CV til dataanalytiker: Eksempler og guide (2026)

Et dataanalytiker-CV bliver screenet på værktøjerne – SQL, Power BI eller Tableau, Excel, evt. Python – men samtalen får du på effekten: analyser, der ændrede en beslutning, et dashboard ledelsen faktisk styrer efter, en proces der blev målbart bedre.

Sådan bygger du et CV op, der består værktøjs-screeningen og beviser forretningsværdi. CV'et følges typisk af en kort motiveret ansøgning, hvor du kobler din analytiske profil til virksomhedens konkrete datamodenhed.

Det kigger arbejdsgivere efter

• Værktøjer: SQL som fundament, BI (Power BI/Tableau), Excel på højt niveau, evt. Python/R.
• Dataarbejde: datamodellering, datakvalitet og arbejde med datavarehus/dbt.
• Effekt: beslutninger, besparelser eller vækst drevet af dine analyser.
• Formidling: dashboards og analyser, som ikke-tekniske interessenter faktisk bruger.

Sådan opbygger du et dataanalytiker-CV

• Kontaktoplysninger: navn, by, telefon, e-mail og LinkedIn.
• Profiltekst: domæne (fx commercial, finance, drift), kerneværktøjer og ét stærkt resultat.
• Værktøjer grupperet: SQL/databaser, BI, regneark, programmering, evt. cloud.
• Erfaring: pr. stilling 3-5 punkter om analyser og deres forretningseffekt.
• Uddannelse og certificeringer (fx PL-300 Power BI) til sidst.

Eksempler på profiltekster

Commercial: "Dataanalytiker med 5 års erfaring i e-commerce. Byggede kampagne-attributionsmodel i SQL og Power BI, der flyttede 20 % af marketingbudgettet til kanaler med dokumenteret højere afkast."

Finance/controlling: "Analytiker med baggrund i økonomistyring. Automatiserede månedsrapporteringen i Power BI og skar fem arbejdsdage af lukkeprocessen – nu standard i tre afdelinger."

Junior: "Cand.oecon. med studiejob som analytiker. Stærk i SQL og Power BI (PL-300-certificeret) – byggede churn-analyse, der nu indgår i kundeservices månedlige opfølgning."

Kompetencer og nøgleord til CV'et

Screeningen matcher på værktøjsnavne – skriv dem præcist, og bevis de vigtigste i erfaringspunkterne:

• Kerne: SQL, Power BI (DAX, Power Query), Tableau, Excel (pivottabeller, Power Pivot).
• Programmering: Python (pandas), R – hvis du reelt bruger det.
• Data: datamodellering, datavarehus, dbt, datakvalitet, ETL.
• Metode: A/B-test, kohorteanalyse, forecasting, segmentering.
• Formidling: dashboards, KPI-design, præsentation for ledelse og interessenter.

Eksempler på CV-punkter

Svagt: "Lavede rapporter og dashboards i Power BI."

Stærkt: "Byggede selvbetjenings-dashboard i Power BI til 40 sælgere med daglig pipeline-status – erstattede tre manuelle ugerapporter og frigav ca. 10 timer om ugen i salgssupporten."

Svagt: "Analyserede data for at finde indsigter."

Stærkt: "Kohorteanalyse i SQL afdækkede, at 60 % af churn lå i én onboarding-variant – flowet blev lagt om, og churn i segmentet faldt 18 % på et kvartal."

Svagt: "Arbejdede med datakvalitet."

Stærkt: "Indførte valideringsregler og dbt-tests på kundedata, der halverede fejlslagne kampagneudsendelser og fjernede den månedlige manuelle oprydning."

Typiske fejl

• Værktøjsliste uden ét eneste eksempel på en analyse med effekt.
• Ingen skelnen mellem værktøjer, du behersker, og værktøjer du har prøvet.
• "Datadrevet" og "analytisk" som påstande uden cases.
• Dashboards nævnt uden brugere eller beslutninger, de understøtter.

Hurtig tjekliste

• SQL og BI-værktøj tydeligt i profil og kompetencer.
• Hvert erfaringspunkt kobler en analyse til en beslutning eller et tal.
• Certificeringer (fx PL-300) med årstal.
• Værktøjsnavne matcher opslagets.
• Én side rækker ofte – to for erfarne.

Klar til at bygge dit eget? Start fra en gratis, ATS-venlig CV-skabelon og lad vores AI-ansøgningsgenerator skrive en målrettet ansøgning ud fra dit CV og det konkrete jobopslag.