Karrieren in der Marketing-Analytics beginnen mit einer Aufgabe: die Frage „Funktioniert unser Marketing, und wohin sollte der nächste Euro fließen?“ mit Daten statt Meinungen zu beantworten. Die Jobtitel variieren (Marketing Analyst, Marketing Data Scientist, Measurement Analyst, Analytics Engineer), ebenso der Arbeitsalltag. Dieser Leitfaden beschreibt sechs Rollen und was jede an einem normalen Dienstag tut, welche Fähigkeiten und Tools Arbeitgeber prüfen, was offizielle Gehaltsdaten sagen (mit Quellen und Datum), wann sich ein Master in Marketing Analytics lohnt, wie Praktika funktionieren und ein Portfolio-Projekt, das Sie an einem Wochenende mit kostenlosen Daten fertigstellen können.
Wenn Sie das gegen Experimentation-Arbeit abwägen, behandelt unser Leitfaden zu Jobs in der Conversion-Optimierung das verwandte Berufsfeld. Beide überschneiden sich bei den Tools, beantworten aber unterschiedliche Fragen: CRO fragt „Welche Version dieser Seite konvertiert besser?“, Marketing Analytics fragt „Welche unserer Kanäle, Kampagnen und Zielgruppen erzeugen Umsatz?“
Unsere Sicht: Beantworten Sie eine Geschäftsfrage, statt Zertifikate abzuhaken
Wer nach „Karriere in Marketing Analytics“ sucht, findet meist eine Liste von Tools und Zertifikaten. Recruiter landen so bei einem Stapel Lebensläufe, in denen überall SQL, GA4, Tableau, Python und ein Google-Zertifikat steht – was ihnen nichts darüber sagt, ob Sie den Job beherrschen.
Die Aufgabe ist Übersetzung. Eine Marketingleiterin fragt: „Hat sich das Webinar-Programm gelohnt?“, und der Analyst muss daraus eine Definition machen (gegenüber welchen Kosten, wie gemessen, über welchen Zeitraum), feststellen, dass die Daten das nicht sauber beantworten können, das offen sagen und trotzdem eine brauchbare Antwort liefern. Diese Fähigkeit zeigt sich an einer Stelle: einer schriftlichen Analyse einer echten Frage, bei der die unordentlichen Teile nicht weggelassen werden.
Unsere Haltung ist deshalb klar: Ein einziges Portfolio-Projekt, das eine geschäftliche Frage beantwortet, seine Annahmen offenlegt und mit einer Empfehlung endet, schlägt einen Stapel aus fünf Zertifikaten. Zertifikate beweisen, dass Sie die Videos angesehen haben; das Projekt beweist, dass Sie denken können.
Die Rollen im Marketing Analytics und was jede im Alltag tut
| Rolle | Ein typischer Tag | Wichtigste Tools | Berichtet meist an |
|---|---|---|---|
| Marketing Analyst | Erstellt und pflegt Kanal- und Kampagnenreports, beantwortet Ad-hoc-Fragen („Warum sind die Leads letzte Woche gesunken?“), prüft das Tracking, präsentiert Zahlen in wöchentlichen Marketing-Meetings | GA4, Tabellenkalkulationen, SQL, ein BI-Tool, Werbeplattformen | Marketing Ops oder Marketingleitung |
| Measurement / Attribution Analyst | Pflegt Attributionsmodelle, konzipiert Lift- und Holdout-Tests, gleicht von Plattformen gemeldete Conversions mit dem CRM-Umsatz ab und erklärt, warum die Zahlen voneinander abweichen | SQL, Python oder R, Experimentdesign, Attributions-Tools | Analytics Manager oder Leitung Performance Marketing |
| Marketing Data Scientist | Erstellt Marketing-Mix-Modelle, Churn- und Propensity-Modelle sowie Kundensegmentierungen; erstellt Prognosen für die Budgetplanung | Python oder R, SQL, Statistikbibliotheken, MMM-Frameworks | Data-Science-Lead oder Analytics-Director |
| Marketing Ops / Analytics Engineer | Konzipiert Event-Tracking, baut Datenpipelines von Werbeplattformen und CRM ins Warehouse und modelliert saubere Tabellen, die Analysten abfragen | SQL, Modellierung im dbt-Stil, Tag-Manager, CRM-Administration, Data Warehouse | Marketing Ops oder Data Engineering |
| Marketing Analytics Manager | Setzt den Reporting-Standard, priorisiert Anfragen, verantwortet die KPI-Definitionen, coacht Analysten und sitzt in Planungsmeetings, um Budgetentscheidungen mitzugestalten | Alles oben Genannte plus Stakeholder-Management | CMO, VP Marketing oder Head of Data |
| Director Marketing Analytics / Insights | Verantwortet die Messstrategie über Marken oder Regionen hinweg, wählt den Ansatz für Attribution und MMM, baut das Team auf und vertritt die Zahlen gegenüber dem Finanzbereich | Vor allem Menschen und Entscheidungen | CMO oder Chief Data Officer |
In einem B2B-Unternehmen mit 50 Mitarbeitern erledigt eine Person die ersten vier Zeilen; bei einer großen Konsumgütermarke ist jede Zeile ein eigenes Team. Achten Sie in Stellenanzeigen auf die Aufgaben, nicht auf die Titel.
Wie die B2B-Version aussieht
B2B-Volumen sind klein (Hunderte Opportunities, nicht Millionen Bestellungen), Zyklen dauern Monate, und der Umsatz liegt im CRM, nicht im Webanalyse-Tool. Ein Großteil der Arbeit besteht darin, Website-Verhalten mit Accounts und Pipeline zu verknüpfen. Lernen Sie die Funnel-Phasen und Kennzahlen in unserem Leitfaden zu B2B-Marketing-KPIs; in Vorstellungsgesprächen wird erwartet, dass Sie in Pipeline denken, nicht in Sitzungen.
Fähigkeiten und Tools, sortiert danach, wie oft sie über Einstellungen entscheiden
- SQL. Die am häufigsten geprüfte Fähigkeit. Rechnen Sie mit einer Live-Übung: Joins, Aggregationen, Window Functions, Umgang mit Duplikaten. Wenn Sie eine Sache richtig lernen, dann diese.
- Kennzahlendefinition und Geschäftsverständnis. Zu wissen, dass „Conversion-Rate“ einen mit dem Vertrieb abgestimmten Zähler und Nenner braucht und dass ein Lead kein Umsatz ist. Steht selten in Stellenanzeigen, wird aber in Fallstudien-Interviews immer abgefragt.
- Web-Analytics (GA4). Events, Conversions (heute „wichtige Ereignisse“), Engagement-Kennzahlen, Explorations, der BigQuery-Export. Kennen Sie die Fallstricke, etwa dass Sitzungen mit Interaktionen und Absprungrate in GA4 anders definiert sind als die alten Kennzahlen in Universal Analytics.
- Tabellenkalkulationen. Pivot-Tabellen, Lookups und Modelle, die auch Nicht-Analysten nachvollziehen können.
- BI und Visualisierung. Looker Studio, Tableau oder Power BI. Ein Dashboard, das drei Fragen beantwortet, schlägt eines mit dreißig Diagrammen.
- Saubere Kampagnen-Tracking-Praxis. UTM-Konventionen, Namensstandards, Tag-Management. Fehlerhaftes Tracking frisst viele Analystenstunden; ein einheitlicher Prozess mit einem UTM-Builder verhindert das meiste davon.
- Experimentation. A/B-Tests, Holdout-Gruppen, Geo-Tests und die Statistik, um sie auszuwerten. Unser Beitrag zur Stichprobengröße für A/B-Tests behandelt die Berechnung, die Interviewer gern abfragen.
- Attribution und Marketing-Mix-Modellierung. Kennen Sie den Unterschied: Attribution verteilt den Erfolgsanteil auf Touchpoints einzelner Journeys; MMM schätzt Kanaleffekte über die Zeit aus aggregierten Ausgaben- und Ergebnisdaten. Googles Open-Source-Framework Meridian ist ein aktuelles MMM-Framework, das Sie studieren und mit Beispieldaten ausführen können.
- Python oder R. Pflicht für Data-Science-Rollen, ein Plus für Analysten (pandas, statsmodels, das tidyverse).
Gehälter im Marketing Analytics (mit Quellen)
Es gibt keine offizielle Berufsbezeichnung „Marketing Analyst“, daher nennen wir benachbarte Kategorien und Stichproben aus Stellenanzeigen, jeweils auf der Quellseite geprüft.
| Quelle und Zeitraum | Was es misst | Wert |
|---|---|---|
| US BLS, Market Research Analysts, Mai 2025 | Die offizielle US-Kategorie, die die meisten Marketing-Analysten umfasst | Median 78.760 $ pro Jahr; untere 10 % unter 43.390 $, obere 10 % über 155.480 $; die Beschäftigung soll von 2025 bis 2035 um 7 % wachsen, deutlich schneller als der Durchschnitt |
| US BLS, Data Scientists, Mai 2025 | Nächstgelegene Kategorie für Marketing Data Scientists | Median 120.230 $ pro Jahr; prognostiziertes Wachstum von 35 % zwischen 2025 und 2035 |
| US BLS, Marketing Managers, Mai 2025 | Umfasst leitende Analytics-Verantwortliche mit Titeln aus dem Marketingmanagement | Median 166.790 $ pro Jahr |
| ITJobsWatch UK, „marketing analytics“, 6 Monate bis 13. Oktober 2026 | Gehälter in britischen Stellenanzeigen für Festanstellungen mit Bezug zu Marketing Analytics (34 Gehälter aus 143 Anzeigen) | Median 70.000 £; 25. Perzentil 46.250 £; 75. Perzentil 82.500 £ |
So lesen Sie das. Der BLS-Median für Marktforschungsanalysten ist der beste Anhaltspunkt für einen Marketing-Analysten in den USA auf Einstiegs- bis mittlerer Ebene. Die Zahl für Data Scientists zeigt, warum sich der Wechsel ins Modellieren lohnt: Der Abstand zwischen den Medianen beträgt über 40.000 $. Die britische Zahl stammt aus einer kleinen Stichprobe von Stellenanzeigen, die zu Senior- und technischen Rollen tendiert; betrachten Sie sie daher als Bild ausgeschriebener Spezialistenstellen, nicht aller Analysten in Großbritannien.
Master in Marketing Analytics: Für wen er sich lohnt
Ein Master in Marketing Analytics ist typischerweise ein einjähriges, oft als STEM eingestuftes Programm, das Statistik, Programmierung, Customer Analytics und Marketingstrategie verbindet, meist mit einem Abschlussprojekt für ein echtes Unternehmen. Einige Beispiele, die wir auf den Seiten der Universitäten geprüft haben:
- University of Rochester, Simon Business School: Vollzeit-MS in Marketing Analytics mit STEM-Einstufung, mit Fokus auf datenbasierte Entscheidungen in Marketing, Pricing und Vertrieb.
- University of Colorado Boulder, Leeds School of Business: 33 Credits über drei Semester in Präsenz, mit Kursen unter anderem zu Machine Learning in Python, digitaler Werbung, Market Intelligence und Kundenanalyse.
- American University, Kogod School of Business: Online-MS in Marketing Analytics, 12 bis 15 Monate, mit zwei Praxisprojekten.
- Pace University, Lubin School of Business: MS in Marketing Analytics in New York City, 30 bis 36 Credits, Vollzeit oder Teilzeit.
Kosten und Zulassungsvoraussetzungen finden Sie auf der jeweiligen Programmseite.
Wann sich der Abschluss lohnt und wann nicht
| Situation | Unsere Einschätzung |
|---|---|
| Quereinsteiger ohne quantitativen Hintergrund, braucht Struktur und ein Netzwerk | Eine Überlegung wert. Das Abschlussprojekt und der Karriereservice leisten echte Arbeit. |
| Internationale Studierende, die in den USA arbeiten wollen | Die STEM-Einstufung ist für Arbeitsmöglichkeiten nach dem Studium wichtig; prüfen Sie sie ausdrücklich. |
| Bereits im Marketing tätig, sicher im Umgang mit Tabellenkalkulationen | Meist nicht nötig. Lernen Sie SQL, setzen Sie zwei Projekte um und wechseln Sie intern. |
| Mit Ziel Marketing Data Science | Ein statistiklastiger Studiengang kann besser passen als ein marketinggetriebener. Vergleichen Sie Lehrpläne, nicht Titel. |
Praktika im Marketing Analytics: Wo es sie gibt und wie Sie eines bekommen
Praktika finden sich gehäuft bei großen Konsumgütermarken, Media- und Performance-Agenturen, Tech- und SaaS-Unternehmen sowie Analytics-Beratungen. Hochschul-Karriereportale und LinkedIn führen die meisten Ausschreibungen; Agenturen veröffentlichen oft zuerst auf ihren eigenen Karriereseiten.
Was Sie auf die Shortlist bringt:
- Eine einseitige Projektzusammenfassung, verlinkt im Lebenslauf. Frage, Daten, Methode, Antwort, Empfehlung.
- Nachweis von SQL-Kenntnissen. Ein öffentliches Notebook oder Repository mit Abfragen auf einen echten Datensatz.
- Geschäftlicher Kontext in jedem Lebenslauf-Punkt. Nicht „ein Dashboard gebaut“, sondern „ein Kanal-Dashboard gebaut, das zeigte, dass Paid-Social-Leads nur halb so oft zu Terminen wurden wie Leads aus der Suche“, selbst bei einem Studienprojekt.
Bewerben Sie sich früh: Große Arbeitgeber rekrutieren Sommerpraktikanten oft schon im Herbst davor.
So fangen Sie an: Ein Portfolio-Projekt fürs Wochenende
Sie brauchen keine Daten eines Arbeitgebers. Google stellt zwei kostenlose Quellen bereit. Das Google Analytics-Demokonto gibt jedem Google-Nutzer Lesezugriff auf echte (verschleierte) Daten aus dem Google Merchandise Store und dem Spiel Flood-It!. Der GA4-Beispieldatensatz für E-Commerce in BigQuery enthält drei Monate Exportdaten auf Event-Ebene aus demselben Shop, von November 2020 bis Januar 2021, sodass Sie SQL am echten GA4-Schema üben können.
- Wählen Sie eine Entscheidung, keinen Datensatz. Zum Beispiel: „Wenn der Shop für die Weihnachtszeit 20 % mehr Budget in eine Traffic-Quelle stecken könnte, welche wäre es?“
- Definieren Sie die Kennzahlen vor der Abfrage. Umsatz pro Sitzung nach Quelle und Medium, Kauf-Conversion-Rate sowie neue vs. wiederkehrende Nutzer.
- Fragen Sie das BigQuery-Dataset ab. Event-Parameter entschachteln, Sitzungen bilden, Käufe der Quelle zuordnen.
- Gleichen Sie mit dem GA4-Demokonto ab. Die Zahlen werden nicht exakt übereinstimmen. Erklären zu können, warum (Verschleierung, Attributionseinstellungen), ist das, woran sich Interviewer erinnern.
- Schreiben Sie eine einseitige Empfehlung. Antwort, Belege, Einschränkungen und welchen Test Sie zur Bestätigung durchführen würden.
Anschauungsbeispiel für die Dokumentation
Beispiel, mit runden erfundenen Zahlen, um die Form zu zeigen, keine echten Ergebnisse aus dem Datensatz: „In der Feiertagszeit brachte die organische Suche 40.000 Sitzungen und 60.000 $ Umsatz (1,50 $ pro Sitzung). Referral brachte 10.000 Sitzungen und 25.000 $ (2,50 $ pro Sitzung). Referral erzielt mehr pro Sitzung, aber der Großteil des Umsatzes stammt von einer einzigen Partnerseite, zusätzliches Budget skaliert also womöglich nicht. Empfehlung: zwei Wochen lang 20 % mehr Budget für Paid Search mit einer Holdout-Region testen, bevor umgeschichtet wird, und den Umsatz pro Sitzung mit denselben Wochen in der Kontrollregion vergleichen.“ Die Empfehlung benennt ihre eigene Unsicherheit und einen Weg, sie aufzulösen.
Für ein zweites Projekt mit B2B-Bezug bewerten Sie eine fiktive Account-Liste nach Fit und Aktivität und ergänzen eine Amortisationsschätzung mit dem Marketing-ROI-Rechner.
So suchen Sie nach Jobs im Marketing Analytics
Dieselbe Arbeit versteckt sich hinter vielen Titeln. Suchen Sie nach allen davon auf LinkedIn, Indeed und Karriereseiten von Unternehmen:
- Marketing-Analyst, Digital-Marketing-Analyst, Marketing-Insights-Analyst
- Marketing Analytics Associate (eine gängige Einstiegsposition im Marketing Analytics bei Agenturen und Beratungen)
- Performance Marketing Analyst, Media Analyst, Paid Media Analyst
- Measurement Analyst, Attribution Analyst, Marketing Science Analyst
- Growth-Analyst, Customer-Analytics-Analyst, CRM-Analyst
- Marketing Data Scientist, Marketing Scientist, Decision Scientist (Marketing)
- Marketing-Operations-Analyst, Analytics Engineer (Marketing)
Für Einstiegspositionen filtern Sie nach „Associate“ und „Junior“ und lesen Sie Agenturausschreibungen; Agenturen stellen Juniors in großer Zahl ein.
Interviewfragen, auf die Sie sich vorbereiten sollten
- „Die Leads sind letzte Woche um 30 % gesunken. Wie würden Sie das untersuchen?“ Zuerst das Tracking (ein defektes Tag oder ein geändertes Formular), dann Aufteilung nach Kanal, Landingpage und Gerät, dann externe Ursachen (Feiertage, eine pausierte Kampagne).
- „Facebook meldet 200 Conversions, das CRM zeigt 120. Was stimmt?“ Keine der beiden Zahlen ist einfach richtig. Erklären Sie Attributionsfenster, View-Through-Conversions, Doppelzählungen und Deduplizierung. Schlagen Sie einen Lift-Test vor, um den inkrementellen Effekt zu messen.
- „Wie würden Sie messen, ob unser Webinar-Programm funktioniert?“ Definieren Sie das Ergebnis (beeinflusste vs. generierte Pipeline), die Vergleichsgruppe, das Zeitfenster und was Sie nicht messen können.
- Eine SQL-Aufgabe live. Typischerweise: Top-Kampagnen nach Conversion-Rate, mit einer Window Function oder einem Self-Join. Erklären Sie laut, während Sie schreiben.
Bei Fragen zur Attribution behandelt unser Leitfaden zur Marketing-Attribution für personalisierte Websites, wie Sie den Erfolg zuordnen, wenn Besucher unterschiedliche Seitenversionen sehen – ein gutes Gesprächsthema auf Senior-Ebene.
Wohin eine Karriere in Marketing Analytics führt
Der übliche Weg führt vom Analyst zum Senior Analyst, dann zum Manager oder in einen Spezialistenpfad (Measurement, Data Science, Analytics Engineering). Spezialisten kommen am schnellsten voran, wenn sie ein schwieriges, wertvolles Problem lösen: Inkrementalität, MMM oder die Verknüpfung anonymen Website-Verhaltens mit Pipeline.
Letzteres ist eine wachsende Lücke im B2B: Die meisten Besucher füllen nie ein Formular aus, also sehen Analysten Sitzungen, keine Unternehmen. Tools wie die Besucheridentifizierung von Markettailor ordnen Besuche Unternehmen zu, sodass ein Analyst Engagement nach Zielaccount statt nach anonymer Sitzung berichten kann. Wenn Sie an diesem Problem arbeiten, ist die Analytics auf Account-Ebene von Markettailor eine Möglichkeit zu sehen, welche Segmente konvertieren – und genau solche Daten machen aus einem Dashboard eine Budgetentscheidung.
Häufig gestellte Fragen
Ist Marketing Analytics ein guter Karriereweg?
Für Menschen, die sowohl Zahlen als auch Überzeugungsarbeit mögen: ja. Laut Daten des US Bureau of Labor Statistics verdienten Market Research Analysts, die Kategorie, unter die die meisten Marketing Analysts fallen, im Mai 2025 im Median 78.760 $, und für 2025 bis 2035 wird ein Beschäftigungswachstum von 7 % prognostiziert. Die Fähigkeiten lassen sich zudem auf Data Science, Marketing Operations und Marketing-Führungsrollen übertragen.
Was macht ein Marketing Analyst im Arbeitsalltag?
Ein Marketing Analyst pflegt Kanal- und Kampagnenreports, beantwortet Fragen wie „Warum sind die Leads eingebrochen?“ oder „Welche Kampagne hat Pipeline gebracht?“, prüft, ob das Tracking funktioniert, und präsentiert Ergebnisse in Marketing-Meetings. Den Großteil des Tages verbringt er mit SQL, Tabellen, GA4 und einem BI-Tool sowie mit Gesprächen darüber, was eine Kennzahl bedeuten soll.
Brauche ich einen Master in Marketing Analytics?
In der Regel nicht. Die meisten Einstiegsjobs in Marketing Analytics verlangen einen Bachelorabschluss plus Nachweise für SQL-Kenntnisse und analytisches Denken. Ein Master hilft Quereinsteigern, die Struktur, ein Abschlussprojekt und ein Netzwerk brauchen, sowie internationalen Studierenden, die ein als STEM eingestuftes Programm suchen. Wenn Sie bereits im Marketing arbeiten, sind zwei solide Portfolio-Projekte und interne Wechsel oft schneller.
Wie bekomme ich ohne Erfahrung ein Praktikum im Marketing Analytics?
Bauen Sie ein Projekt auf frei verfügbaren Daten, etwa dem Demokonto von Google Analytics oder dem GA4-Beispieldatensatz in BigQuery, das eine geschäftliche Frage beantwortet und mit einer Empfehlung endet. Verlinken Sie eine einseitige Zusammenfassung in Ihrem Lebenslauf, zeigen Sie Ihr SQL öffentlich und bewerben Sie sich im Herbst für Sommerpraktika bei Agenturen, Konsumgütermarken und Tech-Unternehmen.
Was ist der Unterschied zwischen einem Marketing Analyst und einem Marketing Data Scientist?
Ein Marketing-Analyst erklärt mit Reports, SQL und Dashboards, was passiert ist und warum. Ein Marketing Data Scientist baut mit Python oder R und Statistik Modelle, um Effekte vorherzusagen oder zu schätzen, etwa Marketing-Mix-Modelle, Churn-Modelle und Prognosen. Die Bezahlung spiegelt den Unterschied wider: Das BLS meldete für Mai 2025 einen Median von 120.230 $ für Data Scientists.
