DZ BANK Karriere
  • Business Intelligence & Data Analytics

Leider haben wir zu den von Ihnen genannten Suchbegriffen keine passenden Ausschreibungen.

Bitte abonnieren Sie den Jobnewsletter in unserer Jobbörse. Dort können Sie auch unter „Profil“ ein Kandidatenprofil anlegen, sodass wir Sie bei passenden Vakanzen direkt informieren. Bei Studierenden freuen wir uns über eine Initiativbewerbung um ein Praktikum.

Business Intelligence & Data Analytics

Die Finanzbranche entwickelt sich kontinuierlich weiter. Datengetriebene Wertschöpfung gewinnt immer stärker an Bedeutung, auch für die DZ BANK AG. Neben der Weiterentwicklung der klassischen Business Intelligence sehen wir neue Chancen im Wachstumsfeld "Data Analytics", in dem Data Science, Machine Learning und Künstliche Intelligenz zusammenlaufen.


Der Bedarf wächst stetig. Um Anforderungen zu verstehen und die richtigen Ziele zu setzen, agieren wir nah am Kunden. Unser BI & Data Analytics Team kümmert sich um die hauseigene Community -zum Beispiel veranstalten wir einmal im Jahr den "KI Tag", veröffentlichen Newsletter-Beiträge oder investieren in Wissensweitergabe.


Die Impulse münden im besten Fall in datengetriebene Innovation. Dieser geben wir aktiv Raum. Mit dem hauseigenen Data Lake in der Cloud stellen wir eine immer breitere, gesicherte Datenbasis bereit, die beispielsweise für explorative Analysen oder Verprobungen in Zusammenarbeit mit dem Fachbereich im etablierten "Data LAB" genutzt werden kann.


Die professionelle Entwicklung von KI-Applikationen übernehmen im Anschluss an die Erprobung unsere Data Scientists und ML Engineers. Erste echte KI-Anwendungen laufen schon produktiv -weitere sind in Arbeit.


Im "BI & Data Analytics Competency Center", unserem datenzentrischen Expertengremium -arbeiten wir abteilungsübergreifend an Standards im Datenumfeld, z.B. an der Definition der BI & Data Analytics Zielarchitektur. Um den Fachbereich noch stärker zu befähigen, haben wir beispielsweise die Data Science Plattform "Dataiku" in der DZ BANK AG eingeführt. Gemeinsam mit fortschrittlichen Data Management Tools wie Collibra heben wir unsere Datenkompetenz so auf das nächste Level.

Das sagen unsere Mitarbeiter

Jonathan Fell

Jonathan Fell

"Ich befähige die Bank zu einer zeitgemäßen und gewinnbringenden Nutzung von Daten. Dazu arbeite ich mit unterschiedlichen Fachbereichen aus der gesamten Bank zusammen, um Anwendungsfälle für KI-Projekte zu identifizieren und Prototypen zu entwickeln. Weiterhin untersuche ich neue KI-Modelle hinsichtlich ihrer Verwendbarkeit für zukünftige Projekte und helfe bei der Implementierung von KI-Lösungen im Rahmen von Softwareprojekten."

Ein Einblick in das Tätigkeitsfeld von Jonathan Fell, Data Scientist.

Michael Brandenberg

"Ich möchte die Mitarbeiter der DZ BANK in die Lage versetzen, dass sie eigenständig ihren Datenschatz heben können (Self Service BI)."

Michael Brandenberg über seine tägliche Motivation

Methoden im Einsatz

Tools im Einsatz

  • Ideation Workshops
  • Data LABs
  • CRISP-DM
  • Scrum & Kanban
  • DevOps
  • Python
    (Open Source Stack mit z.B. sklearn, jupyter,seaborn)
  • Dataiku
  • Google Cloud Platform
    (z.B. BigQuery, Cloud Run, Cloud Functions)
  • Tableau
  • Docker
  • Git, Jenkins, cbFlow

Aktuelle Projekte aus unserem Team Business Intelligence & Data Analytics

left and right to learn more
  • Aufbau eines unternehmensweiten Data Lakes

    Daten sind der Rohstoff des 21. Jahrhunderts. Um diesen Rohstoff für alle zu erschließen und breit nutzbar zu machen, braucht es geeignete Konzepte und Technologien. So entsteht als optimale Grundlage für die gewachsenen Themen Data Science und Künstliche Intelligenz der unternehmensweite Data Lake in der Cloud. Dieser ermöglicht es uns, neuartige datengetriebene Geschäftschancen zu erkennen und beispielsweise die „Time-to-Data“, die Zeit von Datenanfrage bis -bereitstellung, signifikant zu reduzieren. Mit der Einführung des Datenkatalogs Collibra und der Analytics-Plattform DataIku erhöhen wir die Zugänglichkeit und Nutzbarkeit über die gesamte datengetriebene Wertschöpfungskette, vom Data Engineer über den Data Scientist bis hin zur Analystin. Dem datengetriebenen Unternehmen sind wir damit näher als je zuvor.

Vorherige Technologie:

Nächste Technologie:

Java, C++ & Spark

Application Management