Lebenslauf für Data Analysts: Beispiele und Anleitung

Dieses Muster zeigt eine Analystin mit rund vier Jahren Erfahrung, also die Stufe, auf der die meisten Leserinnen und Leser dieser Seite stehen oder hinwollen. Name und Arbeitgeber sind erfunden. Wenn Sie gerade einsteigen, zeigt der Abschnitt zum Einstieg weiter unten, wie Sie denselben Aufbau mit Projekten und Praktika füllen.

Analytics-Leitungen und die Recruiterinnen und Recruiter, die für sie vorsortieren, lesen Hunderte Lebensläufe von Data Analysts, und die meisten nennen dieselben Werkzeuge. Vier Dinge trennen die Einladungen vom Rest.

• SQL, das Sie wirklich geschrieben haben. Nicht nur „SQL“, sondern der Dialekt (Snowflake, BigQuery, PostgreSQL, SQL Server, MySQL) und ein Stichpunkt, der Umfang (Tabellen, Zeilen, Modelle) und Komplexität (Fensterfunktionen, CTEs, Performance-Tuning) zeigt. Die meisten Auswahlverfahren enthalten eine Live-Aufgabe in SQL, deshalb prüfen Leitungen, ob der Lebenslauf das verspricht.
• Ein geschäftliches Ergebnis, kein technisches. „Abfragezeit verkürzt“ ist nett. „Den Abbruchpunkt gefunden, der zu 0,6 Prozentpunkten mehr Conversion führte“ bringt die Einladung. Wer Erfahrung hat, braucht mindestens einen Stichpunkt, in dem sich eine Entscheidung wegen der eigenen Arbeit geändert hat.
• Ein Visualisierungswerkzeug in der Tiefe. Tableau oder Power BI (in manchen Unternehmen Looker, Sigma oder Qlik) mit der Zahl der Dashboards und der Nutzerinnen und Nutzer. Fünf BI-Werkzeuge in einer Liste wirken wie keines.
• Für den Einstieg: Projekte mit echten Daten und einem Link. Ein GitHub-Repository oder ein Tableau-Public-Profil mit zwei oder drei sauberen Projekten (Frage, Datenquelle, Methode, Ergebnis) bringt mehr als jedes Zertifikat.

“Ich springe zu den Stichpunkten und suche eine Zahl, die jemanden aus dem Geschäft interessieren würde. Wenn jede Zeile mit einem Dashboard oder einem Bericht endet und sich dadurch nie etwas geändert hat, gehe ich von einer Berichtsfabrik aus.”

Drei bis vier Zeilen unter dem Kopf. Zuerst Jahre und Branche, dann die Werkzeuge, die Sie täglich nutzen, dann Ihr bestes Ergebnis mit Zahl, dann Zertifikate, wenn sie zählen. Lassen Sie das Berufsziel weg; auch wer einsteigt, hat ein Projekt vorzuweisen.

Nutzen Sie dieses Muster: Daten (Quelle, Umfang), Methode (Werkzeug, Verfahren), Ergebnis (was sich geändert hat, für wen, um wie viel). Unten stehen typische schwache Stichpunkte, neu geschrieben. Setzen Sie Ihre eigenen Zahlen ein; im Gespräch wird nach jeder gefragt.

Gruppieren Sie die Kenntnisse nach Bereichen und beschränken Sie sich auf 12 bis 16 Punkte. Nennen Sie Dialekt oder Version, wo es darauf ankommt. Recruiterinnen und Recruiter durchsuchen Bewerbermanagementsysteme nach genauen Werkzeugnamen; „Datenvisualisierung“ allein findet „Tableau“ nicht.

• Abfragen: SQL (mit den Datenbanken: PostgreSQL, MySQL, SQL Server, Snowflake, BigQuery, Redshift, Databricks), Fensterfunktionen, CTEs, Abfrageoptimierung
• Visualisierung und BI: Tableau, Power BI (DAX), Looker (LookML), Sigma, Qlik Sense, Google Looker Studio
• Programmierung: Python (pandas, NumPy, matplotlib, seaborn, scikit-learn), R (tidyverse, ggplot2), Jupyter
• Tabellenkalkulation: Excel (Pivot-Tabellen, Power Query, XVERWEIS, Solver), Google Tabellen
• Datenmodellierung und Pipelines: dbt, Grundlagen Airflow, Data-Warehouse-Konzepte, Sternschema
• Statistik: A/B-Tests, Hypothesentests, Regression, Konfidenzintervalle, Stichproben, Prognosen
• Produkt- und Webanalyse: Google Analytics 4, Amplitude, Mixpanel, Adobe Analytics, dazu Einwilligungsmanagement nach DSGVO
• Werkzeuge: Git und GitHub, Jira, Confluence, Konsolen von Snowflake oder BigQuery, SAP BW oder SAP Analytics Cloud und Salesforce-Berichte, wenn passend
• Branche: E-Commerce-Funnels, Leistungsdaten im Gesundheitswesen, Kennzahlen der Lieferkette, Finanzberichtswesen, je nachdem, worin Sie gearbeitet haben

Nennen Sie persönliche Stärken nicht als Schlagworte. „Kommunikationsstärke“ bedeutet nichts; „monatliche Zusammenfassung für die Leitung Operations, 4 von 6 Empfehlungen umgesetzt“ zeigt sie. Dasselbe gilt für „Sorgfalt“: Zeigen Sie die Fehlerquote, die Sie gesenkt haben.

Für den Einstieg sind Projekte der Hauptinhalt des Lebenslaufs, und mit weniger als zwei Jahren Erfahrung eine nützliche Ergänzung. Ein Projekt liest sich wie ein Stichpunkt aus dem Beruf: die Frage, die Daten (Quelle und Umfang), Methode und Werkzeuge und das Ergebnis. Verlinken Sie Code oder Dashboard. Zwei oder drei starke Projekte schlagen acht Kursübungen.

1. 1Wählen Sie einen echten Datensatz, nicht Titanic oder Iris, die jede Recruiterin kennt: offene Daten einer Stadt oder von Destatis, Kaggle-Wettbewerbe mit unordentlichen Daten, eine öffentliche API, selbst exportierte Daten.
2. 2Beginnen Sie mit einer geschäftlichen Frage („In welchen Stadtteilen gehen immer mehr Meldungen beim Mängelmelder ein, und warum?“), nicht mit einem Verfahren.
3. 3Arbeiten Sie mit SQL und einem Visualisierungswerkzeug, dazu Python, wenn Sie es nutzen. Bereinigen Sie die Daten und schreiben Sie, wie viel Bereinigung nötig war.
4. 4Schreiben Sie ein README mit Frage, Methode, Ergebnissen und zwei Diagrammen. Recruiterinnen und Recruiter klicken den Link und bleiben 30 Sekunden; sie sehen das README.
5. 5Im Lebenslauf: Titel, Werkzeuge, ein bis zwei Zeilen mit Datenumfang und Ergebnis, dazu der Link. Ist das Projekt ein Dashboard, verlinken Sie Tableau Public.

„Keine Erfahrung“ heißt meist: keine Stelle mit „Analyst“ im Titel. Fast alle haben schon irgendwo Daten ausgewertet: in einem Seminarprojekt, in den Tabellen eines Nebenjobs, in der Mitgliederliste eines Vereins, im Praktikum. Diese Reihenfolge funktioniert, wenn die Berufserfahrung dünn ist.

• Kopf mit einem Link zu GitHub oder Tableau Public, auf dem wirklich Projekte liegen. Ein leeres Profil ist schlechter als kein Link.
• Profil aus drei Zeilen: Abschluss oder Zertifikat, Werkzeuge und Ihr bestes Projekt mit einer Zahl.
• Ausbildung weit oben: Abschluss (etwa Statistik, Wirtschaftsinformatik, BWL oder VWL), Abschlussdatum, Note, wenn sie 2,0 oder besser ist, passende Module (Statistik, Datenbanksysteme, Ökonometrie, Datenvisualisierung). Ein Bootcamp oder eine Weiterbildung, etwa mit Bildungsgutschein der Agentur für Arbeit, nennen Sie hier mit Stunden oder Dauer.
• Ein Abschnitt Projekte mit 2 bis 3 Einträgen wie oben beschrieben. Das ist vorerst Ihre Berufserfahrung.
• Jeder Job, neu geschrieben mit Blick auf Daten: ein Minijob im Handel, in dem Sie den Bestand in Excel geführt haben, eine Stelle als studentische Hilfskraft mit Bereinigung von Umfragedaten in R, ein Campusjob, in dem Sie die Anmeldeauswertung gebaut haben. Nennen Sie den Datenumfang und was mit Ihren Zahlen passiert ist.
• Zertifikate: Google Data Analytics Professional Certificate, Microsoft PL-300, Tableau Desktop Specialist, IBM Data Analyst Professional Certificate. Nützlich für die Schlüsselwörter, aber die Fachabteilung gewichtet die Projekte höher.
• Kenntnisse mit genauen Werkzeugnamen und ehrlicher Einstufung. Schreiben Sie nach einem Kurs „Python (pandas, matplotlib)“, nicht „Python-Expertin“.

• Länge: eine Seite bis etwa 7 Jahre Erfahrung, danach höchstens zwei, etwa für Senior-Analystinnen und -Analysten mit langen Projektlisten oder Führungsverantwortung. Entschieden wird auf der ersten halben Seite.
• Reihenfolge mit Erfahrung: Kopf, Profil, Berufserfahrung, Kenntnisse, Zertifikate, Ausbildung. Beim Einstieg: Kopf, Profil, Ausbildung, Projekte, Berufserfahrung, Kenntnisse, Zertifikate.
• Layout: eine Spalte, klare Überschriften, keine Grafiken oder Kenntnisbalken. Eine schlichte Vorlage wie cvplex modern-blue kommt durch Bewerbermanagementsysteme (ATS) und wirkt aktuell. Ein Foto ist in Deutschland üblich, aber freiwillig; in internationalen Tech-Unternehmen wird es oft weggelassen. Ein Anschreiben ist dort häufig optional; lesen Sie die Anzeige.
• Links: LinkedIn, GitHub und Tableau Public als reine Text-URLs in den Kopf. Achten Sie darauf, dass die Repositories READMEs haben und die Dashboards auf Tableau Public laden.
• Schlüsselwörter aus der Anzeige, wenn sie auf Sie zutreffen: SQL, Tableau oder Power BI, Python, Excel, Dashboards, KPIs, A/B-Tests, Datenbereinigung, Datenmodellierung, Stakeholder, Reporting, Prognosen, dazu die genaue Datenbank (Snowflake, BigQuery, Redshift). Das ATS vergleicht exakte Zeichenfolgen, also „Power BI“, nicht „PowerBI“.
• Lebenslauf oder CV? In Deutschland ist es der tabellarische Lebenslauf mit einer bis zwei Seiten. „CV“ sagen internationale Unternehmen, die oft eine englische Fassung verlangen; Länge und Aufbau bleiben gleich. Ein akademischer CV (Publikationen, alle Lehrveranstaltungen) ist für Stellen in der Forschung gedacht, nicht für Analystenstellen.