Резюме Data Analyst отсекают, когда весь опыт — «работал в Tableau / Power BI / Excel». Инструмент не отвечает, какое решение приняли по вашим цифрам. Рекрутер ищет SQL, метрику, потребителя отчёта и влияние: что перестали делать руками, о чём перестали спорить, какой эксперимент посчитали.

Ниже — как собрать резюме аналитика данных: заголовок, SQL и продукт, кейсы без фейковых KPI, два заполненных блока пуль, что не класть из курсов визуализации. Каркас — в как составить резюме. Пули — в как описать опыт. Вход в роль — в как стать Data Analyst. Портфолио разборов — в портфолио аналитика.

Коротко:

  • Заголовок = Data Analyst / продуктовый аналитик / аналитик отчётности — одна роль, не «аналитик+data scientist+BI developer».
  • SQL обязателен фактом: запрос, витрина, сверка, не «знание SQL».
  • Каждый сильный пункт: метрика, источник, кто пользовался выводом.
  • Дашборд без потребителя слабее одной таблицы, по которой продукт изменил правило.
  • Курсы Kaggle и «10 дашбордов» не заменяют разбор с выводом и ограничениями.

Что читают за 15 секунд

На вакансиях Data Analyst смотрят:

  1. Продуктовая аналитика, отчётность, маркетинг, финансы — куда класть файл?
  2. SQL на уровне работы или Excel с картинками из BI?
  3. Есть ли решение бизнеса, не только «построил отчёт»?
  4. Python — плюс или притворство под DS?
  5. Можно ли открыть один разбор без пароля?

Смешение с Data Engineer и ML в шапке вредит: вас отправят на пайплайны или модели. Карточка — в резюме IT-специалиста. Навыки — в навыках Data Analyst. SQL как навык рынка — в SQL roadmap из этого же цикла, если добираете базу.

Структура

Шапка: роль, домен (продукт, ecom, внутренние отчёты), город / UTC, ссылка на один разбор. Summary: источники данных, SQL/Python/BI честно, 2 факта влияния. Опыт. Проекты, если штата нет. Навыки: SQL, склады/витрины если были, BI, Python только с задачами. Образование внизу.

Не ставьте шкалы «SQL 9/10». Не ставьте логотипы Tableau. Документ должен копироваться текстом. Remote — пояс: резюме для удалёнки. Summary — как написать summary. Стек — стек в резюме.

Заголовок и SQL

Было. Аналитик. Работа с большими данными. Визуализация, storytelling, Excel, Tableau, Power BI, SQL, Python, A/B, Machine Learning. Ищу компанию с сильной data-driven культурой.

Стало. Data Analyst, продукт подписок. SQL (PostgreSQL), сверка платежей и отчёт по оттоку для поддержки и продукта. Один разбор: [ссылка]. Python для выгрузок, моделей в проде нет. Москва / UTC+3.

SQL в summary должен стыковаться с пулями: JOIN, окна, сверка, витрина, а не слово. Если SQL слабый, не маскируйте BI. Слот «витрины и дашборды по готовым кубам» существует — откликайтесь туда честно, не на «аналитик, который пишет сложные запросы с нуля».

Как писать влияние на продукт

Формула: какая метрика или спор, что посчитали, кто принял решение, что изменилось. Нет процента — напишите процесс: «перестали спорить из двух выгрузок», «отчёт приходит в понедельник сам», «правило отказа оплаты зафиксировали».

Вытаскивайте:

  • определение метрики, которое согласовали;
  • сверку двух источников;
  • регулярный отчёт, который заменил ручную выгрузку;
  • разбор воронки / оттока / отказов с выводом «что проверять дальше»;
  • A/B только если вы считали, не «команда запускала эксперименты»;
  • ограничения данных: дырки, лаг, что нельзя утверждать.

Выдуманные «+30% conversion thanks to my dashboard» вскрываются вопросом «как считали базу». Честнее узкий вывод. Типичный канцелярит — в ошибках в резюме. Учебные разборы — как проекты: проекты в резюме.

Пример 1. Junior / учебный разбор

Вакансия: junior аналитик, SQL, Excel/Google Sheets, продуктовые отчёты, без обязательного Python.

Junior Data Analyst. Учебный разбор отказов оплаты в сервисе заказов — [ссылка на отчёт]. SQL + таблица. Коммерческого штата нет.

Собрал определение «отказ»: статусы кассы vs кабинета. Зафиксировал расхождение 12 заказов за неделю выгрузки — без этого продукт и поддержка спорили разными числами.

Запрос: заказы, статусы, повторные попытки. Ограничение: нет данных антифрода, в отчёте так и написано.

Вывод для продукта: проверять рассинхрон статуса, не «улучшить UX кнопки». Дашборд в BI не делал.

К тестовому SQL на этой неделе готов. Python и ML в шапке нет.

Это сильнее десяти цветных дашбордов «продажи супермаркета». Есть определение, сверка, ограничение, потребитель.

Пример 2. Аналитик в продукте

Вакансия: продуктовый аналитик, SQL, метрики подписки, отчёты для продукта и поддержки.

Data Analyst, подписки. PostgreSQL, dbt для трёх витрин (чтение), Looker. 2 года. Remote, UTC+3.

Собрал еженедельный отчёт по отказам оплаты: вместо ручной выгрузки в понедельник отчёт уходит сам. Потребители — поддержка и продукт.

Описал, какие статусы считать отказом. Перестали спорить из кассы и из кабинета.

Разобрал отток первой недели: сегмент «не активировал доступ». Рекомендация — письмо-активация; запуск делал продукт, мой кусок — счёт и срез.

A/B писем не считал самостоятельно — в файле нет «проводил эксперименты». Python: скрипт выгрузки, не модели.

Граница вклада явная. Это проходит скрининг. Приписать себе рост выручки команды — нет.

Портфолио, курсы, BI

Один разбор с вопросом, данными, запросами, выводом и «чего нельзя сказать» достаточен. Десять дашбордов без вопроса — шум. Не выкладывайте внутренние данные. Учебный набор так и подпишите.

Курс аналитики без артефакта в шапку не ставьте. Сертификат BI — вниз. Если вакансия про конкретный BI, назовите его в навыках, если работали, не «любой BI».

После сборки — проверка резюме. Часто всплывает стена инструментов и ноль определений метрик.

Тестовое, письмо, созвон

Тестовое аналитика почти всегда SQL + вывод. В резюме можно строкой готовности. Объём тестового — тестовое задание. Письмо указывает на разбор: сопроводительное, генератор.

На созвоне попросят определение метрики и ограничения. Готовьте один кейс вслух, не весь Tableau. SQL-вопросы — вопросы по SQL, общая подготовка — interview-prep. Тишина — почему не отвечают: часто слот DS при аналитическом файле.

SQL в файле: как писать, не прикладывая запросы

Рекрутер не просит вставить SQL в резюме. Он просит понять, что вы делаете с данными. Формулировки, которые работают:

  • «Сверка кассы и кабинета по id платежа: 12 расхождений за неделю выгрузки, правило статуса зафиксировали».
  • «Витрина отказов: dbt-модель, источник — события оплаты, потребитель — поддержка по понедельникам».
  • «Оконка по последнему статусу заказа, чтобы не считать промежуточные попытки отказом».
  • «Выгрузка в таблицу вместо ручного CSV; обновление по cron, дырки в событиях описаны в шапке отчёта».

Не пишите «сложные JOIN и оконные функции» как навык. Это обещание тестового. Если SQL слабый, не маскируйте BI-словом Data Analyst на слот «аналитик, который пишет запросы с нуля». Есть честные слоты отчётности по готовым кубам — откликайтесь туда с Excel/BI и одной сверкой, без притворства.

Python в аналитике: скрипт выгрузки, pandas-сборка, не «модели». ML в шапке отправит вас на DS. Если цель — аналитик продукта, оставьте модели внизу или уберите. Портфолио одного разбора важнее Kaggle: как собрать — в портфолио аналитика.

Дашборд, Excel и учебные наборы

Дашборд усиливает файл, если есть вопрос и потребитель. «Продажи супермаркета, 8 листов» без вывода не усиливает. В CIS-пачке 2026 года таких портфолио много: их не открывают. Лучше одна таблица с определением метрики и абзацем ограничений.

Excel не стыдно, если это был прод-процесс: сверка, регулярность, кто открывал файл. Стыдно выдавать его за SQL. Напишите оба, если оба были: «еженедельная таблица, затем перенос на витрину».

Учебный набор так и подпишите. Не притворяйтесь внутренним аналитиком банка. На созвоне спросят, кто пользователь и какой лаг данных — учебный ответ нормальный, вранье нет.

После добавления разбора прогоните файл через проверку резюме: часто остаётся стена Tableau–PowerBI–Excel–SQL–Python без одной метрики наверху.

Чек-лист перед откликом

  • Роль одна: продуктовый аналитик, отчётность, маркетинг — не смесь с DE и DS.
  • Первая пуля содержит метрику или сверку, не «строил отчёты».
  • SQL подтверждён фактом или честно отсутствует.
  • Есть потребитель вывода: продукт, поддержка, маркетинг.
  • Ограничения данных названы хотя бы в одном кейсе.
  • Ссылка на один разбор открывается. Десять дашбордов убраны из шапки.

Отклик — на вакансию аналитика с тем же классом задач. Тестовое SQL не обойти красивым BI. Готовьте один запрос и один вывод вслух: вопросы по SQL.

Частые вопросы

Нужен ли Python?

На части слотов — да, на части хватает SQL и таблицы. Пишите задачи, не язык. Pandas без вывода — как Tableau без потребителя. Если Python только в курсе, не ставьте его рядом с SQL в шапке: на тестовом дадут датафрейм, и будет видно. Честный SQL сильнее притворного «Python/SQL/BI/ML».

Можно ли писать Data Scientist?

Нет, если не было моделей в проде или честного research-контура. Слот DS вас снимет на математике и постановке эксперимента. Аналитик честнее и быстрее получает скрининг на своих вакансиях. Если модели были учебные — строка в проектах, не заголовок.

Как описать работу только в Excel?

Сверки, регулярный отчёт, определение поля, кто пользовался. Если SQL уже есть — наверх. Если нет — не маскируйте. Есть слоты отчётности, где таблица — основной инструмент. Вредно только выдавать Excel за «работу с хранилищем».

Что делать с NDA?

Отрасль, тип метрики, эффект, без имён и скринов. Учебный разбор того же класса рядом. Не пишите «не могу рассказать ничего» — тогда звать не за что. Можно: «подписки, сверка отказов оплаты, еженедельный отчёт поддержке».

Стоит ли A/B в шапке после одного курса?

Нет. Пишите, если считали дизайн, MDE, результат и можете объяснить, почему не сработало. Иначе «знакомился с экспериментами» внизу или никак. Слово A/B в шапке junior без факта почти всегда приводит к вопросу, на котором файл разваливается.

Одно резюме на маркетинг и продукт?

Лучше два акцента или один основной. Каналы и CAC — не то же, что воронка продукта. Шапка должна совпасть со слотом. Универсальный «аналитик данных / маркетинга / продукта» рекрутер некуда положить.

Перед отправкой перечитайте первую пулю вслух. Если в ней нет метрики, сверки или потребителя — это ещё обязанность. Перепишите её до отклика, не после десятка тихих вакансий.

Что сделать сейчас

Выберите одну метрику из последней работы или учебного набора. Опишите определение, запрос, ограничение, потребителя. Поставьте это в первую пулю. Уберите ML из шапки, если его нет. Дашборды без вопроса уберите из ссылок шапки — оставьте один разбор.

Откликнитесь на одну вакансию аналитика с SQL вашего уровня. Прогоните файл через разбор резюме и приложите ссылку на разбор, не галерею дашбордов. К тестовому приготовьте определение одной метрики и один JOIN вслух, не «все виды визуализаций».