Esempio di curriculum per data analyst

Come scrivere il profilo di un data analyst

In tre o quattro frasi il profilo deve dire in quali settori hai lavorato, con quali strumenti, che tipo di decisioni hanno supportato le tue analisi e quale ruolo cerchi. Settore e dominio contano: chi ha lavorato su dati di e-commerce, assicurazioni, banca o manifattura parla già la lingua del business, e questo riduce i tempi di inserimento.

Evita le liste di parole chiave senza contesto, come appassionato di dati, problem solver, orientato ai risultati. Scrivi piuttosto quale problema hai risolto: un test A/B che ha cambiato il checkout, un'analisi che ha portato a cambiare fornitore, un modello di previsione usato per pianificare il personale.

Mostra la decisione, non solo la dashboard

Una dashboard in sé non è un risultato: lo è quello che qualcuno ha deciso grazie a essa. Per ogni punto prova a seguire questo schema: domanda di business, analisi, decisione, effetto.

• Debole: Realizzazione di dashboard in Power BI per l'area commerciale.
• Forte: Dashboard Power BI su margini per categoria che ha portato a rivedere i prezzi di 120 prodotti, con un aumento del margine lordo di 1,5 punti.

Anche il tempo risparmiato è un risultato, se lo quantifichi: ore di lavoro manuale eliminate, report automatizzati, errori evitati. Se i numeri sono riservati, usa percentuali, ordini di grandezza o confronti relativi, e non riportare mai dati personali o informazioni che il tuo datore di lavoro non ha reso pubbliche.

Le competenze tecniche che vengono controllate

Raggruppa gli strumenti per categoria e indica quanto li usi. Un responsabile scorre la sezione in pochi secondi per capire se ti serve formazione:

• Linguaggi: SQL (indica il dialetto o il database: BigQuery, Snowflake, PostgreSQL, SQL Server), Python o R con le librerie principali.
• BI e visualizzazione: Power BI, Tableau, Looker, Looker Studio, Qlik.
• Dati e pipeline: dbt, Airflow, strumenti ETL, data warehouse in cloud.
• Statistica: test A/B, regressione, serie storiche, segmentazione.
• Strumenti di prodotto: Google Analytics 4, Mixpanel, Amplitude, se lavori con dati digitali.

Excel è ancora importante in molte aziende italiane: se lo usi a livello avanzato, scrivilo con le funzioni che conosci. Indica solo ciò che sai usare davvero: nei colloqui per data analyst la prova tecnica di SQL è molto frequente.

Costruire un portfolio da data analyst

Se hai poca esperienza, o se vuoi cambiare settore, un portfolio fa la differenza. Bastano due o tre progetti ben fatti, pubblicati su GitHub o in un sito personale, ognuno con domanda, dati, metodo, risultati e un breve commento sui limiti dell'analisi.

Usa dati pubblici e interessanti per chi ti legge: dati ISTAT, open data dei comuni e delle regioni, dati sui trasporti o sul turismo. Un'analisi sui ritardi dei treni regionali o sugli affitti nella tua città è più memorabile dell'ennesimo dataset del Titanic. Nel curriculum metti il link e una riga per ogni progetto.

Personalizzazione, lunghezza e formato

Una pagina va bene fino a circa cinque anni di esperienza, due pagine dopo. Usa un formato pulito, senza grafici o barre per indicare il livello delle competenze: molti sistemi di selezione non li leggono e un responsabile tecnico preferisce un elenco chiaro.

Adatta il curriculum a ogni candidatura: per un ruolo di product analyst metti in alto test A/B e analisi del funnel, per un ruolo in area finanza la modellazione dei dati e la riconciliazione con i numeri contabili. Riprendi le parole dell'annuncio quando corrispondono alla tua esperienza. La foto è facoltativa; in fondo puoi aggiungere la dicitura sul trattamento dei dati ai sensi del Regolamento UE 2016/679 (GDPR), ancora molto diffusa in Italia.

Esempi di profilo professionale: Data analyst

Esempi di risultati per il CV: Data analyst

• Progettato e analizzato 18 test A/B sul sito, di cui sei estesi a tutti gli utenti, per un aumento complessivo della conversione del 7%.
• Sostituiti 14 report Excel manuali con una dashboard Power BI aggiornata ogni giorno, risparmiando al team commerciale circa 20 ore al mese.
• Individuato con un'analisi per coorti che i ritardi della prima consegna erano la principale causa di abbandono, portando al cambio di corriere.
• Costruito un modello di previsione delle vendite settimanali con uno scarto medio del 6%, usato per gli ordini di 900 prodotti.
• Automatizzato con Python e Airflow l'estrazione e la pulizia dei dati di magazzino, riducendo la preparazione del report da un giorno a 20 minuti.
• Definiti con la Finanza 25 indicatori condivisi, eliminando le differenze tra i numeri dei vari reparti.
• Migrati 60 report da SQL Server a BigQuery e dbt, con test automatici sulla qualità dei dati.
• Segmentato la base clienti in cinque gruppi per comportamento d'acquisto, usati dal marketing per campagne con un tasso di apertura più alto del 22%.
• Formati 30 colleghi delle aree commerciali sull'uso autonomo delle dashboard Power BI.
• Ripulite e deduplicate 210.000 anagrafiche clienti prima di una migrazione al nuovo CRM, nel rispetto delle regole di conservazione dei dati.

Competenze per il tuo CV: Data analyst