Wir verwenden technische Cookies und das anonymisierte Besuchsprotokoll von Zorky. Yandex Metrica (Daten werden auf Servern in Russland gespeichert) läuft nur mit Ihrer Einwilligung. Wir verkaufen keine Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Stellen und Unternehmensseiten sind für alle offen; Links zu den Anzeigen und Ihre persönliche Stellenauswahl gibt es nach der Registrierung. Registrieren →

Produktanalyst: Markt

Stand 19. November 2026: offene Stellen Produktanalyst — 199, 40% remote unter den Stellen mit Angabe des Arbeitsmodells; Mediangehalt in Stellenanzeigen $6.062/Monat (aus 15 Anzeigen mit Gehaltsangabe). Quelle: Zorky, täglich aktualisiert.

Product Analyst — ein Analyst, der in ein bestimmtes Produktteam eingebettet ist: untersucht, wie sich Nutzer im Produkt verhalten, entwirft und analysiert A/B-Experimente, berechnet Produktmetriken und hilft Produktmanagern zu entscheiden, was und warum im Produkt geändert werden soll. Anders als ein Data Analyst mit allgemeinem Profil (beantwortet Geschäftsfragen über Bereiche hinweg) ist ein Product Analyst tief in ein Produkt eingebunden und verantwortet dessen Metriken und Experimentierkultur. Anders als ein Product Manager — der PM entscheidet, was gebaut wird, der Produktanalyst misst und untermauert Entscheidungen mit Daten (siehe /research/pm). Rollenfamilie: Product Analyst (allgemein — Metriken, Experimente, Produkthypothesen), Senior Product Analyst (Entwurf des Metriksystems, komplexe Verhaltensforschung), Growth Analyst (Fokus auf Wachstum — Funnels, Aktivierung, Monetarisierung), Analytics Lead im Produkt. Stack 2026: SQL (Pflicht), Python (pandas, Statistik — ab Middle+ erforderlich), Produktanalytik — Amplitude, Mixpanel, Yandex Metrika / AppMetrica, GA4, PostHog; A/B-Tests (Experimentdesign und -auswertung — der Kern des Berufs), Statistik, Data Warehouses (ClickHouse — besonders beliebt in der Produktanalytik der GUS, Snowflake, BigQuery), BI (Dashboards — Tableau, Power BI, DataLens, Metabase), Verständnis von Produktmetriken — Retention, Aktivierung, Conversion, Funnels, Kohorten, Unit Economics, LTV, North Star Metric, Metrikbaum. Top-Stack: bpmn, ci/cd, confluence, docker, gitlab. Unter den Stellen mit angegebenem Arbeitsmodell sind 40% vollständig remote. Product Analyst — eine der bestbezahlten und am schnellsten wachsenden analytischen Spezialisierungen: Produktunternehmen konkurrieren um solche Analysten, und die Rolle öffnet den Weg zum Analytics Lead und ins Produktmanagement.

Datenstand:

Die wichtigsten Zahlen des Produktanalyst-Markts: offene Jobs, Mediangehalt, beobachteter Fachkräftepool und Remote-Anteil.

199
offene Stellen — nach Jobtitel, Reposts zusammengeführt
$6.062
Median $/Monat
40%
ortsunabhängig

Der Markt für Produktanalyst hat derzeit 199 offene Rollen, davon 174 frisch beobachtet. Median salary $6.062/mo.

Unter den Stellen mit angegebenem Arbeitsmodell sind 40% vollständig remote. Produktanalytik lässt sich gut aus der Ferne erledigen; die Besonderheit — die Rolle braucht engen Kontakt mit dem Produktteam, daher ist hybrid für sie besonders naheliegend.

⚠ Gehalt bekannt bei 15 von 199 Stellen; Remote-Anteil aus 167 mit angegebenem Arbeitsformat; 174 als frische Beobachtungen gezählt; Trend und Besetzungsschwierigkeit werden nicht gezeigt

Zeitachse: Ausschreibungen und Quellen

Wie viele Produktanalyst-Ausschreibungen jede Woche seit 1. Juni erschienen sind und aus wie vielen Quellen. Das untere Diagramm trennt Marktwachstum von Abdeckungswachstum: Ein Sprung in der Woche, in der neue Quellen angebunden wurden, bedeutet, dass wir mehr sehen — nicht, dass der Markt gewachsen ist.

Neue Ausschreibungen pro Woche

Diagrammdaten
Neue Ausschreibungen pro Woche. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumNeue Ausschreibungen pro Woche
2026-06-015
2026-06-083
2026-06-154
2026-06-2212
2026-06-2962
2026-07-0648
2026-07-1330
2026-07-2024
2026-07-2717
2026-08-0314
2026-08-1031
2026-08-1726
2026-08-2418
2026-08-3113
2026-09-0725
2026-09-1413
2026-09-2146
2026-09-2845
2026-10-0554
2026-10-1294
2026-10-1954
2026-10-2679
2026-11-0274
2026-11-0968

Aktive Quellen pro Woche

Quellen im Zeitraum: 122. ▲ — Woche, in der viele neue Quellen angebunden wurden.

Diagrammdaten
Aktive Quellen pro Woche. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumAktive Quellen
2026-06-014
2026-06-083
2026-06-154
2026-06-227
2026-06-2918
2026-07-0618
2026-07-1314
2026-07-2018
2026-07-2714
2026-08-0314
2026-08-1017
2026-08-1714
2026-08-249
2026-08-3111
2026-09-0715
2026-09-149
2026-09-2117
2026-09-2818
2026-10-0519
2026-10-1224
2026-10-1932
2026-10-2630
2026-11-0232
2026-11-0923
Neue Quellen angebunden: 29. Juni +13 · 20. Juli +11 · alle Wochen (22) in der Tabelle
WocheNeue QuellenNeue Ausschreibungen
8. Juni+13
15. Juni+24
22. Juni+512
29. Juni+1362
6. Juli+848
13. Juli+530
20. Juli+1124
27. Juli+617
3. Aug.+614
10. Aug.+531
17. Aug.+326
31. Aug.+313
7. Sept.+125
14. Sept.+313
21. Sept.+746
28. Sept.+445
5. Okt.+654
12. Okt.+694
19. Okt.+754
26. Okt.+479
2. Nov.+874
9. Nov.+468

Die aktuelle Woche ist noch nicht vorbei und wird nicht gezeigt: Eine unvollständige Woche sähe wie ein Rückgang aus.

Woche = Datum der ersten Erfassung der Ausschreibung, alle Status; Ausschreibungen werden nach derselben Regel ausgewählt wie der Zähler dieser Seite. Quellen sind unterschiedliche Erfassungskanäle; ihre Namen werden nicht veröffentlicht.

Diagrammdaten
Zeitachse: Ausschreibungen und Quellen — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheNeue Ausschreibungen pro WocheAktive Quellen
2026-06-0154
2026-06-0833
2026-06-1544
2026-06-22127
2026-06-296218
2026-07-064818
2026-07-133014
2026-07-202418
2026-07-271714
2026-08-031414
2026-08-103117
2026-08-172614
2026-08-24189
2026-08-311311
2026-09-072515
2026-09-14139
2026-09-214617
2026-09-284518
2026-10-055419
2026-10-129424
2026-10-195432
2026-10-267930
2026-11-027432
2026-11-096823

Remote-Arbeit im Zeitverlauf

Anteil der Produktanalyst-Ausschreibungen mit vollständig remoter Arbeit, pro Woche.

Remote-Ausschreibungen, %

Diagrammdaten
Remote-Ausschreibungen, %. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumOrtsunabhängig
2026-06-2240
2026-06-2962,8
2026-07-0671,8
2026-07-1360
2026-07-2050
2026-07-27—
2026-08-0341,7
2026-08-1048,1
2026-08-1750
2026-08-24—
2026-08-31—
2026-09-0714,3
2026-09-1430
2026-09-2125,6
2026-09-2835,9
2026-10-0561,2
2026-10-1246
2026-10-1942,2
2026-10-2641,9
2026-11-0235,9
2026-11-0927,5

Die Reihe beginnt am 22. Juni: davor gibt es keine Daten.

Der Anteil bezieht sich auf Ausschreibungen mit Angabe des Arbeitsmodells (remote, hybrid, Büro). Wochen mit weniger als 10 solchen Ausschreibungen bleiben leer.

Diagrammdaten
Remote-Arbeit im Zeitverlauf — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheOrtsunabhängig
2026-06-01—
2026-06-08—
2026-06-15—
2026-06-2240
2026-06-2962,8
2026-07-0671,8
2026-07-1360
2026-07-2050
2026-07-27—
2026-08-0341,7
2026-08-1048,1
2026-08-1750
2026-08-24—
2026-08-31—
2026-09-0714,3
2026-09-1430
2026-09-2125,6
2026-09-2835,9
2026-10-0561,2
2026-10-1246
2026-10-1942,2
2026-10-2641,9
2026-11-0235,9
2026-11-0927,5

Technologien im Zeitverlauf

Wie sich der Anteil der Produktanalyst-Stellen verändert hat, die jede der Top-Technologien nennen.

Ausschreibungen mit der Technologie, %

Diagrammdaten
Ausschreibungen mit der Technologie, %. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumSQLPythondbt
2026-09-21655015
2026-09-2865,646,915,6
2026-10-0566,751,512,1
2026-10-1269,658,98,9
2026-10-1974,357,15,7
2026-10-2671,446,412,5
2026-11-0270,453,77,4
2026-11-0978,358,717,4

Die Reihe beginnt am 21. Sept.: davor gibt es keine Daten.

Bis zu 5 im Diagramm:

Anteil unter Ausschreibungen mit getaggtem Stack; die Reihe beginnt am 10. Aug.: davor wurden Stack-Tags anders vergeben. Wochen mit weniger als 20 getaggten Ausschreibungen bleiben leer.

Diagrammdaten
Technologien im Zeitverlauf — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheSQLPythondbtuser storiespandas
2026-08-10—————
2026-08-17—————
2026-08-24—————
2026-08-31—————
2026-09-07—————
2026-09-14—————
2026-09-21655015520
2026-09-2865,646,915,612,50
2026-10-0566,751,512,139,1
2026-10-1269,658,98,98,910,7
2026-10-1974,357,15,711,45,7
2026-10-2671,446,412,512,58,9
2026-11-0270,453,77,416,711,1
2026-11-0978,358,717,417,419,6

Länder im Zeitverlauf

Wie sich der Anteil der Produktanalyst-Stellen in jedem der Top-Länder pro Woche verändert hat.

Ausschreibungen im Land, %

Diagrammdaten
Ausschreibungen im Land, %. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumRusslandUSAVereinigtes Königreich
2026-06-2929,110,95,5
2026-07-0630,2140
2026-07-1328,617,90
2026-07-2045,59,122,7
2026-07-27———
2026-08-03———
2026-08-1044,422,218,5
2026-08-1720,88,316,7
2026-08-24———
2026-08-31———
2026-09-0750033,3
2026-09-14———
2026-09-217,32222
2026-09-282,419,514,6
2026-10-0518146
2026-10-1211,2258,8
2026-10-19161212
2026-10-269,923,98,5
2026-11-0219,719,74,5
2026-11-0911,51824,6

Die Reihe beginnt am 29. Juni: davor gibt es keine Daten.

Bis zu 5 im Diagramm:

Anteil unter Ausschreibungen mit bekanntem Land; das Diagramm zeigt die fünf Länder mit den meisten Ausschreibungen über sechs Monate. Wochen mit weniger als 20 Ausschreibungen mit bekanntem Land bleiben leer. Ein steigender Anteil kann eine neu angebundene Quelle in diesem Land bedeuten statt Marktwachstum.

Diagrammdaten
Länder im Zeitverlauf — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
WocheRusslandUSAVereinigtes KönigreichPolenIndien
2026-06-01—————
2026-06-08—————
2026-06-15—————
2026-06-22—————
2026-06-2929,110,95,523,65,5
2026-07-0630,214030,29,3
2026-07-1328,617,9010,73,6
2026-07-2045,59,122,74,50
2026-07-27—————
2026-08-03—————
2026-08-1044,422,218,500
2026-08-1720,88,316,78,34,2
2026-08-24—————
2026-08-31—————
2026-09-0750033,304,2
2026-09-14—————
2026-09-217,322222,414,6
2026-09-282,419,514,67,312,2
2026-10-0518146164
2026-10-1211,2258,88,85
2026-10-191612121410
2026-10-269,923,98,55,68,5
2026-11-0219,719,74,59,16,1
2026-11-0911,51824,64,93,3

Bereinigter Markt: Einstellungsindex

Dieselben 7.505 Karriereseiten von Arbeitgebern; die Zahl der Ausschreibungen stammt direkt von der Seite. Neue Quellen bewegen diesen Index nicht — er zeigt den Markt, nicht unsere Abdeckung. Das ist der gesamte Panelmarkt, nicht nur Produktanalyst.

Einstellungsindex, 16. Okt. = 100

Diagrammdaten
Einstellungsindex, 16. Okt. = 100. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
ZeitraumEinstellungsindex
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Kettenindex: Jeder Tag vergleicht nur Seiten, die an diesem und am vorherigen Tag abgefragt wurden; Ausreißer und plattformweite Abfrageausfälle sind ausgeschlossen. Tage ohne vergleichbare Paare bleiben leer.

Diagrammdaten
Bereinigter Markt: Einstellungsindex — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
TagEinstellungsindex
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Wie viele offene Produktanalyst-Jobs es gibt und wie viele passende Fachkräfte Zorky sieht.

Nachfrage und beobachtetes Angebot

Diagrammdaten
Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KennzahlWert
Offene Nachfrage199
Offene Nachfrage199
Beobachtetes Angebot— nicht veröffentlicht

Product Analyst — eine der am schnellsten wachsenden und bestbezahlten analytischen Spezialisierungen. Treiber 2026 — die Verbreitung von Produktentwicklung und Experimentierkultur: Immer mehr Unternehmen treffen Entscheidungen über A/B-Tests und Kennzahlen, und die Nachfrage nach Produktanalysten wächst schneller als nach Analysten mit allgemeinem Profil.

⚠ zu einer Stelle passende Kandidaten werden noch nicht gezählt: gezeigt werden Nachfrage und der beobachtete Pool

Wie sich die Gehälter in Produktanalyst-Jobs verteilen, in US-Dollar pro Monat.

Gehaltsverteilung

P25 $5.040 · P50 $6.062 · P75 $8.250
Diagrammdaten
Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KennzahlWert
<$1k0
$1–2k1
$2–3k1
$3–4k0
$4–5k1
$5–6k4
$6–7k1
$7–8k3
$8–9k1
$9–10k0
$10–12k1
$12–15k2
$15–20k0
$20k+0
Gehalt in Stellenanzeigen: Basis 199
  • für die Berechnung nutzbar: 15 (7,5%)
  • angegeben, aber nicht in USD/Monat umgerechnet: 30 (15,1%)
  • nicht angegeben: 154 (77,4%)

Jede zehnte Stellenanzeige bietet unter $2.500, jede zehnte über $12.991. Die Hälfte der Anzeigen bietet zwischen $5.040 und $8.250. Stichprobe: 15.

⚠ Perzentile aus 15 Gehältern von 199 Stellen — ein Richtwert bei kleiner Stichprobe

Diagrammdaten
Gehaltsverteilung — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KennzahlUntergrenzeObergrenzeAnzahl
<$1k01.0000
$1–2k1.0002.0001
$2–3k2.0003.0001
$3–4k3.0004.0000
$4–5k4.0005.0001
$5–6k5.0006.0004
$6–7k6.0007.0001
$7–8k7.0008.0003
$8–9k8.0009.0001
$9–10k9.00010.0000
$10–12k10.00012.0001
$12–15k12.00015.0002
$15–20k15.00020.0000
$20k+20.000—0

In welchen Ländern es die meisten offenen Produktanalyst-Jobs gibt.

Geografie der Nachfrage

LandStellenAnteil
Vereinigte Staaten3418,7%
Russland3016,5%
Polen179,3%
Vereinigtes Königreich158,2%
Indien158,2%
Ukraine94,9%
Kasachstan84,4%
Kanada73,8%
Zypern52,7%
Deutschland52,7%
Übrige Länder3720,3%

Führend bei der Zahl der Stellen für Product Analyst: die USA (34 Stellen). Die Nachfrage konzentriert sich auf Produkt- und Tech-Unternehmen, Fintech, E-Commerce, Foodtech, Edtech, Gaming und mobile Dienste. Internationale Unternehmen stellen russischsprachige Senior Product Analysts in vollständiger Remote-Arbeit ein.

⚠ nur Stellenzahlen: Gehalt nach Land wird nicht veröffentlicht

Diagrammdaten
Geografie der Nachfrage — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
LandStellen
US34
RU30
PL17
GB15
IN15
UA9
KZ8
CA7
CY5
DE5

Welche Technologien am häufigsten im selben Job wie Produktanalyst verlangt werden.

Wird zusammen verwendet mit

sql
15879,4%
python
12864,3%
dbt
3316,6%
user stories
2713,6%
pandas
2613,1%
snowflake
2613,1%
backlog
2613,1%
airflow
2512,6%
bigquery
2110,6%
cloud
2110,6%

Anteil — wie viele der 199 Stellen im Markt Produktanalyst diese Technologie nennen. Sortiert nach Stellenzahl, nicht nach „Stärke des Zusammenhangs“. Oberbegriffe wie cloud sind keine bestimmte Cloud (AWS, Azure).

Top-Product-Analyst-Stack 2026: SQL (Pflicht), Python (pandas, Statistik — erforderlich ab Middle), Produktanalytik (Amplitude, Mixpanel, Yandex Metrika / AppMetrica, GA4, PostHog), A/B-Tests (Kern der Rolle), Statistik, Data Warehouses (ClickHouse — in der Produktanalytik der GUS beliebt, Snowflake, BigQuery), BI (Tableau, Power BI, DataLens, Metabase), Produktmetriken (Retention, Aktivierung, Funnels, Kohorten, Unit Economics, LTV, North Star, Metrikbaum).

Häufige Paare: SQL + Python (Statistik, A/B), Amplitude / Mixpanel + Produktkennzahlen, A/B-Tests + Statistik, ClickHouse + BI, Funnels + Kohorten. Lern-Roadmap: Basis eines Data Analysts (SQL, Python, Statistik) → Vertiefung von Statistik und A/B-Tests → Produktkennzahlen → Tools der Produktanalytik → Produktdenken → Portfolio mit Produktanalyse → Rolle als Data / Product Analyst in einem Produktunternehmen.

Diagrammdaten
Wird zusammen verwendet mit — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
NameAnzahl
sql158
python128
dbt33
user stories27
pandas26
snowflake26
backlog26
airflow25
bigquery21
cloud21
numpy16
llm16

Wie viele Produktanalyst-Jobs es auf jeder Stufe gibt — von Junior bis Principal.

Nachfrage nach Level

LevelStellen
senior79
middle22
junior10
Principal6
lead5

Reine Junior-Stellen gibt es nicht viele — man kommt über Data Analyst. Karriereweg: Data Analyst → Product Analyst → Senior Product Analyst → Analytics Lead / Head of Analytics oder Wechsel zum Product Manager (eine logische Weggabelung).

⚠ nur die Nachfrageseite: das Level des beobachteten Pools ist größtenteils unbekannt

Diagrammdaten
Nachfrage nach Level — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
StufeAnzahl
senior79
middle22
junior10
Principal6
lead5

Wer im Bereich Produktanalyst am meisten einstellt und wie stark sich die Nachfrage auf die größten Unternehmen konzentriert.

Arbeitgeber

Die Nachfrage verteilt sich auf 138 Arbeitgeber. Der größte steht für 7.9 %, die Top Ten für 23.0 %; die übrigen 77.0 % sind Long Tail.

größter 7,9%2.–3. 5,1%4.–10. 10,1%übrige 77%
AnteilWert
Top-17.9%
Top-312.9%
Top-1023.0%
Long Tail77.0%

⚠ Namen werden nicht angezeigt: Personalvermittler und Endarbeitgeber werden vom Klassifikator noch nicht unterschieden

Von welchen Unternehmensseiten und Jobbörsen Zorky Produktanalyst-Jobs sammelt.

Wo Zorky diesen Markt sieht

Beobachtet in 45 Quellen; die größte steht für 20.1 % — dieser Markt hängt nicht an einem einzigen Kanal.

Stellen als Product Analyst: hh.ru („Produktanalyst“), Habr Career, getmatch, LinkedIn, Telegram (Communities von Produktanalysten und Stellenkanäle). Der reale Markt ist breiter als die exakte Suche — ein Teil der Positionen läuft als „Data Analyst“ mit Produktausrichtung oder „Growth Analyst“. NB: Bei der Richtung Analyst / BI gab es Schwierigkeiten mit der automatischen Klassifizierung — die sichtbare Zahl kann den Markt unterschätzen.

Diagrammdaten
Wo Zorky diesen Markt sieht — Produktanalyst. Datentabelle des Abschnitts. Ein fehlender Wert ist keine Null; Einheiten und Stichprobe stehen in der Beschreibung der Kennzahl.
KlasseNameEnglischer NameAnzahlAnteil
atsATS и карьерные сайтыATS & Karriereseiten1240,6231
boardджоб-борды и агрегаторыJobbörsen & Aggregatoren540,2714
telegramTelegramTelegram210,1055

Die neuesten Produktanalyst-Jobs von Karriereseiten der Unternehmen.

Neueste Ausschreibungen

Alle Stellen →

Die neuesten offenen Stellen für Product Analyst — die 10 jüngsten Positionen mit ausreichender Beschreibungsqualität. Die vollständige Liste finden Sie in unserem CRM oder über den Link „Alle ansehen“ unten.

So wird gemessen
Stelle
eine offene Stelle, die das Qualitäts-Gate passiert hat und mindestens zwei Technologien nennt
Beobachteter Kandidat
ein Kandidat, dessen Stack diese Technologie enthält; ein Aggregat — kein einziger Datensatz verlässt den Perimeter
Matchbarer Kandidat
noch nicht gezählt
Fenster
Stellen, die zum Zeitpunkt der Erstellung des Snapshots offen waren

Über die Daten

  • Einige Aufschlüsselungen sind ausgeblendet: Die Datenabdeckung reicht noch nicht aus.
  • Statistiken erscheinen nur, wo die Stichprobe eine Qualitätsschwelle passiert.
  • Ein fehlender Block bedeutet nicht den Wert null.

Derzeit ausgeblendete Aufschlüsselungen: 8.

Richtung: Analyse / BI

Verwandte Spezialisierungen

Innerhalb von Product Analyst: Product Analyst (allgemein — Kennzahlen, Experimente, Produkthypothesen), Senior Product Analyst (Design von Kennzahlensystemen, komplexe Verhaltensforschung), Growth Analyst (Fokus auf Wachstum — Funnels, Aktivierung, Monetarisierung), Analytics Lead im Produkt. Vergleich mit anderen Analysten-Spezialisierungen — im Balken unten.

BI-EntwicklerGeschäftsanalystFinanzanalystSystemanalyst

Häufig gestellte Fragen

Die häufigsten Fragen zu Product Analyst: Bezahlung, Level, Tools und Fähigkeiten, Product Analyst vs. Data Analyst vs. Product Manager, warum A/B-Tests der Kern der Rolle sind, Remote, Karrierewert der Rolle, Unternehmen, Einstieg, Senior-Fähigkeiten. Die Antworten werden automatisch neu berechnet.

Was verdient ein Product Analyst als Junior, Middle, Senior oder Lead?

Reine Junior-Stellen für Product Analyst gibt es nicht viele — häufiger kommt man in die Rolle nach der Arbeit als Data Analyst oder als Praktikant in der Produktanalytik. Sprung zum Middle — eigenständiges Design und Auswertung von A/B-Tests, sicheres Python und Statistik, Verantwortung für Produktkennzahlen. Ein Senior entwirft das System der Produktkennzahlen, leitet komplexe Verhaltensforschung und beeinflusst die Produktstrategie direkt. Karriereweg: Data Analyst → Product Analyst → Senior Product Analyst → Analytics Lead / Head of Analytics oder Wechsel zum Product Manager (eine häufige und logische Weggabelung).

Welche Tools und Fähigkeiten werden von einem Product Analyst am häufigsten verlangt?

Top 5: bpmn, ci/cd, confluence, docker, gitlab. SQL — Pflicht, Expertenniveau. Python — Pflicht ab Middle+: pandas, Statistik, Berechnung von Experimenten, Automatisierung. Produktanalytik: Amplitude, Mixpanel, Yandex Metrika / AppMetrica, GA4, PostHog — Werkzeuge zur Analyse des Nutzerverhaltens (Events, Funnels, Retention-Kurven, Kohorten). A/B-Tests — Kern der Rolle: Experimentdesign (Metrik, Hypothese, Stichprobengröße), korrekte Auswertung, Verständnis der Fallstricke (Peeking, multiple Vergleiche, Neuheitseffekt). Statistik — sicher: Hypothesentests, Konfidenzintervalle, Wahl des Tests. Data Warehouses: ClickHouse (besonders beliebt in der Produktanalytik der GUS), Snowflake, BigQuery. BI: Dashboards in Tableau / Power BI / DataLens / Metabase. Produktmetriken: tiefes Verständnis von Retention, Aktivierung, Conversion, Funnels, Kohorten, Unit Economics, LTV, North Star Metric, Fähigkeit, einen Metrikbaum aufzubauen. Soft Skills: Produktdenken, Fähigkeit, Hypothesen zu formulieren und zu prüfen, Schlussfolgerungen an PM und Team zu vermitteln, Entscheidungen zu beeinflussen. Kenntnisse in Produktdesign und Fachwissen in der Domäne — ein großes Plus.

Product Analyst vs. Data Analyst vs. Product Manager — was ist der Unterschied?

Data Analyst — Analyst mit allgemeinem Profil: beantwortet Geschäftsfragen in verschiedenen Unternehmensbereichen, Kennzahlen, Dashboards, Ad-hoc-Analysen; breiter Umfang, nicht an ein Produkt gebunden (siehe /research/analyst/data-analyst). Product Analyst — Analyst, der in ein bestimmtes Produktteam eingebettet ist: kennt das Produkt genau, verantwortet seine Kennzahlen, plant und analysiert A/B-Experimente, untersucht das Nutzerverhalten, hilft dem PM bei datenbasierten Entscheidungen. Grob gesagt: Data Analyst — breit über das ganze Unternehmen, Product Analyst — tief im Produkt, mit Schwerpunkt auf Experimenten. Product Manager — verantwortet das Produkt als Ganzes: entscheidet, was gebaut wird, setzt Prioritäten und ist für das Produktergebnis verantwortlich; der Product Analyst ist der engste Datenpartner des PM: Der PM entscheidet, der PA misst, prüft Hypothesen und liefert Zahlen (siehe /research/pm). Karriereweg: Data Analyst → Product Analyst — ein häufiger Schritt (Spezialisierung und Einkommenszuwachs); Product Analyst → Product Manager — eine der logischsten Karriereweichen (ein Product Analyst denkt bereits in Produkt- und Kennzahlenbegriffen); oder Product Analyst → Analytics Lead / Head of Analytics.

Warum sind A/B-Tests und Experimente der Kern der Arbeit eines Product Analyst?

Produktteams verändern das Produkt ständig — neue Features, UI-Änderungen, Preise, Mechaniken. Die Hauptfrage jedes Mal: Hat die Änderung das Produkt wirklich verbessert oder war es Zufall? Die Antwort liefert ein A/B-Test (kontrolliertes Experiment): Ein Teil der Nutzer sieht die neue Variante, ein Teil — die alte, und der Analyst vergleicht sie anhand einer gewählten Kennzahl. So wird Produktentwicklung von „uns scheint es besser“ zu überprüfbaren Entscheidungen. Deshalb sind Design und Analyse von Experimenten der Kern der Rolle des Product Analyst. Was dazugehört: Design — die richtige Kennzahl wählen (eine, die echten Wert widerspiegelt, keine leicht zu bewegende), die Hypothese formulieren, die nötige Stichprobengröße und Dauer berechnen; Durchführung — korrekte Aufteilung in Gruppen, Kontrolle der Datenqualität; Analyse — Prüfung der statistischen Signifikanz, Konfidenzintervalle und vor allem — Vermeidung klassischer Fehler (vorzeitiges Hineinschauen vor Ablauf der Frist, Mehrfachvergleiche, Neuheitseffekt, nicht repräsentative Gruppen); Interpretation — was das Ergebnis für das Produkt bedeutet, ob die Änderung ausgerollt wird. Eine reife Experimentierkultur (Hypothesen systematisch prüfen statt „nach Augenmaß“ ausrollen) — das unterscheidet starke Produktunternehmen, und der Product Analyst ist ihr Träger. Neben A/B arbeitet der Analyst mit Beobachtungsdaten — Funnels, Kohorten, Retention-Kurven — wo ein Experiment unmöglich ist.

Welcher Anteil der Stellen ist vollständig remote?

Unter den Stellen mit angegebenem Arbeitsmodell sind 40% vollständig remote. Stellen ohne Angabe des Arbeitsmodells sind vom Nenner ausgeschlossen; hybride Arbeit wird nicht als vollständig remote gezählt.

Warum ist ein Product Analyst für das Team wertvoll, und ist das eine gute Karrierewahl?

Ein Product Analyst ist wertvoll, weil er Entscheidungen des Produktteams von Vermutungen in überprüfbare Hypothesen verwandelt: Er beantwortet Fragen wie „funktioniert das Feature“, „wo springen Nutzer ab“, „was bewegt die Retention“, „lohnt es sich, die Änderung auszurollen“ — und spart dem Unternehmen so Ressourcen für nutzlose Nacharbeit und hilft, Wachstum zu finden. Das ist aus mehreren Gründen eine starke Karrierewahl: 1) Eine der bestbezahlten analytischen Rollen — Produktunternehmen konkurrieren um solche Leute. 2) Wachsende Nachfrage — die Kultur der Produktentwicklung und der Experimente breitet sich aus. 3) Hervorragende Karriereabzweigungen — Analytics Lead / Head of Analytics oder der Wechsel zum Product Manager (ein Produktanalyst denkt bereits in Kennzahlen und Hypothesen). 4) Interessante inhaltliche Arbeit — an der Schnittstelle von Daten, Produkt und Nutzerpsychologie. Für wen es passt: für alle, die sich nicht nur für Zahlen, sondern für Produkt und menschliches Verhalten interessieren, gern Hypothesen formulieren und prüfen und bereit sind, viel mit dem Team zu kommunizieren. Ehrlicher Vorbehalt: Das ist nicht die beste erste Rolle — zum Product Analyst kommt man meist, nachdem man die Grundlagen des Data Analyst (SQL, Python, Statistik) beherrscht; klüger ist es, die Karriere als Data Analyst zu beginnen und bewusst in die Produktanalytik hineinzuwachsen.

Wie starte ich 2026 eine Karriere als Product Analyst?

Product Analyst — meist nicht die erste Rolle; der vernünftige Weg führt über Data Analyst oder ein Praktikum in der Produktanalytik. Roadmap: 1) Basis als Data Analyst — SQL (sicher), Python (pandas), ein BI-Tool, Grundlagen der Statistik; ohne diese Basis kommt man nicht in die Produktanalytik. 2) Statistik und Experimente — vertiefen: Hypothesentests, A/B-Tests, typische Fehler bei Experimenten; das ist der Kern der Rolle und das, worauf Interviews den Schwerpunkt legen. 3) Produktkennzahlen — Retention, Aktivierung, Conversion, Funnels, Kohorten, Unit Economics, LTV, North Star Metric lernen und korrekt berechnen; verstehen, wie man einen Kennzahlenbaum aufbaut. 4) Tools der Produktanalytik — mindestens eines beherrschen (Amplitude, Mixpanel, Yandex Metrika / AppMetrica), lernen, Funnels und Kohortenanalysen aufzubauen. 5) Produktdenken — über Produktmanagement lesen, verstehen, wie ein Produktteam arbeitet, was eine Hypothese ist und wie sie geprüft wird. 6) Portfolio — ein Produkt (kann öffentlich sein) anhand von Kennzahlen analysieren, Hypothesen beschreiben und wie Sie sie prüfen würden; ein Pet-Projekt mit Funnel und Kohorten. Ressourcen: Kurse zur Produktanalytik (Karpov.Courses — bekannt für ein starkes Analytik- und A/B-Programm, Yandex Practicum, ProductStar u. a.), Bücher und Materialien zu A/B-Tests und Produktkennzahlen, Communities von Produktanalysten. Weg: die Basis als Data Analyst beherrschen → eine Rolle als Data / Product Analyst in einem Produktunternehmen finden → in die Produktspezialisierung hineinwachsen.

Wie viele offene Stellen enthält diese Stichprobe?

Die veröffentlichte Stichprobe enthält 199 offene Stellen nach Zusammenführung erneuter Veröffentlichungen. Dies entspricht dem Wert der Hauptkennzahl. Der geografische Abschnitt beschreibt die Abdeckung der Stichprobe; dies ist keine Schätzung des gesamten Marktes.

Welche Fähigkeiten braucht ein Senior Product Analyst?

Ein Senior Product Analyst ist ein Analyst, der die Produktstrategie beeinflusst. Experimente: Design und Analyse von A/B-Tests auf Expertenniveau, Wahl der richtigen Kennzahlen, Power-Berechnung, fortgeschrittene Themen (Stratifizierung, CUPED zur Varianzreduktion, sequenzielles Testen, Umgang mit multiplen Vergleichen) und ein nüchternes Verständnis dafür, wann man dem Ergebnis trauen kann. Statistik: sicher auf Praktikerniveau — Hypothesentests, Konfidenzintervalle, kausale Analyse, wo ein Experiment unmöglich ist. SQL und Python: SQL auf Expertenniveau, sicheres Python (pandas, Statistikbibliotheken), Automatisierung. Entwurf des Kennzahlensystems: den Kennzahlenbaum des Produkts entwerfen, den North Star wählen, verzerrende oder leicht manipulierbare Kennzahlen vermeiden. Verhaltensanalytik: tiefe Analyse von Funnels, Retention, Kohorten, Segmenten — verstehen, warum sich Nutzer so verhalten, nicht nur, was passiert. Produktdenken: Produkt, Markt und Nutzer nicht schlechter verstehen als der PM; selbst Wachstumshypothesen entwickeln können, nicht nur die anderer prüfen. Einfluss: Schlussfolgerungen so vermitteln, dass sie Entscheidungen verändern; mit PM, Design und Entwicklung als Partner arbeiten; die Position mit Daten verteidigen. Datenqualität: kritische Haltung gegenüber Daten und Event-Tracking, Verständnis dafür, wie Daten erhoben werden. Mentoring: Entwicklung von Junior-Analysten, Standards für Experimente im Team. Englisch — für den internationalen Markt. Der Hauptwert eines Senior — nicht „den Test auswerten“, sondern das Produkt systematisch durch Daten und Experimente voranbringen.

Anfrage hinterlassen

Beschreiben Sie die Aufgabe und hinterlassen Sie einen Kontakt — die Anfrage geht in unser CRM, und wir antworten über den angegebenen Kontakt.

Mit dem Absenden stimmen Sie zu: Datenschutzerklärung.