Data Analyst z 4 latami zamieniania surowych danych biznesowych w wykonywalne insighty. Zbudowałem dashboardy używane codziennie przez 3 osoby z zarządu. Zidentyfikowałem 1,4 mln PLN oszczędności w analizie zakupowej. Mocny w SQL, Pythonie i Tableau.
DOŚWIADCZENIE
Data Analyst — RetailCo Group2021–obecnie
Zbudowałem dashboard zarządu w Tableau dla portfela 340 mln PLN, używany codziennie przez CEO
Zidentyfikowałem 1,4 mln PLN rocznych oszczędności dzięki analizie cen dostawców
Zautomatyzowałem 6 cotygodniowych raportów w Pythonie, oszczędzając 12 godzin tygodniowo
Współpracowałem z produktem i finansami nad modelowaniem CLV
Młodszy Data Analyst — ConsultFirm2020–2021
Analizowałem churn klientów w 3 projektach, rekomendacje wdrożono w 2 przypadkach
Tworzyłem zapytania SQL, skracające raporty ad-hoc z 3 godzin do 20 minut
Utrzymywałem i czyściłem zbiór CRM (1,2 mln rekordów)
Podsumowanie rekruter czyta jako pierwsze. Wybierz wersję dopasowaną do swojego doświadczenia i podmień liczby na własne.
Początek kariery
Młodszy analityk danych z rocznym doświadczeniem we wsparciu zespołu handlowego: zapytania SQL do hurtowni z 12 tabelami, raportowanie tygodniowe i analizy doraźne. Zastąpił ręczny raport w arkuszu zaplanowanym zapytaniem i dashboardem, oddając zespołowi 6 godzin tygodniowo.
Z doświadczeniem
Analityk danych z 4-letnim stażem w e-commerce, odpowiada za raportowanie 30-osobowego zespołu i analizy stojące za decyzjami cenowymi. Przygotował zmienne do modelu odejść, który obniżył miesięczny churn o 12%, i przepisał najwolniejsze zapytania: ładowanie dashboardu spadło z 40 sekund do 3.
Poziom senior
Starszy analityk danych z 8-letnim stażem w produkcie i finansach; zamienia pytania biznesowe w analizy, na podstawie których zarząd działa. Prowadził program eksperymentów, który podniósł konwersję o 9%, i przebudował definicje metryk tak, że trzy działy raportują wreszcie ten sam przychód.
Jak napisać CV dla roli analityk danych
Pokazuj wpływ biznesowy, nie tylko zadania techniczne
CV analityków często za bardzo skupiają się na narzędziach, a za mało na tym, co zmieniło się dzięki analizie. „Zbudowałem dashboard w Tableau” to zadanie. „Zbudowałem dashboard zarządu, który doprowadził do cięcia 1,4 mln PLN kosztów dostawców” to wpływ. Zaczynaj od wyniku — narzędzie opisz potem.
Wymieniaj narzędzia i technologie z nazwy
Większość ogłoszeń wymienia konkretne narzędzia: SQL, Python, Tableau, Power BI, dbt, BigQuery. Wpisz je w sekcji Umiejętności technicznych. ATS szukają dokładnych nazw. Nie zakładaj, że ktoś domyśli się SQL z „zapytania do bazy danych”.
Pokaż, kto korzystał z Twojej pracy
Mocne CV analityków nazywają interesariuszy, którzy działali na podstawie analizy: „używany codziennie przez CEO”, „przyjęty przez zespół finansów”, „prezentowany kwartalnie zarządowi”. Dowodzi, że Twoja praca miała realny zasięg — a nie była raportem, którego nikt nie czytał.
Użyj tego przykładu jako punktu wyjścia i stwórz swoje CV za pomocą naszego bezpłatnego kreatora CV — bez rejestracji.
Gotowe sformułowania do doświadczenia
Skopiuj wers, podmień liczby na swoje i zostaw czasownik na początku — tak osiągnięcie czyta się najszybciej.
Obniżył miesięczny churn o 12%, wskazując trzy zachowania poprzedzające rezygnację i przekazując je zespołowi retencji
Przepisał cztery najwolniejsze zapytania hurtowni: ładowanie dashboardu zarządczego spadło z 40 sekund do 3
Zastąpił ręczny raport zajmujący 6 godzin tygodniowo zaplanowanym pipeline'em, oddając zespołowi pełny dzień pracy miesięcznie
Zaprojektował i przeprowadził 23 testy A/B w rok; 7 wdrożono, a łącznie podniosły konwersję o 9%
Przygotował analizę cenową zmiany oferty, która podniosła marżę brutto o 4 punkty bez utraty wolumenu
Uzgodnił trzy sprzeczne definicje przychodu w jedną udokumentowaną warstwę metryk dla finansów, produktu i sprzedaży
Zautomatyzował kontrole jakości danych, które wychwyciły 14 awarii u źródła, zanim trafiły na dashboard biznesowy
Zbudował dashboard samoobsługowy dla 30 użytkowników handlowych: liczba doraźnych zgłoszeń do zespołu spadła o 60%
Podzielił 1,4 mln klientów na 5 użytecznych kohort, na których zespół kampanii podniósł przychód z mailingów o 18%
Udokumentował 40 kluczowych metryk wraz z właścicielami i definicjami, kończąc powracający spór o to, czyja liczba jest poprawna
Kluczowe umiejętności w CV dla analityka danych
Umiejętności twarde
SQL: funkcje okna, CTE, optymalizacja zapytań
Python lub R: pandas, testy statystyczne, odtwarzalne notatniki
Narzędzia BI: Power BI, Tableau, Looker — modelowanie, nie tylko wykresy
Hurtownie i modelowanie: BigQuery, Snowflake, dbt, schemat gwiazdy
Eksperymenty: projekt testu A/B, wielkość próby, istotność, metryki zabezpieczające
Arkusze w głąb: modele przestawne, wyszukiwania, analiza scenariuszy
Umiejętności miękkie
Zamiana mglistego pytania biznesowego w takie, na które dane odpowiadają
Przedstawienie wyniku tym, którzy będą działać, bez wycieczki w metodologię
Powiedzenie, że dane nie potwierdzają oczekiwanego wniosku
Opisanie metryki tak, by kolejna osoba nie budowała jej od nowa
Słowa kluczowe dla systemów ATS
Systemy ATS porównują CV z treścią ogłoszenia. Wpisuj tylko to, co naprawdę znasz.
analiza danych
SQL
Python
R
Power BI
Tableau
Looker
BigQuery
Snowflake
dbt
ETL
modelowanie danych
wizualizacja danych
dashboard
testy A/B
analiza statystyczna
analiza kohortowa
prognozowanie
raportowanie KPI
współpraca z interesariuszami
Narzędzia i jak je zapisać, żeby cię znaleziono
Ogłoszenia i parsery dopasowują nazwy narzędzi dosłownie: powtórz pisownię z ogłoszenia i dopisz obok głębię, bo te same pięć nazw wymieniają wszyscy.
SQL
PostgreSQL
MySQL
BigQuery
Snowflake
Redshift
dbt
Python
pandas
NumPy
R
Power BI
Tableau
Looker
Excel
Arkusze Google
Airflow
Git
testy A/B
istotność statystyczna
Liczby, które dowodzą, że analityk coś zmienił
Pułapką CV analityka jest opisywanie pracy zamiast wyniku. Te cztery zamieniają listę zadań w dowód, a czwarta odróżnia analityka od osoby produkującej raporty.
Skala, w jakiej pracowałeś
Wiersze, użytkownicy, transakcje, objęty przychód, liczba interesariuszy. „Posegmentowałem 1,4 mln klientów" ustawia cię natychmiast; „segmentowałem klientów" nie ustawia nigdzie.
Zdjęty czas i koszt
Zautomatyzowane godziny ręcznego raportowania, skrócony czas zapytań, mniej doraźnych zgłoszeń. Najłatwiejszy do zmierzenia efekt i najczęściej pomijany.
Decyzje wsparte twoją analizą
Zmiana ceny, zatrzymana kampania, priorytet funkcji, zaadresowana kohorta odejść. Podaj decyzję i efekt biznesowy — i uczciwie napisz, czyja to była decyzja.
Dodana niezawodność
Kontrole jakości, które wychwyciły awarie, udokumentowane definicje metryk, uzgodnione sprzeczne liczby. W ogłoszeniu nikt o to nie prosi, a każdy zespół sparzony błędnym dashboardem rekrutuje właśnie za to.
Co napisać w każdej sekcji
Podsumowanie
Trzy linie: lata i branża (e-commerce, finanse, produkt, ochrona zdrowia), skala, w której pracujesz, oraz jedna decyzja zmieniona przez twoją analizę. Branża waży więcej, niż analitykom się wydaje: dla rekrutującego to różnica między uczeniem się narzędzia a uczeniem się jego biznesu.
Doświadczenie
Przy każdej roli napisz, kogo obsługiwałeś — zespół, dział, zarząd — i za jakie pytania odpowiadałeś. W każdym punkcie: pytanie, metoda w kilku słowach, wynik. Metodę trzymaj krótko: wynik zdobywa rozmowę, a metoda ją wypełnia.
Umiejętności
Pogrupuj według zapytań, analizy, wizualizacji i pipeline'ów. Na początek daj narzędzia wymienione w ogłoszeniu, w jego pisowni, i usuń wszystko, czego nie otworzyłbyś na zadaniu na żywo.
Wykształcenie
Wykształcenie z rokiem, potem certyfikaty, które w tej branży coś znaczą: certyfikat chmurowy z danych, certyfikat platformy BI, kurs statystyki. Jeśli sekcja doświadczenia jest cienka, dopisz tu linię o najmocniejszym projekcie analitycznym.
Mocne czasowniki do tego CV
Każde osiągnięcie zaczynaj czasownikiem w czasie przeszłym. Te pasują do stanowiska i czyta się je jak pracę, nie jak opis obowiązków.
Przeanalizowałem
Zamodelowałem
Odpytałem
Zautomatyzowałem
Prognozowałem
Posegmentowałem
Zweryfikowałem
Zwizualizowałem
Uzgodniłem
Przetestowałem
Udokumentowałem
Zaprezentowałem
Kluczowe wskazówki
Każdy projekt: narzędzie + uzyskany wynik biznesowy
Nazwij interesariuszy działających na podstawie Twojej analizy
Wymień narzędzia w osobnej sekcji Umiejętności technicznych
Podaj skalę: rozmiar zbioru danych, częstotliwość raportów, liczbę użytkowników
Pokaż SQL, Pythona i co najmniej jedno narzędzie BI, jeśli masz
Błędy, które kosztują rozmowę
Zadania zamiast decyzji
„Tworzyłem dashboardy i raporty" nikomu nie mówi, co się zmieniło. Każdy punkt powinien kończyć się tam, gdzie biznes zrobił coś inaczej: zmieniono cenę, zatrzymano kampanię, zaadresowano kohortę odejść. Analiza bez decyzji czyta się jako produkcja raportów.
Lista narzędzi bez głębi
SQL, Python, Tableau, Excel w jednej linii nie mówi nic o poziomie. Napisz, co w każdym zbudowałeś: funkcje okna na tabeli 40 mln wierszy, warstwa modeli w dbt, prognoza w Pythonie. Na rozmowie sprawdzają pierwsze narzędzie z listy — ustaw na początku to, którego obronisz na żywo.
Brak skali danych i kontekstu biznesowego
Analiza 500 wierszy dla jednego zespołu i 40 mln wierszy dla całej firmy to różne prace. Podaj skalę — wiersze, użytkownicy, objęty przychód, liczba interesariuszy — to najszybszy sposób, by rekrutujący ocenił twój poziom.
Statystyka jako ozdoba
Wymienienie regresji, klasteryzacji czy testu istotności bez podania pytania, na które odpowiadały, zaprasza do pytania, którego nie chcesz. Pisz metodę obok decyzji, którą wsparła — i tylko przy pracy, którą przeprowadzisz od początku do końca.
Nie masz jeszcze doświadczenia?
Bez etatu w analityce zrób dwa-trzy projekty wyglądające jak praca, a nie jak ćwiczenie: prawdziwy otwarty zbiór danych, pytanie, za odpowiedź na które ktoś by zapłacił, analiza i wniosek z wypisanymi ograniczeniami. Dołóż raportowanie, które i tak robisz na obecnym stanowisku — jest niemal w każdej pracy — i opisz je językiem analityka: pytanie, źródło, częstotliwość, kto na tej podstawie działał. Jeden dopracowany projekt z czytelnym opisem znaczy więcej niż dziesięć notatników.
Wystarczą trzy–cztery zdania: dlaczego ta oferta, co już zrobiłeś, czego szukasz dalej.
Szanowni Państwo, składam aplikację na stanowisko analityka danych w Acme. Mam cztery lata w analityce e-commerce: odpowiadam za raportowanie 30-osobowego zespołu handlowego i analizy stojące za decyzjami cenowymi. Ostatnio wskazałem trzy zachowania poprzedzające rezygnację, a zbudowana na tym kampania retencyjna obniżyła miesięczny churn o 12%. W ogłoszeniu mowa o konsolidacji raportowania: w zeszłym roku przebudowałem warstwę metryk tak, że finanse, produkt i sprzedaż raportują ten sam przychód. Codziennie pracuję w SQL, dbt i Power BI, chętnie omówię dowolną z tych analiz w rozmowie technicznej. CV w załączeniu.
Najczęściej zadawane pytania
Pomaga, zwłaszcza w rolach juniorskich. GitHub z 2–3 czystymi notebookami pokazującymi prawdziwą analizę jest cenniejszy niż samo „Python” bez kontekstu.
Tak — zwłaszcza jeśli pokazują SQL, Pythona albo metody statystyczne na realnych danych. Wyraźnie oznacz je jako projekty akademickie lub osobiste.
Pokaż różnicę zakresu: w rolach juniorskich wymieniaj narzędzia i zadania, w seniorskich zaczynaj od decyzji biznesowych opartych o Twoją analizę. Progresja powinna być widoczna we wpływie każdej roli.
Użyj wartości względnych zamiast surowych: „skróciłem czas raportowania o 85%” albo „adopcja dashboardu wzrosła z 3 do 11 zespołów”. Jeśli nawet procenty są niedozwolone, opisz skalę: wielkość datasetu, częstotliwość raportów lub liczbę użytkowników.
Tak. Dodaj je w krótkiej sekcji Certyfikaty pod Skills. Pomagają w ATS i budują zaufanie, jeśli Twój dyplom nie jest ilościowy. Wspierają doświadczenie, ale nie zastępują projektu z mierzalnym wynikiem.
Pomaga najbardziej, gdy doświadczenia jest mało. Dwa-trzy projekty na prawdziwym zbiorze danych, z zapisanym pytaniem, analizą i wnioskiem, biją folder notatników z kursów. Readme pisz tak, jakby czytał je menedżer, a nie inżynier.
Analitycy rzadko podejmują decyzje i rekrutujący o tym wiedzą. Napisz uczciwie: „wskazałem trzy zachowania poprzedzające rezygnację; kampania zespołu retencji obniżyła churn o 12%". To brzmi dojrzale i przechodzi weryfikację referencji.
Tak, bo filtry i parsery szukają ich dosłownie, a brak wygląda jak luka. Wyróżnij się głębią: „SQL — funkcje okna, strojenie zapytań na tabelach 40 mln wierszy" to zupełnie inne stwierdzenie niż samo „SQL".
Jak jeszcze szuka się takiego CV
Nazwy stanowisk różnią się między firmami. Jeśli w ogłoszeniu jest jedna z tych nazw, powtórz ją dosłownie w nagłówku CV.
Analityk biznesowy
Analityk BI
Analityk raportowania
Data scientist
Analytics engineer
Analityk marketingowy
Analityk finansowy
Analityk produktu
Szablony pasujące do tego stanowiska
Każdy z tych układów zachowuje sekcje w kolejności, której oczekuje rekruter, i eksportuje czysty plik PDF.
Każdy wzór powstaje na podstawie prawdziwych ogłoszeń na to stanowisko, a nie szablonu: sekcje, sformułowania i ich kolejność odpowiadają temu, czego pracodawcy faktycznie wymagają.
Osiągnięcia są zapisane tak, jak czytają je systemy ATS — czasownik, wynik, liczba — a układ sprawdzono pod kątem czystego eksportu do PDF.
Stronę aktualizujemy, gdy zmienia się praktyka rekrutacyjna na tym stanowisku. Data nad przykładem to ostatni przegląd, a nie data publikacji.
