მონაცემთა ანალიტიკოსის CV-ის ნიმუში
მოამზადა FindAJobAI-ის გუნდმა განახლდა:
მონაცემთა ანალიტიკოსის CV-ში დამსაქმებელი ორ რამეს ეძებს: ფლობთ თუ არა საჭირო ინსტრუმენტებს (SQL, Python, Power BI, Tableau) და იქცევა თუ არა თქვენი ანალიზი ბიზნესის გადაწყვეტილებად. ბევრი CV პირველს აჩვენებს, მეორეს კი ვერა, თუმცა ანალიტიკოსს სწორედ ანალიზის შედეგისთვის ქირაობენ.
ნიმუშში ანალიტიკოსია ოთხწლიანი გამოცდილებით ქართულ ბანკსა და ონლაინ-მაღაზიაში. ქვემოთ ახსნილია, როგორ აღწეროთ ანალიტიკური პროექტები, რა ჩაწეროთ გამოცდილების ნაცვლად, თუ დამწყები ხართ, და რით განსხვავდება CV ქართული და საერთაშორისო დამსაქმებლისთვის.
მონაცემთა ანალიტიკოსის CV ინგლისურ ენაზე
სრული ნიმუში გამოგონილი კანდიდატისთვის. სექციების სათაურები და ტექსტი ინგლისურადაა, ზუსტად ისე, როგორც უცხოელ დამსაქმებელს გაუგზავნიდით.
ნიმუში · გამოგონილი კანდიდატი
Ana Gelashvili
Data Analyst (SQL, Python, Power BI)
Tbilisi, Georgia (GMT+4) · Open to remote
[email protected] · +995 5XX XX XX XX · LinkedIn · GitHub
Summary
Data analyst with 4 years of experience in banking and e-commerce. Build SQL pipelines and Power BI dashboards used by 60+ managers, and found the churn drivers behind a retention campaign that kept GEL 2.1M in deposits. Explain results clearly to non-technical teams in English and Georgian.
Experience
Data Analyst, Woodgrove Bank
Tbilisi, Georgia · Aug 2024 – Present
- Designed 12 Power BI dashboards on retail lending and deposits, used every week by 60+ branch and product managers.
- Built a churn model in Python (logistic regression) that flagged at-risk depositors; the retention campaign based on it kept GEL 2.1M in deposits in one quarter.
- Replaced a 2-day manual monthly report with an automated SQL pipeline that refreshes in 20 minutes.
- Trained 25 colleagues in self-service reporting and wrote the team's SQL style guide.
Junior Data Analyst, Adventure Works Online
Tbilisi, Georgia · Oct 2022 – Jul 2024
- Analyzed checkout funnel data for 80K monthly orders; a fix to the delivery-fee step lifted conversion by 7%.
- Ran 15 A/B tests with the product team and reported the results with confidence intervals.
- Cleaned and merged 3 years of order data from 4 sources into one PostgreSQL table.
Skills
- Data: SQL (PostgreSQL, SQL Server), Python (pandas, scikit-learn), Excel
- BI: Power BI (DAX), Tableau, Looker Studio
- Methods: A/B testing, regression, cohort and funnel analysis, data cleaning
Certifications
- Microsoft Certified: Power BI Data Analyst Associate (2024)
- Google Data Analytics Professional Certificate (2022)
Education
- Bachelor of Economics, International Black Sea University, 2022
Languages
Georgian (native) · English (C1) · Russian (B1)
ნიმუში მოამზადა FindAJobAI-ის გუნდმა: კანდიდატი, კომპანიები და ციფრები გამოგონილია. გადმოიღეთ სტრუქტურა და პუნქტების აგების წესი, ტექსტი კი საკუთარი გამოცდილებით დაწერეთ, ისეთი ციფრებით, რომელთა ახსნაც გასაუბრებაზე შეგიძლიათ.
რატომ მუშაობს ეს CV
- სათაურში სამი მთავარი ინსტრუმენტია, ზუსტად ის, რასაც ATS-ფილტრები და რეკრუტერები ეძებენ.
- ყოველი პროექტი ბიზნესის შედეგით მთავრდება: შენარჩუნებული დეპოზიტები, კონვერსიის ზრდა, დაზოგილი დრო.
- ჩანს, ვინ იყენებს ანალიზს (60-ზე მეტი მენეჯერი), რაც დაშბორდის რეალურ სარგებელს ამტკიცებს.
- მეთოდები (A/B ტესტი, რეგრესია, კოჰორტული ანალიზი) ცალკე ხაზადაა, რადგან ტექნიკური გასაუბრება ხშირად სწორედ მათზეა.
- სერტიფიკატები და GitHub აჩვენებს, რომ კანდიდატი სწავლობს და მისი კოდის ნიმუშების ნახვაც შეიძლება.
როგორ გამოიყენოთ ეს ნიმუში
- შეადარეთ სტრუქტურა. ნახეთ, რა თანმიმდევრობითაა სექციები და როგორ არის აწყობილი თითოეული პუნქტი: ზმნა, ამოცანა, შედეგი.
- ჩაწერეთ საკუთარი შედეგები. ყოველი პუნქტი თქვენი რეალური სამუშაოთი შეცვალეთ. თუ ზუსტი ციფრი არ გახსოვთ, ის გამოიყენეთ, რისი დასაბუთებაც შეგიძლიათ.
- მოარგეთ ვაკანსიას. სათაური, შეჯამება და უნარები კონკრეტული ვაკანსიის ფორმულირებით დაწერეთ, გაგზავნამდე კი შეამოწმეთ, რომელი საკვანძო სიტყვები აკლია CV-ს.
როგორ დავწეროთ მონაცემთა ანალიტიკოსის CV
1. კითხვა, ანალიზი, გადაწყვეტილება
ყოველი პუნქტი ასე ააწყვეთ: რა კითხვას პასუხობდით, რა მონაცემით და მეთოდით, და რა გადაწყვიტა ბიზნესმა თქვენი შედეგის საფუძველზე. „Created reports“ ვერ აჩვენებს, რომ თქვენი ანალიზი რამეს ცვლის.
2. ინსტრუმენტები ცოდნის დონით
SQL-ის, Python-ის და BI-ის ცოდნა ძალიან განსხვავებული დონის შეიძლება იყოს. აჩვენეთ, კონკრეტულად რას აკეთებთ: window functions, pandas, DAX. ჩამოთვალეთ მხოლოდ ის, რასაც ტესტურ დავალებაში თავისუფლად გამოიყენებთ.
3. დამწყებისთვის: პროექტები გამოცდილების ნაცვლად
2–3 პროექტი ღია მონაცემებით (საქსტატის, Kaggle-ის ან საჯარო API-ის) GitHub-ზე ან Tableau Public-ზე, მოკლე აღწერით: კითხვა, მეთოდი, დასკვნა. საქსტატის მონაცემებზე აწყობილი ქართული ბაზრის ანალიზი გასაუბრებაზე კარგ სასაუბრო თემადაც იქცევა.
4. აჩვენეთ, როგორ ხსნით შედეგებს
ანალიტიკოსი შედეგებს ხშირად ისეთ მენეჯერებს უხსნის, რომლებსაც ტექნიკური ცოდნა არ აქვთ. თუ პრეზენტაციებს ამზადებდით, კოლეგებს ასწავლიდით ან დოკუმენტაციას წერდით, ეს ცალკე პუნქტად ღირს.
5. სერტიფიკატები სწორ ადგილას
Google Data Analytics-ის ან Microsoft-ის Power BI-ის (PL-300) სერტიფიკატი დამწყებს ფილტრის გავლაში ეხმარება. გამოცდილ ანალიტიკოსს კი პროექტები და შედეგები უფრო წაადგება, ამიტომ სერტიფიკატები CV-ის ბოლოს მოათავსეთ.
6. მონაცემების მოცულობა და წყაროები
მიუთითეთ, რა მასშტაბის მონაცემებთან მუშაობდით და საიდან: ტრანზაქციები, შეკვეთები, CRM, ვებანალიტიკა. „80K monthly orders“ ან „4 data sources“ რეკრუტერს აჩვენებს, რომ რეალურ, არეულ მონაცემებთანაც გიმუშავიათ და არა მხოლოდ სასწავლო ცხრილებთან.
CV ქართულად თუ ინგლისურად?
ბანკებსა და დიდ ქართულ კომპანიებში ანალიტიკოსის ვაკანსიაზე ინგლისური CV-ც ხშირად მიიღება, რადგან გუნდები ინგლისურ ტერმინოლოგიას იყენებენ. თუ ვაკანსია ქართულადაა გამოცხადებული, CV ქართულად გაგზავნეთ, ოღონდ ინსტრუმენტების და მეთოდების სახელები (SQL, A/B test, churn) ორიგინალში დატოვეთ.
საერთაშორისო და დისტანციურ პოზიციებზე ინგლისური CV აუცილებელია. ასეთ ვაკანსიას ხშირად ტესტური დავალება და ტექნიკური გასაუბრება მოსდევს ინგლისურად, ამიტომ CV-ში მხოლოდ ის ტერმინები გამოიყენეთ, რომელთა ახსნაც ინგლისურად თავისუფლად შეგიძლიათ.
ქართულ ვერსიაში ანალიტიკური ტერმინების თარგმნას ნუ ეცდებით, თუ ქართული ეკვივალენტი გავრცელებული არ არის: „churn“, „dashboard“ და „A/B ტესტი“ ქართულ ტექსტშიც გასაგებია. სამაგიეროდ, შედეგი და ბიზნესის გადაწყვეტილება მკაფიოდ, ქართულად აღწერეთ.
ხშირი შეცდომები
- ინსტრუმენტების სია ყოველგვარი კონტექსტის გარეშე: „SQL, Python, Tableau, R, Spark, Hadoop…“.
- დაშბორდის ხსენება („Created dashboards“) ისე, რომ არ ჩანს, ვინ იყენებს მას და რისთვის.
- სასწავლო კურსების ცნობილი პროექტები (Titanic, Iris) პორტფოლიოს მთავარ ნაწილად: ისინი ძალიან ბევრ CV-შია და არაფრით გამოგარჩევთ.
- ზედმეტად ტექნიკური ენა იქ, სადაც შედეგი უნდა ჩანდეს: „performed EDA using pandas“ ნაკლებს ამბობს, ვიდრე „found that most churn came from one product“.
ვაკანსიები და სასარგებლო ბმულები
ვაკანსიები
CV-ის სხვა ნიმუშები
ხშირი კითხვები
რა უნდა იცოდეს დამწყებმა ანალიტიკოსმა CV-ის გაგზავნამდე?
მინიმუმ SQL (JOIN-ები, აგრეგაცია), Excel (pivot tables) და ერთი BI-ინსტრუმენტი (Power BI ან Tableau). Python სასარგებლოა, მაგრამ დამწყების ბევრი ვაკანსია მას აუცილებლად არ ითხოვს. CV-ში ის მიუთითეთ, რისი ჩვენებაც პროექტით შეგიძლიათ.
ეკონომისტი ვარ და ანალიტიკაში გადასვლა მინდა. როგორ დავწერო CV?
ხაზი გაუსვით ანალიტიკურ ამოცანებს, რომლებიც უკვე შეგისრულებიათ: ანგარიშები, პროგნოზები, Excel-ის მოდელები. დაამატეთ 2–3 პროექტი SQL-ით ან Python-ით და შესაბამისი სერტიფიკატი. სათაურად „Data Analyst“ მაშინ დაწერეთ, როცა პროექტები ამას ამართლებს.
საჭიროა თუ არა მაგისტრის ხარისხი მონაცემთა ანალიტიკოსისთვის?
უმეტესად არა. დამსაქმებლები პრაქტიკულ უნარებს და პროექტებს უფრო აფასებენ. მაგისტრის ხარისხი სტატისტიკაში ან მონაცემთა მეცნიერებაში Data Scientist-ის პოზიციებზე უფრო გამოგადგებათ, ანალიტიკოსისთვის კი აუცილებელი არ არის.
რა განვათავსო GitHub-ზე ანალიტიკოსის პორტფოლიოსთვის?
2–3 დასრულებული პროექტი: მონაცემების აღწერა ან ბმული, SQL-ის ან Python-ის კოდი და მოკლე README კითხვით, მეთოდით და დასკვნით. დაშბორდის შემთხვევაში დაურთეთ სკრინშოტი ან ბმული Tableau Public-ზე. ცოტა, მაგრამ მოწესრიგებული პროექტი ჯობია ბევრ დაუმთავრებელს.