Data Analyst: Tools unter Skills, Entscheidungen unter Erfahrung

Analyst-Anzeigen in Greenhouse listen SQL fast immer im ersten Screen. Workday-Skills-Matching in Banken, Handel und Kliniken ebenso. Steht SQL nur in einer dichten Bullet über „große Datasets analysieren“, tokenisieren manche Extracts es nie als Skill. SQL, Warehouse (Snowflake, BigQuery, Redshift, Databricks SQL) und BI-Tool unter Skills. Dann Bullets, die von einer Frage des Business starten, nicht von einer Join-Liste.

In deutschen Konzernen filtert Workday oft nach SQL und Power BI; Berlin-Startups in Greenhouse nach dbt und Snowflake. Dieselbe Person braucht den Stack trotzdem im Fließtext, nicht in einer Canva-Wolke. Ein tabellarischer Lebenslauf als echte Word-Tabelle reißt Körnung und Arbeitgeber — visuell Tabelle, technisch Absätze.

Eine nützliche Bullet nennt Metrik, Körnung, wer sie nutzte, und ein Ergebnis, das Sie halten: „Wöchentliches SKU-Stockout-Dashboard in Tableau für 12 Planner; nach Launch Notfall-POs von 9/Woche auf 4 (Ops-Stand-up, Q1 2025).“ Das ist Analyse. „SQL, Python und Tableau für Insights“ ist ein Tool-Dump für jede Datei. Stack einmal unter Skills und einmal, leicht, in der Zeile, die ihn nutzte — dieselbe Trennung wie beim Softwareentwickler-Lebenslauf.

Titel nur angleichen, wenn wahr. Business-Analyst-Arbeit (Anforderungen, Prozessmaps, UAT) ist kein Synonym für Warehouse-SQL. Data Analyst ist nicht automatisch Data Scientist. Sagt die Anzeige Data Analyst und das Badge Business Analyst, dürfen Sie „Business Analyst (SQL-Reporting / Tableau)“ schreiben, wenn das die Arbeit war — kein PyTorch erfinden. Workday speichert das Titelfeld; die Führung liest weiter die Bullets. Zuschneiden heißt Nomen kopieren, die Sie demoen, nicht das Badge restylen.

Was aus der Anzeige kopieren

• Warehouses und BI: Snowflake, BigQuery, Redshift, Synapse, Tableau, Power BI, Looker, Qlik, Excel Power Query.
• Sprachen und Transforms: SQL, Python, R, dbt, Airflow — nur wenn geschrieben oder verantwortet.
• Domain-Nomen: LTV, Churn, Census, Claims, SKU, Funnel, A/B — Wörter, die deren Slack schon nutzt.
• Nicht die ganze Nice-to-have-Library-Liste. Menschen merken es. Im Gespräch kommt eine Window Function.

Zwei Tracks — Product Analytics und FP&A-Analyst — bedeuten zwei Dateien. LinkedIn darf breiter sein. Der Workday-Upload nicht. Listen ohne Stopfen: Keywords und Kenntnisse.

Workday parst Kontakt, Arbeitgeber, Daten, Ausbildung und einen Skills-Eimer. Eine GitHub-URL im Fließtext kann in einem Website-Feld oder im Blob landen. Repos werden aus dem ATS selten geklont. LinkedIn wird eher geklickt. URL einmal neben LinkedIn, dann Beweis in Bullets: „dbt-Modelle für das Orders-Mart, PRs in GitHub, Daily Build in Airflow.“ Ist der Link der einzige Beweis, verfehlt Greenhouse-Suche nach „dbt“ Sie.

Tableau-Public- und Looker-Studio-Links haben dasselbe Limit. Sie helfen einem Menschen nach dem Finden. Sie ersetzen nicht „SQL“ unter Skills. Dashboard-Screenshots in einem Zweispalter sind Bilder — siehe Zweispalter ATS. Dashboard-Name, Körnung und Audience tippen.

Tool-Dumps in jeder Bullet („SQL, Python, Pandas, NumPy, Seaborn, Tableau, Excel“) verdrängen die Entscheidung. Greenhouse indexiert die Wörter, aber die Führung hört auf zu lesen. Stack unter Skills. Ein oder zwei Nomen in der Bullet. Taleo ist schlechter, wenn der Dump in einem Textfeld lebt. Standardüberschriften: Berufserfahrung, Ausbildung, Kenntnisse, Projekte (optional, Bootcamp oder Kurs mit Daten). ATS-Lebenslauf und Workday-Format.

Projekte vs. Jobs

• Bezahlte Arbeit zuerst, umgekehrt chronologisch, Monat–Jahr, das Workday sortiert.
• Ausgewählte Projekte nur mit dem Stack der Anzeige und Demo. Projekt datieren.
• Kurslisten sind schwach. „Capstone: SQL auf 50k Zeilen, Looker Studio für ein Mock-Merchandising-Team“ ist eine Bullet.
• Kaggle-Rang ist optional und leicht überverkauft. Lieber eine Business-Frage, die Sie gerahmt haben.

Datei: markierbares PDF oder .docx. PDF oder Word. Nach Export ATS-Check. Dann Autofill lesen, damit SQL nicht aus Skills verschwand.

Drei ständige Edits: Retail-Ops, Marketing-Funnel, Finance-Close. Können Sie die Entscheidung nicht nennen, ist die Zeile weiter ein Tool-Dump.

Kein Prod-Warehouse? Kurs- oder Praktikums-Körnung ehrlich: „50k-Zeilen-Kursdatensatz in PostgreSQL, Dashboard für ein Mock-Merchandising-Briefing.“ Das parst weiter SQL. Snowflake-Tenure erfinden nicht. Ehrliche Metriken: Erfolge. Zeilenhandwerk: Stichpunkte.

Drei bis fünf Bullets auf dem relevantesten Sitz. Ältere Reporting-Jobs auf zwei Zeilen plus Daten. Eine zweiseitige Liste jedes Ad-hoc-Pulls ist der Grund, warum das Stockout-Dashboard nie gelesen wird.

Neunzig Minuten. Anzeige, letztes geliefertes Dashboard, eine Query, die Sie noch als Text haben. Im Enhance-CV-Editor, wenn Überschriften schon von Workday gemappt werden sollen.

Interner Wechsel: frische Datei zur neuen Requisition. Alte Anhänge kleben. Die Recruiterin öffnet das letzte PDF.

1. SQL, Warehouse, BI-Tool, Python/R und Domain-Nomen in der Anzeige einkreisen.
2. Neue Datei. Name, Stadt/Region, Telefon, E-Mail, LinkedIn, optionale GitHub-URL im Fließtext — nicht in einer Kopfform.
3. Headline: wahrer Titel plus Domain (Product Analyst, Finance Analyst) wenn wahr — nicht „Data Wizard“.
4. Jobs umgekehrt chronologisch. Arbeitgeber, Titel, Stadt, Monat–Jahr.
5. Unter der relevantesten Rolle acht unordentliche Bullets: Fragen, die Sie beantwortet haben, nicht Tools, die Sie angefasst haben.
6. Library-Listen streichen. Metrik, Körnung, Audience, Tool, Ergebnis behalten.
7. Behaltene umschreiben: Verb + Objekt + Warehouse oder BI + Entscheidung oder Zeitänderung.
8. Skills gruppiert: Sprachen, Warehouses, BI, Methoden (A/B, Forecast), die Sie halten. Keine Sterne.
9. Ausbildung: Abschluss, Schule, Jahr. Bootcamp als Ausbildung oder datierter Projektblock, nicht als fake Arbeitgeber.
10. Optionale Projekte: maximal zwei, datiert, gleicher Stack wie die Anzeige.
11. Markierbaren Text exportieren. SQL muss sich unter Skills markieren lassen.
12. Lebenslauf + Anzeige in den ATS-Check. Workday oder Greenhouse, Skills-Autofill lesen.

Profil zuletzt: Titel, Jahre, Domain, ein Dashboard oder Query mit Ergebnis. Profilbeispiele für die Form. Keine fremden +40 % kleben.

BA vs. DA: BA-Bewerbung, mit Requirements, Prozess, UAT öffnen, SQL nur als Reporting-Support. DA-Bewerbung, mit Warehouse-SQL und BI öffnen. Eine Datei, die beides gleich beansprucht, verfehlt oft beide Greenhouse-Filter.

Alte Queries und Dashboard-Namen sind bessere Quellen als das Gedächtnis. Suchen Sie nach „Looker“, „Tableau“, „dbt“, „stockout“, „close“ im Postfach. Was im Stand-up genutzt wurde, dürfen Sie als Körnung plus Audience schreiben. Was nur in einem privaten Notebook lebte, labeln Sie als Kurs oder Side Project mit Datum. Enhance CV prüft den Parse, nicht ob Sie Prod-Rechte hatten.

Wer nur Kursdaten hat, die Körnung ehrlich labeln. Fünfzigtausend Zeilen in PostgreSQL plus ein Looker-Board für ein Mock-Merchandising-Briefing parst als SQL. Snowflake-Ownership der Revenue-Pipeline anzudeuten übersteht das erste Whiteboard nicht. Bootcamp unter Ausbildung datieren, zwei Projekte mit Tools, keine erfundenen Arbeitgeber im Workday-Graph. Sensible Daten bleiben Körnung und Systemname: Claims-Extract, HIPAA-geschult, keine Fakten auf Kundenebene in den Fließtext.

Wer aus Ops oder Finance kommt, echte Titel behalten. Das erste SQL oder Dashboard mit Datum zeigen. Warehouse-Ownership nicht andeuten, wenn Sie nur einen Extract gezogen haben. Zwei Dateien, wenn BA- und DA-Requisitions in derselben Woche laufen.

Nach dem Playbook: Dateiname mit Vorname, Nachname, Rolle. SQL muss sich unter Kenntnisse markieren lassen. GitHub-URL einmal im Fließtext, Beweis in einer datierten Bullet. Dann Checker, dann Upload, dann Skills-Autofill lesen. Fehlt Tableau oder Power BI im Extract, saß der Name noch in einem Dashboard-Screenshot — als Wort unter Skills und in der Bullet setzen.

Wer Product Analytics und FP&A parallel sucht, zwei Dateien halten. Funnel-Nomen in die eine, Close- und SKU-Nomen in die andere. LinkedIn darf die Union sein. Workday speichert, was Sie hochladen. Eine Mischdatei verfehlt oft beide Filter in derselben Woche. SQL unter Kenntnisse ziehen, bevor Sie ein neues Adjektiv in den Profilsatz setzen. GitHub bleibt Extra: URL einmal im Fließtext, Mart und PRs in einer datierten Bullet. Greenhouse sucht dbt und Snowflake als Wörter, nicht als Link. Ein privates Repo, das Sie nicht demoen, soll nicht der einzige Beweis auf der Seite sein.

Filter am Schreibtisch. Steht es nicht in der Tabelle: könnten Sie Query oder Dashboard in einem 45-Minuten-Screen nachbauen?

Bootcamps: Programm unter Ausbildung datieren. Zwei Projekte mit Körnung und Tools unter Projekte oder ein Capstone-Block mit Daten. Bootcamp nicht als drei Arbeitgeber listen. Studenten-Lebenslauf und ohne Erfahrung, wenn bezahlte Arbeit dünn ist.

Business-Analyst-Anzeigen. Requirements, Workshops, UAT-Skripte, Prozessmaps. SQL und Tableau nur, wenn Sie den Report gebaut haben. Nicht als Warehouse-Analyst mit einer BA-only-Datei antreten — und nicht als BA mit einer reinen SQL-Datei. Die Requisition wählen.

Kein Prod-Zugang. Praktikums- und Kurskörnung ist erlaubt, wenn gelabelt. „PostgreSQL-Kursdatenbank, 50k Zeilen, Looker Studio für ein Mock-Merchandising-Briefing“ ist besser als Snowflake-Ownership anzudeuten.

Sensible Daten. Keine Fakten auf Kundenebene. Körnung und Systemnamen: „Claims-Extract in SAS, HIPAA-geschult.“ Das Nomen der Anzeige (Claims, HIPAA) bleibt im Text.

Wechsel aus Ops oder Finance. Echte Titel behalten. Erstes SQL oder Dashboard mit Daten zeigen. Quereinstieg. Daten des alten Jobs nicht in einer funktionalen Wolke verstecken.

Wenn zwei Dashboards existieren, das behalten, das Sie in einem 45-Minuten-Screen nachbauen: Körnung, Warehouse, Audience und die Entscheidung danach. Ein SKU-Wochen-Stockout-Board in Tableau schlägt „Insights für Stakeholder“. Können Sie das Stand-up nicht nennen, das es nutzte, ist die Zeile weiter ein Tool-Dump. SQL unter Skills, damit Workday es tokenisiert; die Bullet trägt die Frage.

GitHub und Tableau Public helfen, nachdem Sie gefunden wurden. Sie ersetzen keine Daten bezahlter Arbeit. Die URL einmal im Fließtext, dann Mart, PR oder Notebook in einer datierten Bullet. Greenhouse-Suche nach dbt verfehlt eine Datei, die nur ein Link ist. Ein privates Repo, das Sie nicht demoen, soll nicht der einzige Beweis sein.

Bootcamp- und Kurskörnung ist erlaubt, wenn gelabelt. „PostgreSQL-Kursdaten, 50k Zeilen, Looker Studio für ein Mock-Merchandising-Briefing“ parst als SQL. Snowflake-Ownership der Revenue-Pipeline anzudeuten übersteht das erste Whiteboard nicht. Zwei Dateien halten, wenn Sie in derselben Woche auf BA- und DA-Requisitions gehen.

In DACH-Konzernen filtert Workday oft nach SQL und Power BI; Berlin-Startups in Greenhouse nach dbt und Snowflake. Dieselbe Person braucht den Stack als Fließtext, nicht in einer Canva-Wolke. Ein tabellarischer Lebenslauf als echte Word-Tabelle reißt Körnung und Arbeitgeber. Visuell Tabelle, technisch Absätze mit Fett für Firma und Titel.

Wer intern wechselt, trotzdem eine frische Datei an die neue Requisition. Alte Anhänge kleben. Die Recruiterin öffnet das letzte PDF. Nach dem Upload Autofill lesen: Skills, Arbeitgeber, Daten. Wenn SQL unter Kenntnisse fehlt, sitzt es noch in einer dichten Bullet — herausziehen.

Sensible Daten: keine Fakten auf Kundenebene. Körnung und Systemnamen: „Claims-Extract in SAS, HIPAA-geschult.“ Das Nomen der Anzeige (Claims, HIPAA, Census) bleibt im Text. Dashboardscreenshots in einer Sidebar sind Bilder. Name, Körnung, Audience tippen.

BA vs. DA klar trennen. BA-Bewerbung: Requirements, Workshops, UAT. SQL nur, wenn Sie den Report gebaut haben. DA-Bewerbung: Warehouse-SQL und BI zuerst. Eine Hybrid-Datei verfehlt oft beide Filter in derselben Woche.

Python-Libraries nicht als Syllabus listen. Python unter Skills, wenn Sie es schreiben, Pandas oder PySpark in einer Bullet nur, wenn Sie es an die Tafel bringen. Ein Dump aus 15 Imports wirkt wie ein Kursplan, nicht wie Prod-Arbeit.

Heute: eine Anzeige, drei Bullets mit Körnung und Entscheidung, scoren, hochladen, Skills lesen. Enhance CV zurück zu Editor und Checker.

Letzter Check: Dateiname mit Vorname, Nachname, Rolle; keine zweite E-Mail in der Fußzeile. Dann Submit.