Veri Analisti CV'si: Araçlar, İş Etkisi, Projeler ve Tam Örnek

Güçlü bir veri analisti CV'si iki şeyi hızla gösterir: hangi araçları gerçekten kullanabildiğinizi ve analizlerinizin hangi kararları değiştirdiğini. En üste net bir unvan ve SQL, Python, Power BI gibi ana araçlarınızı yazın. Ardından soruyu, yöntemi ve iş sonucunu birbirine bağlayan maddeler ekleyin. Yeni başlayanlar için bir sayfa, deneyimliler için iki sayfa uygundur. Deneyiminiz azsa iyi anlatılmış bir veya iki proje bu açığı kapatabilir. Bu rehber veri, iş zekâsı ve ürün analistleri ile yeni mezunlar ve kariyer değiştirenler içindir. Öncesi ve sonrası örnekleri ve kullanabileceğiniz tam bir CV de içerir.

Uzmanlık ve araçlarla başlayın

Adınızın altına net bir unvan yazın: “Veri Analisti | SQL, Power BI, Python”. Ardından sektörünüzü, çalıştığınız veri türünü ve güçlü bir sonucu anlatan kısa bir özet ekleyin. “Analitik düşünen” gibi ifadeler tek başına ikna etmez; bunu örneklerle gösterin.

Önce: Verilerle çalışmayı seven, detaycı bir analist.

Sonra: E-ticarette 4 yıl deneyimli veri analisti. 3 departman için SQL modelleri ve Power BI panoları hazırlıyor; marjı %6 iyileştiren fiyat analizini yönetti.

Araç adını değil, derinliği gösterin

İlanların çoğu SQL, bir görselleştirme aracı ve çoğu zaman Python ister. Ancak yalnızca “SQL” yazmak az şey söyler. Onunla ne yaptığınızı gösterin: birleştirmeler, pencere fonksiyonları, sorgu optimizasyonu veya veri modelleri. Uzun bir listeden çok derinlik işe yarar. Ayrıntılar için beceriler rehberine bakın.

• SQL: BigQuery, PostgreSQL veya SQL Server; JOIN, CTE ve pencere fonksiyonları.
• İş zekâsı: DAX ve Power Query ile Power BI, Tableau veya Looker.
• Python veya R: pandas, veri temizleme, not defterleri ve otomasyon.
• Excel: Power Query, pivot tablo ve modelleme; finans ekiplerinde hâlâ çok önemli.
• Yöntemler: A/B testi, kohort analizi, tahminleme ve segmentasyon.

Her ana aracı deneyim bölümünde bir rakamla destekleyin: tablo sayısı, veri hacmi veya kullanıcı sayısı. PL-300 gibi bir sertifika yardımcı olur, fakat kanıtın yerini tutmaz.

Analizi kararlara bağlayın

İşveren, yöntemin ne kadar karmaşık olduğundan çok hangi karara hizmet ettiğini merak eder. Şu sırayı izleyin: kimin kararı, neyi analiz ettiniz, sonra ne oldu? Eylem ve sonuç kalıbını kullanın. Rakamlar örnektir; yalnızca açıklayabileceklerinizi yazın.

Önce: Haftalık satış raporları hazırladım.

Sonra: Elle hazırlanan raporu 30 kişinin kullandığı bir Power BI panosuyla değiştirdim; haftada 6 saat kazandırdım ve satış yöneticilerine aynı gün veri sağladım.

Önce: Müşteri verilerini analiz ettim.

Sonra: SQL ve Python ile kohort analizi yaparak ikinci aydaki düşüşü buldum; ardından yapılan karşılama değişikliği elde tutmayı 4 puan artırdı.

Önce: A/B testleri yaptım.

Sonra: Ödeme adımında 12 A/B testi tasarlayıp analiz ettim; 2 zararlı değişikliği yayından önce durdurdum, dönüşümü %3 artıran bir değişikliği destekledim.

Önce: Verileri temizledim.

Sonra: 40 tablo için veri kalite kontrollerini Python ile otomatikleştirdim; rapor hatalarını azalttım, aylık mutabakatı 2 günden 3 saate indirdim.

Gelir etkisini paylaşamıyorsanız işinizi kimin kullandığını ve onlar için neyin değiştiğini yazın. Kazanılan zaman, kullanım, doğruluk ve önlenen hatalar da gerçek sonuçlardır. Katkı konusunda dürüst olun: Çoğu başarı ekip işidir, bu yüzden geçerliyse “destekledim” yazın.

Projeleri doğru kullanın

Projeler kariyer değiştiriyorsanız veya deneyiminiz azsa çok önemlidir. Tüm kurs alıştırmalarını sıralamak yerine en iyi bir veya iki projeyi seçin. Herkesin kullandığı hazır veri kümeleri yerine sizi gerçekten ilgilendiren bir soruyu tercih edin.

• Soru: neyi öğrenmek istediniz ve neden önemli?
• Veri: kaynak, büyüklük ve temizleme adımları.
• Yöntem ve araçlar: SQL, Python veya iş zekâsı çalışmanız.
• Bulgu: net bir sonuç ve öneri.
• Bağlantı: GitHub, Tableau Public veya çalışan bir pano.

İşe ve deneyime göre uyarlayın

• Finans ve sanayi: Excel, Power BI, tahminleme ve raporlama.
• Dijital ve ürün: SQL, Python, deneyler, huniler ve olay verileri.
• Yeni mezun: eğitim, staj ve projeler. Deneyimsiz CV rehberine bakın.
• Kariyer değişimi: eski alan bilginiz ve yeni beceriler; kariyer değiştirme rehberine bakın.
• Kıdemli: veri stratejisi, ortak tanımlar, mentorluk ve üst yönetime etki.

İlandaki araç adlarını, doğruysa, aynen kullanın ve sektöre göre anahtar kelimeleri kontrol edin. Üretim kodu yazıyorsanız yazılım mühendisi rehberi de işinize yarar.

Kısa ve tam bir örnek

Kişi ve rakamlar kurgusaldır, ancak format kullanılabilir.

Selin Koç | Veri Analisti | SQL, Power BI, Python | Ankara | Telefon | E-posta | LinkedIn | github.com/ornek

Özet: E-ticarette 4 yıl deneyimli veri analisti. Müşteri ve satış verilerini fiyat ve sadakat kararlarına dönüştürüyor.

Deneyim: Veri Analisti, Anadolu Ticaret, 2022 – devam. 3 departmanda 30 kullanıcılı pano, haftada 6 saat kazanç. Fiyat analizi, marjda %6 iyileşme. 12 A/B testi.

Junior Analist, Başkent Analitik, 2020 – 2022. 40 tablo üzerinde SQL modelleri. Otomatik kontroller, mutabakat 2 günden 3 saate indi.

Beceriler: SQL (BigQuery), Power BI (DAX), Python (pandas), Excel. Eğitim: İstatistik, Hacettepe Üniversitesi, 2020. PL-300, 2023. İngilizce: ileri.

Sık yapılan hatalar

• Kullanım kanıtı olmadan araç listelemek.
• Raporları kimin kullandığını yazmamak.
• Şirket genelindeki bir sonucu kendine mal etmek.
• Gizli rakam veya müşteri verisi paylaşmak.
• Sonuçsuz portföy projeleri göstermek.
• Rakam hataları yapmak; bu, analist için çok zararlıdır.

Sonuç

Başvurmadan önce unvanın, ana araçların ve kararlara bağlı üç sonucun ilk sayfanın üst yarısında olduğunu kontrol edin ve her rakamı yeniden okuyun. Düzen için profesyonel CV rehberimizden yararlanabilirsiniz.