Veri Analisti CV Şablonu: Ham Tablolardan İş Etkisine Dönüşen Bir Özgeçmişin Anlatı Anatomisi

Veri analistinin özgeçmişinde ayrım yaratan şey araç listesi değil, karar anıdır

İki veri analisti aynı SQL sorgusunu yazabilir, aynı pivot tabloyu çizebilir, aynı dashboard'u Tableau'ya taşıyabilir. Bir noktada, ikisinin CV'sine yan yana baktığınızda ise biri "Excel. SQL, Python, Power BI" listesi gibi okunurken, diğeri bir karar sürecinin kısa özeti gibi okunur. İkinci CV'yi değişik kılan şey yetkinlik değil,Anlatının omurgasıDır.

Pratikte, zira işe alım yapan kişi araç ismi değil, şunu sormaktadır: "Bu kişi. Bende karar vermek zorunda kaldığım bir problemde ne yapardı?" Araçlar bu sorunun kanıtıdır; sorunun kendisi değil. Aslına bakılırsa, bu yüzden bir veri analisti CV şablonu, araç envanteri gibi değil,Karar anlatısı Gibi kurgulanmalıdır.

Peki çoğu veri analisti CV'si neden benzer görünür?

• Beceri sütununda aynı kelimeler yanyana gelir: SQL, Python, Excel, Power BI, Tableau, Looker, BigQuery...
• Aslına bakılırsa, iş deneyimi bölümü görev listesi gibi yazılır: "raporlama yaptım", "dashboard kurdum", "veri temizledim".
• Profil özeti jenerik ifadelerle dolar: "veri odaklı, detaycı, analitik düşünen".

Bu üç katman aynı anda bir araya geldiğinde ortaya çıkan şey bir veri analisti portresi değil. Bir Excel kullanıcısı portresidir. Oysa işverenin aradığı,Veriyi iş kararına çeviren kişidirAslına bakılırsa, ; teknik araçları zaten bu çevirinin altındaki kalem gibidir.

Somut olarak, iyi bir veri analisti CV'si, "ne kullandığını" değil, "kullanarak neyin önünü açtığını" anlatır. Bu fark, aynı pozisyona başvuran iki aday arasındaki en ufak ama en belirgin ayrıştırıcıdır.

Net konuşmak gerekirse, cV kurgusunun omurgası: karar → veri → teknik → etki çerçevesi

Genelde, veri analisti özgeçmişini dört sütunlu bir iskelet üzerine oturtmak, bütün anlatıyı tek bir gramere sokar. Bu dört sütunu her deneyim maddesinde örtük ya da açık tutmak tutarlılık yaratır.

Karar

İlgilendiğiniz iş kararı neydi? Somut olarak, "Funnel'in neden düştüğü", "kampanya ROI'unun yeniden hesaplanması", "churn eşiğinin belirlenmesi" gibi. Karar cümlesi işverenin gözündeki ilk çerçevelemedir; çerçeveleme doğruysa geri kalan her şey yerine oturur.

Veri

Hangi veriyle çalıştınız? Satır sayısı, kaynak sayısı, tablo sayısı, gerçek-zamanlı mı günlük mü olduğu, hangi sisteme bağlandığınız. "Çeşitli kaynaklardan veri çektim" değil; "BigQuery'de üç tabloyu birleştirip 14 milyon satırlık kullanıcı olayına indim" gibi somut olmalı.

Teknik

Hangi analitik yaklaşımı kullandınız? Somut olarak, kohort analizi, regresyon, A/B testi değerlendirmesi, funnel decomposition, outlier tespiti, anomaly detection. Yaklaşım adı, analistin zihinsel modelini gösterir; araç adından daha güçlü bir işarettir.

Etki

Karar veren kişi sizin analizinizle ne yaptı? Bütçe değişti mi, ürün akışı değişti mi, müşteri segmenti mi kaydı, bir departman yönlendirildi mi? Etki rakamsal olduğunda güçlüdür, niteliksel olduğunda "yönetimin kararını değiştirdi" gibi net ifadeler taşımalıdır.

Bu dört sütunu her madde için sırayla yazarsanız, okuyucu gözle tekrar tekrar aynı ritmi yakalar. Somut olarak, bu ritim, CV'nin profesyonel bir içeriğe benzemesini sağlayan en ucuz ama en etkili anlatı düzenidir.

Profil özeti: tek paragraflık bir iş zihniyeti manifestosu

Özgeçmişlerin en çok kötüye kullanılan alanı profil özetidir. Pek çok aday burada sıfat sıralar: analitik, veri odaklı, sonuç odaklı. Bu sıfatlar hiçbir şey anlatmaz. Çünkü işveren bunları zaten bekliyor.

Şöyle ki, profil özeti, üç bileşeni tek paragrafta birleştiren kısa bir metindir:

1. Ne tür kararlara hizmet ediyorsunuz?: Pazarlama optimizasyonu, ürün analitiği, finansal raporlama, müşteri segmentasyonu, operasyonel verimlilik gibi.
2. Sahada, hangi derinlikte hangi araçlarla?: "SQL'de pencere fonksiyonları düzeyinde. Python'da pandas ile feature engineering yapabilirim" gibi, yetkinliğin tavanını gösteren ifadeler.
3. Sahada, iş etkisinin ölçeği nedir?: "Yönettiğim dashboard haftalık 12 ülke ekibi tarafından kullanılıyor". "Churn tahmin modeli gerçek-zamanlı pazarlama tetikleyicisine bağlandı" gibi.

Toplamda üç ila dört satır. Net konuşmak gerekirse, daha fazlası okunmuyor; daha azı yeterli sinyal vermiyor.

Profil özetinde kaçınılması gerekenler

• "Çözüm odaklıyım, takım oyuncusuyum, iletişim becerim güçlüdür" sıfat zincirleri.
• Kişisel hedefler: "Veri alanında uzmanlaşmak istiyorum" gibi CV'nin işlevine uymayan cümleler.
• Teknoloji envanteri listesi: Profil özeti araç listesi değildir, yetenek bloğu zaten ayrıdır.

Teknik beceri bloğunu sütunlara ayırma stratejisi

Tüm becerileri düz bir satır gibi dizmek, ATS'nin de insan gözünün de dikkatini dağıtır. Yetenek bloğunu üç ya da dört kategorik sütuna bölmek, hem tarama kolaylığı hem de düzey bilgisi kazandırır.

Önerilen sütun yapısı

• Net konuşmak gerekirse, veri Erişimi ve Dönüşümü: SQL (JOIN, window functions, CTEs), Python (pandas, NumPy), dbt, Airflow, sorgu optimizasyonu.
• Görselleştirme ve Raporlama: Tableau, Power BI, Looker, Looker Studio, Sigma, Excel (pivot, power query).
• İstatistik ve Modelleme: Hipotez testi, regresyon, sınıflandırma, zaman serisi, A/B testi değerlendirmesi, uplift modelling.
• Veri Mimarisi ve Bulutu: BigQuery, Snowflake, Redshift, PostgreSQL, MySQL, temel ETL tasarımı, veri ambarı prensipleri.

Bu ayrım iki işe yarar: Birincisi, okuyucu hızla sizin hangi derinlikte olduğunuzu çözer. İkincisi, her kategori içindeki kelime seçimi kendi kendinizi pazar konumlandırması yapar. Örneğin "SQL" yazmak ile "BigQuery'de sorgu optimizasyonu, partitioning, clustering" yazmak tamamen başka CV profilleri çizer.

Burada bir uyarı: Her maddeyi bilmeniz gerekmez. Yetenek bloğu, yalan söylediğinizde mülakattan elendiğiniz yerdir. Aslına bakılırsa, bilmediğiniz bir aracı listelemenin kısa vadeli kazancı, uzun vadeli güven kaybından yüksek değildir.

İşin aslı, proje anlatımında "Önce-Sonra" yerine "Karar öncesi-Karar sonrası" çerçevesi

Veri analistleri için en sık yapılan anlatı hatası, projeyi "önce X vardı, sonra Y oldu" çerçevesinde yazmaktır. Bu yaklaşım, yapılan işi anlatır; amaAnalistin kendi rolünü Görünmez kılar. İşveren ise rolünüzü merak eder.

Daha güçlü çerçeve şudur:

1. Karar öncesi durum: Yönetimin elindeki karar neydi ve kararı zorlaştıran bilgi boşluğu neydi?
2. Sizin analitik müdahaleniz: Hangi veriyi çıkardınız, hangi yöntemle birleştirdiniz, hangi varsayımlarla test ettiniz?
3. Karar sonrası durum: Yönetim hangi kararı verdi ve bu karar operasyonda nasıl göründü?

Bu üç hamle, sizi "rapor çıkaran kişi" değil, "kararı mümkün kılan kişi" olarak konumlandırır. Ayrım ufak gibi görünür; ama insan kaynakları ekranında bu ayrım. Şöyle ki, adayın "veriyi sunan" mı yoksa "kararı şekillendiren" mi olduğuna dair yapılan ayrımın ta kendisidir.

Örnek dönüşüm

• Zayıf: "Churn analizi yaptım ve dashboard kurdum."
• Somut olarak, güçlü: "Yıllık churn oranını segment bazında izah edemeyen yönetim için kullanıcı olay verisini kohort temelli ayrıştırdım; ortaya çıkan tablo. Onboarding akışında 3. Gün sonrası için müdahale kararı alınmasını sağladı; bu müdahale sonrası 90 günlük churnX Baz puan geriledi."

Bir noktada, sQL, python ve BI araçları: hepsini listelemek yerine ne zaman hangi tanıkla bahsetmek

Araç isimlerinin kendileri CV'de teknik derinliği göstermez; derinlik, aracınNasılKullanıldığında gizlidir. Bu yüzden her aracı anlatırken yanına kısa bir eylem niteleyicisi eklemek çok şey kazandırır.

SQL için

• Yalnızca "SQL" yazmak yerine: "BigQuery'de ileri düzey sorgu yazımı, performans optimizasyonu, pencere fonksiyonları, recursive CTE kullanımı".
• Eğer gerçekten ileri düzeydeyseniz: "execution plan analizi, partitioning stratejileri, maliyet optimizasyonu" gibi kelimelerle ayrışmak.

Python için

• "Python" değil: "pandas ile veri dönüşümü, scikit-learn ile temel modeller, Jupyter tabanlı analiz workflow'u".
• İleri seviyede: "statsmodels, prophet, shap, feature store tasarımı" gibi modelleme derinliği göstergeleri.

BI araçları için

• BI araçlarını sadece "biliyorum" diye yazmak yerine, dashboard'un hangi karar için tasarlandığını belirtin.
• Bir noktada, "Tableau'da 12 rapordan oluşan pazarlama performans dashboard'u tasarladım ve haftalık ritual toplantıda birincil referans haline getirdim" gibi.

Buradaki kural nettir: Araç cümle içinde, cümle araç etrafında değil.Araç, başrolde değil yardımcı rolde görünmeli; sizin düşünce biçiminiz başrolde olmalıdır.

Net konuşmak gerekirse, veri görselleştirmeyi cV'ye taşıma: dashboard mu, ekran görüntüsü mü, cümle mi?

Veri analistleri sıkça CV'lerinin yanına dashboard linki eklemek ister. Bu niyet güçlü, ama uygulama çoğu zaman hatalı zira işveren o linki açmaz. Aslına bakılırsa, açsa bile, dashboard'un tasarımı sizi değil dashboard'u yargılar. CV'de gerçek alan çok kısıtlıdır; görsel şov için uygun değildir.

CV üzerinde çalışan yaklaşım

• Dashboard yerine, dashboard'un Işlevini Cümleyle anlatın.
• "Bu dashboard, X departmanının Y kararını haftalık bazda besliyor" gibi cümleler, görsel olmadan bile aynı ağırlığı taşır.
• Görsel kanıt istiyorsanız, portfolyo sitesine taşıyın; CV'de yalnızca linki verin.

Bir ölçü: görselleştirme bilgisi CV'de nasıl gözükmeli?

Yetkinlik bloğunda yalnızca araç isimleri; deneyim bölümünde ise her grafik tipininKarar amacıBelirtilmeli. "Isı haritası yaptım" değil; "Isı haritası ile saatlik müşteri yoğunluğunu göstererek vardiya planlama kararını besledim."

Stakeholder ve iş birimi etkileşimini görünür kılma yolları

Bir noktada, veri analistleri için en göz ardı edilen bölüm, iş birimiyle kurulan etkileşimin anlatıldığı kısımdır. Oysa çoğu işveren, adaydan teknik üretim değil,Karar alıcılarla isabetli iletişim kurabilmeBeklentisi taşır. Bu beklentinin karşılığı CV'de ya görünür ya görünmez.

Stakeholder etkileşimini madde yazmanın pratik yolu

• Kim için çalıştınız: "pazarlama direktörlüğü, ürün ekibi, CFO ofisi".
• Paydaşın aldığı karar: "Q3 kampanya karması revize edildi", "müşteri segmentasyon modeli CRM'e girdi olarak verildi".
• İletişim ritmi: "haftalık iş analitiği ritüeli, aylık OKR sunumu, talep üzerine exec dashboard'u".

Bu üç katman, "iletişim becerim güçlü" gibi içi boş bir sıfatı somut kanıta dönüştürür. Aynı zamanda işverene, sizin yöneticinizle aynı dili konuştuğunuz sinyalini verir.

İletişim becerisi özgeçmişte değil, iş bitirme biçiminde ölçülür. Kısaca, bu yüzden "iletişim becerim güçlüdür" yazmak yerine, iletişim becerinizin ürünü olan bir kararı yazmak daha inandırıcıdır.

Sertifikalar ve öğrenim bölümünün stratejik yerleşimi

Sertifikalar veri analistliğinde tartışmalı bir alandır. Zira Google Data Analytics Certificate. Çoğu durumda, microsoft PL-300, Tableau Desktop Specialist gibi sertifikalar ile iş deneyimi arasındaki ağırlık dengesini hatalı kurmak. CV'yi "henüz deneyimi yok" tarafına iter.

Konumlandırma ipuçları

• Açıkçası, eğer deneyiminiz iki yıldan kısa ise, sertifikalar deneyimden önce gelebilir.
• Sahada, deneyim üç yılı aşmışsa, sertifikalar özgeçmişin altına sınırlı bir blokta yer almalı; asıl ağırlık projelere bırakılmalı.
• Sertifikaları yalnızca logoyla değil, Edinilen yetkinliğiYansıtan kısa bir sıfatla yazın: "Google Data Analytics Certificate, SQL ve veri temizleme odaklı".

Eğitim bilgisi

Üniversite bölümünüz istatistik, endüstri mühendisliği, matematik gibi analitik bir alan ise öne çıkarın. Değilse, üniversiteyi en alta yerleştirip sertifikalarla birlikte "ek eğitim" çerçevesinde ele alın. Çünkü işveren için kayda değer olan, hangi kurumdan mezun olduğunuz değil,Analitik düşünce biçimini nasıl edindiğinizDir.

Aslına bakılırsa, aTS uyumlu format seçimi: tek sütun mu, iki sütun mu?

ATS, bir başka deyişle başvuru takip sistemleri. Net konuşmak gerekirse, cV'nizi bir insan gibi değil, içindeki anahtar kelimeleri toplayan bir tarayıcı gibi okur. İki sütunlu tasarımlar görsel olarak çekici gelse de bazı ATS'lerde içerik bozulmasına yol açar. Bu yüzden format kararı görsel estetik değil,Okunabilirlik garantisi Üzerinden verilmelidir.

Format tercihinde pratik kurallar

• Tek sütun, sol dayalı, net başlıklar: Çoğu ATS'nin yerinde okuduğu varsayılan formattır.
• İki sütun: Yalnızca sol sütun yetkinlik bloğu ve iletişim bilgisi olarak kullanılıyorsa. Pratikte, deneyim yine sağda tam sütun olarak yer alıyorsa ve ATS testinden geçtiyse uygulanabilir.
• Tablolar, ikonlar, renkli bloklar: İşe yarıyor gibi görünür, ama çoğu zaman anahtar kelimeleri maskeler.
• Font seçimi: Standart ve okunaklı bir yazı tipi yeterlidir; karakter başına ortalama 9, 10 punto idealdir.

Burada başlıca olan, CV'yi tasarım yarışmasına çevirmemektir. İşveren görsel şölen istemiyor; netlik istiyor. CV şablonunun işlevi, içeriğiGörünür kılmaktır; süslemek değil.

Sektöre Göre Vurgu Kayması: Fintech, E-ticaret, SaaS, Perakende

Veri analistliği tek bir iş değil, sektöre göre içeriği farklılaşan bir pozisyon grubudur. Aynı SQL bilgisi bir e-ticaret şirketinde funnel analizine. Bir finans kuruluşunda risk raporlamasına, bir SaaS şirketinde ürün kullanım metriklerine hizmet eder. Bu yüzden CV'nin vurgu merkezi, başvurduğunuz sektörün diline yaklaştırılmalıdır.

Fintech için

• Vurgu: Risk metrikleri, regülasyon raporlaması, müşteri kredi skorlaması, fraud tespiti.
• Kelime seçimi: "maruziyet", "PD analizi", "düzenleyici raporlama", "anomali".

E-ticaret için

• Sahada, vurgu: Funnel optimizasyonu, RFM segmentasyonu, ürün öneri sistemleri, kampanya ROI ölçümü.
• Kelime seçimi: "sepet terk oranı", "ortalama sipariş değeri", "kategori performansı".

SaaS için

• Vurgu: Ürün kullanım analitiği, aktivasyon oranı, feature adoption, müşteri sağlığı skorları.
• Kelime seçimi: "PQL", "NPS", "cohort retention", "north star metric".

Perakende için

• Vurgu: Mağaza performansı, stok devir hızı, fiyat esnekliği analizi, kampanya etkinliği.
• Kelime seçimi: "SKU performansı", "benchmark'lara karşı benzer mağaza", "sezonsal talep tahmini".

Genelde, sektörel dil değişimi bilinçli yapılmalıdır; çünkü aynı işi yapan iki kişi farklı kelimelerle özgeçmiş yazdığında. CV'lerinin başvurduğu pozisyonun "doğru" adayına benzeme olasılığı artar.

Portfolyo ve gitHub'un CV ile ilişkisi: hangisi nerede görünmeli

Veri analistleri için portfolyo GitHub'dan daha belirleyici olabilir. Zira işveren, analistin SQL ya da Python yazabildiğini değil,Bir problem karşısında nasıl düşündüğünüGörmek ister. Bu düşünce biçimini en nitelikli açıklayan şey, bir vaka incelemesidir.

Portfolyoda olması gerekenler

• Soru kısmı: Hangi iş sorusunu çözdünüz? Bu soru gerçek bir bağlamdan mı geldi?
• Sahada, yöntem: Hangi veriye, hangi sorguya, hangi dönüşüme başvurdunuz?
• Bulgu: Ne ortaya çıktı? Yönetim nasıl bir karar aldı?
• Net konuşmak gerekirse, görsel kanıt: Bir dashboard değil, kritik bir grafiğin ekran görüntüsü yeterli olacaktır.

CV ile portfolyo ilişkisi

CV, portfolyonun küçük bir fragmanıdır. Bu yüzden portfolyoda her vakanın özeti tek cümlede CV'ye sızabilir: "Müşteri segmentasyon vakası: 4 segmentli RFM modeli CRM'e entegre edildi" gibi. Bu tür kısa cümleler, mülakat öncesi okuyucuya "bu kişinin yaptıklarına bakabilirim" güvencesini verir.

GitHub için ise daha temkinli olmak şarttır. Veri analistleri için GitHub deposu. Gerçekte, model geliştiren kişiler için olduğu kadar doğal değildir; bu yüzden "GitHub'ımı inceleyin" demek yerine. Portfolyodaki bir vakanın teknik kısmınaReferans Vermek daha sağlıklıdır.

Sık yapılan hatalar ve revizyon kontrol listesi

Veri analisti özgeçmişlerinde tekrar eden hataları, her başvuru öncesi bir kontrol listesine dönüştürmek şarttır. Aşağıdaki liste, yıllar içinde sıkça karşılaşılan revizyon noktalarını bir araya getirir.

İçerik hataları

• Gerçekte, beceri bloğunda araç isimlerinin altında derinlik ifadesi olmaması.
• Çoğu durumda, deneyim maddelerinde "ne yapıldığının" değil, "ne kararı tetiklediğinin" eksik olması.
• Profil özetinin kişisel hedef cümleleriyle dolması.
• Pratikte, sektörel dilin tutarlı olmaması; başvurulan pozisyonla eşleşmeyen jargona yer verilmesi.

Biçim hataları

• İki sayfa sınırını aşan gereksiz detaylar.
• Tarih formatlarının tutarsızlığı.
• Yetkinlik bloğu ile deneyimin çakışması; her bloğun kendi işlevini yitirmesi.
• Başvurulan pozisyona göre güncellenmeyen, "her yere aynı CV" gönderme refleksi.

ATS hataları

• Anahtar kelimelerin yalnızca "Beceriler" bölümünde geçmesi, deneyim maddelerine dağılmaması.
• Başlıkların standart dışı ifadelerle yazılması (mesela "Neler Yaptım?" yerine "İş Deneyimi").
• Görsel öğelerin, içeriği maskeleyecek kadar yoğun olması.

Bu kontrol listesini her başvurudan önce on dakika ayırarak uygulamak. Açıkçası, özgeçmişin çoğu adayınkinden değişik görünmesini sağlayan en pratik yatırımdır.

Anlatının sonu değil, başlangıcı: mülakata taşınan hikaye

Veri analisti CV şablonu aslında bir mülakat provokasyonudur. İyi kurgulanmış bir CV, okuyucunun içinden şu türden sorular yükselmesini olanak tanır:

• "Bu funnel analizini hangi varsayımla yaptın?"
• "Dashboard'daki bu grafiğin seçim sebebi neydi?"
• "Karar sonrasında hangi metrik isabetsiz gitti?"

Eğer CV'niz bu tür soruları tetikliyorsa, mülakatta zaten kazanmışsınız demektir. Zira işveren artık sizi teknik yetkinlikle değil,Düşünce biçimiyleDeğerlendirme aşamasına geçmiştir. Bu aşama, veri analistliği için en sağlıklı inceleme biçimidir.

Burada bir özet formül işe yarar: Rol → karar → veri → yöntem → etki → öğrenilen. Bu altı adımı her deneyim maddesinde uygularsanız. Özgeçmişiniz jenerik bir envanter olmaktan çıkıp, sizin karar anlatınızı taşıyan kısa bir vaka dosyasına dönüşür. CV şablonu bu anlatıyı taşıyabilen bir tasarım değildir;Anlatı, CV'nin tasarımıdır.

Bu yüzden bir sonraki güncellemenizde. İlk iş beceri listenizi elden geçirmek değil; her projedeki karar anını yeniden çerçevelemek olsun. Çünkü ayrım yaratan özgeçmiş, araçlarını değil kararlarını anlatan özgeçmiştir.