Hier verbringen Analysten meist die meiste Zeit: Whitespace entfernen mit TRIM (GLÄTTEN) (TRIM), Text aufteilen, Duplikate entfernen, als Text formatierte Datumsangaben oder Zahlen korrigieren sowie uneinheitliche Kategorien vereinheitlichen.
Verweise und Joins
XLOOKUP (XVERWEIS) (XLOOKUP) sowie INDEX/MATCH (INDEX/VERGLEICH) (INDEX MATCH) zum Zusammenführen von Tabellen – das Excel-Äquivalent zu einem SQL-Join. Du solltest genau wissen, wie sich Formeln bei fehlenden oder doppelten Schlüsseln verhalten.
Bedingte Aggregationen
SUMIFS (SUMMEWENNS) (SUMIFS), COUNTIFS (ZÄHLENWENNS) (COUNTIFS) und AVERAGEIFS (MITTELWERTWENNS): quasi ein GROUP BY direkt über Excel Formeln. Für einfache Bedingungen gibt es zudem SUMIF (SUMMEWENN) und COUNTIF (ZÄHLENWENN).
Pivot-Tabellen
Schnelle Zusammenfassungen erstellen, Datumsangaben nach Monaten gruppieren, prozentuale Anteile am Gesamtergebnis berechnen und Daten mit Datenschnitt-Filtern interaktiv erkunden.
Dynamische Arrays
Moderne Funktionen wie FILTER, UNIQUE und SORT für dynamische, formelbasierte Auswertungen, die sich bei neuen Daten automatisch anpassen.
Statistik
Wann nutzt man AVERAGE (MITTELWERT) und wann den MEDIAN? Dazu Perzentile, Standardabweichungen, prozentuale Veränderungen und Wachstumsraten sicher berechnen und interpretieren.
Diagramme
Das passende Diagramm für den jeweiligen Datentyp auswählen, Achsen und Datenpunkte präzise beschriften und visuelle Überladung (Chart Junk) konsequent vermeiden.
Power Query
Automatisierte, wiederholbare Workflows zum Bereinigen, Transformieren und Zusammenführen von Rohdaten-Exporten aufbauen.
Ein typischer Excel-Test im Bewerbungsverfahren
- Einen fehlerhaften, unstrukturierten Datenexport bereinigen.
- Eine zweite Tabelle über Schlüsselspalten verknüpfen.
- Die Daten über zwei Dimensionen aggregieren und zusammenfassen.
- Drei konkrete Business-Fragen auf Basis der Zahlen beantworten.
- Ein sauberes, leicht verständliches Diagramm erstellen.
Gewohnheiten, die Eindruck machen
- Rohdaten niemals direkt überschreiben: Bereinige Daten immer in einem separaten Tabellenblatt oder direkt über Power Query.
- Zellbezüge sauber sperren: Nutze einen absoluten Bezug (
$A$1), einen relativen Bezug (A1) oder gemischte Bezüge, um Formeln fehlerfrei nach unten ausfüllen oder kopieren zu können. - Kontrollsummen einbauen: Schnelle Abgleiche zeigen sofort, ob Zeilen verloren gegangen sind.
- Ergebnisse ausformulieren: Liefere nicht nur nackte Zahlenbereiche ab, sondern formuliere die Kernaussage in ein bis zwei klaren Sätzen.
Häufig gestellte Fragen
Nutzen Data Analysts heute überhaupt noch Excel?
Ja, absolut. Excel wird in der Praxis parallel zu SQL, Python und BI-Tools eingesetzt – besonders für schnelle Ad-hoc-Analysen und den direkten Austausch mit Fachabteilungen.
Welche Excel-Skills brauchen Data Analysts am meisten?
Datenbereinigung, Verweisfunktionen (XLOOKUP, INDEX/MATCH), Aggregationen (SUMIFS, COUNTIFS), Pivot-Tabellen, dynamische Array-Funktionen, statistische Grundlagen und zielgerichtete Visualisierungen.
Reicht Excel aus, um als Data Analyst zu arbeiten?
Excel ist das ideale Fundament, um Datenkompetenz und analytisches Denken zu lernen. Für die meisten Vollzeitstellen werden zusätzlich Grundkenntnisse in SQL und einem BI-Tool wie Power BI oder Tableau erwartet.
Was ist die größte Hürde für Analysten in Excel?
Unstrukturierte, fehlerhafte Rohdaten zuverlässig zu bereinigen und Auswertungen so stabil aufzubauen, dass sie auch bei neuen oder veränderten Quelldaten fehlerfrei funktionieren.