이력서 가이드
데이터 분석가 이력서 가이드
이 데이터 분석가 가이드로 구문 분석이 쉬운 이력서를 구성한 다음 ResumeCaliper에서 실제 채용 공고와의 적합도를 평가하세요.
데이터 분석가 직무에서 중요하게 보는 역량
- SQL 쿼리 및 조인
- 탐색적 데이터 분석
- 대시보드 작성 및 데이터 스토리텔링
- A/B 테스트 해석
- 통계적 이해력
- 이해관계자 커뮤니케이션
도구 및 플랫폼
- SQL
- Python
- Excel
- Tableau
- Power BI
- Looker
- dbt
일반적인 책임
- 정리되지 않은 데이터 세트를 의사 결정에 활용할 수 있는 인사이트로 전환
- 비즈니스 파트너를 위한 정기 KPI 대시보드 구축
- PM 및 마케터와 협업해 실험 결과 분석
- 지표 정의와 데이터 품질 문제 문서화
이력서 작성 팁
- 도구 목록만 나열하지 말고 비즈니스 성과(매출, 전환율, 처리 시간)를 중심으로 불릿을 작성
- 실제로 사용한 기술 스택(데이터 웨어하우스, BI 도구, 언어)을 명시
- JD에서 성장 또는 제품 분석을 강조한다면 실험 분석이나 퍼널 분석 경험을 제시
- ATS가 SQL/Python 키워드를 정확히 읽도록 깔끔한 단일 열 레이아웃 사용
ATS 권장 사항
- 실제로 측정한 지표에 한해 JD와 동일한 지표명을 사용
- 핵심 도구를 별도의 기술 섹션과 경력 불릿 양쪽에 기재
- 본문에는 차트나 표를 피하세요. ATS가 내용을 누락하는 경우가 많습니다.
- 사실과 일치한다면 채용 공고의 정확한 직무명을 헤드라인에 사용
흔한 실수
- 지표나 업무 영역 없이 단순히 "데이터 분석"이라고만 적은 불릿
- JD에서 요구하는 도구의 숙련도를 보여주지 않고 BI 도구만 나열
- SQL을 모호한 "데이터베이스 경험"이라는 표현 뒤에 숨김
- 이해관계자에게 제공한 결과나 의사 결정에 미친 영향을 언급하지 않음
데이터 분석가 resume examples (weak → stronger)
- Weak: Built dashboards. → Stronger: Built Looker funnel dashboard adopted by Growth; cut weekly reporting time from 8h to 45m.
- Weak: Analyzed A/B tests. → Stronger: Designed and read 12 pricing experiments; +4.1% ARPU with documented guardrails.
- Weak: SQL and Excel. → Stronger: Modeled retention cohorts in SQL; identified −18% churn driver for SMB segment.
자주 요구되는 자격증
- Google Data Analytics
- Microsoft PL-300
- dbt Fundamentals
자주 묻는 질문
데이터 분석가 이력서에서는 무엇을 강조해야 하나요?
SQL/Python 숙련도, 정량화된 비즈니스 성과, 대상 공고의 키워드를 강조하고 일반적인 도구 나열은 피하세요.
ResumeCaliper은 데이터 분석가에게 어떻게 도움이 되나요?
CV와 JD를 업로드하면 적합도 점수, 부족 항목 목록, 다운로드 시 연락처 정보를 복원하는 ATS 대응 재작성 결과를 받을 수 있습니다.