Şablonlarıyla Veri Analisti Özgeçmiş Örnekleri

Başlangıç seviyesinden veri bilimcisine; iş zekası ve analytics engineering için veri analisti özgeçmiş örnekleri, kopyalanabilir şablon ve listelenecek SQL ile araçlar.

Zubair Baqai · Güncelleme: 25 Eki 2026

Bir veri analistinin özgeçmişi her şeyden önce tek bir şeyi kanıtlamalıdır: analiziniz bir kararı değiştirdi. Herkes SQL, Python ve Tableau listeleyebilir — mülakat kazandıran özgeçmişler birinin sorduğu bir soruyu, yürüttüğünüz analizi ve işin bunun yüzünden neyi farklı yaptığını gösterir. İşe alım yöneticileri önce teknik yığını, sonra veriyi bir sonuca dönüştürdüğünüzün kanıtını tarar. Aşağıda, başlangıç seviyesi bir analistten kıdemli bir veri bilimcisine kadar her kademe ve uzmanlık için veri analisti özgeçmiş örnekleri var; her biri açabileceğiniz canlı bir örneğe bağlı. Ayrıca bir özgeçmişi bir aday takip sistemini geçirip bir işe alım ekibinin önüne koyan beceriler, bölümler ve sayılar da burada.

Önce örnekler, sonra kopyalayabileceğiniz metin bir şablon, ardından hepsinin arkasındaki yazım tavsiyeleri geliyor — kısa ve öz bir teknik özet, etkiye dayalı analiz maddeleri, doğru beceri bölümü ve bir şirketin işe alım yazılımının taradığı anahtar kelimeler. Her özgeçmiş için geçerli genel kurallar özgeçmiş yazma rehberimizde; bu sayfa ise veriye özel versiyonudur.

Bu örnekler nasıl hazırlandı. Aşağıdaki her özgeçmiş, eksiksiz bir analitik profilden oluşturulmuş gerçek bir Prezumi şablonudur — kendi özgeçmişiniz için kullanacağınız aynı araç — hazır bir maket değil. Adlar, şirketler ve sayılar örnektir. Yığın ve işe alım teamülleri, veri ekiplerinin özgeçmişleri genellikle nasıl elediğini yansıtır; şirkete ve ülkeye göre değişir, bu yüzden bir şeyi olduğu gibi kopyalamadan önce ilanı okuyun.

Kademeye ve uzmanlığa göre veri analisti özgeçmiş örnekleri

"Veri," bir iş ilanında benzer görünen ama günlük işte çok farklı hissettiren bir dizi rolü kapsar. Panolar kuran başlangıç seviyesi bir analist ile bir tahmin modeli yayına alan bir veri bilimcisi, ortak araçlar dışında çözdükleri sorunlara dair neredeyse hiçbir şey paylaşmaz; özgeçmişleri de işleri kadar birbirinden farklı görünmelidir. Aşağıdaki her örnek, temiz ve ATS uyumlu bir Prezumi şablonuyla oluşturulmuş gerçek bir özgeçmiştir — böylece kendi kademeniz ve uzmanlığınız için tam biçimi görür, sonra aynı yapıdan kendinizinkini kurarsınız. Büyütmek için herhangi bir örneğe tıklayın ya da tek dokunuşla onu başlangıç profiliniz olarak kullanın.

Başlangıç seviyesi veri analisti (başlangıç seviyesi)

Başlangıç seviyesi bir veri analisti özgeçmişi, yıllarca iş olmasa bile temel işi hâlihazırda yapabildiğinizi göstermelidir. Bu örnek yığınla açılıyor — önce SQL, sonra Excel, Tableau ya da Power BI gibi bir BI aracı ve biraz Python veya R — sonra sayfayı gerçek analiz taşıyor: bir bitirme projesi, bir staj, bir Kaggle ya da portföy projesi veya bir öğrenci kulübü için kurduğunuz bir pano. En güçlü başlangıç maddeleri soruyu, veriyi ve ortaya çıkan kararı ya da içgörüyü adıyla anar ve bir incelemecinin açabileceği bir panoya ya da not defterine canlı bir bağlantı verir.

Bu özgeçmiş neden işe yarıyor

• Yığın başı çekiyor, önce SQL ile — her analist ilanının elediği tek beceri — sonra Excel, bir BI aracı ve bir betik dili.
• Projeler deneyim olarak ele alınmış: bir bitirme projesi, bir staj ve bir portföy panosu, her biri bir incelemecinin açabileceği canlı bir bağlantıyla.
• Maddeler yalnızca "Python'da veri analiz etti" değil, soruyu, veriyi ve içgörü ya da kararı adıyla anıyor.
• ATS açısından temiz kalıyor; standart başlıklar ve bir ayrıştırıcının filtrelediği tam araç adlarıyla (SQL, Tableau, Power BI).

Veri analisti (orta kariyer)

Orta kariyer bir analist, sorudan öneriye kadar tüm döngüyü sahiplenir ve bu özgeçmiş bunu gösterir. Yığın ve desteklenen iş alanıyla açılır — pazarlama, ürün, finans, operasyon — sonra işi gösterir: bir veri ambarına karşı karmaşık SQL yazma, paydaşların gerçekten kullandığı panolar kurup bakımını yapma, gerçek bir soruyu yanıtlayan analizler yürütme ve bulguları kararı veren kişilere sunma. Sayılar, analizin sürüklediği sonuçlardır — gelir, maliyet, elde tutma ya da verimlilik — ayrıca verinin ölçeği ve hizmet verilen paydaşlar.

Bu özgeçmiş neden işe yarıyor

• Desteklenen iş alanını adıyla anıyor, böylece bir işe alım yöneticisi yalnızca araçları değil, alan uyumunu görüyor.
• Tüm analist döngüsünü gösteriyor: bir ambara karşı karmaşık SQL, kullanımdaki panolar, yürütülen analiz ve karar vericilere sunulan bulgular.
• Her analiz maddesi "bir rapor kurdu" ile durmak yerine bir sonuca bağlanıyor — gelir, maliyet, elde tutma ya da bir verimlilik kazanımı.
• Ölçeği sayısallaştırıyor: analiz edilen satır ya da olaylar, bakımı yapılan panolar ve hizmet verilen paydaşlar veya ekipler.

İş zekası analisti (orta kariyer)

Bir BI analisti, tüm şirketin üzerinde çalıştığı raporlama katmanını kurar, bu yüzden bu özgeçmiş BI ve ambar yığınıyla açılır — Snowflake, BigQuery ya da Redshift üzerinde Tableau, Power BI veya Looker — sonra işi gösterir: veri modelleri ve anlamsal katmanlar tasarlama, self-servis panolar kurma, herkesin üzerinde uzlaştığı ölçütleri tanımlama ve eskiden ayda bir hafta yiyen manuel raporlamayı kesme. Sayılar benimsenen panolar ve raporlar, kazanılan manuel raporlama saatleri, iyileştirilen veri tazeliği ve güvenilirliği ve BI katmanının artık ekipler genelinde bilgilendirdiği kararlardır.

Bu özgeçmiş neden işe yarıyor

• BI-ve-ambar yığınıyla açılıyor — Snowflake, BigQuery ya da Redshift üzerinde Tableau, Power BI veya Looker — bir BI ilanının elediği şey.
• Platform işini gösteriyor: veri modelleri, bir anlamsal katman, üzerinde uzlaşılan ölçüt tanımları ve diğer ekiplerin güvendiği self-servis panolar.
• Sonuçlar somut: benimsenen raporlar, kazanılan manuel raporlama saatleri ve iyileştirilen veri tazeliği ile güvenilirliği.
• Rolü, tek seferlik grafikler üretmek değil, şirket genelinde kararları mümkün kılmak olarak çerçeveliyor; orta kariyer BI sinyali bu.

Analytics engineer (orta kariyer)

Bir analytics engineer, veri mühendisliği ile analiz arasında durur; ham veriyi, ekibin geri kalanının üzerine inşa ettiği temiz, test edilmiş, belgelenmiş modellere dönüştürür. Bu özgeçmiş modern veri yığınıyla açılır — dbt, SQL, bir bulut ambarı ve sürüm kontrolü — sonra işi gösterir: dönüşüm modelleri kurma ve test etme, iyi belgelenmiş bir ambarın bakımını yapma, veri kalitesini zorunlu kılma ve analistlere üzerinde çalışabilecekleri güvenilir tablolar verme. Sayılar kurulan ve test edilen modeller, azaltılan veri kalitesi olayları, kesilen hat çalışma süresi ve aynı mantığı her yerde yeniden türetmemekten kazanılan analist saatleridir.

Bu özgeçmiş neden işe yarıyor

• Modern veri yığınıyla açılıyor — dbt, SQL, bir bulut ambarı, Git — analytics-engineering rolünü tanımlayan şey.
• Analistlerin çoğu zaman eksik olduğu mühendislik disiplinini gösteriyor: test edilmiş dönüşüm modelleri, dokümantasyon ve sürüm kontrolü.
• Sonuçlar güvenilirlik ve kaldıraçla ölçülüyor: düşen veri kalitesi olayları, kesilen çalışma süresi ve kazanılan analist saatleri.
• İşi, başkalarının güvendiği temeli kurmak olarak çerçeveliyor; bir analytics-engineering ilanının etkiyi okuma biçimi tam da bu.

Veri bilimci (kıdemli)

Bir veri bilimci özgeçmişi raporlamanın ötesine, modelleme ve deneye geçer ve en güçlüleri iş sonucunu gözden kaçırmaz. Bu örnek yığınla açılır — Python, SQL, ML kütüphaneleri ve istatistik — sonra yayına alınan modelleri ve deneyleri gösterir: üretimdeki bir tahmin modeli, bir kararı çözen bir A/B testi, işin etrafında plan yaptığı bir tahmin. Sayılar model performansını (doğruluk, kaldıraç ya da göreve özgü bir ölçüt) ardıl etkiyle — gelir, elde tutma, maliyet ya da azaltılan risk — eşleştirir. Kıdemli bir özgeçmiş olduğu için liderliği de gösterir: deney standartları koyma ya da analistlere mentorluk. Araştırma ağırlıklı bir yol için, akademik CV rehberimiz yayınları tam olarak listelemeyi anlatır.

Bu özgeçmiş neden işe yarıyor

• Veri bilimi yığınıyla açılıyor — Python, SQL, ML kütüphaneleri, istatistik — ve rolün gerçekten kullandığı yöntemlerle.
• Yayına alınan işi gösteriyor: üretimdeki bir model, bir kararı çözen bir A/B testi, işin etrafında plan yaptığı bir tahmin — yerelde kalan not defterleri değil.
• Model ölçütlerini (doğruluk, kaldıraç, AUC) iş sonucuyla eşleştiriyor; bir işe alım yöneticisinin aslında satın aldığı şey bu.
• Kıdemli bir seviyede liderliği gösteriyor — konan deney standartları, mentorluk yapılan analistler — bireysel analizin ötesindeki kapsamı işaret ediyor.

Makine öğrenmesi mühendisi (kıdemli)

Bir veri ekibindeki ML mühendisi, bir modelden güvenilir bir üretim servisine giden yolu sahiplenir, bu yüzden bu özgeçmiş mühendisliğe eğilir. Yığınla açılır — Python, ML çatıları ve MLOps ile bulut araçları — sonra üretime alınan ve sağlıklı tutulan modelleri gösterir: özellik hatları, model sunumu, kayma için izleme ve yeniden eğitim. Sayılar modelin sürüklediği ardıl etki ve etrafındaki mühendislik ölçütleridir — sunum gecikmesi, çalışma süresi ve çıkarım maliyeti. Burası verinin yazılımla buluştuğu yerdir ve özgeçmiş her iki yarıyı da yapabildiğinizi kanıtlamalıdır.

Bu özgeçmiş neden işe yarıyor

• Verinin yazılımla buluştuğu yığınla açılıyor — Python, ML çatıları ve MLOps ile bulut araçları.
• Yalnızca model eğitimini değil, tüm üretim yolunu gösteriyor: özellik hatları, model sunumu, kayma izlemesi ve yeniden eğitim.
• İş sonucunu mühendislik ölçütleriyle — sunum gecikmesi, çalışma süresi ve çıkarım maliyeti — eşleştirerek rolün her iki yarısını da kanıtlıyor.
• Bir ML mühendisini, bir not defteri devreden bir veri bilimcisinden ayıran sistem ve güvenilirlik işini adıyla anıyor.

Kopyalayabileceğiniz bir veri analisti özgeçmiş şablonu

Aşağıda düz metin hâlinde eksiksiz bir orta kariyer veri analisti özgeçmişi var — tek sütun, standart başlıklar, gerçek sayılar. Pratik anlamda bir şablon: kendi yığınınızı, şirketinizi ve sonuçlarınızı yerine koyun; bir ayrıştırıcının okuyabileceği, bir işe alım yöneticisinin saniyeler içinde tarayabileceği bir özgeçmişiniz olur.

Mei Tanaka

Chicago, IL · mei.tanaka@email.com · (312) 555-0164 · linkedin.com/in/mei-tanaka · github.com/meitanaka

Özet

SQL, Python ve Tableau ile ürün ve pazarlama ekiplerini dört yıl destekleyen veri analisti. Ad-hoc veri taleplerini %60 kesen self-servis panoları kurdu ve onboarding akışını yeniden şekillendiren kohort analizini yürüterek 30 günlük elde tutmayı 9 puan yükseltti. Ürün odaklı bir ekipte analitik rolü arıyor.

Beceriler

SQL (ileri düzey) · Python (pandas, scikit-learn) · Tableau · Power BI · dbt · Snowflake · Excel · A/B testi · İstatistik · Paydaş iletişimi

Deneyim

Veri Analisti — Lakefront Commerce, Chicago (2022–günümüz)

- Bir Snowflake ambarı üzerinde 12 self-servis Tableau panosu kurdum; ekibe gelen ad-hoc veri taleplerini %60 kestim ve haftada ~15 analist saati kazandırdım.

- Kayıt akışının bir kohort ve huni analizini yürüttüm; bu bir onboarding yeniden tasarımına yol açtı ve 30 günlük elde tutmayı %41'den %50'ye çıkardı.

- Pazarlama ekibi için A/B testleri tasarlayıp analiz ettim; bunlardan bir fiyat-sayfası testi dönüşümü %7 artırdı (yıllık 340 bin dolar).

- Şirketin kuzey yıldızı ölçütünü ve SQL mantığını dbt'de tanımlayarak ekipler arası aylarca süren çelişkili sayılara son verdim.

Junior Veri Analisti — Prairie Media, Chicago (2020–2022)

- Pazarlama Başkan Yardımcısı'nın kullandığı haftalık bir performans raporu için kampanya verisini çekip temizleyen SQL yazdım.

- Python ile manuel bir Excel raporunu otomatikleştirdim; haftada 6 saatlik bir işi 20 dakikaya indirdim.

Projeler

Chicago toplu taşıma gecikmeleri — 2 milyondan fazla CTA kaydını Python'da analiz ettim; etkileşimli pano ve yazı. meitanaka.dev/cta

Eğitim

İstatistik Lisansı, University of Illinois Urbana-Champaign — 2016–2020

Sertifikalar

Google Data Analytics Professional Certificate (2021) · Tableau Desktop Specialist (2022)

Bunu işe yaratan şey: özet, ilk iki satırında somut bir sonucu (%60 daha az talep, +9 puan elde tutma) adıyla anıyor, beceri bölümü bir veri ilanının taradığı tam araçları önce SQL ile listeliyor ve her deneyim maddesi analizi bir karara ya da bir dolar rakamına bağlıyor. Düzen bilinçli olarak sade; böylece bir aday takip sistemi her alanı temizce çıkarıyor ve proje bağlantısı bir incelemeciye açacak bir şey veriyor.

Her analiz maddesini kullandığınız araçla değil, değiştirdiği kararla açın. "Bir Tableau panosu kurdu" bir görevdir; "onboarding'i yeniden şekillendiren ve elde tutmayı 9 puan yükselten kohort analizini yürüttü" ise etki. Araçlar beceri bölümünüze ve destekleyici ayrıntıya aittir — işe alım yöneticisi veriyi bir karara dönüştürme yeteneğinizi satın alıyor, bu yüzden kararı öne koyun ve SQL ile Python'ın onu desteklemesine izin verin.

Bir veri analisti özgeçmişine konacak beceriler

Veri becerileri, hem bir işe alım sorumlusunun hem bir ayrıştırıcının taradığı kategorilere ayrılır. Tam araçları — neredeyse her zaman önce SQL — listeleyin, yığın bir bakışta okunacak şekilde gruplayın ve dürüst tutun: bu listedeki her şey teknik bir elemede ya da bir ev ödevinde karşınıza çıkabilir. İlanın söz dağarcığını sizin için doğru olduğu yerde eşleştirin.

Beceri çubuklarını ve yüzdeleri atlayın. "SQL %85" bir ayrıştırıcıya hiçbir şey ifade etmez ve bir işe alım yöneticisine dolgu gibi okunur — üstelik bunu açığa çıkaran ev ödevini davet eder. Önce SQL ile başlayan, gruplanmış, dürüst bir liste ve önemli araçları bir karar üretirken gösteren maddeler, herhangi bir grafikten çok daha fazlasını yapar.

Bir veri analisti özgeçmişinin her bölümü nasıl yazılır

Yığınınızı ve değiştirdiğiniz bir kararı adıyla anan bir özet yazın

En üstte iki ya da üç cümle: kademeniz ve yıllarınız, temel yığınınız ve analizinizin sürüklediği en güçlü tek karar. "SQL, Python ve Tableau ile dört yıllık veri analisti; ad-hoc talepleri %60 kesen panoları ve elde tutmayı 9 puan yükselten analizi kurdu" bir işe alım yöneticisine, veriye duyduğunuz tutkuya dair bir paragraftan daha fazlasını söyler. Desteklediğiniz iş alanını adıyla anın (ürün, pazarlama, finans), çünkü alan akıcılığı gerçek bir sinyaldir. Ne öğrenmeyi umduğunuza dair bir amaç cümlesini atlayın; özet, ekibin ne elde edeceğini anlatır.

Analizi kararlara ve paraya dönüştürün

"Satış verisini analiz etti" bir görevi anlatır. "Riskli segmenti belirleyen churn analizini yürüttü ve üzerine kurulan elde tutma kampanyası yılda 280 bin dolar geri kazandı" ise işe alınmaya değer bir analisti. Veri işi bir şeyi değiştirip değiştirmediğiyle yargılanır, bu yüzden sonucu adıyla anan bir özgeçmiş, araç listelerinden oluşan bir yığında öne çıkar. Ağırlık taşıyan sayılar: analizinizin bilgilendirdiği bir kararla hareket ettirilen gelir ya da maliyet, kazanılan verimlilik (kurtarılan saatler ya da talepler), bir testle yükseltilen elde tutma ya da dönüşüm ve hizmet verdiğiniz verinin ile paydaşların ölçeği. Yalnızca bir mülakatçıya adım adım anlatabileceğinizi iddia edin — sayıyı nasıl elde ettiğinizi soracaklar.

Önce: Tableau'da panolar ve raporlar kurmaktan sorumlu. Sonra: Ad-hoc veri taleplerini %60 kesen ve daha derin iş için haftada ~15 analist saati kazandıran 12 self-servis Tableau panosu kurdu.

Önce: Müşteri verisini analiz etmek için SQL ve Python kullandı. Sonra: Onboarding akışını yeniden şekillendiren bir kohort analizini SQL ve Python'da yürüttü; 30 günlük elde tutmayı %41'den %50'ye yükseltti.

Deneyim ince olduğunda projelerle açılın

Başlangıç seviyesi ya da kariyer değiştiren bir veri özgeçmişi için, gerçek bir analiz projesi yılların yapacağı işi yapar. İki ya da üç en güçlü projenize gerçek kayıtlar verin: sorduğunuz soru, veri kümesi ve boyutu, yöntemler ve araçlar, bulduğunuz içgörü ve panoya, not defterine ya da yazıya canlı bir bağlantı. Bir incelemeci tıklayacaktır, bu yüzden okunabilir yapın — net bir soru, temiz bir görselleştirme ve belirtilmiş bir sonuç, anlatısı olmayan dağınık bir not defterini yener. Bir Kaggle yarışması, bir bitirme projesi, bir staj analizi ve bir kulüp için kurulan bir pano hepsi sayılır; her birini bir iş kadar titizlikle ele alın.

İlanın ve ATS'nin taradığı anahtar kelimeleri kullanın

Şirketler başvuruları, özgeçmişinizi ayrıştırıp ilanla eşleştiren bir aday takip sisteminden geçirir. Sistemler değişir — bazıları SQL gibi eksik bir olmazsa olmazı eler, birçoğu adayları bir işe alım sorumlusu için yalnızca sıralar — ama ilanın kendi sözcükleriyle yazılmış, ayrıştırıcı dostu bir dosya her iki durumda da en iyi şansı verir. İlanın tam araç adlarını dürüst olduğu yerde yeniden kullanın: "Power BI," "dbt" ya da "BigQuery" diyorsa, genel bir "BI araçları" ya da "veri ambarı" yerine bu terimleri kullanın. Düzeni ayrıştırıcı dostu tutun: tek sütun, standart başlıklar (Özet, Beceriler, Deneyim, Projeler, Eğitim), gerçek metinli bir PDF, fotoğraf yok, ayrıştırmayı bozan iki sütunlu grafik yok. Bir ayrıştırıcının dosyanızdan gerçekte neyi çektiğini Prezumi'nin ücretsiz ATS özgeçmiş denetleyicisiyle kontrol edebilirsiniz; ATS uyumlu şablonlar ise sizi hâlihazırda geçen bir düzenden başlatır.

Veri analisti maaşına dair bilgiler

Veri ücretleri, rol raporlamadan modelleme ve mühendisliğe doğru ilerledikçe dik biçimde tırmanır ve sektöre ile şirket sınıfına göre çokça değişir. Aşağıdaki aralıklar, ücretin role göre nasıl ölçeklendiğini göstermeye yönelik örnek ABD baz maaş rakamlarıdır; gerçek rakamınız konuma, sektöre ve hissenin işin içinde olup olmamasına bağlıdır. Güncel ulusal medyanlar için ABD Çalışma İstatistikleri Bürosu Meslek Görünümü El Kitabı alıntılanabilir kaynaktır.

Bu sayıları en çok iki şey hareket ettirir: teknik işin derinliği ve sektör. Analistten veri bilimcisine ya da analytics engineer'a — modelleme, deney ya da üretim kodunun size kaldığı yere — geçiş, tek başına en büyük adımdır ve aynı rol teknoloji, finans ve sağlıkta ortalamanın epey üstünde öder. Özgeçmişte bu, gerçekten yaptığınız en teknik, en yüksek kaldıraçlı işi öne çıkarmak ve ele aldığınız verinin sektörünü ve ölçeğini adıyla anmak anlamına gelir; çünkü ikisi de maaş bandını unvan kadar belirler.

Veri analisti özgeçmişinizi Prezumi'de oluşturun

Prezumi, analitik geçmişinizi tek bir profil olarak tutar ve 55'ten fazla şablondan herhangi birine dönüştürür; böylece yığını, projeleri ve sonuçları bir kez yazarsınız. Yeniden yazmaktan kurtulmak için mevcut bir özgeçmişi içe aktarın, temiz bir tek sütunu koruyan bir ATS uyumlu şablon seçin ve metin tabanlı bir PDF'i ücretsiz dışa aktarın. Belirli bir role başvurduğunuzda, yapay zeka düzenleyici gerçek kayıtlarınızı o ilana uyacak şekilde yeniden ifade eder (yalnızca girdiğiniz ayrıntıları yeniden biçimlendirebilir, bu yüzden bir elde tutma artışı uydurmaz) ve ATS denetleyicisi göndermeden önce dosyanın ayrıştırıldığını teyit eder. Bu ilk veri işinizse, ilk iş özgeçmişi rehberimiz bir özgeçmişi yıllarca iş yerine projeler, stajlar ve derslerle nasıl dolduracağınızı gösterir ve öğrenci CV örnekleri de aynı tek sayfalık yaklaşımı kullanır. Analizin kendisini göstermek mi istiyorsunuz? Özgeçmişten bağlanan bir portföy web sitesi, bir incelemecinin panolarınızı ve not defterlerinizi tek tıkla açmasını sağlar. Başvuruya eşlik eden mektup için ücretsiz ön yazı oluşturucu özgeçmişinizden ve ilandan yola çıkar.

Sıkça Sorulan Sorular

Bir veri analisti özgeçmişi neye odaklanmalı?

Analizinizin bir kararı değiştirdiğinin kanıtına, doğru teknik yığınla desteklenmiş olarak. Önce SQL'i listeleyin — her analist rolünün elediği tek beceri — sonra programlama, BI ve istatistik araçlarınızı ve deneyiminizi sorudan öneriye giden döngü etrafında kurun: ne istendi, ne analiz ettiniz ve iş neyi farklı yaptı. "Bir pano kurdu" ile durmak yerine sonucu (gelir, maliyet, elde tutma, kazanılan saatler) sayısallaştırın ve bir incelemecinin açabileceği bir projeye bağlanın.

Deneyimi olmayan bir veri analisti özgeçmişini nasıl yazarım?

Sayfayı projeler taşısın. İki ya da üç en güçlü analiz projenize soru, veri kümesi ve boyutu, araçlar, içgörü ve panoya, not defterine ya da yazıya canlı bir bağlantıyla gerçek kayıtlar verin. Bir bitirme projesi, bir Kaggle yarışması, bir staj analizi ve bir kulüp ya da öğrenci örgütü için kurduğunuz bir pano hepsi sayılır. Bir beceri bölümü (önce SQL) ve yığınınızı adıyla anan bir özetle açın ve Google Data Analytics gibi ilgili bir sertifikayı ekleyin. İlk iş özgeçmişi rehberimiz, yıllarca ücretli iş olmadan bir özgeçmişi doldurmayı adım adım anlatır.

SQL bir veri analisti özgeçmişindeki en önemli beceri mi?

Evet — neredeyse her veri analisti ilanının gerektirdiği tek beceridir, bu yüzden beceri bölümünüzde önce onu listeleyin ve deneyiminizde bir sonuç üretirken gösterin. SQL'den sonra yaygın beklentiler bir BI aracı (Tableau, Power BI ya da Looker), ileri Excel ve daha derin analiz için Python veya R'dir. Kıdemli ve analytics-engineering rolleri dbt, bir bulut ambarı ve sürüm kontrolü ekler. İlanın tam araç adlarını sizin için doğru olduğu yerde eşleştirin ve bir elemede gerçek SQL yazmaya hazır olun.

Bir veri analisti ile bir veri bilimci özgeçmişi arasındaki fark nedir?

Bir veri analisti özgeçmişi SQL, BI araçları ve doğrudan istatistiklerle iş sorularını yanıtlamak ve raporlamak üzerine kuruludur ve analizin sürüklediği kararlar ile verimlilikle ölçülür. Bir veri bilimci özgeçmişi modelleme ve deney ekler — üretimdeki bir tahmin modeli, bir kararı çözen bir A/B testi — ve model performansını ardıl etkiyle eşleştirir. Analistlikten veri bilimciliğine geçiyorsanız, gerçekten yaptığınız modelleme, tahminleme ya da deneyi öne çıkarın.

Bir veri özgeçmişinde etkiyi nasıl sayısallaştırırım?

Analizinizin değiştirdiği kararı ve ona bağlı sayıyı adıyla anın. En ikna edici olanlar; bilgilendirdiğiniz bir kararla hareket ettirilen gelir ya da maliyet, yürüttüğünüz bir testle yükseltilen dönüşüm ya da elde tutma, kazanılan verimlilik (bir pano ya da otomasyonla kurtarılan saatler veya ad-hoc talepler) ve hizmet verdiğiniz verinin ile paydaşların ölçeğidir. Bunları bağlamıyla yazın — "30 günlük elde tutmayı %41'den %50'ye çıkaran kohort analizi" — ve yalnızca bir mülakatçıya adım adım anlatabileceğinizi iddia edin, çünkü oraya nasıl vardığınızı soracaklar.

Bir veri analisti özgeçmişi ne kadar uzun olmalı?

Başlangıç seviyesi ve yaklaşık on yıla kadar deneyimi olan çoğu analist için tek sayfa. İki sayfa yalnızca on yıl ya da daha fazla doğrudan ilgili, yüksek etkili iş onları gerçekten doldurduğunda gerekçelidir — uzun bir geçmişi olan kıdemli bir veri bilimcisi ya da lider. Yoğun ve spesifik tutun; bir yığını tarayan bir işe alım yöneticisi, her araç ve kursla şişirilmiş iki sayfa yerine net sonuçları olan güçlü bir sayfa görmeyi yeğler.

Özgeçmişimde veri sertifikalarını listelemeli miyim?

En çok başlangıç seviyesinde yardımcı olurlar, orada temel araçları öğrendiğinizi işaret ederler. Tanınan olanlar arasında Google Data Analytics Professional Certificate, Tableau ve Power BI sertifikaları ve daha teknik roller için bulut veri sertifikaları (AWS, GCP, Azure) ya da bir dbt sertifikası var. Bunları kısa bir Sertifikalar bölümüne koyun. Gerçek deneyiminiz olduğunda bir özgeçmişi taşımazlar — ölçülmüş sonuçlar bunu yapar — ama ilgili bir sertifika erken kariyer kararını eğebilir.

Bir veri analisti özgeçmişinde portföy bağlantısı olmalı mı?

Evet, ve en çok kariyerinizin başında önemlidir. İki ya da üç temiz analiz projesi içeren bir portföy — her biri net bir soru, okunabilir bir pano ya da not defteri ve belirtilmiş bir sonuçla — bir incelemecinin yalnızca listelediğiniz araçları değil, nasıl düşündüğünüzü görmesini sağlar. Bağlantıyı başlığınıza koyun. Özellikle başlangıç seviyesi adaylar için, güçlü bir portföy bir GPA'den fazlasını yapabilir. Özgeçmişten bağlanan bir portföy web sitesi, analizin kendisini tek tıkla göstermenizi sağlar.

Veri analisti özgeçmişimi ATS uyumlu nasıl yaparım?

Tek sütunlu bir düzen, standart bölüm başlıkları (Özet, Beceriler, Deneyim, Projeler, Eğitim) ve bir görüntü yerine gerçek, çıkarılabilir metin içeren bir PDF kullanın. İlandaki tam araç adlarını dürüstçe geçerli olduğu yerde yeniden kullanın — "Power BI," "Snowflake," "dbt" — ve ayrıştırmayı bozan iki sütunlu grafikleri, beceri çubuklarını ve simgeleri dışarıda bırakın. Prezumi'nin ücretsiz ATS özgeçmiş denetleyicisi dosyanız üzerinde gerçek metin çıkarımı yapar ve bir ayrıştırıcının neyi çektiğini gösterir; böylece göndermeden önce yığınınızın temizce okunduğunu teyit edebilirsiniz.

Bir veri analisti özgeçmişinde fotoğraf olmalı mı?

Hayır; ABD, Birleşik Krallık, Kanada ve Avrupa'nın çoğundaki işler için. Şirketlerin bir fotoğrafa ihtiyacı yoktur, birçoğu önyargıdan kaçınmak için fotoğrafsız başvuruları yeğler ve bir fotoğraf bir aday takip sistemini şaşırtabilir. Birkaç ülke her CV'de fotoğraf bekler; açıkça isteyen bir yere başvuruyorsanız yerel teamüle uyun ama varsayılan olarak koymayın.

Veri özgeçmişimi belirli bir işe nasıl hedeflerim?

İlanı yığın ve alan için okuyun, sonra özgeçmişin ikisini de yansıtmasını sağlayın. Adını andığı tam araçları sizin için doğru olduğu yerde beceri bölümünüze koyun, deneyimi rolün yaptığı işe en yakın analizle açın ve özeti doğru iş alanını anacak şekilde ayarlayın. Kullanmadığınız bir aracı iddia etmeyin ama eşleşme bariz olsun diye gerçek işinizi yeniden sıralayıp yeniden ifade edin. Prezumi'nin yapay zeka düzenleyicisi gerçek kayıtlarınızı hiçbir şey uydurmadan bir ilana göre yeniden biçimlendirir ve ATS denetleyicisi dosyanın hâlâ temizce ayrıştırıldığını teyit eder.

Yazar hakkında

Zubair Baqai bir yapay zeka mühendisi ve Prezumi’nin kurucusudur. Prezumi’yi; Google, Meta, Microsoft ve Amazon gibi şirketlerde adayların mülakata çağrılmasını neyin sağladığını araştırdıktan sonra kurdu. Prezumi’nin CV, ATS taraması ve CV formatları üzerine rehberlerini yazıyor. Prezumi hakkında

İş arama araç kutun

Bir iş başvurusunun her adımı için ücretsiz araçlar. Üyelik yok.

• İşe özel bir ön yazı yaz — Özgeçmişini yükle, iş ilanını yapıştır, bir stil seç ve bir dakikadan kısa sürede pozisyona uygun bir ön yazı al.
• CV’nizi web sitesine dönüştürün — CV’nizi, uyumlu bir çevrimiçi CV ve işe alım uzmanları için tek paylaşılabilir bağlantıyla canlı bir kişisel web sitesine dönüştürün.
• ATS’in CV’nizi okuyup okuyamadığını kontrol edin — PDF’inizi yükleyin; metin çıkarımı, okuma sırası, bölümler, iletişim bilgileri ve içerik gücü için anında puan alın.
• İstifa dilekçesi yaz — Adını, görevini ve son çalışma gününü gir, bir ton seç; kopyalayabileceğin ya da PDF olarak indirebileceğin temiz, profesyonel bir istifa dilekçesi al.
• Harvard özgeçmişine dönüştür — Herhangi bir özgeçmişi öğrencilerin ve yeni mezunların kullandığı Harvard düzenine taşıyın: anında önizleme, PDF'i ücretsiz indirin.
• CV'nizi çevirin — Özgeçmişinizi İngilizce, İspanyolca, Almanca, Fransızca, İtalyanca, Portekizce, Türkçe ve Arapça arasında çevirin; düzen ve tarihler korunur.
• Zayıf CV metnini düzeltin — Klişeleri, zayıf fiilleri, belirsiz maddeleri ve eksik metrikleri bulun. 0–100 metin puanı ve daha güçlü yeniden yazımlar alın.
• Europass CV’ye dönüştürün — Her CV’yi Avrupalı işverenlerin beklediği Europass tarzı formata dönüştürün — anında önizleyin, PDF’i ücretsiz indirin.
• GPA ve notları dönüştürün — ABD GPA, yüzde, harf notu, İngiltere onur sınıfı, ECTS ve 10 üzerinden CGPA arasında dönüştürün — ve cum laude ile mezun olup olmadığınızı görün.

Temel sayfaları keşfet