Lebenslauf-Beispiel: Datenanalyst
Der Lebenslauf eines Datenanalysten wird von einer Personalverantwortlichen, einem Analytics-Lead oder einer Recruiterin gesichtet, die vor allem drei Belege sucht: dass Sie Daten ziehen und aufbereiten können (SQL plus eine Skriptsprache), dass Sie daraus etwas machen, auf das ein Unternehmen reagieren wird (Dashboards, Modelle, klare Empfehlungen), und dass Ihre bisherige Arbeit eine echte Kennzahl bewegt hat. Die Einstellung im Analytics-Bereich folgt Konventionen, die generische Lebenslauf-Tipps übersehen. Tools werden wörtlich geprüft — SQL, Python oder R und eine BI-Plattform wie Power BI, Tableau oder Looker sind harte Anforderungen, kein Nice-to-have, und die prüfende Person sucht genau die Werkzeuge, die ihr Team einsetzt. Ein Portfolio oder ein Satz konkreter Projekte wiegt so schwer wie Jahre an Erfahrung, weil es der schnellste Weg ist, zu bestätigen, dass Sie die Arbeit wirklich beherrschen. Und die Stichpunkte, die gewinnen, sind die, die quantifizieren: eine Zeile mit „Dashboards gebaut“ verliert gegen „das Retention-Dashboard in Looker neu aufgebaut, die Reporting-Verzögerung von 3 Tagen auf 15 Minuten gesenkt und einen Churn-Treiber im Wert von 140.000 £ pro Jahr aufgedeckt“. Dieses Beispiel zeigt die Struktur, die diese Signale in der Reihenfolge sichtbar macht, in der Analytics-Prüfer sie suchen, den Block der technischen Kompetenzen, der die Prüfarbeit leistet, die Abschnitte Zusammenfassung und Portfolio, die Ihre Fähigkeiten belegen, die Erfahrungs-Stichpunkte, die auf die Shortlist bringen, und die häufigen Fehler, die starke Analysten unter den Strich rutschen lassen. Alles ist im Cvida-Editor bearbeitbar — nehmen Sie es als Ausgangspunkt und passen Sie es an Ihre Domäne, Ihren Stack und die Seniorität der angestrebten Stelle an.
Warum sich ein Datenanalyst-Lebenslauf von einem generischen unterscheidet
Die Einstellung im Analytics-Bereich läuft über Signale, die die meisten generischen Lebenslauf-Tipps ignorieren. Beginnen Sie mit dem, was ihn anders macht:
- Tools werden geprüft, nicht vorausgesetzt: SQL ist die Basis, dann eine Skriptsprache (Python oder R) und eine BI-Plattform (Power BI, Tableau, Looker, Qlik) — nennen Sie genau die im Stellenprofil geforderten Werkzeuge, und die prüfende Person gleicht sie mit der Anzeige ab, bevor sie über ein Gespräch entscheidet
- Ein Portfolio beweist, was Stichpunkte nur behaupten: ein öffentliches GitHub, ein Tableau-Public-Profil oder zwei, drei dokumentierte Projekte lassen in zwei Minuten bestätigen, dass Sie echte Daten bereinigen, abfragen, modellieren und visualisieren können
- Quantifizierung ist der Goldstandard: beeinflusster Umsatz, automatisierte Stunden manuellen Reportings, gesenkte Entscheidungslatenz, gewonnene Modellgenauigkeit, eingesparte Kosten — vage Stichpunkte wie „Daten analysiert“ wirken wie Füllmaterial
- Der Domänenkontext zählt: E-Commerce, Fintech, Gesundheit, SaaS und Marketing-Analytics haben je eigene Kennzahlen (LTV, Churn, CAC, Kohortenretention, Funnel-Conversion) — wer die selbst verantworteten benennt, zeigt Verständnis fürs Geschäft, nicht nur für die Abfrage
- Kommunikation gehört zum Job: Stakeholder-Management, eine Analyse in eine Empfehlung übersetzen und vor nicht-technischem Publikum präsentieren trennen die Analysten, die eingestellt werden, von denen, die nur gefiltert werden
Behandeln Sie Ihren Lebenslauf als Abkürzung der Personalverantwortlichen zu einem „Ja“. Ein Analytics-Lead sollte beim Lesen Ihren Stack bestätigen, den Beleg echter Arbeit sehen und mindestens ein quantifiziertes Ergebnis in zwei Minuten lesen können — und wenn nicht, kommen Sie nicht auf die Shortlist, so gut Sie im Job auch wären.
Die Lebenslauf-Struktur, die für Datenanalyst-Stellen funktioniert
Die meisten Datenanalyst-Lebensläufe wirken in dieser Reihenfolge am besten — sie stellt die Signale nach vorn, die Analytics-Prüfer zuerst suchen:
- Kopf: Name, Berufsbezeichnung (z. B. „Datenanalyst — SQL, Python, Power BI“), Stadt / Region, E-Mail, Telefon, LinkedIn und ein Link zu Portfolio oder GitHub
- Zusammenfassung (3–4 Zeilen): Jahre an Erfahrung, Domäne, Kern-Stack und ein herausragendes quantifiziertes Ergebnis
- Technische Kompetenzen: nach Typ gruppiert — Abfrage (SQL), Sprachen (Python / R), BI und Visualisierung, Datenmodellierung / Data Warehousing, Statistik — damit sie in Sekunden abgescannt werden können
- Erfahrung: Stationen in umgekehrt chronologischer Reihenfolge mit Arbeitgeber + Branche + Teamkontext, je 4–6 ergebnisorientierte Stichpunkte
- Projekte / Portfolio: zwei oder drei konkrete Arbeiten mit Problem, Tools und messbarem Ergebnis — unverzichtbar für Einsteiger und Quereinsteiger
- Ausbildung: Studienfach + Hochschule, dazu quantitative oder analyselastige Module
- Zertifikate: Google Data Analytics, Microsoft Power BI (PL-300), Tableau Desktop Specialist, Cloud-Datenzertifikate und relevante Kurse
Halten Sie ihn auf 1 Seite unter 5 Jahren Erfahrung, auf 2 Seiten als Senior-Analyst oder Lead mit Personal oder großen Projekten unter sich. Setzen Sie den Portfolio-Link in den Kopf, damit er selbst einen 10-Sekunden-Blick übersteht.
Die Grundlagen zu Aufbau und Länge eines Lebenslaufs, auf denen dieses Beispiel aufbautDer Block technische Kompetenzen: SQL, Python, BI und Statistik
Hier entscheidet die prüfende Person, ob Sie vom ersten Tag an liefern oder Monate Einarbeitung brauchen. Gruppieren Sie ihn so, dass eine vielbeschäftigte Leserin ihn in Sekunden überfliegt:
- Abfrage: SQL — nennen Sie Dialekte und Tiefe (Window-Funktionen, CTEs, Query-Optimierung über Postgres, MySQL, BigQuery, Snowflake, Redshift)
- Sprachen: Python (pandas, NumPy, scikit-learn, matplotlib / seaborn) oder R (tidyverse, ggplot2, Shiny) — nennen Sie die Bibliotheken, die Sie wirklich nutzen, nicht nur die Sprache
- BI und Visualisierung: Power BI (DAX, Power Query), Tableau, Looker / LookML, Qlik, Looker Studio
- Datenmodellierung und Pipelines: dbt, dimensionale Modellierung, ETL / ELT, Airflow, Data-Warehouse-Design, Versionskontrolle mit Git
- Statistik und Methoden: A/B-Tests, Regression, Hypothesentests, Forecasting, Kohorten- und Funnel-Analyse, Segmentierung — die analytischen Methoden hinter den Tools
Nennen Sie zuerst die in der Anzeige genannten Tools — Menschen wie ATS-Keyword-Filter suchen nach exakter Übereinstimmung. Blähen Sie die Liste nicht mit Tools auf, die Sie einmal angefasst haben; ein technisches Gespräch hinterfragt alles, was Sie behaupten, und eine dünne Behauptung kostet mehr als ein ehrliches Weglassen.
Wie man die Kompetenzen auswählt und darstellt, die einen Lebenslauf wirklich bewegenDie Zusammenfassung: Domäne, Stack und ein quantifiziertes Ergebnis
Drei oder vier Zeilen oben auf der Seite. Sie soll beantworten, welche Art Analyst Sie sind, worin Sie arbeiten und ein Ergebnis, das belegt, dass Sie liefern:
- Zeile 1: Titel + Jahre + Domäne. Beispiel: „Datenanalyst mit 5 Jahren in E-Commerce- und Abo-Analytics.“
- Zeile 2: Kern-Stack + Größenkontext. Beispiel: „Täglich SQL und Python auf einem Warehouse mit 40 Millionen Zeilen in BigQuery; verantwortlich für die Looker-Reporting-Schicht des Unternehmens.“
- Zeile 3: herausragendes Ergebnis mit Zahl. Beispiel: „Ein Churn-Vorhersagemodell gebaut, das gefährdete Konten 30 Tage früher markierte und eine Kampagne speiste, die 210.000 £ ARR zurückholte.“
- Zeile 4 (optional): worauf Sie zielen. Beispiel: „Suche eine Senior-Datenanalyst-Stelle in einem Produkt- oder Growth-Team, in dem Analyse die Roadmap-Entscheidungen lenkt.“
- Was raus muss: „detailorientiert“, „datenbegeistert“, „lernt schnell“ — das behauptet jeder; eine Zahl und ein genanntes Tool überzeugen
Eine Zusammenfassung, die Domäne, Stack und ein messbares Ergebnis nennt, schlägt jedes Mal eine voller Adjektive. Können Sie in Zeile 3 noch keine Zahl setzen, eröffnen Sie stattdessen mit einem Portfolio-Projekt — der Arbeitsbeleg überzeugt mehr als eine Selbstbeschreibung.
Wie man Lebenslauf-Erfolge schreibt, die sich in Geld, Zeit oder Risiko quantifizierenPortfolio und Projekte: belegen, dass Sie die Arbeit können
Für Analysten ist das Portfolio oft der ausschlaggebende Faktor — besonders bei ersten Stellen und Quereinstiegen. Es macht aus „ich kann das“ ein „hier ist der Beleg“. Jedes Projekt sollte zeigen:
- Die Frage: das echte Geschäfts- oder Forschungsproblem, das Sie beantworten wollten, in einem schlichten Satz
- Die Daten und Tools: woher die Daten kamen, wie Sie sie bereinigt und modelliert haben und welche Tools Sie nutzten (SQL, Python, die BI-Schicht)
- Die Methode: die Analyse selbst — die Abfrage, das Modell, der Test — so beschrieben, dass ein technischer Prüfer die Strenge beurteilen kann
- Das Visuelle: ein Dashboard, ein Diagramm oder ein Notebook, das man tatsächlich öffnen kann — auf Tableau Public, GitHub oder einer eigenen Seite gehostet
- Das Ergebnis: was die Analyse zutage förderte und, wo möglich, welche Entscheidung oder Änderung sie auslöste
Zwei starke, gut dokumentierte Projekte schlagen zehn halbfertige. Wählen Sie Probleme nahe der angestrebten Domäne, schreiben Sie jedes als kurze Fallstudie und verlinken Sie sie aus dem Kopf, damit ein Prüfer nie suchen muss. Ein Portfolio, das die echte Arbeit der Stelle spiegelt, ist das Nächste zu einer kostenlosen Probe, das Sie bieten können.
Erfahrungs-Stichpunkte: die Quantifizierung, die auf die Shortlist bringt
Hier werden die meisten Analyst-Lebensläufe flach — sie beschreiben Aufgaben statt Wirkung. Schreiben Sie jeden Stichpunkt um ein Ergebnis herum, das einem Unternehmen wichtig ist:
- Erst das Ergebnis, dann die Methode: „Die wöchentliche Reporting-Zeit um 12 Stunden gesenkt, indem ich einen manuellen Excel-Prozess in Python und Power BI automatisiert habe“ schlägt „Zuständig für die Wochenberichte“
- Setzen Sie in die meisten Stichpunkte eine Zahl: beeinflusster Umsatz, % gewonnene Effizienz, gesparte Stunden, gesenkte Fehlerquote, Nutzer / Zeilen / Abfragen im Maßstab — selbst eine Schätzung mit genannter Grundlage schlägt keine
- Nennen Sie die Tools im Stichpunkt: „…in SQL und dbt“, „…mit einem Looker-Dashboard“, „…mit einem scikit-learn-Modell“ — das dient zugleich als Keyword-Abdeckung fürs ATS
- Zeigen Sie den Stakeholder: wer die Analyse nutzte und was er damit tat — „dem Growth-Team eine Funnel-Aufschlüsselung gegeben, die die Checkout-Conversion um 8 % hob“
- Nutzen Sie starke, konkrete Verben: gebaut, automatisiert, modelliert, prognostiziert, segmentiert, optimiert — nicht „mitgeholfen bei“, „gearbeitet an“ oder „beteiligt an“
Ein Prüfer überfliegt Stichpunkte in Sekunden. Trägt die erste Hälfte jeder Zeile ein Verb und eine Zahl, überstehen Sie den Blick — und ein Analyst, der die eigene Arbeit quantifiziert, ist genau der Analyst, den eine Führungskraft zum Quantifizieren ihrer Arbeit will.
Wie man Stichpunkte und Keywords formatiert, damit sie ATS-Filter passierenAusbildung, Zertifikate und der Lernweg des Analysten
Analytics ist eines der nachweis-flexibelsten Felder der Tech-Branche — Absolventen, Bootcamp-Teilnehmer und Autodidakten mit Portfolio werden gleichermaßen eingestellt. Stellen Sie den von Ihnen gewählten Weg selbstbewusst dar:
- Abschluss: Fach + Hochschule + Note, und heben Sie quantitative Module hervor (Statistik, Ökonometrie, Informatik, Mathematik), selbst wenn der Abschluss selbst nicht „Data“ ist
- Zertifikate mit Gewicht: Google Data Analytics Professional Certificate, Microsoft PL-300 (Power BI Data Analyst), Tableau Desktop Specialist, dbt, Datenzertifikate von AWS / Azure / GCP
- Bootcamps und Kurse: nennen Sie Programm, Abschlussprojekt und abgedeckte Tools — ein dokumentiertes Abschlussprojekt zählt mehr als das Zertifikat allein
- Autodidaktischer Weg: eröffnen Sie mit dem Portfolio und den abgeschlossenen Plattformen (DataCamp, Kaggle-Wettbewerbe, freeCodeCamp) — Kaggle-Platzierungen sind ein konkreter, prüfbarer Beleg
- Halten Sie es aktuell: führen Sie Zertifikate mit Erwerbsjahr und entfernen Sie Veraltetes, damit der Abschnitt nach aktivem, fortlaufendem Lernen aussieht
Kein Weg gewinnt für sich allein — was überzeugt, ist die Kombination aus einem Nachweis und dem Beleg, dass Sie ihn anwenden können. Ein autodidaktischer Analyst mit zwei starken Portfolio-Projekten schlägt oft einen Absolventen ohne nachweisbare Arbeit.
Häufige Fehler, die starke Analysten unter den Strich rutschen lassen
Selbst fähige Analysten werden aus vermeidbaren Gründen gefiltert. Prüfen Sie Ihre gegen diese Liste, bevor Sie sich bewerben:
- Tools ohne Tiefe oder Beleg auflisten: eine Wand aus Logos ohne Projekte oder quantifizierte Stichpunkte wirkt wie Keyword-Stuffing, und das technische Gespräch deckt es schnell auf
- Aufgaben statt Wirkung beschreiben: „Berichte erstellt“, „Daten analysiert“, „Dashboards gepflegt“ — keine Zahl, kein Stakeholder, kein Ergebnis
- Das Portfolio verstecken oder weglassen: für Analysten ist es oft das überzeugendste Pfund, und doch fehlt es oder ist vergraben
- Ein generischer Lebenslauf für jede Stelle: den in der Anzeige genannten Stack nicht zu spiegeln (Power BI vs. Tableau, Python vs. R) kostet Sie sowohl den ATS-Treffer als auch den menschlichen Blick
- Das Design überfrachten: dichte Infografiken, „Prozent“-Balken für Kompetenzen und bunte Diagramme schaden der Lesbarkeit und brechen das ATS-Parsing — saubere Struktur und echte Zahlen gewinnen
Fast alle laufen auf eine Gewohnheit hinaus: Wirkung und Beleg zeigen statt Aufgaben und Tools auflisten. Beheben Sie das, und Sie nehmen die Hürde, an der die Mehrheit der Bewerber scheitert, bevor ein Mensch überhaupt genau liest.
Mehr Taktiken für Tech- und Data-Lebensläufe, ATS und technische TestsSchlussbemerkungen und der Test der Personalverantwortlichen
Bevor Sie ihn abschicken, schicken Sie Ihren Lebenslauf durch denselben schnellen Test, den eine Analytics-Personalverantwortliche anlegt:
- Stack-Check: Kann sie SQL, eine Skriptsprache und ein BI-Tool in den ersten 10 Sekunden bestätigen?
- Beleg-Check: Gibt es einen Portfolio- oder Projektlink, den sie öffnen kann, und funktioniert er?
- Wirkungs-Check: Trägt mindestens ein Stichpunkt je Station eine Zahl, die an ein Geschäftsergebnis gebunden ist?
- Treffer-Check: Spiegelt der Lebenslauf die in der Anzeige genannten Tools und die Domäne?
- Lesbarkeits-Check: saubere Struktur, keine Kompetenz-Balken, parst er sauber als reiner Text fürs ATS?
Können Sie alle fünf mit „Ja“ beantworten, leistet Ihr Lebenslauf seine Arbeit — er bringt Sie in den Raum, in dem Ihre eigentliche Analyse für sich spricht. Bauen und tailoren Sie Ihren im Cvida-Editor, tragen Sie Domäne und Stack ein und eröffnen Sie mit den Zahlen, die Ihre Arbeit belegen.