ডেটা অ্যানালিস্ট সিভি উদাহরণ ও সম্পূর্ণ লেখার গাইড ২০২৬

আধুনিক ডেটা অ্যানালিস্টরা ডেটা কোয়েরি করেন ও পরিষ্কার করেন (SQL, Python/pandas), ড্যাশবোর্ড তৈরি করেন (Tableau, Power BI, Looker), স্ট্যাটিস্টিক্যাল টেস্ট চালান, এবং অ-টেকনিক্যাল স্টেকহোল্ডারদের জন্য ফাইন্ডিংসকে সিদ্ধান্তে রূপান্তর করেন। রিক্রুটার ও ATS ফিল্টাররা শুধু টুলের নাম নয়, নির্দিষ্ট টেকনিক্যাল গভীরতা — উইন্ডো ফাংশন, একাধিক টেবিল জুড়ে জয়েন, A/B টেস্টিং, রিগ্রেশন — এবং অ্যানালিস্ট একটি ব্যবসায়িক মেট্রিককে প্রভাবিত করেছেন তার প্রমাণ খোঁজে। 'Excel-এ ডেটা বিশ্লেষণ করেছেন' লেখা সিভি বাদ পড়ে; 'churn ৯% কমানো একটি churn মডেল তৈরি করেছেন' লেখা সিভি ইন্টারভিউ পায়।

মূল দক্ষতা

• SQL (উইন্ডো ফাংশন, CTE, কোয়েরি অপ্টিমাইজেশন)
• Python (pandas, NumPy, scikit-learn)
• ডেটা ভিজুয়ালাইজেশন (Tableau, Power BI, Looker)
• স্ট্যাটিস্টিক্যাল অ্যানালাইসিস ও হাইপোথিসিস টেস্টিং
• A/B টেস্টিং ও এক্সপেরিমেন্ট ডিজাইন
• ETL ও ডেটা পাইপলাইনের মৌলিক ধারণা
• Excel (পিভট টেবিল, XLOOKUP, ম্যাক্রো)
• ড্যাশবোর্ড ডিজাইন ও KPI রিপোর্টিং
• ডেটা স্টোরিটেলিং ও স্টেকহোল্ডার কমিউনিকেশন
• ডেটা ক্লিনিং ও ভ্যালিডেশন
• ফোরকাস্টিং ও রিগ্রেশন মডেলিং
• Google Analytics / প্রোডাক্ট অ্যানালিটিক্স টুল

সিভির নমুনা বুলেট পয়েন্ট

1. এন্ট্রি-লেভেল, রিপোর্টিং অটোমেশন: সাপ্তাহিক ম্যানুয়াল সেলস রিপোর্ট প্রতিস্থাপনের জন্য ১২টি অটোমেটেড SQL কোয়েরি তৈরি করেছেন, মার্কেটিং টিমের সাপ্তাহিক প্রায় ৬ ঘণ্টা সাশ্রয় করেছেন এবং ম্যানুয়াল Excel এন্ট্রির কারণে হওয়া ত্রুটি দূর করেছেন।
2. মিড-লেভেল, BI ড্যাশবোর্ডিং: ৪টি সোর্স সিস্টেমের ডেটা একত্র করে রিয়েল-টাইমে কাস্টমার churn ট্র্যাক করার জন্য একটি Power BI ড্যাশবোর্ড ডিজাইন করেছেন, রিটেনশন টিমকে দুই কোয়ার্টারে churn ৯% কমাতে সক্ষম করেছেন।
3. মিড-লেভেল, প্রোডাক্ট অ্যানালিটিক্স / A/B টেস্টিং: Python ও SQL ব্যবহার করে চেকআউট ফ্লোতে ১৫+টি A/B টেস্ট চালিয়ে বিশ্লেষণ করেছেন, একটি ওয়ান-ক্লিক রিঅর্ডার ফিচার শনাক্ত করেছেন যা কনভার্সন রেট ৪.২% বাড়িয়েছে এবং বার্ষিক আনুমানিক $380K রেভিনিউ যোগ করেছে।
4. সিনিয়র, ফোরকাস্টিং ও মডেলিং: Python (scikit-learn)-এ একটি ডিমান্ড-ফোরকাস্টিং মডেল তৈরি করেছেন যা ১৮০টি SKU জুড়ে ইনভেন্টরি ওভারস্টক ২২% কমিয়েছে, বার্ষিক আনুমানিক $1.1M ক্যারিং কস্ট সাশ্রয় করেছে।
5. সিনিয়র, ডেটা পাইপলাইন মালিকানা: এক্সিকিউটিভ ড্যাশবোর্ডে ডেটা সরবরাহকারী ETL পাইপলাইন পুনর্ডিজাইনে ইঞ্জিনিয়ারিংয়ের সাথে অংশীদারিত্ব করেছেন, ডেটা রিফ্রেশ সময় ৬ ঘণ্টা থেকে ৪৫ মিনিটে নামিয়েছেন এবং ডেটার নির্ভুলতা ৯১% থেকে ৯৯.৫%-এ উন্নীত করেছেন।
6. ডেটা অ্যানালিস্ট, এক্সিকিউটিভ কমিউনিকেশন: সিনিয়র লিডারশিপের কাছে ত্রৈমাসিক কোহোর্ট রিটেনশন বিশ্লেষণ উপস্থাপন করেছেন, ফাইন্ডিংসকে ৩টি প্রোডাক্ট রোডম্যাপ পরিবর্তনে রূপান্তর করেছেন যা ৯০-দিনের ইউজার রিটেনশন ১১% বাড়িয়েছে।

ATS কীওয়ার্ড

• SQL
• Python
• R
• Tableau
• Power BI
• Excel
• ডেটা ভিজুয়ালাইজেশন
• স্ট্যাটিস্টিক্যাল অ্যানালাইসিস
• A/B টেস্টিং
• ETL
• ডেটা ক্লিনিং
• ড্যাশবোর্ড
• KPI রিপোর্টিং
• প্রেডিক্টিভ মডেলিং
• রিগ্রেশন অ্যানালাইসিস

সাধারণ ভুল

• ফলাফল না দেখিয়ে টুল তালিকাভুক্ত করা, যেমন 'SQL, Python, Excel-এ দক্ষ।' — একটি খালি টুল তালিকার বদলে একটি নির্দিষ্ট বিশ্লেষণ ও তার ব্যবসায়িক ফলাফল দেখান।
• কোনো পরিমাপযোগ্য ব্যবসায়িক প্রভাব নেই — শুধু তৈরি করা রিপোর্ট বর্ণনা করা। — প্রতিটি বিশ্লেষণকে একটি সিদ্ধান্ত বা ডলার/শতাংশ ফলাফলের সাথে যুক্ত করুন, যেমন '...যা কাস্টমার অ্যাকুইজিশন কস্ট ১২% কমিয়েছে।'
• বুলেটগুলোতে একাডেমিক স্ট্যাটিস্টিক্যাল জার্গন দিয়ে ভরিয়ে দেওয়া। — টেকনিক্যাল পদ্ধতিগুলোকে ব্যবসায়িক ভাষায় অনুবাদ করুন, যা শুধু একজন সহকর্মী অ্যানালিস্ট নয়, একজন নিয়োগকর্তাও বুঝতে পারেন।
• শুধু 'SQL' লিখে কোনো প্রসঙ্গ ছাড়া SQL/Python-এর গভীরতা কম দেখানো। — জটিলতা নির্দিষ্ট করুন — উইন্ডো ফাংশন, CTE, ৫+ টেবিল জুড়ে জয়েন — কারণ ATS ও টেকনিক্যাল রিক্রুটাররা এই টার্মগুলো ফিল্টার করে।
• স্টেকহোল্ডার কমিউনিকেশন বা প্রেজেন্টেশন অভিজ্ঞতা বাদ দেওয়া। — অন্তত একটি বুলেট অন্তর্ভুক্ত করুন যা দেখায় আপনার বিশ্লেষণ অ-টেকনিক্যাল স্টেকহোল্ডার বা লিডারশিপের কাছে উপস্থাপন করা হয়েছে বা তাদের প্রভাবিত করেছে।

ফরম্যাটিং টিপস

• দ্রুত স্ক্যানিংয়ের জন্য 'টেকনিক্যাল স্কিলস' সেকশনকে ভাষা/টুল (SQL, Python, R) বনাম BI প্ল্যাটফর্ম (Tableau, Power BI, Looker)-এ ভাগ করুন।
• একটি পোর্টফোলিও (GitHub, Tableau Public, বা একটি ব্যক্তিগত অ্যানালিটিক্স রাইট-আপ) থাকলে লিংক দিন — ডেটা পদের জন্য এটি ক্রমবর্ধমানভাবে প্রত্যাশিত।
• প্রাথমিক ক্যারিয়ারের জন্য এক পাতায় রাখুন; ৮+ বছর বা অ্যানালিটিক্স-ম্যানেজার-ট্র্যাক প্রার্থীদের জন্য সর্বোচ্চ দুই পাতা।
• প্রাসঙ্গিক হলে ডেটাসেটের স্কেল (সারি, টেবিল, সোর্স) পরিমাপ করুন, যাতে দেখা যায় আপনি ক্লাস প্রজেক্ট নয়, প্রোডাকশন-স্কেল ডেটা সামলেছেন।
• সিভিতেই ড্যাশবোর্ড স্ক্রিনশট এমবেড করবেন না — পরিবর্তে একটি লাইভ পোর্টফোলিও অংশে লিংক দিন।
• সামঞ্জস্যপূর্ণ মেট্রিক ফরম্যাটিং ব্যবহার করুন (%, $, সাশ্রিত ঘণ্টা) যাতে ৬-সেকেন্ডের রিক্রুটার স্ক্যানে পরিমাপযোগ্য প্রভাব সহজে দেখা যায়।