Een teamlead data of een manager leest je cv met één vraag in het achterhoofd: kan deze analist uit ruwe data een antwoord halen waar het bedrijf iets mee doet? Hij kijkt eerst naar je tools, zoals SQL, Power BI of Python, en naar de soort data waarmee je werkte.
Daarna zoekt hij naar impact. Welke vragen heb je beantwoord, wie gebruikte je dashboards en welke beslissing werd er genomen op basis van jouw analyse? Met concrete resultaten laat je zien dat je niet alleen rapporten maakt, maar dat je werk iets oplevert.
Een verzonnen voorbeeld. Kies hierboven een ander design. Alle zes designs zijn inbegrepen als je je eigen CV laat verbeteren.
5 tips voor je CV als data-analist
Noem je tools per niveau. Een lijst met tien programma's zegt weinig. Noem de tools die je echt dagelijks gebruikt, zoals SQL, Power BI, Python of Excel, en laat in je werkervaring zien wat je ermee bouwde. Zo kan een recruiter je niveau inschatten.
Begin bij de vraag, niet bij de tool. Schrijf niet 'maakte dashboards in Power BI', maar 'bouwde een dashboard waarmee de klantenservice dagelijks de wachttijden volgt'. Een werkgever wil zien dat je begrijpt welk probleem je oplost en voor wie.
Laat het resultaat zien. Wat veranderde er door jouw analyse? Noem het als het kan in een cijfer, zoals minder uitval in het afrekenproces of minder uren aan handmatige rapportages. Weet je de precieze impact niet, beschrijf dan de beslissing die erop volgde.
Toon dat je kunt uitleggen. Een goede analist vertelt een helder verhaal aan mensen die geen data-achtergrond hebben. Noem presentaties aan het management, trainingen die je gaf of een dashboard dat door een hele afdeling wordt gebruikt.
Zet een portfolio of LinkedIn erbij. Heb je een openbaar project, bijvoorbeeld op GitHub of in een blog, zet de link dan bij je contactgegevens. Gebruik nooit echte gegevens van je werkgever. Noem ook certificaten, zoals een Power BI- of SQL-certificaat, in een apart blok.
Vaardigheden voor een data-analist
Deze vaardigheden zoeken werkgevers vaak. Zet alleen op je CV wat je echt beheerst, en laat het liefst zien met een voorbeeld.
SQL en relationele databases
Dashboards bouwen in Power BI
Analyseren met Python (pandas)
Gevorderd Excel
Datakwaliteit controleren en opschonen
A/B-tests opzetten en uitwerken
Kpi's bepalen met de business
Helder presenteren aan niet-technische collega's
Zorgvuldig met privacy en de AVG
Nieuwsgierig en kritisch
Een sterke profieltekst voor een data-analist
Zo klinkt de profieltekst in dit voorbeeld:
Data-analist met ruim 6 jaar ervaring in e-commerce en de zorg. Vertaalt vragen van de business naar heldere analyses in SQL, Python en Power BI. Bouwde dashboards die dagelijks door tientallen collega's worden gebruikt en legt resultaten in gewone taal uit aan het management. Let scherp op datakwaliteit en privacy.