Как составить резюме аналитика данных: пошаговая инструкция с примерами

Большинство начинающих аналитиков проигрывают не из-за слабых навыков, а из-за ошибок в подаче. Главная — список обязанностей вместо измеримых достижений. Ещё одна — резюме, которое застревает на автофильтре и до рекрутера вовсе не добирается. По данным опроса среди HR-специалистов, 92% рекрутеров предпочитают резюме длиной в одну страницу для Junior и Middle.

Ниже — пошаговая инструкция: структура → навыки → опыт → портфолио → ATS. О том, как в целом войти в профессию, читайте в материале как стать аналитиком данных.

Что нужно знать перед составлением: два получателя резюме

Перед тем как открывать шаблон, важно понять: резюме читают двое. Первый — ATS (Applicant Tracking System, система автоматического скрининга кандидатов). Яндекс, Сбер, Тинькофф, Озон — крупные работодатели пропускают резюме через автофильтр. Он ищет ключевые слова из описания вакансии и отсекает всё, что не совпадает.

Второй — рекрутер. У него 15–30 секунд на первичный просмотр. Базовый чек-лист: PDF или DOCX, стандартные названия секций, ключевые слова из вакансии. Адаптируйте резюме под каждую позицию — достаточно скорректировать блоки «summary» и «навыки», не переписывать всё.

Структура резюме аналитика данных: 7 обязательных блоков

Думайте о резюме как о дашборде: самое важное — сверху, без лишнего шума. Рекрутер читает сверху вниз и нередко не добирается до конца — значит, ключевые аргументы должны быть в начале.

Семь блоков в порядке размещения: контакты → summary → навыки → опыт → образование → сертификаты → проекты.

Шаг 1–2: Контакты и профессиональное summary

Контакты: телефон, email, Telegram, ссылки на LinkedIn и GitHub. Проверьте, что профили актуальны — по данным LinkedIn, 76% рекрутеров заходят на страницу кандидата ещё до звонка.

Профессиональное summary — 2–3 предложения в самом начале: кто вы, сколько лет в аналитике или смежной сфере, в чём сильны. Без «коммуникабельный и ответственный». Пример: «2 года продуктовой аналитики, строил систему метрик для e-commerce с DAU 500К, стек — SQL, Python, DataLens». Summary удобнее писать последним — когда остальные блоки уже готовы, проще сформулировать главное.

Шаг 3–7: Навыки, опыт, образование, сертификаты, проекты

Навыки — только те, что есть в вакансии. Не перечисляйте всё подряд: ATS ищет точные совпадения, а не объём.

Опыт: 3–5 пунктов на каждую позицию, каждый — достижение, а не обязанность.

Образование и сертификаты: диплом важен для старта, но 3–4 профильных курса убедят рекрутера лучше, чем 15 случайных строк. Указывайте с датой и ссылкой на верификацию.

Проекты: обязательный блок для Junior при отсутствии коммерческого опыта, опциональный для Middle+.

Технические навыки в резюме аналитика данных: полный список

Принцип один: релевантность вакансии важнее полноты списка. Берёте описание вакансии — выписываете ключевые инструменты — проверяете, что они есть у вас в резюме. Не вписывайте инструмент, который знаете на уровне «видел пару раз».

Если хотите систематизировать стек и подтвердить навыки официальным документом, посмотрите на программу Data-аналитик: Python и SQL в анализе данных — обучение за 2 месяца с господдержкой, стоимость от 29 900 ₽.

Soft skills тоже важны: умение объяснять результаты анализа бизнесу — компетенция, которой не хватает многим начинающим аналитикам.

SQL, Python и базы данных: ядро стека аналитика

SQL — навык №1: он встречается в 93% вакансий аналитика данных (LinkedIn, 2023). Указывайте конкретику: «SQL (PostgreSQL, ClickHouse, оконные функции, CTE, 2+ года)» — это показывает глубину и помогает пройти ATS.

Python-стек для аналитика: Pandas, NumPy, Matplotlib, Seaborn, Jupyter Notebook. Писать просто «Python» — слишком широко: 85% вакансий называют хотя бы одну из конкретных библиотек (LinkedIn, 2023).

BI-инструменты, статистика и бизнес-метрики

BI-инструменты: Tableau (Tableau Public позволяет публиковать дашборды прямо в портфолио — работодатель откроет ссылку из резюме), DataLens Яндекса — критично для российского рынка, Power BI, Apache Superset.

Статистика и A/B-тесты: указывайте конкретно — «Bootstrap, p-value, проектирование экспериментов». Это показывает глубину, а не просто знакомство с темой.

Бизнес-метрики — DAU, LTV, ARPU, Retention, конверсия воронок — сигнализируют рекрутеру: вы думаете категориями бизнеса, а не просто работаете с таблицами.

Как описать опыт работы: формула «Действие + Метрика + Результат»

Каждый пункт в блоке опыта — результат, а не задача. Формула: глагол действия + контекст (масштаб) + измеримый итог.

Если точных цифр нет — используйте порядок: «сократил с нескольких часов до 30 минут», «конверсия выросла на двузначный процент». При смене профессии нерелевантный опыт из другой сферы сводится к одной строке или убирается совсем. Типичная ошибка: «Занимался анализом данных» — рекрутер не понимает, что именно, в каком масштабе, с каким результатом.

Примеры формулировок: плохо и хорошо

Три типичных пары:

Дашборды: ❌ «Поддерживал дашборды в Tableau» ✅ «Построил 12 дашбордов по воронкам продаж — еженедельная подготовка отчётов сократилась с 8 ч до 1,5 ч»

A/B-тесты: ❌ «Проводил A/B-тестирование» ✅ «Спроектировал A/B-тест нового онбординга: конверсия выросла на 11%, выборка — 40 000 пользователей»

Когортный анализ: ❌ «Анализировал поведение пользователей» ✅ «Построил когортный анализ Retention за 6 месяцев, выявил снижение на 3-й неделе — команда запустила итерацию онбординга»

Портфолио вместо коммерческого опыта: решение для Junior

Для джуна-аналитика портфолио важнее диплома — это живые доказательства умения работать с данными. Диплом говорит, где вы учились; портфолио — что умеете прямо сейчас.

Минимальная планка: 2–3 качественных проекта. Два проработанных кейса убедят рекрутера лучше, чем десять поверхностных. В блоке «Проекты» каждый кейс описывается по схеме: задача → инструменты → результат.

Три источника: соревнования на Kaggle, pet-проект на GitHub, курсовой проект. Хакатон тоже считается — если есть конкретный результат, а не только факт участия.

Kaggle, GitHub и Tableau Public: где и как публиковать

Kaggle: описывайте как кейс с результатом — «ROC-AUC 0.87, топ-15% участников», а не «прошёл соревнование Titanic». Без метрики рекрутер ничего не узнает о вашем уровне.

GitHub: README обязателен. Структура: задача + данные + подход + выводы + инструкция по запуску. Грязный, некомментированный код хуже пустого репозитория — технический интервьюер зайдёт и посмотрит.

Tableau Public: публикуйте BI-дашборды и ссылайтесь на них в резюме. Для российского рынка DataLens — полноценная альтернатива.

Как пройти ATS-фильтрацию: 5 обязательных правил

Система автоматического скрининга — реальный барьер. Крупные работодатели отсекают резюме до рекрутера через автофильтры, и нарушение любого из правил ниже означает автоотказ.

1. Формат — PDF или DOCX. Не JPG, не PNG, не скан, не архив.
2. Названия секций — стандартные: «Опыт работы», «Образование», «Навыки». Нестандартные заголовки система не распознаёт.
3. Ключевые слова — точные формулировки из описания вакансии, не синонимы. ATS ищет буквально.
4. Текст в изображениях — система его не читает. Вся информация — только в редактируемом тексте.
5. Один файл — без архивов и дополнительных вложений.

Типичные ошибки и резюме для разных уровней

Пять ошибок, которые снижают конверсию:

• нет цифр в достижениях;
• обязанности вместо результатов;
• нерелевантный опыт занимает полстраницы;
• резюме длиннее двух страниц;
• ошибки и сырой код в портфолио — это хуже пустого репозитория.

Часто задаваемые вопросы

Нужно ли писать сопроводительное письмо аналитику данных?

Да, если площадка позволяет. Достаточно 3–4 предложений: почему интересна компания и что конкретно вы можете ей дать. Шаблонные письма «прошу рассмотреть мою кандидатуру» работают в минус — лучше не писать вовсе.

Стоит ли указывать зарплатные ожидания в резюме?

На hh.ru — да: это влияет на ранжирование резюме в поиске. Указывайте нижнюю границу вилки, которая вас устраивает. В PDF-резюме при прямом отклике — необязательно, лучше обсудить на интервью.

Можно ли отправлять одно резюме на все вакансии?

Можно, но конверсия будет ниже. Оптимально: базовое резюме плюс 10–15 минут на адаптацию блоков «summary» и «навыки» под конкретную позицию. ATS ищет точные совпадения, а не синонимы.

Что писать в резюме, если совсем нет коммерческого опыта?

Делайте проекты: 2–3 Kaggle-соревнования с результатом, pet-проект на GitHub с README, курсовой кейс. Два-три качественных проекта — уже больше, чем у половины кандидатов на Junior-позицию.

Как адаптировать резюме под конкретную вакансию?

Выпишите ключевые слова из описания вакансии и добавьте их в блоки «summary» и «навыки». Если в вакансии упоминают ClickHouse — он должен быть в вашем резюме явно. Занимает 10–15 минут, но повышает шансы пройти автофильтр.

Какие сертификаты ценятся в резюме аналитика данных?

Наиболее авторитетные: Google Data Analytics Professional Certificate, IBM Data Science Professional Certificate, Microsoft Certified Data Analyst Associate, Tableau Desktop Certified Associate. Указывайте с датой и ссылкой на верификацию.

Сколько страниц должно быть резюме аналитика данных?

Для Junior и Middle — одна страница: 92% рекрутеров предпочитают именно такой объём. Senior и Lead допускают две. Больше двух страниц — ошибка: рекрутер тратит на первый скрининг 15–30 секунд.

Как описать опыт в резюме, если нет точных цифр?

Используйте порядок: «сократил с нескольких часов до 30 минут», «конверсия выросла на двузначный процент». Оценочная цифра с обоснованием лучше, чем «улучшил процессы» или «занимался анализом данных».