ক্যারিয়ার পরিবর্তন
অ্যাকাউন্ট্যান্ট থেকে ডেটা অ্যানালিস্ট: ক্যারিয়ার বদলের সিভি উদাহরণ
অ্যাকাউন্ট্যান্টরা এমনিতেই সারাদিন হিসাব মেলান, অসংগতি খুঁজে বের করেন এবং স্প্রেডশিট মডেল বানান — ডেটা বিশ্লেষণের কাঁচামাল এগুলোই। ঘাটতিটা যোগ্যতায় নয়, পরিভাষা ও টুল ব্যবহারের প্রমাণে। এই গাইডে দেখানো হয়েছে কীভাবে রিকনসিলিয়েশন, ভ্যারিয়েন্স বিশ্লেষণ ও ফাইন্যান্সিয়াল মডেলিংকে ডেটা অ্যানালিস্টের অভিজ্ঞতা হিসেবে উপস্থাপন করবেন, সাথে ২০২৬ সালে ক্যারিয়ার পরিবর্তনের সিভিতে রিক্রুটাররা যে SQL, ড্যাশবোর্ড ও পরিসংখ্যানের প্রমাণ আশা করেন তা।
একজন ডেটা অ্যানালিস্ট ব্যবসায়িক প্রশ্নের উত্তর দিতে ও সিদ্ধান্তে সহায়তা করতে ডেটা সংগ্রহ, পরিষ্কার ও ব্যাখ্যা করেন — অ্যাকাউন্ট্যান্টরা আর্থিক ডেটা নিয়ে ঠিক এই মূল কাজটিই করেন, শুধু এখানে পরিসর বড় (প্রোডাক্ট ব্যবহার, মার্কেটিং খরচ, অপারেশন) এবং টুল আলাদা (ERP লেজার ও পিভট টেবিলের বদলে SQL ও BI ড্যাশবোর্ড)। ক্যারিয়ার পরিবর্তনের ডেটা অ্যানালিস্ট সিভিতে রিক্রুটাররা তিনটি জিনিস দেখেন: অ্যাকাউন্টিংয়ের সুসংগঠিত হিসাবের তালিকার বদলে অগোছালো, অনিরীক্ষিত ডেটা নিয়ে কাজ করার স্বাচ্ছন্দ্য; Excel-এর বাইরে প্রমাণিত SQL/Python দক্ষতা; এবং অন্তত একটি প্রজেক্ট (পোর্টফোলিও, সার্টিফিকেট বা ফ্রিল্যান্স বিশ্লেষণ) যা দেখায় পরিবর্তন ইতিমধ্যে শুরু হয়ে গেছে, শুধু ইচ্ছার পর্যায়ে নেই।
সম্পূর্ণ সিভির উদাহরণ
এই পদের জন্য একটি সম্পূর্ণ নমুনা সিভি, মডার্ন টেমপ্লেটে দেখানো হয়েছে। একই টেমপ্লেট দিয়ে শুরু করুন এবং তথ্যগুলো নিজের তথ্য দিয়ে বদলে নিন।
টেমপ্লেট: মডার্ন
শাহরিয়ার কবির
ডেটা অ্যানালিস্ট
- [email protected]
- +880 181X-XXXXXX
- ঢাকা, বাংলাদেশ
সারাংশ
ডেটা অ্যানালিটিক্সে আসা অ্যাকাউন্ট্যান্ট; ভ্যারিয়েন্স বিশ্লেষণ, ডেটা রিকনসিলিয়েশন ও ম্যানেজমেন্ট রিপোর্টিংয়ে ৬ বছরের অভিজ্ঞতা। এখন SQL কোয়েরি, Python বিশ্লেষণ ও Power BI ড্যাশবোর্ড তৈরি করি এবং ডেটার মান যাচাইয়ে একজন ফাইন্যান্স পেশাজীবীর নিখুঁততা নিয়ে আসি।
অভিজ্ঞতা
সিনিয়র অ্যাকাউন্ট্যান্ট · মেঘনাতীর মেডিকেল ডিভাইসেস লিমিটেড
ঢাকা · 2021 – চলমান
- ৪টি কারখানা জুড়ে মাসিক খরচের ভ্যারিয়েন্সের মূল কারণ খুঁজে সরবরাহকারী চুক্তিতে ৭ কোটি ৫০ লাখ টাকার একটি মূল্য-ত্রুটি উদ্ঘাটন করেছি।
- SQL ও Excel দিয়ে স্বয়ংক্রিয় রিকনসিলিয়েশন চেক তৈরি করেছি, যা ৩টি সিস্টেমের অমিল রেকর্ড চিহ্নিত করে; রিকনসিলিয়েশনের সময় ৫০% কমেছে।
- স্থির মাসিক রিপোর্টের বদলে একটি Power BI ড্যাশবোর্ড চালু করেছি, যা ২৫ জন ম্যানেজার ব্যবহার করেন।
অ্যাকাউন্টস অফিসার · তিস্তা সমবায় ঋণদান সমিতি
ঢাকা · 2018 – 2021
- প্রতি মাসে CFO-র জন্য ম্যানেজমেন্ট রিপোর্ট প্রস্তুত করেছি এবং ঋণ পোর্টফোলিওর প্রবণতা বিশ্লেষণ করেছি।
প্রকল্প
সরকারি ব্যয় বিশ্লেষণ পোর্টফোলিও
2024 – 2024
বাংলাদেশের ৫ বছরের প্রকাশ্য সরকারি ব্যয়ের ডেটা নিয়ে স্বাধীন বিশ্লেষণ, GitHub-এ প্রকাশিত।
- Python (pandas) দিয়ে ১২ লাখ সারি ডেটা পরিষ্কার করেছি এবং মন্ত্রণালয়ভিত্তিক বাজেট বনাম প্রকৃত ব্যয় তুলনায় SQL লিখেছি।
- একটি ইন্টারঅ্যাকটিভ Tableau Public ড্যাশবোর্ড তৈরি করেছি, যা ৩,০০০ বারেরও বেশি দেখা হয়েছে।
শিক্ষা
বিবিএ, অ্যাকাউন্টিং অ্যান্ড ইনফরমেশন সিস্টেমস · ঢাকা বিশ্ববিদ্যালয়
ঢাকা · 2014 – 2018
সার্টিফিকেশন
- চার্টার্ড অ্যাকাউন্ট্যান্ট (ACA) · ইনস্টিটিউট অব চার্টার্ড অ্যাকাউন্ট্যান্টস অব বাংলাদেশ (ICAB) · 2020
- Google Data Analytics Professional Certificate · Google · 2024
দক্ষতা
- SQL
- Python (pandas)
- Power BI
- Tableau
- অ্যাডভান্সড Excel
- ডেটা ক্লিনিং ও যাচাই
- ভ্যারিয়েন্স ও মূল-কারণ বিশ্লেষণ
- ফাইন্যান্সিয়াল রিপোর্টিং
ভাষা
- বাংলা (মাতৃভাষা)
- ইংরেজি (দক্ষ)
মূল দক্ষতা
- ভ্যারিয়েন্স ও মূল-কারণ বিশ্লেষণ (সরাসরি ডেটা বিশ্লেষণে কাজে লাগে)
- ফাইন্যান্সিয়াল মডেলিং ও পূর্বাভাস (Excel, অ্যাডভান্সড ফর্মুলা)
- রিলেশনাল ডেটা কোয়েরি ও জয়েন করার জন্য SQL
- ডেটা ভিজুয়ালাইজেশন ও ড্যাশবোর্ড (Tableau, Power BI, Looker)
- রিকনসিলিয়েশন ও ডেটার মান যাচাই
- ডেটা নিয়ে কাজের জন্য Python বা R-এর মৌলিক জ্ঞান (pandas)
- পরিসংখ্যানগত বিশ্লেষণের মৌলিক ধারণা (রিগ্রেশন, হাইপোথিসিস টেস্টিং)
- ERP ও আর্থিক সিস্টেমের অভিজ্ঞতা (SAP, Oracle, NetSuite)
- প্রক্রিয়ার ডকুমেন্টেশন ও অডিট-ট্রেইলের নিখুঁততা
- অ-টেকনিক্যাল শ্রোতাদের জন্য স্টেকহোল্ডার রিপোর্টিং
- বড় পরিসরে খুঁটিনাটি মনোযোগ ও ভুল শনাক্তকরণ
- বাস্তব বা পাবলিক ডেটাসেটে বিশ্লেষণ প্রয়োগ করা পোর্টফোলিও প্রজেক্ট
সিভির নমুনা বুলেট পয়েন্ট
- ভ্যারিয়েন্স বিশ্লেষণকে মূল-কারণ বিশ্লেষণ হিসেবে উপস্থাপন: ১২টি কস্ট সেন্টার জুড়ে অসংগতি অনুসরণ করে $340K-এর একটি ত্রৈমাসিক বাজেট ভ্যারিয়েন্স চিহ্নিত করেছেন এবং মূল-কারণের ফলাফল ফাইন্যান্স নেতৃত্বের কাছে উপস্থাপন করেছেন, যা তৃতীয় প্রান্তিকের সংশোধিত পূর্বাভাসের ভিত্তি হয়েছে।
- রিকনসিলিয়েশনকে ডেটার মান যাচাইয়ের কাজ হিসেবে উপস্থাপন: Excel ম্যাক্রো ও SQL কোয়েরি দিয়ে ৩টি ERP মডিউল জুড়ে স্বয়ংক্রিয় রিকনসিলিয়েশন প্রক্রিয়া তৈরি করেছেন, মাস-শেষ ক্লোজ ৬ দিন থেকে ২ দিনে নামিয়েছেন এবং ম্যানুয়াল এন্ট্রির ভুল ৯০% কমিয়েছেন।
- রিপোর্টিংকে ড্যাশবোর্ডিং হিসেবে উপস্থাপন: সাপ্তাহিক ম্যানেজমেন্ট রিভিউয়ের জন্য AP, AR ও ক্যাশ-ফ্লো ডেটা একত্র করে একটি Power BI ড্যাশবোর্ড ডিজাইন করেছেন, যা আগে সপ্তাহে ৮ ঘণ্টা সময় নেওয়া ম্যানুয়াল রিপোর্টিংয়ের জায়গা নিয়েছে।
- পোর্টফোলিও / পরিবর্তনের প্রমাণ: নিজ উদ্যোগে SQL ও Python সার্টিফিকেশন সম্পন্ন করে ৫০,০০০ সারির পাবলিক রিটেইল বিক্রয় ডেটা বিশ্লেষণে মৌসুমি চাহিদার ধরন চিহ্নিত করার একটি পোর্টফোলিও প্রজেক্ট তৈরি করেছেন এবং পূর্ণ পদ্ধতিসহ GitHub-এ প্রকাশ করেছেন।
- ফ্রিল্যান্স / স্বেচ্ছাসেবী বিশ্লেষণ: স্বেচ্ছাসেবী হিসেবে একটি স্থানীয় অলাভজনক সংস্থার ৩ বছরের অনুদানের ডেটা Python-এ বিশ্লেষণ করেছেন, সাম্প্রতিকতা ও পুনরাবৃত্তি অনুযায়ী দাতাদের সেগমেন্ট করে একটি পুনঃসংযোগ ক্যাম্পেইনের সুপারিশ করেছেন, যা নিষ্ক্রিয় দাতাদের ১৫% ফিরিয়ে আনবে বলে প্রাক্কলিত।
- আর্থিক ডেটায় পরিসংখ্যানগত নিখুঁততা: ২ বছরের খরচের ডেটায় রিগ্রেশন বিশ্লেষণ চালিয়ে ১২% বাজেট ওভাররানের পেছনের শীর্ষ ৪টি খরচ-চালককে চিহ্নিত করেছেন; এই ফলাফল পরবর্তী অর্থবছরের খরচ নিয়ন্ত্রণ পরিকল্পনা গড়ে দিয়েছে।
ATS কীওয়ার্ড
- ডেটা বিশ্লেষণ
- SQL
- Python
- ডেটা ভিজুয়ালাইজেশন
- Power BI
- Tableau
- পরিসংখ্যানগত বিশ্লেষণ
- ডেটা ক্লিনিং
- ETL
- ফাইন্যান্সিয়াল মডেলিং
- রিকনসিলিয়েশন
- ড্যাশবোর্ড ডিজাইন
- ক্যারিয়ার পরিবর্তন
- বিজনেস ইন্টেলিজেন্স
সাধারণ ভুল
- বছরের পর বছর অ্যাকাউন্টিং দায়িত্ব অ্যাকাউন্টিংয়ের পরিভাষাতেই (GL রিকনসিলিয়েশন, জার্নাল এন্ট্রি, AP/AR) লিখে রাখা, ডেটা বিশ্লেষণের সাথে কোনো সংযোগ না দেখিয়ে। — বুলেটের ভেতরেই প্রতিটি অ্যাকাউন্টিং শব্দের অ্যানালিস্ট-সমতুল্য রূপ দিন: 'জেনারেল লেজার রিকনসাইল করেছি' হয়ে যায় '১৫,০০০ সারির লেনদেন ডেটাসেটের নির্ভুলতা যাচাই ও নিরীক্ষা করেছি'।
- শুধু Excel দক্ষতা দেখানো, SQL, Python বা কোনো BI টুলের উল্লেখ ছাড়া — অথচ ডেটা অ্যানালিস্ট পদের জন্য রিক্রুটাররা ন্যূনতম এগুলোই আশা করেন। — নির্দিষ্ট টুলের নামসহ একটি আলাদা টেকনিক্যাল স্কিলস লাইন যোগ করুন, আর সম্ভব হলে বাস্তব ডেটাসেটে সেগুলোর প্রয়োগ দেখানো একটি পোর্টফোলিও লিংক দিন।
- অ্যাকাউন্টিংয়ের নিখুঁততাকে আলাদা শক্তি না ভেবে দুর্বলতা হিসেবে আড়াল করা। — অডিটের কঠোরতাকে এমন শক্তি হিসেবে তুলে ধরুন যা অন্য প্রার্থীদের নেই: 'বিশ্লেষণের কাজে অডিট-মানের ডেটা কোয়ালিটি নিয়ে আসি, ফলে পরবর্তী রিপোর্টিংয়ে ভুল কমে।'
- এমন সিভি দিয়ে ডেটা অ্যানালিস্ট পদে আবেদন করা যা আগাগোড়া অ্যাকাউন্টিং সিভির মতোই পড়া যায়, লক্ষ্য পদ নতুনভাবে তুলে ধরা কোনো সামারি ছাড়া। — ২-৩ লাইনের একটি সামারি যোগ করুন, যেখানে লক্ষ্য পদ, সবচেয়ে শক্তিশালী ট্রান্সফারেবল বিশ্লেষণী সাফল্য এবং অ্যাকাউন্টিংয়ের পর যোগ করা নির্দিষ্ট টুলগুলোর কথা থাকবে।
- কোনো প্রজেক্ট বা সার্টিফিকেট উল্লেখ না করা, ফলে ডেটা অ্যানালিস্টের নির্দিষ্ট টুল ব্যবহারের কোনো সরাসরি প্রমাণ সিভিতে থাকে না। — পাবলিক ডেটাসেট বা ওপেন-সোর্স রিপোজিটরি নিয়ে অন্তত একটি নিজ উদ্যোগের প্রজেক্ট রাখুন — ক্যারিয়ার পরিবর্তনের সিভিতে প্রায়ই এটিই সবচেয়ে কার্যকর সংযোজন।
ফরম্যাটিং টিপস
- ২-৩ লাইনের সামারি দিয়ে শুরু করুন, যেখানে লক্ষ্য পদ এবং অ্যাকাউন্টিং থেকে আপনার সবচেয়ে শক্তিশালী সংখ্যায় প্রকাশিত বিশ্লেষণী সাফল্য থাকবে।
- উপরের দিকে একটি "টেকনিক্যাল স্কিল ও প্রজেক্ট" সেকশন রাখুন, যেখানে SQL, Python/R ও BI টুল এবং পোর্টফোলিও বা GitHub-এর লিংক থাকবে।
- প্রতিটি বুলেটের ক্রিয়াপদ বদলান: "রিকনসাইল করেছি", "নিরীক্ষা করেছি", "রিপোর্ট প্রস্তুত করেছি" হয়ে যাবে "যাচাই করেছি", "বিশ্লেষণ করেছি", "ভিজুয়ালাইজ করেছি"।
- যেখানে সম্ভব ডেটার পরিসর সংখ্যায় দিন (সারির সংখ্যা, ডেটা সোর্সের সংখ্যা, সাশ্রয় হওয়া সময়) — অ্যানালিস্ট নিয়োগকর্তারা পরিসরের প্রমাণ খোঁজেন।
- অ্যাকাউন্টিংয়ের পদবিগুলো সঠিক রাখুন, তবে বিশ্লেষণী দিকটি পদবি নয়, বুলেটের বিষয়বস্তু দিয়েই তুলে ধরুন।
- ৮ বছরের কম অভিজ্ঞতা হলে এক পাতা; টেক্সট-নির্বাচনযোগ্য PDF হিসেবে এক্সপোর্ট করুন যাতে ATS সিস্টেম আপনার টুলের নাম সঠিকভাবে পড়তে পারে।