Нанимающий менеджер открывает резюме аналитика с одним вопросом: «Как этот человек поможет нам принимать лучшие решения?». Не какой стек он знает, а что конкретно изменится в бизнесе с его приходом.

Аналитические позиции требуют трёх компетенций одновременно: технических (инструменты и методы), аналитических (умение ставить гипотезы и делать выводы) и коммуникационных (умение донести результаты до нетехнической аудитории). В большинстве резюме есть только первое.

• Технический стек с уровнем владения: SQL (сложные запросы / базовый), Python (pandas / только скрипты), Excel (Power Query / базовый).
• Масштаб задач: объём данных, количество пользователей, размер бюджета, аудитория дашборда.
• Влияние на решения: какие продуктовые или бизнес-решения принимались по итогам вашего анализа.
• Специализация: продуктовая аналитика, бизнес-аналитика, системный анализ, data science — разные рынки труда.
• Методологии и фреймворки: A/B-тестирование, JTBD, BPMN, SQL-оптимизация, статистика.

Раздел навыков в резюме аналитика — ключевой, но его чаще всего оформляют неправильно. Перечень из 20 программ без контекста — это не навыки, это шум. Правило: каждый инструмент должен быть подтверждён конкретным применением в описании опыта.

SQL — обязательный инструмент для большинства аналитических позиций. Укажите диалект и уровень владения: «PostgreSQL — оконные функции, CTE, оптимизация запросов», «ClickHouse — аналитические запросы по событийным данным». Просто «знаю SQL» — это ничего не говорит.

Python в резюме аналитика — преимущество, но только с конкретикой. Укажите библиотеки и задачи: «pandas + sqlalchemy — автоматизация выгрузок», «scipy.stats — проверка гипотез в A/B-тестах», «matplotlib/seaborn — визуализация для презентаций». Голое «Python» без уточнений создаёт неверные ожидания.

Аналитик создаёт ценность не в момент написания запроса, а когда его вывод меняет решение. Именно это нужно показать. Формула для описания каждого достижения: что анализировал → какой вывод сделал → что изменилось в продукте или бизнесе.

Метрики в резюме аналитика работают в обоих направлениях: они показывают масштаб ваших задач и конкретный результат. DAU 10 000 и DAU 10 миллионов — принципиально разный опыт, даже если инструменты одинаковые.

• Масштаб данных: количество пользователей/событий/транзакций, объём таблиц, частота обновления.
• Продуктовые метрики: конверсия, retention, DAU/MAU, ARPU, NPS — до и после.
• Бизнес-эффект: рост выручки, сокращение затрат, ускорение процессов в %..
• Скорость работы: «сократил время подготовки отчёта с 4 часов до 20 минут».
• Охват: количество команд / сотрудников, использующих ваши дашборды или инструменты.

Если данные конфиденциальны — используйте относительные показатели: «повысил retention на 8%», «ускорил time-to-insight в 3 раза». Работодатель понимает ограничения — главное, что логика и методология видны.

Аналитик — это широкое понятие, за которым скрываются очень разные профессии. Резюме бизнес-аналитика, системного аналитика и дата-аналитика отличаются принципиально — акцентами, инструментами и языком описания. Отправлять одинаковое резюме на все три типа вакансий — распространённая ошибка.

• Бизнес-аналитик (BA): акцент на требованиях, процессах и коммуникации. Ключевые навыки — BPMN, UML, user stories, стейкхолдер-менеджмент, Confluence, Jira. Меньше кода, больше документации.
• Системный аналитик (SA): между бизнесом и разработкой. Важны: проектирование API, REST/SOAP, ER-диаграммы, технические спецификации, понимание архитектуры. Часто нужны Swagger, PlantUML.
• Data analyst: работа с данными, SQL, визуализация, A/B-тесты, статистика. Акцент на аналитических выводах и влиянии на продуктовые решения.
• Продуктовый аналитик: пересечение data analyst и продакт-менеджера. Важны продуктовые метрики (retention, conversion, LTV), понимание unit-экономики, работа с Amplitude/Mixpanel.

При описании смешанного опыта — структурируйте его явно. Если вы работали и с требованиями, и с данными — разделите блоки по направлениям внутри одной позиции. Это читается лучше, чем микс всего подряд.

Образование и сертификаты в резюме аналитика — не обязательный блок, но весомый сигнал. Особенно важны они для junior-специалистов и при смене специализации: они показывают, что вы осознанно инвестируете в профессию.

• Google Data Analytics Certificate (Coursera) — широко признан, хорошая база для data analyst.
• Microsoft Power BI Data Analyst Associate (PL-300) — официальный сертификат для BI-специалистов.
• IIBA CBAP / CCBA — международные стандарты бизнес-анализа, весомо для BA.
• DataCamp / Stepik / Яндекс.Практикум — указывайте если курс был интенсивным (50+ часов) и практическим.
• Yandex Cloud / AWS / GCP сертификаты — плюс для дата-аналитиков, работающих с облачными хранилищами.

Высшее образование для аналитика важно, но не критично. Математика, статистика, физика, экономика, CS — хорошая база. Нематематическое образование — не минус, если есть практический опыт и сертификаты. Укажите специализацию и тему дипломной работы, если она релевантна.

Резюме аналитика имеет специфические ошибки, которые редко встречаются в других профессиях. Зная их заранее, вы избежите большинства причин отказа ещё на этапе скрининга.

• Только обязанности без результатов. «Проводил анализ данных» — это не достижение. Добавьте: что именно изменилось по итогам вашего анализа.
• Инструменты без уровня и контекста. Список из 15 программ без пояснений — это не навыки, это шум.
• Нет специализации. «Аналитик» — слишком широко. Укажите: бизнес-аналитик, data analyst, системный аналитик, продуктовый аналитик.
• Технические термины без объяснения бизнес-ценности. «Построил ETL-пайплайн» — хорошо. «Построил ETL-пайплайн: данные из 5 источников обновляются каждый час, аналитики экономят 6 часов в неделю» — отлично.
• Резюме не адаптировано под вакансию. BA и DA — разные фильтры в ATS. Одно резюме на все вакансии — проигрышная стратегия.