Hard Skills
Das testet ein technisches Screening. Anzeigen unterscheiden sich stark darin, wie viel Statistik sie erwarten – lies also die Anzeige, bevor du entscheidest, wie viel von diesem Abschnitt zutrifft.
- SQL — Die am häufigsten verlangte Fähigkeit für Data Analysts und die, die am ehesten live getestet wird – platziere sie dort, wo sie nicht zu übersehen ist.
- Datenbereinigung — Ehrlich darüber, wohin die Zeit tatsächlich fließt, und Anzeigen, die unsaubere Daten erwähnen, fragen genau danach.
- Datenvisualisierung — Etwas anderes als Dashboards zu bauen: Es geht darum, ob das Diagramm eine Frage beantwortet. Schreibe es so, wie die Anzeige es schreibt.
- Dashboard-Entwicklung — Nennt ein Arbeitsergebnis statt einer Fähigkeit; ergänze, wer das Dashboard für welche Entscheidung genutzt hat.
- A/B-Testing — Verbreitet in Anzeigen für Produktanalyse; behaupte es nur, wenn du erklären kannst, was ein Ergebnis signifikant gemacht hat.
- Statistische Analyse — Breit gefasst, also mache sie in einem Stichpunkt konkret – welcher Test, bei welcher Frage.
- ETL — Zeigt, dass du Daten bewegt und geformt statt nur abgefragt hast; häufig die Grenze zwischen Data Analyst und Analytics Engineer.
- Datenmodellierung — Taucht in Anzeigen mit Nähe zum Data Warehouse auf; meint Schema-Design, nicht Machine Learning – vermische beides nicht.
- Reporting-Automatisierung — Macht aus einer Routineaufgabe einen Beleg für Urteilsvermögen; stark, wenn du sagen kannst, was sie ersetzt hat.
- Anforderungsaufnahme — Die Hälfte der Arbeit von Data Analysts besteht darin, mit Menschen zu reden; im Lebenslauf unterschätzt und in den meisten Senior-Anzeigen genannt.
Verwende nur Schlüsselwörter, die auf deine Erfahrung zutreffen. Screening-Software gleicht Wörter ab, aber als Nächstes liest ein Mensch – und eine Behauptung, die du im Gespräch nicht belegen kannst, kostet mehr als ein fehlendes Schlüsselwort.
Tools und Plattformen
Wird wörtlich abgeglichen. Schreibe das Tool, das die Anzeige nennt, in seiner echten Schreibweise, und nur, wenn du es in echter Arbeit genutzt hast.
- Python — In vielen Anzeigen erwartet, aber sag, wofür – pandas für Analysen liest sich anders als Scripting.
- pandas — Konkreter als „Python“ und näher an dem, was die Arbeit von Data Analysts tatsächlich ist.
- Tableau — Eines der beiden Standard-BI-Tools; Anzeigen nennen meist eines, richte dich also danach.
- Power BI — Das andere Standardtool, verbreitet in Unternehmen mit Microsoft-Stack – schreibe es mit Leerzeichen.
- Looker — Steht für einen modellierungsorientierten BI-Ansatz; deutet auf LookML-Erfahrung hin, nimm es also nur auf, wenn du sie hast.
- Excel — Wird in einem großen Teil der Anzeigen noch genannt; es wegzulassen, um fortgeschritten zu wirken, kostet dich wörtliche Treffer.
- BigQuery — Warehouse-spezifisch; nenne das Warehouse, das du genutzt hast, statt „Cloud Data Warehouse“ zu schreiben.
- Snowflake — Das andere verbreitete Warehouse; wird wörtlich abgeglichen und ist zunehmend eine Anforderung in Anzeigen.
- dbt — Deutet auf moderne Transformationsarbeit hin; kleingeschrieben, und ein echtes Unterscheidungsmerkmal, wo Anzeigen danach fragen.
- Git — Zeigt, dass deine Analyse versioniert ist und nicht in einem einzigen Notebook lebt.
Soft Skills
Bei Data Analysts geht es dabei meist darum, verstanden zu werden. Sie lohnen sich nur dort, wo ein Stichpunkt das Ergebnis zeigt – ein Diagramm, nach dem niemand gehandelt hat, ist kein Ergebnis.
- Stakeholder-Kommunikation — Die Fähigkeit, die beförderte Data Analysts von den übrigen abhebt; zeige sie, indem du nennst, vor wem du präsentiert hast.
- Data Storytelling — Genannt in Anzeigen für Produkt- und Marketing-Analytics; heißt, dass die Erkenntnis eine Entscheidung verändert hat.
- Detailgenauigkeit — Als Behauptung schwach, aber hier relevant, weil Fehler in Analysen teuer sind – verdiene sie dir in einem Stichpunkt zur Validierung.
- Problem Framing — Senior-Anzeigen wollen jemanden, der die Anfrage hinterfragt, nicht nur beantwortet.
- Funktionsübergreifende Zusammenarbeit — Wer Daten analysiert, sitzt zwischen Teams; nenne die Teams, statt nur die Wendung zu verwenden.
Willst du das an deinem eigenen Lebenslauf sehen? Prüfe ihn mit einer Stellenanzeige, kostenlos und ohne Konto.
Verben für Stichpunkte
Beginne mit der Handlung und bevorzuge Verben, die eine folgende Entscheidung andeuten. „Analysiert“ ohne Folge ist der häufigste schwache Stichpunkt in Lebensläufen von Data Analysts.
- Aufgebaut — Konkret und zutreffend für Pipelines, Dashboards und Modelle; stärker als „gearbeitet an“.
- Automatisiert — Setzt voraus, dass etwas früher manuell lief – sag, was, und wie oft der Ablauf lief.
- Identifiziert — Das richtige Verb, wenn die Erkenntnis von dir kam und nicht angefragt war.
- Reduziert — Passt für Abfragezeit, Fehlerquoten und manuelle Stunden; braucht ein Vorher und Nachher.
- Modelliert — Präzise für Schema- und Prognosearbeit, wo „analysiert“ vage ist.
- Präsentiert — Zeigt, dass die Arbeit deinen Bildschirm verlassen hat; nenne das Publikum.
So nutzt du sie
Setze jeden Begriff dorthin, wo er wirklich stimmt – in den Bereich Fähigkeiten, wenn es eine Fähigkeit ist, in einen Stichpunkt, wenn du es getan hast, ins Profil, wenn du dafür bekannt bist. Übernimm die Formulierung der Anzeige, denn Screening-Software vergleicht Zeichenfolgen, nicht Bedeutungen. Wiederhole keinen Begriff, um die Häufigkeit zu erhöhen: Bei der Software hilft dir das nicht, und für den Menschen, der danach liest, liest es sich schlecht.