CV Junior Data Analyst (absolwent) — wzór pakietu

Treści na LinkedIn — przykład

🎤 Pytania na rozmowie — przykład

Tak wyglądają pytania, które dobieramy do CV i oferty — z krótką podpowiedzią, na co zwrócić uwagę w odpowiedzi:

• Twoje doświadczenie zawodowe to półroczny staż — jak poradzisz sobie z samodzielną pracą na pełnoetatowym stanowisku analityka?Podkreśl, że podczas stażu w dziale analiz banku samodzielnie zautomatyzowałeś raport w Pythonie (oszczędność 4 h tygodniowo) i czyściłeś dane z 3 źródeł. Dodaj, że projekty własne na GitHubie prowadziłeś od koncepcji po wdrożenie (dashboard cen mieszkań), co pokazuje samodzielność i inicjatywę.
• Twoja znajomość ML opiera się na podstawach scikit-learn — jak głębokie jest to doświadczenie w praktyce?Powołaj się na realny projekt: segmentacja RFM i k-means na danych z Kaggle, co pokazuje, że potrafisz zastosować algorytmy uczenia nienadzorowanego, a nie tylko teorię. Zaznacz, że na stanowisku junior traktujesz ML jako obszar do rozwoju i szybko się uczysz (certyfikat Google Data Analytics).
• Nie masz komercyjnego doświadczenia w produkcyjnym wdrażaniu rozwiązań — jak chcesz nadrobić tę lukę?Wskaż, że na stażu wdrożyłeś realnie działającą automatyzację raportu (efekt mierzalny: 4 h/tydzień), a projekty Streamlit pokazują, że umiesz dowieźć działający produkt. Podkreśl gotowość do nauki standardów firmy i tempo przyswajania nowych narzędzi.
• Wspominasz o oszczędności 4 godzin tygodniowo dzięki automatyzacji raportu — opowiedz, jak to osiągnąłeś.Rozbij wynik: opisz manualny proces przed zmianą, swój skrypt w Pythonie (pandas) i co dokładnie zautomatyzowałeś. Bądź uczciwy co do swojego wkładu — zaznacz, jeśli korzystałeś z istniejących źródeł danych lub wsparcia zespołu, ale podkreśl, że logikę automatyzacji przygotowałeś sam.
• Czyściłeś i walidowałeś dane z 3 źródeł — jakie były największe wyzwania?Opowiedz konkretnie o problemach jakości danych (braki, duplikaty, niespójne formaty) i jak je rozwiązywałeś w SQL/pandas. Pokaż zrozumienie znaczenia walidacji dla wiarygodności raportów sprzedażowych w Power BI.
• Opowiedz o projekcie dashboardu cen mieszkań — jakie decyzje analityczne podjąłeś?Wyjaśnij wybór źródeł (GUS/NBP), sposób przygotowania danych w Pythonie i decyzję o użyciu Streamlit do prezentacji. Zaznacz, co projekt pokazuje: umiejętność pracy end-to-end od pozyskania danych po interaktywną wizualizację.
• Jak wykorzystywałeś Power BI w porównaniu do Streamlit — kiedy które narzędzie?Pokaż, że w banku raportowałeś sprzedaż w Power BI (narzędzie biznesowe, dashboardy dla interesariuszy), a Streamlit stosowałeś w projektach własnych do prototypów. Podkreśl świadomość kontekstu doboru narzędzia.
• Opisz sytuację, w której zidentyfikowałeś nieefektywny proces i sam zaproponowałeś usprawnienie.Użyj automatyzacji raportu ze stażu w schemacie STAR: Sytuacja — manualny raport pochłaniał czas; Zadanie — usprawnić go; Działanie — napisanie skryptu w Pythonie; Rezultat — oszczędność 4 h tygodniowo. To Twój najmocniejszy przykład inicjatywy.