Auf einen Blick
- Aufgaben: Analysiere große Transaktionsdaten und entwickle smarte Analyse-Logiken für effiziente Zahlungsprozesse.
- Unternehmen: Schwarz Gruppe, ein innovatives Unternehmen mit Fokus auf nachhaltige Lösungen.
- Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
- Weitere Informationen: Dynamisches Team mit exzellenten Karrierechancen und einem kreativen Arbeitsumfeld.
- Warum dieser Job: Gestalte die Zukunft des Zahlungsverkehrs und nutze deine Datenanalyse-Fähigkeiten für echte Veränderungen.
- Qualifikationen: Abgeschlossenes Studium in Data Science oder verwandten Bereichen und Erfahrung in der Datenanalyse.
Das prognostizierte Gehalt liegt zwischen 45000 - 65000 € pro Jahr.
Einleitungstext Du hast Lust auf eine neue Herausforderung? Im #TeamSCOS beraten wir die Unternehmen der Schwarz Gruppe bei der Abwicklung administrativer Themen und organisatorischer Veränderungsvorhaben. Bei uns kannst du Verantwortung übernehmen und mit uns gemeinsam effiziente sowie nachhaltige Lösungen entwickeln.
Deine Aufgaben
- Transaktionsdatenanalyse: Du verantwortest die Analyse riesiger Mengen an Transaktionsdaten (stationär & eCommerce) der Schwarz Gruppe zur kontinuierlichen Optimierung unserer unternehmensweiten Payment-Prozesse.
- Transaktions-Clearing & Matching: Du entwickelst smarte Analyse-Logiken zur Differenzenklärung und zum Clearing auf Transaktionsebene (z. B. bei Multi-Acquiring-Setups), indem du komplexe Datensätze auch ohne eindeutige Schlüssel (Unique Keys) intelligent miteinander verknüpfst.
- Performance Monitoring & Business Impact: Du konzipierst (Real-Time-)Monitorings zur Sicherstellung einer reibungslosen Zahlungsabwicklung an der Kasse, analysierst die betriebswirtschaftlichen Effekte bei Systemschwankungen (z. B. durch Planzahlen-Vergleiche) und schaffst so datenbasierte Transparenz für den strategischen Austausch mit unseren Zahlungsdienstleistern.
- Advanced Analytics & Fraud Prevention: Du konzipierst erste statistische Use Cases mittels Python oder R und identifizierst proaktiv Anomalien in unstrukturierten Transaktionsdaten zur Erkennung von Betrugsversuchen an der Kasse.
- Reporting & Automatisierung: Du erstellst und automatisierst aussagekräftige Reports und Dashboards (z. B. in Databricks, MicroStrategy, GoogleLooker) zur Steuerung der Performance sowie zur Überwachung und Überprüfung von Acquirer-Fees und Provisionen.
- Schnittstellenfunktion: Du übersetzt komplexe fachliche Fragestellungen aus dem Vertrieb und operativen Geschäft in präzise technische Analyse-Anforderungen.
- Beratung & Strategie: Du stellst die Verfügbarkeit aller relevanten KPIs sicher, leitest datengetriebene Handlungsempfehlungen ab und berätst das Management mit exzellentem „Data Storytelling“.
Dein Profil
- Du hast dein Studium im Bereich Wirtschaftsinformatik, Statistik, Mathematik, Data Science oder BWL mit starkem quantitativen Fokus erfolgreich abgeschlossen.
- Du bringst mindestens 2-3 Jahre Berufserfahrung im Bereich Data Analytics mit, idealerweise im Handelsumfeld (Retail, eCommerce) und bist sicher im Umgang mit Massendaten (Big Data).
- Du besitzt fortgeschrittene Datenbankkenntnisse in SQL sowie sehr gute Programmierkenntnisse in Python oder R für statistische Analysen.
- Du verfügst über fundiertes „Data Science Know-How“ (Verständnis gängiger Machine Learning Methoden wie Regression, Clustering oder Decision Trees und deren Anwendung auf reale Business-Probleme).
- Du hast praktische Erfahrung mit modernen Data-Plattformen und Visualisierungstools (z. B. Databricks, Snowflake, MicroStrategy).
- Analytisches Denken, ein hohes Maß an Eigenverantwortung sowie eine strukturierte Problemlösungskompetenz zeichnen deine Arbeitsweise aus.
- Du kommunizierst sicher auf Deutsch (mindestens C1) sowie Englisch (mindestens B2).
Data Analyst - Advanced Analytics (m/w/d) Arbeitgeber: Schwarz Dienstleistung KG
Die Schwarz Gruppe bietet als Arbeitgeber ein dynamisches und innovatives Umfeld, in dem du als Data Analyst - Advanced Analytics (m/w/d) nicht nur Verantwortung übernimmst, sondern auch aktiv an der Entwicklung effizienter und nachhaltiger Lösungen mitwirkst. Mit einem starken Fokus auf Mitarbeiterentwicklung und einer offenen Unternehmenskultur fördert das Unternehmen deine persönliche und berufliche Entfaltung, während du in einem Team arbeitest, das Wert auf Zusammenarbeit und Exzellenz legt. Zudem profitierst du von modernen Arbeitsbedingungen und der Möglichkeit, an spannenden Projekten im Bereich Big Data und Advanced Analytics zu arbeiten.
Kontaktdaten:
Schwarz Dienstleistung KG Recruiting-Team
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Data Analyst - Advanced Analytics (m/w/d) erhalten könnten
✨Tipp Nummer 1
Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Leuten aus der Branche in Kontakt zu treten. Frag nach ihren Erfahrungen und Tipps – das kann dir wertvolle Einblicke geben und vielleicht sogar zu einer Empfehlung führen.
✨Tipp Nummer 2
Bereite dich auf Vorstellungsgespräche vor, indem du häufige Fragen durchgehst und deine Antworten übst. Denk daran, konkrete Beispiele aus deiner bisherigen Arbeit zu verwenden, um deine Fähigkeiten zu demonstrieren. Wir wissen, dass Storytelling hier entscheidend ist!
✨Tipp Nummer 3
Zeige deine Leidenschaft für Daten! Wenn du über deine Projekte sprichst, lass deine Begeisterung durchscheinen. Arbeitgeber suchen nach Kandidaten, die nicht nur die technischen Fähigkeiten haben, sondern auch wirklich für das, was sie tun, brennen.
✨Tipp Nummer 4
Bewirb dich direkt über unsere Website! Das zeigt dein Interesse an der Position und gibt uns die Möglichkeit, dich besser kennenzulernen. Vergiss nicht, deine Bewerbung individuell anzupassen und auf die spezifischen Anforderungen der Stelle einzugehen.
Wir glauben, dass du diese Fähigkeiten brauchst, um Data Analyst - Advanced Analytics (m/w/d) mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Sei du selbst!:Wir wollen dich kennenlernen, also zeig uns, wer du wirklich bist! Lass deine Persönlichkeit in deiner Bewerbung durchscheinen und erzähl uns, warum du die perfekte Ergänzung für unser Team bist.
Pass auf die Details auf!:Achte darauf, dass deine Bewerbung fehlerfrei ist. Rechtschreibfehler oder unklare Formulierungen können einen schlechten Eindruck hinterlassen. Nimm dir die Zeit, alles sorgfältig zu überprüfen!
Mach es konkret!:Verwende konkrete Beispiele aus deiner bisherigen Berufserfahrung, um deine Fähigkeiten zu untermauern. Zeig uns, wie du mit Daten gearbeitet hast und welche Erfolge du erzielt hast – das macht deine Bewerbung viel überzeugender!
Bewirb dich über unsere Website!:Der einfachste Weg, um Teil unseres Teams zu werden, ist die Bewerbung über unsere Website. So stellst du sicher, dass deine Unterlagen direkt bei uns landen und wir sie schnellstmöglich prüfen können.
Wie man sich auf ein Vorstellungsgespräch bei Schwarz Dienstleistung KG vorbereitet
✨Verstehe die Daten
Mach dich mit den spezifischen Datenanalysen vertraut, die in der Stellenbeschreibung erwähnt werden. Überlege dir, wie du deine bisherigen Erfahrungen in der Analyse von Transaktionsdaten oder im Umgang mit Big Data einbringen kannst.
✨Technische Fähigkeiten demonstrieren
Bereite dich darauf vor, deine Kenntnisse in SQL, Python oder R zu zeigen. Vielleicht kannst du ein kleines Projekt oder eine Analyse vorstellen, die du durchgeführt hast, um deine Programmierfähigkeiten und dein Verständnis für statistische Methoden zu unterstreichen.
✨Datenbasierte Entscheidungen
Sei bereit, über Beispiele zu sprechen, in denen du datengetriebene Entscheidungen getroffen hast. Zeige, wie du KPIs definiert und analysiert hast, um strategische Empfehlungen abzugeben. Das zeigt, dass du nicht nur Daten analysieren, sondern auch deren Bedeutung verstehen kannst.
✨Kommunikation ist der Schlüssel
Da du komplexe Informationen an verschiedene Stakeholder kommunizieren musst, übe, wie du technische Konzepte einfach erklären kannst. Bereite dich darauf vor, deine Ansätze zur Problemlösung klar und strukturiert darzustellen, um dein 'Data Storytelling' zu demonstrieren.
