CV analityka danych — wzór i gotowe punktory projektów

Ten tekst jest częścią przewodnika Przykłady CV po polsku — 3 wzory z omówieniem (2026).

CV analityka danych przegrywa nie przez brak narzędzi w stopce, tylko przez punktory, których nie da się obronić na rozmowie. „Znam SQL i Power BI” nie niesie żadnej informacji, a metryka dopisana na wyczucie rozsypuje się przy pierwszym pytaniu o metodologię pomiaru. Poniżej masz punktory rozpisane osobno dla SQL, Power BI, Pythona, testów A/B i jakości danych — razem z procedurą liczenia własnego wyniku i sposobem na opisanie efektu objętego NDA.

Jak zbudować CV analityka danych — sekcje, długość i zapis narzędzi

CV analityka danych mieści się na jednej stronie przy stażu do około pięciu lat i maksymalnie na dwóch przy dłuższym, w kolejności: dane kontaktowe, podsumowanie zawodowe, umiejętności techniczne, doświadczenie, projekty, wykształcenie, certyfikaty. Analityk danych to specjalista, który zamienia dane z baz i systemów firmy w liczby, raporty i rekomendacje — pracuje na SQL, narzędziu BI i arkuszu, a nie na modelach uczenia maszynowego.

Plik oddawaj jako PDF z warstwą tekstową, nigdy jako skan ani zrzut ekranu. Parsery używane na polskim rynku — eRecruiter, Traffit, HRlink, SmartRecruiters, Workday — dopasowują słowa kluczowe dosłownie, więc nazwy narzędzi przepisuj znak w znak z ogłoszenia: „Power BI” (nie „PowerBI”), „PostgreSQL” (nie „Postgre”), „scikit-learn” (nie „sklearn”). Ta sama zasada obowiązuje w każdym zawodzie technicznym — w CV mechanika samochodowego chodzi o marki i systemy diagnostyczne, u analityka o dialekty i wersje narzędzi.

Z danych osobowych podaj to, co mieści się w katalogu z art. 22(1) Kodeksu pracy: imię i nazwisko, datę urodzenia, wskazane przez Ciebie dane kontaktowe oraz — gdy jest to niezbędne do wykonywania pracy danego rodzaju — wykształcenie, kwalifikacje zawodowe i przebieg zatrudnienia. Zdjęcie i zainteresowania są poza tym katalogiem, więc ich przetwarzanie opiera się na Twojej zgodzie (art. 6 ust. 1 lit. a RODO). Ten tekst nie jest poradą prawną.

Sam układ graficzny — marginesy, nagłówki, kolejność bloków — możesz podejrzeć na przykładach CV z omówieniem; tutaj skupiamy się wyłącznie na treści punktorów.

Jak opisać poziom SQL, żeby nie wpaść na zadaniu rekrutacyjnym

Poziom SQL opisuj przez konstrukcje, których naprawdę używasz, i dialekt, w którym je piszesz — nigdy przez gwiazdki, procenty ani słowo „zaawansowany”. Rekrutacja na analityka prawie zawsze kończy się zadaniem przy tablicy albo w edytorze, więc deklaracja jest weryfikowana w ciągu kilkunastu minut.

Konstrukcje warte wymienienia, jeśli je znasz: funkcje okna (ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, SUM/AVG OVER PARTITION BY), wyrażenia CTE (WITH), różnice między INNER, LEFT i FULL JOIN, GROUP BY z HAVING, liczenie kohort i retencji na oknach czasowych. Dialekt podaj wprost: PostgreSQL, T-SQL, BigQuery Standard SQL albo Snowflake.

Nawiasy kwadratowe wypełnij własnymi liczbami, a nie cudzymi — sposób ich policzenia znajdziesz w sekcji o wynikach pod NDA.

Power BI w punktorach: Power Query, DAX, model gwiazdy i RLS

Power BI w CV analityka danych rozbija się na cztery warstwy i o każdej z nich rekruter pyta osobno: transformacja danych to Power Query (język M), obliczenia to DAX, struktura to model gwiazdy z tabelą faktów i tabelami wymiarów, a kontrola dostępu to RLS, czyli zabezpieczenia na poziomie wiersza. Punktor „znam Power BI” nie niesie informacji — „przebudowałem model na gwiazdę i przepisałem 40 miar w DAX” niesie.

W punktorach oddziel miary od kolumn obliczeniowych, bo to klasyczne pytanie na rozmowie. Dopisz skalę: liczbę raportów, źródeł danych, odbiorców i częstotliwość odświeżania. Warto też znać stronę kosztową: Power BI Desktop jest bezpłatny, ale publikowanie i udostępnianie raportów wymaga licencji Power BI Pro, której cena od 1 kwietnia 2025 wynosi 14 USD za użytkownika miesięcznie (Premium Per User — 24 USD).

Python, pandas i automatyzacja raportu — punktory do skopiowania

Pythona w CV analityka danych najlepiej pokazać przez jeden cykliczny raport, który zautomatyzowałeś od pobrania danych po gotowy plik — to konkret, który da się opowiedzieć w trzech zdaniach i obronić szczegółami. Sama lista bibliotek bez kontekstu wygląda jak spis treści kursu.

Stack, który realnie pracuje u analityka: pandas (merge, groupby, pivot_table, resample), NumPy, matplotlib i seaborn do wykresów, Jupyter Notebook do eksploracji, SQLAlchemy albo natywny konektor do bazy, openpyxl do plików Excela. Opisując projekt, podaj źródło danych, wielkość zbioru, harmonogram uruchomienia i to, co skrypt zwraca: arkusz, plik CSV dla hurtowni czy odświeżony zbiór dla dashboardu.

Jeżeli pracujesz też na danych z Google Analytics 4, napisz właśnie „Google Analytics 4 (GA4)”. Universal Analytics przestało zbierać dane 1 lipca 2023, więc ta nazwa w CV pokazuje wyłącznie, że sekcja narzędzi nie była aktualizowana od lat. Bezpłatne Looker Studio (do 2022 roku Google Data Studio) łączy się natywnie z GA4 i BigQuery — to najtańsza droga do publicznego dashboardu w portfolio, który rekruter otworzy jednym kliknięciem.

Testy A/B i jakość danych — punktory, które da się obronić

Punktor o testach A/B jest wiarygodny wtedy, gdy zawiera liczbę wariantów, wielkość próby, czas trwania testu oraz parametry statystyczne, a punktor o jakości danych — nazwę wymiaru jakości i narzędzie, którym go pilnujesz. Bez tych elementów zdanie „prowadziłem testy A/B” brzmi jak deklaracja z ogłoszenia, nie jak opis pracy.

Słownictwo, które musisz mieć opanowane, jeśli wpisujesz testy do CV: hipoteza zerowa, poziom istotności alfa 0,05, moc testu 80%, MDE (minimalny wykrywalny efekt), p-value, przedział ufności 95%, test z dla dwóch proporcji lub test t-Studenta, korekta Bonferroniego przy wielu wariantach oraz ryzyko zaglądania w wyniki w trakcie trwania testu. Jeśli któregoś z tych pojęć nie umiesz wytłumaczyć na głos, nie wpisuj testów A/B jako mocnej strony.

Przy jakości danych trzymaj się sześciu wymiarów opisanych w DAMA-DMBOK: kompletność, unikalność, aktualność, poprawność, spójność i zgodność z regułą. Narzędzia, które warto nazwać po imieniu, to testy dbt (unique, not_null, accepted_values, relationships), Great Expectations i Soda. Punktor w rodzaju „wdrożyłem [liczba] testów dbt na [liczba] modelach, przez co duplikaty w tabeli zamówień przestały wracać przy każdym wgraniu” rekruter może sprawdzić w rozmowie i właśnie dlatego on działa.

Jak opisać wynik projektu, gdy firmowych liczb nie wolno podać

Gdy dane są objęte NDA, podawaj wartości względne, rzędy wielkości i zakresy zamiast liczb bezwzględnych — to standardowa praktyka, a rekruter widzi ją codziennie. „Skróciłem czas przygotowania raportu miesięcznego o ponad połowę” albo „raport obsługuje kilkudziesięciu odbiorców w trzech krajach” mówi wystarczająco dużo i nie ujawnia niczego chronionego.

Zanim wpiszesz jakąkolwiek liczbę, przygotuj do niej trzy rzeczy: bazę porównawczą sprzed zmiany, okres pomiaru i jednostkę. Jeśli nie potrafisz odtworzyć wyliczenia na kartce w minutę, liczba nie nadaje się do CV. Ten sam problem mają inne role rozliczane z efektu — w CV specjalisty SEO wygląda to jak wybór między wzrostem widoczności a liczbą fraz w TOP 10.

Gotowe punktory możesz wprowadzić od razu w kreatorze ŁatweCV, który dopasuje ich brzmienie do konkretnego ogłoszenia i pokaże, których haseł jeszcze brakuje.

Które certyfikaty realnie liczą się w CV analityka danych

W CV analityka danych najmocniej działają certyfikaty egzaminowane, a nie ukończone kursy: Microsoft Certified: Power BI Data Analyst Associate (egzamin PL-300), Microsoft Certified: Fabric Analytics Engineer Associate (DP-600) oraz Tableau Desktop Specialist. Google Data Analytics Professional Certificate z Coursery jest sygnałem systematycznej nauki i dobrze wygląda przy zmianie branży, ale dowodem umiejętności pozostaje portfolio.

O PL-300 warto wiedzieć trzy rzeczy przed wpisaniem go do CV. Egzamin trwa 100 minut, jest nadzorowany, rejestracja idzie przez Pearson VUE i obejmuje cztery obszary: przygotowanie danych, modelowanie danych, wizualizację i analizę oraz zarządzanie i zabezpieczanie Power BI. Polskiej wersji językowej nie ma — w praktyce zdaje się go po angielsku, a po niezdanej próbie kolejne podejście jest możliwe po 24 godzinach.

Trzecia rzecz jest najczęściej pomijana: certyfikat wygasa. Microsoft wymaga bezpłatnego odnowienia co 12 miesięcy przez ocenę online na Microsoft Learn, dlatego w CV podawaj datę ważności, a nie samo „PL-300”. Rejestruj się na prywatne konto Microsoft, bo rekordy egzaminów przypisane do konta służbowego przepadają po odejściu z firmy. Sekcja certyfikatów rządzi się tu tą samą logiką co uprawnienia UDT w CV magazyniera albo uprawnienia budowlane w CV kierownika budowy — liczy się data ważności i możliwość weryfikacji, nie sama nazwa.

Czy podawać oczekiwania finansowe w CV analityka danych

Oczekiwań finansowych nie umieszczaj w CV, chyba że ogłoszenie wprost o nie prosi — wtedy podaj widełki, a nie jedną kwotę, i zaznacz, czy mówisz o kwocie brutto na umowie o pracę. Punkt odniesienia daje Ogólnopolskie Badanie Wynagrodzeń Sedlak & Sedlak: dla stanowiska analityka baz danych mediana wynosi 9 750 zł brutto (aktualizacja styczeń 2026, próba 508 osób), przy czym 25% badanych zarabia poniżej 8 110 zł, a 25% powyżej 12 000 zł.

W rozbiciu na poziomy ten sam raport podaje medianę 7 320 zł brutto dla młodszego specjalisty (kwartyle 6 500–8 650 zł), 9 750 zł dla specjalisty (8 110–12 000 zł) i 12 780 zł dla starszego specjalisty (9 900–15 820 zł). Traktuj te liczby jako punkt startowy i koryguj je o miasto, branżę i formę zatrudnienia, a sam sposób podawania kwoty dopracuj przed rozmową, korzystając z poradnika o tym, jak formułować oczekiwania finansowe.

Unijna dyrektywa 2023/970 o jawności wynagrodzeń zakłada m.in. informowanie kandydata o widełkach przed rozmową i zakaz pytania o dotychczasowe zarobki; termin jej transpozycji przypadał na 7 czerwca 2026, a stan wdrożenia w polskim prawie sprawdź w oficjalnych źródłach na dzień, w którym aplikujesz.

Checklista

Częste pytania

Czym różni się CV analityka danych od CV data scientista?

CV analityka danych opisuje raportowanie i wnioski z danych, które już są w firmie: SQL, model w Power BI lub Tableau, arkusz, testy A/B, jakość danych. CV data scientista opisuje budowę modeli predykcyjnych, walidację i wdrożenie ich na produkcję. Jeżeli aplikujesz na analityka, sekcja z modelami uczenia maszynowego i konkursami Kaggle rozmywa profil zamiast go wzmacniać.

Czy analityk danych musi mieć portfolio na GitHubie?

Portfolio nie jest wymogiem formalnym, ale przy braku komercyjnego stażu jest jedynym dowodem, że opisane umiejętności są prawdziwe. Wystarczą dwa–trzy repozytoria: zapytania SQL z opisem problemu i wyniku, notatnik w Pythonie z czyszczeniem i agregacją danych oraz publiczny dashboard w Looker Studio na otwartych danych. W CV podaj bezpośredni link do konkretnego repozytorium, nie do profilu.

Ile stron powinno mieć CV analityka danych i czy dodawać zdjęcie?

Jedna strona przy stażu do około pięciu lat, maksymalnie dwie przy dłuższym doświadczeniu — plik zapisany jako PDF z warstwą tekstową. Zdjęcie jest opcjonalne: nie należy do katalogu danych z art. 22(1) Kodeksu pracy, więc pracodawca nie może go wymagać, a jego przetwarzanie opiera się na zgodzie kandydata.

Czy w 2026 roku warto jeszcze wymieniać Excela w CV analityka danych?

Tak, ale nie jako „znajomość MS Office”. Wpisz konkretne moduły, których naprawdę używasz: Power Query, tabele przestawne, Power Pivot, funkcje wyszukujące. Excel bywa źródłem danych i formatem odbioru raportu przez biznes, więc rekruter traktuje go jako umiejętność roboczą, a nie ozdobę.

Jak napisać CV analityka danych bez doświadczenia komercyjnego?

Zamień sekcję doświadczenia na sekcję projektów opisanych tak samo jak praca: źródło danych, wielkość zbioru, narzędzie, co policzyłeś i jaki wniosek z tego wyszedł. Certyfikat w rodzaju PL-300 albo Google Data Analytics Professional Certificate jest sygnałem zainteresowania, ale dowodem jest kod i dashboard, które rekruter może otworzyć.