CV analityka danych — wzór i gotowe punktory projektów

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.

Dlaczego działa: Power BI i SQL rozbite na konstrukcje (DAX, model gwiazdy, RLS, funkcje okna), które parsery ATS dopasowują dosłownie; każdy punkt ma liczbę z bazą porównawczą do obrony na rozmowie; certyfikat PL-300 z datą ważności zamiast samej nazwy egzaminu, a link do repozytorium zastępuje deklaracje.

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. Analityk dzieli tu los innych ról ocenianych po pracy do obejrzenia — w CV UX designera tę samą funkcję dowodu pełni link do konkretnego case study.

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.

Projekty i portfolio w CV analityka danych — jak opisać projekt, żeby rekruter zobaczył zakres analiz

Projekt w CV analityka danych opisuj zawsze w tym samym schemacie: nazwa i link do repozytorium, źródło i wielkość danych, pytanie biznesowe, narzędzia z nazwaną konstrukcją (SQL, Python, Power BI, test A/B) oraz wynik z liczbą. Sekcję „Projekty” umieść po doświadczeniu, a przy braku stażu bezpośrednio pod podsumowaniem — dwie–trzy pozycje opisane w pełni działają lepiej niż lista dziesięciu nazw.

Każdy projekt to jeden akapit albo dwa punktory, nie streszczenie notatnika. Rekruter otworzy link, więc README w pierwszych zdaniach ma powtarzać to, co stoi w CV: skąd dane, co policzyłeś, co z tego wynika. Otwarte zbiory, które dobrze wyglądają w polskim CV: Bank Danych Lokalnych GUS, zbiory z dane.gov.pl, publiczne dane BigQuery (na przykład thelook_ecommerce) i zbiory sprzedaży detalicznej z Kaggle. Sposób ułożenia repozytoriów i README tak, by zastąpiły brak stażu, opisuje poradnik o projektach własnych i GitHubie w CV.

CV analityka danych a CV data scientist i analityka finansowego — co zmienić w podsumowaniu i umiejętnościach

Przy przejściu z CV analityka danych na CV data scientista albo analityka finansowego zmieniasz dwa miejsca: pierwsze zdanie podsumowania (nazwa roli i typ efektu pracy) oraz skład i kolejność sekcji umiejętności — punktory z doświadczenia zostają, ale przepisujesz je pod inną metrykę. Tytuł stanowiska wpisuj dokładnie tak, jak brzmi w ogłoszeniu (Data Analyst, BI Analyst, Data Scientist, Financial Analyst, FP&A Analyst), bo parser ATS dopasowuje go dosłownie.

Podsumowanie analityka finansowego brzmi na przykład: „Analityk finansowy z 3-letnim doświadczeniem w FP&A (SAP FI/CO, Excel Power Pivot); prowadzę budżet roczny [liczba] MPK i prognozę kroczącą, odchylenie prognozy od wykonania utrzymuję poniżej [liczba]%”. Jak dobrać i udowodnić umiejętności w CV niezależnie od roli, opisuje osobny poradnik. Jeżeli ogłoszenie jest po angielsku, całe CV piszesz w tym języku — strukturę i wzór znajdziesz w poradniku o CV po angielsku.

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.