Essensen: Sådan ser et stærkt dataanalytiker-CV ud
Et stærkt CV som dataanalytiker viser hurtigt tre ting: hvilke værktøjer du kan, hvilke problemer du løser, og hvilken forretningsværdi du skaber. Typisk gør du det gennem en skarp profiltekst, en tydelig liste over nøglekompetencer og værktøjer, 2-3 stærke projekter med resultater og en enkel, ATS-venlig struktur.
Målet er, at både en travl rekrutteringsansvarlig og et screeningssystem kan se: du kan arbejde med data, du forstår forretningen, og du kan omsætte analyser til konkrete forbedringer.
Lad os være konkrete og bygge det op trin for trin.
Hvad skal stå i et stærkt dataanalytiker-CV?
Et godt dataanalytiker-CV består af få, men skarpe sektioner: en kort profiltekst, nøglekompetencer, centrale værktøjer, udvalgte projekter, erhvervserfaring, uddannelse og eventuelt et link til portfolio (GitHub, Power BI eller lignende). Det hele skal være let at skimme og formuleret, så både teknik og forretning er tydelig.
En enkel og velfungerende opbygning kunne være:
- Kontaktoplysninger (navn, telefon, mail, LinkedIn, evt. by)
- Profiltekst / kompetenceprofil (3-5 linjer)
- Nøglekompetencer (både faglige og personlige)
- Værktøjer & teknologier (SQL, Python, Power BI osv.)
- Udvalgte projekter (2-3 korte projektcases)
- Erhvervserfaring (med fokus på resultater frem for opgaver)
- Uddannelse & kurser
- Portfolio-link (GitHub, Power BI, Tableau Public, egen side)
Som dataanalytiker er det især projekter og værktøjer, der adskiller dig fra andre kandidater. Derfor kan det give mening at placere “Værktøjer” og “Udvalgte projekter” højt i CV’et, lige efter profilteksten, så det står tydeligt, hvad du faktisk kan levere.
Hvis du mangler en grundskabelon at starte i, kan du hente inspiration i vores gratis CV-skabeloner på dansk og tilpasse dem til dataanalytikerrollen.
Sådan skriver du en profiltekst, der lyder som en dataanalytiker
En god profiltekst til en dataanalytiker er 3-5 linjer, der viser din rolle, dine vigtigste værktøjer og den type forretningsværdi, du skaber. Den skal lyde konkret og nutidig, ikke som en liste over personlige adjektiver.
En enkel model, du kan bruge, er:
Rolle + teknisk styrke + forretningsbidrag + branchekontekst
Omsat til dansk:
- Rolle: Dataanalytiker, junior dataanalytiker, BI-analytiker osv.
- Teknisk styrke: SQL, Power BI, Python, datavisualisering, forecasting osv.
- Forretningsbidrag: forbedrer rapportering, reducerer churn, optimerer kampagner, skaber beslutningsgrundlag.
- Branchekontekst: fx e-handel, finans, offentlig sektor, SaaS, retail.
Eksempel: Junior dataanalytiker (dansk)
Junior dataanalytiker med fokus på SQL, Excel og Power BI, der brænder for at omsætte rå data til brugbare dashboards. Har erfaring fra studieprojekter og praktik med at bygge rapporter til marketing og ledelse og sikre datakvalitet. Arbejder struktureret og trives i krydsfeltet mellem data, forretning og kolleger uden teknisk baggrund.
Eksempel: Erfaren dataanalytiker (dansk)
Dataanalytiker med 4+ års erfaring i at udvikle datadrevne beslutningsgrundlag i kommercielle teams. Stærk i SQL, Power BI og Python til datamodellering, automatisering af rapporter og churn- og salgsanalyser. Kendt for at oversætte komplekse datasæt til klare anbefalinger for marketing, salg og ledelse og dokumentere konkrete effekter på KPI’er.
Eksempel: Senior / Lead dataanalytiker (dansk)
Senior dataanalytiker og uformel teamleder med solid erfaring i at opbygge BI-løsninger og dataflows i Azure-miljøer. Kombinerer stærke kompetencer i SQL, Python, Power BI og data governance med tæt samarbejde med produkt- og forretningsansvarlige. Driver projekter fra behovsafklaring til implementeret løsning og har dokumenteret erfaring med at reducere rapporteringstid og øge indsigt i kundeadfærd.
Kort eksempel på engelsk profiltekst
Data Analyst with solid experience in SQL, Power BI and Python, turning complex datasets into clear insights for marketing and product teams. Used to owning dashboards end-to-end, improving data quality and communicating findings to non-technical stakeholders. Focused on measurable impact such as reduced churn, better campaign performance and faster reporting.
Du kan justere eksemplerne til din egen situation, men hold altid fast i strukturen: rolle, værktøjer, type opgaver og hvilken forskel du gør for forretningen.
Hvilke projekter skal du fremhæve på dit CV?
De bedste projekter på et dataanalytiker-CV viser et konkret problem, den metode og de værktøjer, du brugte, og et synligt resultat. To til tre velbeskrevne projekter slår en lang, løs liste af opgaver.
Brug denne simple projektmodel:
Problem → Metode → Værktøjer → Resultat
- Problem: Hvad var udfordringen, fx “manglende overblik over salg” eller “uklar kundeadfærd”?
- Metode: Hvad gjorde du fagligt? Segmenterede? Byggede en model? Automatiserede rapporter?
- Værktøjer: SQL, Python, Power BI, Excel, Azure osv.
- Resultat: Hvad blev effekten? Gerne med konkrete tal eller tydelig forbedring.
Projekt-eksempel 1: Dashboard og salgsoverblik
Salgsdashboard til ledelsen
Problem: Ledelsen manglede løbende overblik over salgstal på tværs af kanaler og produkter.
Metode: Indsamlede krav, definerede KPI’er og byggede datamodel med faste opdateringsflows.
Værktøjer: SQL, Power BI, Excel.
Resultat: Skabte et interaktivt dashboard, der reducerede manuel rapporteringstid med ca. 50 % og blev standardværktøj i de ugentlige salgsreviews.
Projekt-eksempel 2: Churn-analyse (anonymiseret)
Churn-analyse for abonnementsprodukt (B2C)
Problem: Høj kundeafgang blandt nye abonnenter i de første tre måneder.
Metode: Analyserede kundedata og adfærd, byggede segmenter og identificerede risikoprofiler.
Værktøjer: SQL, Python (pandas, scikit-learn), Power BI.
Resultat: Pegede på tre centrale risikofaktorer og anbefalede målrettede retention-tiltag. Efter implementering så virksomheden et fald i churn i de mest udsatte segmenter.
Sådan anonymiserer du projekter, når du har tavshedspligt
Du behøver ikke nævne konkrete kundenavne eller følsomme detaljer for at skrive stærke projekter. Du kan:
- Brug branche og type kunde i stedet for navn, fx “større dansk bank”, “offentlig myndighed” eller “nordisk e-handelsvirksomhed”.
- Beskriv datatyper frem for specifikke felter, fx “transaktionsdata”, “kundeadfærdsdata”, “supporttickets”.
- Angiv ændringer i procent eller niveauer frem for eksakte tal, fx “ca. 20 % reduktion i manuel rapporteringstid” eller “flere hundrede brugere pr. måned”.
Hvis du er nyuddannet eller i karriereskift, kan studieprojekter, frivillige projekter eller egne sideprojekter også stå her, hvis de viser relevante værktøjer og en reel problemstilling. Du kan hente idéer til, hvordan du bruger tidligere erfaring og projekter strategisk, i vores artikler om nyuddannede og karrierestart og -skift.
Hvilke værktøjer skal stå på et dataanalytiker-CV?
Et stærkt dataanalytiker-CV fremhæver de værktøjer, der er vigtigst for den type job, du søger. For mange danske stillinger er SQL og Power BI basis, med Python som en stærk ekstra kompetence. Herefter kommer Excel, Tableau, cloud-platforme og mere specialiserede værktøjer afhængigt af rolle og branche.
En enkel måde at prioritere på er at tænke i tre niveauer:
| Niveau | Værktøjer | Hvornår er de vigtige? |
|---|---|---|
| Must-have | SQL, Power BI, Excel | Næsten alle dataanalytikerroller, især i større danske organisationer |
| Stærk fordel | Python, Tableau, avanceret Excel (Power Query), basic Git | Når du arbejder med mere kompleks analyse, automatisering eller flere visualiseringsplatforme |
| Branche-/rolleafhængig | Azure, Snowflake, dbt, andre cloud- og ETL-værktøjer | I miljøer med moderne data stack, fx tech, SaaS og større koncerner |
Match altid dine værktøjer med jobopslaget:
- Står der SQL og Power BI tre gange i opslaget, skal de tydeligt stå både i profiltekst, værktøjssektion og projekter.
- Hvis rollen nævner Azure eller Snowflake, er det værd at vise konkrete projekter, hvor de indgår, frem for kun at have dem i en liste.
- Nævn kun værktøjer, du reelt kan bruge i et job. Hellere færre, stærke end en lang liste, du ikke kan stå på mål for til samtalen.
Hvis du gerne vil styrke dine tekniske kompetencer, kan du finde inspiration til relevante kurser og efteruddannelse i vores samling om kompetencer og efteruddannelse.
Sådan tilpasser du CV’et til jobopslaget og ATS
Et ATS-venligt CV bruger enkel struktur, klare overskrifter og de vigtigste nøgleord fra jobopslaget. Både screeningssystemet og den person, der læser dit CV, skal hurtigt kunne finde profiltekst, værktøjer, erfaring og projekter.
Brug en enkel struktur
- Brug klassiske overskrifter som Profil, Kompetencer, Værktøjer, Erfaring, Uddannelse, Projekter.
- Skriv i bullets med korte sætninger, ikke lange blokke af tekst.
- Undgå kreative CV-layouts, tekstbokse, avanceret grafik og mange kolonner, som kan forvirre ATS.
- Brug et standard-font og hold dig til sort tekst på hvid baggrund.
Filformat og nøgleord
- Brug typisk PDF, med mindre virksomheden direkte beder om et andet format (fx DOCX).
- Læs jobopslaget grundigt og noter de vigtigste fagord og værktøjer, fx “SQL”, “Power BI”, “datavisualisering”, “churn-analyse”.
- Brug de samme begreber naturligt i profiltekst, værktøjsliste og projektbeskrivelser. Undgå kunstig “keyword stuffing”.
ATS-tjekliste før du sender
Brug denne hurtige check, inden du trykker send:
- Har CV’et tydelige overskrifter med almindelig tekst (ikke som billeder)?
- Er alle centrale oplysninger (navn, mail, telefon, stillingsbetegnelser) skrevet som almindelig tekst?
- Går din erfaring i omvendt kronologisk rækkefølge (nyeste først)?
- Står de vigtigste værktøjer og kompetencer også de steder, hvor jobopslaget fremhæver dem?
- Fylder dit CV omkring 1-2 sider, så det er overskueligt?
Hvis du vil arbejde mere strategisk med hele din ansøgningspakke, kan du finde flere generelle råd i vores karriereguides.
Dansk eller engelsk CV som dataanalytiker?
Som hovedregel bør du skrive dit CV på det sprog, jobopslaget er formuleret på. Er opslaget på dansk, er et CV på dansk helt fint. Er det på engelsk, forventes et engelsk CV.
Nogle danske virksomheder har internationalt miljø og bruger engelsk som koncernsprog, især i tech og data. Hvis du er i tvivl:
- Tjek virksomhedens hjemmeside og LinkedIn – hvilket sprog bruger de mest?
- Se på teamet omkring rollen – er det tydeligt internationalt, kan engelsk være det bedste valg, også ved dansk opslag.
- Overvej at have både en dansk og en engelsk version liggende, så du hurtigt kan tilpasse dig forskellige opslag.
Værktøjsnavne (SQL, Power BI, Python) er de samme på begge sprog, så forskellen ligger primært i profiltekst, projekter og erfaringsbeskrivelser.
Sådan viser du portfolio med GitHub eller Power BI
En lille, velvalgt portfolio styrker ofte et dataanalytiker-CV mere end en lang liste af opgaver. Et par gode GitHub-repositories eller 1-2 gennemarbejdede Power BI-dashboards kan vise, hvad du faktisk kan levere.
Hvor skal portfolio-linket stå?
- I toppen sammen med kontaktoplysninger: fx “Portfolio: github.com/brugernavn”.
- I en separat sektion nederst: Portfolio / Udvalgte projekter.
- Direkte under relevante projekter eller erfaring, hvis linket knytter sig til den konkrete case.
Eksempler på formuleringer
Portfolio (GitHub): github.com/navn – eksempler på churn-analyse i Python og automatiserede rapporter.
Power BI dashboards: Link til interaktiv salgsrapport og marketing-performance dashboard (demo-data).
Tænk over:
- Vis kun relevant og ryddelig kode/visualiseringer.
- Brug gerne demo-data, hvis du ikke må dele rigtige data. Forklar kort, at data er anonymiseret eller syntetisk.
- Fremhæv hellere 1-3 stærke projekter end en stor, uoverskuelig liste.
Hvis du overvejer små sideprojekter eller cases for at opbygge portfolio, kan du finde inspiration i vores indhold om sideprojekter og freelancehverdag. Mange starter netop med mindre projekter, der senere bliver centrale cases på CV’et.
Hvad kan du gøre nu?
Hvis du vil bruge guiden her konkret, kan du gøre det i denne rækkefølge:
- Skriv en profiltekst efter modellen: rolle + teknisk styrke + forretningsbidrag + branche.
- Vælg 2-3 projekter og beskriv dem med problem, metode, værktøj og resultat.
- Ryd op i din værktøjsliste og prioriter SQL, Power BI og de teknologier, der matcher jobopslaget.
- Gå din struktur igennem med ATS-tjeklisten og juster layout, overskrifter og nøgleord.
- Tilføj et portfolio-link, hvis du har (eller planlæg at bygge ét projekt, du kan linke til).
Har du brug for en grundskabelon, så start med en af vores gratis CV-skabeloner og byg din dataanalytiker-version ovenpå. Så har du et CV, der både kan læses af systemer og overbevise den menneskelige læser om, at du er den rette til jobbet.
About the Author
Relaterede indlæg
Tilkoblet Job & karriereskift, Personlig branding & synlighed