CV analityka danych - wzór CV do pracy z danymi [2026]

CV analityka danych: jak opisać SQL, Pythona, BI i projekty z wynikami. Certyfikaty PL-300 i Google, wersje dla juniora i seniora + gotowy wzór.

Autor: , Specjalista ds. Obsługi Klienta i szablonów CV w GenerujCV.com · Opublikowano: · Zaktualizowano:

Rekrutacje na analityka danych wyglądają dziś inaczej niż kilka lat temu. Pracodawcy z branży IT planują zatrudnienie ostrożniej niż przemysł czy budownictwo, a na stanowiska juniorskie aplikuje dużo osób - szerzej piszemy o tym w omówieniu rynku pracy 2026. Dla CV oznacza to jedno: sama lista narzędzi już nie wystarcza. Wygrywa dokument, z którego w kilka chwil widać, jakie pytania biznesowe rozwiązywałeś, na jakich danych i z jakim skutkiem.

Paradoks tej branży polega na tym, że osoby, które na co dzień pilnują precyzji w zapytaniach, piszą o sobie ogólnikami: „pracowałem z danymi”, „znam SQL”, „tworzyłem raporty”. Bez skali, bez kontekstu, bez jednego wyniku. Poniżej rozbieramy CV analityka sekcja po sekcji - dla juniora, seniora i dla osób, które idą w stronę BI, data science albo data engineeringu.

Stack technologiczny: co wpisać i w jakiej kolejności

W CV analityka sekcja techniczna zwykle stoi zaraz pod podsumowaniem, przed doświadczeniem. Rekruter techniczny szuka w niej konkretnych nazw, a system ATS dopasowuje je do słów z ogłoszenia - dlatego pisz „PostgreSQL”, „Power BI”, „dbt”, a nie „bazy danych” czy „narzędzia BI”.

SQL i Python są w tym zawodzie fundamentem i widać to także w danych o całej branży: w ankiecie Stack Overflow Developer Survey 2025 SQL wskazało 58,6% respondentów, a Pythona 57,9%. Sama nazwa języka niewiele jednak mówi. Dookreśl ją:

Trzy zasady porządkują tę sekcję. Grupuj technologie zamiast wypisywać je w jednej linii. Wpisuj tylko to, o co możesz dać się dopytać - zadanie z SQL na żywo to w tych rekrutacjach standard. I nie podawaj pasków „Python 80%”: osoba techniczna nie wie, co oznaczają, a poziom lepiej widać po projektach. Szerzej o tym, które umiejętności warto rozwijać, piszemy w artykule o kompetencjach przyszłości.

Podsumowanie zawodowe: trzy wersje

Trzy do pięciu zdań na górze CV. Wpisz lata doświadczenia, domenę, główne narzędzia i jeden konkretny efekt pracy.

Senior data analyst:

Analityk danych z 6-letnim doświadczeniem w e-commerce i fintechu. SQL (Snowflake, BigQuery), Python (pandas, scikit-learn) i Power BI. Zbudowany pipeline raportowy skrócił przygotowanie raportu zarządczego z 8 godzin do 20 minut. Najmocniej w analizie kohortowej i projektowaniu eksperymentów A/B.

Junior lub absolwent:

Absolwent ekonometrii z praktyką w SQL i Pythonie. W projektach własnych analizował zbiory powyżej 500 tys. rekordów i publikował dashboardy w Tableau Public. Ukończony Google Data Analytics Professional Certificate. Szuka pierwszej roli w analityce biznesowej lub produktowej.

Data scientist:

Data scientist z 4-letnim doświadczeniem w modelowaniu predykcyjnym. Model rekomendacji wdrożony na produkcji zwiększył konwersję na stronie produktu o kilkanaście procent w teście A/B. Python (scikit-learn, PyTorch), SQL, Spark.

Zwróć uwagę na ostatni przykład: tam, gdzie nie masz pewnej liczby albo nie możesz jej ujawnić, zakres jest uczciwszy niż zmyślona precyzja. Rekruter i tak zapyta, jak mierzyłeś efekt.

Doświadczenie: problem, analiza, decyzja

Najczęstszy problem w CV analityków to opis narzędzi zamiast problemów. „Tworzyłem raporty w Power BI dla działu finansowego” mówi tylko, gdzie klikałeś. Ten sam punkt może brzmieć tak: „Zbudowałem 12 dashboardów w Power BI dla finansów i sprzedaży - przygotowanie raportu miesięcznego skróciło się z 3 dni do 2 godzin”.

Najlepiej czyta się układ: pytanie biznesowe, co zrobiłeś z danymi, jaka decyzja lub zmiana z tego wyszła. Kilka przykładów dla różnych ról:

Dwie rzeczy podnoszą wiarygodność każdego z tych punktów. Pierwsza to skala: liczba rekordów, użytkowników, systemów źródłowych. „Duże zbiory danych” nic nie znaczy, „tabele 500 mln wierszy” - już tak. Druga to metryka adekwatna do roli: dla modeli AUC, F1 albo RMSE, dla BI czas przygotowania raportu i liczba odbiorców, dla inżynierii danych czas przetwarzania i dostępność.

Myśl też o pierwszym czytelniku. W wielu firmach CV najpierw przegląda rekruter bez zaplecza technicznego, więc obok szczegółów implementacji powinien stać efekt biznesowy zrozumiały dla każdego.

Komunikacja wyników - kompetencja, której nie widać w stacku

Analityk, którego wnioski nie docierają do decydentów, dla firmy praktycznie nie istnieje. Dlatego hiring managerowie szukają w CV śladów tego, że umiesz rozmawiać z biznesem: kto był odbiorcą Twoich analiz, w jakiej formie je przedstawiałeś i co się potem wydarzyło.

Zamiast wpisywać „komunikatywność” albo „data storytelling” w liście umiejętności, pokaż je w doświadczeniu. Przykłady:

Każdy z tych punktów mówi więcej niż przymiotnik, bo pokazuje odbiorcę i skutek. Dobrze działa też jedno zdanie o tym, jak tłumaczysz ograniczenia danych - np. że przed decyzją sprawdzasz istotność statystyczną albo jakość źródła. To sygnał dojrzałości, który na rozmowie szybko się potwierdza.

Projekty i GitHub, gdy brakuje doświadczenia komercyjnego

Junior bez projektów ma trudno, bo nie ma czym udowodnić umiejętności. Projekty własne, uczelniane i z Kaggle opisuj dokładnie tak jak pracę zawodową - z danymi, metodą i wynikiem:

Analiza segmentów klientów | projekt własny | 2025

W nagłówku CV podaj linki do GitHuba, portfolio albo profilu Kaggle - ale tylko wtedy, gdy prowadzą do uporządkowanych repozytoriów z plikiem README. Puste konto albo trzy porzucone notebooki działają gorzej niż brak linku. Jeśli przy opisach projektów pomagasz sobie modelem językowym, zajrzyj do poradnika o CV z pomocą AI - AI dobrze porządkuje zdania, ale liczby i wnioski muszą pochodzić z Twojej analizy.

Certyfikaty, które da się zweryfikować

W analityce certyfikat nie zastąpi portfolio, ale u osób zmieniających branżę bywa pierwszym sygnałem, że wiedza jest uporządkowana. Wpisuj pełną nazwę, wystawcę i rok:

Przy certyfikatach z terminem ważności dopisz datę odnowienia. Więcej o tym, jak ułożyć tę sekcję, znajdziesz w artykule o certyfikatach w CV.

Jedna branża, cztery różne CV

Pod hasłem „analityk danych” kryją się role, które wymagają innych akcentów:

Data analyst / business analyst - SQL, narzędzia BI i przekładanie danych na decyzje. Podkreśl współpracę z interesariuszami: kto korzystał z Twoich analiz i co dzięki nim zmienił. Wiele takich stanowisk jest hybrydowych lub zdalnych - zobacz, jak opisać pracę zdalną w CV.

Data scientist - modelowanie, statystyka, eksperymenty. Nazwij typy modeli (klasyfikacja, regresja, NLP), podaj metryki i powiedz, czy model trafił na produkcję. Repozytorium z notebookami i opisem walidacji modelu jest tu szczególnie przydatne, bo rozmowa techniczna i tak zejdzie na szczegóły.

Analityk BI / raportowy - hurtownie danych, modelowanie wymiarowe (schemat gwiazdy), ETL/ELT, skala: liczba tabel, raportów, użytkowników.

Data engineer - pipeline'y, orkiestracja (Airflow), transformacje (dbt), przetwarzanie strumieniowe (Kafka, Spark Streaming). Opisz przepustowość, opóźnienia i dostępność systemów. Lider zespołu danych prowadzi też projekty, więc część wskazówek z CV project managera przyda się i tutaj.

Niezależnie od roli opłaca się zaznaczyć domenę. Analityk, który zna fraud detection w bankowości, analizę koszyka w e-commerce albo atrybucję w marketingu, szybciej wchodzi w nowy projekt - wpisz ją w podsumowaniu i w opisach stanowisk.

Długość i ostatnie poprawki

Przy doświadczeniu do około pięciu lat wystarczy jedna strona, przy dłuższym - maksymalnie dwie. Rozbudowane portfolio przenieś do repozytorium lub na stronę i podaj link. Przed wysłaniem sprawdź jeszcze, czy technologie z ogłoszenia, które naprawdę znasz, padają w CV tymi samymi słowami, czy przy każdym stanowisku stoi przynajmniej jeden wynik i czy nie zostały w nim narzędzia, których nie używasz od lat. Hadoop MapReduce bez śladu Sparka czy chmury sugeruje, że wiedza zatrzymała się kilka lat temu. Na koniec przeczytaj ogłoszenie jeszcze raz i ustaw kolejność punktów pod nie: jeśli firma szuka analityka produktowego, eksperymenty i metryki aktywacji powinny stać wyżej niż hurtownia danych, a jeśli zespołu BI - odwrotnie. Treść zostaje ta sama, zmieniają się akcenty.

Gotowy wzór CV analityka danych - wypełniony przykład do skopiowania

Przykład CV senior analityka danych (SQL, Python, BI) z naciskiem na wpływ na biznes. Dane są fikcyjne - podstaw własne projekty i efekty. Całość zbudujesz w kreatorze GenerujCV.com i pobierzesz jako jednokolumnowy, parsowalny PDF.

Wzór CV analityka danych z tech stackiem SQL/Python/BI - wypełniony przykład

MICHAŁ ZAWADZKI

Data Analyst / Senior (SQL, Python, BI)

Tel.: +48 600 000 000 · e-mail: m.zawadzki@example.com · Wrocław

Podsumowanie zawodowe

Analityk danych z 7-letnim doświadczeniem w e-commerce i fintech. Specjalizacja: modelowanie danych, dashboardy BI i analizy ad-hoc wspierające decyzje biznesowe. Biegły w SQL, Python i Power BI/Tableau. Wdrożenia, które realnie obniżyły churn i podniosły przychód.

Doświadczenie zawodowe

Senior Data Analyst - Fintech PayFlow Sp. z o.o., Wrocław (03.2020 - obecnie)

Data Analyst - E-commerce MarketHub S.A., Wrocław (07.2017 - 02.2020)

Wykształcenie

Magister - informatyka i ekonometria - Uniwersytet Ekonomiczny we Wrocławiu (2012-2017)

Umiejętności i języki

Certyfikaty

Klauzula RODO

Wyrażam zgodę na przetwarzanie moich danych osobowych zawartych w CV w celu prowadzenia rekrutacji na stanowisko, na które aplikuję, zgodnie z RODO (rozporządzenie 2016/679).

Wzór powyżej jest złożony w szablonie Elegancki Serif - w kreatorze wybierzesz go z listy i zmienisz kolor akcentu.

CV analityka danych złożysz w kreatorze GenerujCV.com: wpisujesz stack, projekty i wyniki, wybierasz jeden z szablonów CV i pobierasz PDF, który parser ATS odczyta bez problemu.