devjobs.de

Data Analyst Logistik

CEVA Logistics · Lich | 35423 | Deutschland · Onsite

Gehalt auf Anfrage

Gefunden am 05.06.2026

Match

84%

Fit in Skills, Kultur und Entwicklungspfad.

Beschreibung

Job Zusammenfassung In dieser Rolle analysierst du Logistikdaten, entwickelst Dashboards und Reports zur Performance-Überwachung und optimierst Prozesse zur Effizienzsteigerung. Der Fokus liegt auf datenbasierten Entscheidungen in enger Zusammenarbeit mit dem Team. Job Zusammenfassung In dieser Rolle analysierst du Logistikdaten, entwickelst Dashboards und Reports zur Performance-Überwachung und optimierst Prozesse zur Effizienzsteigerung. Der Fokus liegt auf datenbasierten Entscheidungen in enger Zusammenarbeit mit dem Team. Deine Rolle im Team Analysiere Daten, optimiere Prozesse und gestalte die Zukunft der Logistik! Als Data Analyst (m/w/d) unterstützt du das Team mit datenbasierten Insights für die Optimierung von Logistikprozessen. Du erstellst Reports, entwickelst Dashboards und arbeitest eng mit Operations und Management zusammen. Analyse großer Datenmengen aus Logistikprozessen. Erstellung von Reports und Visualisierungen für das Management. Entwicklung von KPI-Dashboards zur Performance-Überwachung. Unterstützung bei Projekten zur Prozessoptimierung. Unsere Erwartungen an dich Ausbildung Abgeschlossenes Studium in Data Science, Wirtschaftsinformatik oder vergleichbar. Qualifikationen Analytisches Denken und hohe Zahlenaffinität. Gute Deutsch- und Englischkenntnisse. Erfahrung Erfahrung mit Datenanalyse-Tools (z. B. Excel, SQL, BI-Tools). Benefits Work-Life-Integration ⏰ Flexible Arbeitszeiten Gesundheit, Fitness & Fun 🚲 Jobrad Themen mit denen du dich im Job beschäftigst Big Data Metadaten Level: Erfahren Job Feld: Data Anstellung: Vollzeit Vertragsart: Unbefristetes Dienstverhältnis Arbeitsmodell: Onsite Unternehmenstyp: Etablierte Firma Branche: Industrie, Produktion Ort: Lich | 35423 | Deutschland

Tech Stack

SQL

Warum passt du zu dieser Stelle?

Fit technisch: Stark auf Backend und API-Architektur.

Gaps: Fehlende Tool-Erfahrung in 1-2 Schlüsselbereichen.

Success-Wahrscheinlichkeit: Hoch bei schneller Einarbeitung.