🎯 Data scientist vs data analyst : to jobs, to forskellige CV'er
På det danske arbejdsmarked, hvor datakompetencer bliver mere og mere efterspurgt, er profilerne data scientist og data analyst blandt de mest søgte. Ifølge Jobindex og LinkedIn DK er disse roller konsekvent blandt de mest efterspurgte positioner i danske virksomheder – fra innovative tech-virksomheder til større koncerner. Alligevel begår mange ansøgere fejlen at sende et generisk CV, der ikke fremhæver deres specifikke tekniske kompetencer.
Første skridt er at skelne klart mellem de to profiler. Data analyst fokuserer på analyse og visualisering af eksisterende data for at understøtte beslutningstagning. Data scientist går længere: vedkommende udvikler prædiktive modeller, arbejder med machine learning og håndterer massive datamængder. Disse forskelle skal være tydelige ved første øjekast på dit CV som data scientist eller dit CV som data analyst.
En recruiter hos en større virksomhed eller voksende startup bruger i gennemsnit seks sekunder på dit CV, før hun eller han beslutter sig for at læse det grundigt. Hver sektion, hvert nøgleord betyder noget.
📋 Vigtige afsnit i et stærkt data science CV
Et godt data science CV-template er langt mere end en liste over teknologier. Det skal fortælle en sammenhængende historie mellem dine tekniske kompetencer og dine konkrete resultater. Her er de afsnit, du skal prioritere:
Det professionelle resumé
Start med et tre til fire linjer langt resumé, der klart positionerer din ekspertise. Nævn dine års erfaring, dine specialiseringer (finans, sundhed, retail osv.) og din merværdi. Undgå vage formuleringer som « elsker data » — vælg præcise formuleringer som « Data Scientist med 4 års erfaring inden for NLP og prædiktiv modellering i banksektoren ».
Dit tekniske kompetenceblok
Dette er hjerte af dit data CV. Organiser dine skills i klare kategorier:
- Programmeringssprog: Python, R, SQL, Scala
- Machine Learning & AI: scikit-learn, TensorFlow, PyTorch, XGBoost
- Datavisualisering: Tableau, Power BI, Matplotlib, Seaborn
- Big Data & Cloud: Spark, Hadoop, AWS, Google Cloud, Azure
- Databaser: PostgreSQL, MongoDB, Redshift
For en data analyst-profil skal du fremhæve avanceret Excel, Power BI, SQL og dine evner til at fortælle historier med data. For en data scientist skal du i stedet vægte ML-algoritmer og dine kompetencer inden for modeldeployment.
Arbejdserfaring med fokus på resultater
Hver erfaring skal indeholde mindst ét konkret tal. For eksempel: « Udvikling af churn prediction-model, der reducerede kundeflugt med 18 % på seks måneder » eller « Automatisering af BI-rapportering, der sparte marketingteamet 12 timers ugentligt arbejde ». Disse tal taler direkte til rekrutterere og ATS-algoritmer.
✅ Optimér dit CV til ATS: reglerne du skal kende
I Danmark bruger størstedelen af større virksomheder og rekrutteringsfirmaer ATS-software (Applicant Tracking System) til at filtrere ansøgninger, før en person læser dem. Uanset om du søger gennem Jobindex, LinkedIn DK eller direkte på en virksomheds hjemmeside, skal dit CV som dataanalytiker eller CV som datascientist passere gennem dette automatiske filter først.
« Et CV, der ikke er optimeret til ATS, har ringe chance for at nå en rekrutteringsmedarbejders øjne, selvom kandidaten er dygtig. »
Her er de grundlæggende regler for et ATS-kompatibelt CV:
- Brug præcise nøgleord fra jobannoncer: hvis annonceringen nævner « machine learning » og « Python », skal disse termer optræde i dit CV.
- Undgå komplekse tabeller og flersøjlet layout: nogle ATS-systemer kan ikke læse dem og kan rodet med dit indhold.
- Vælg standardiserede afsnitsoverskrifter: « Arbejdserfaring », « Kompetencer », « Uddannelse ».
- Send dit CV som PDF (medmindre andet er angivet) med et korrekt navngivet dokument: Fornavn_Efternavn_CV_DataScientist.pdf.
- Tilpas dit CV til hver enkelt stilling: et personaliseret CV øger dine chances for at få en samtale markant.
Strukturen på dit datavidenskabs-CV-skabelon skal derfor kombinere visuel klarhed for menneskelige læsere med teknisk læsbarhed for algoritmer. Dette dobbelte mål er svært at opnå med blot et simpelt tekstprogram.
💡 Fremhæv dine personlige projekter og løbende uddannelse
Inden for data betyder certificeringer og personlige projekter lige så meget som traditionelle diplomer. Danske arbejdsgivere, især i mellemstore virksomheder og startups, værdisætter høgt din evne til selvstændig læring og evnen til at omsætte dine kunnskaber i praksis.
Anerkendte certificeringer i Danmark
- Google Professional Data Engineer eller Data Analyst
- Microsoft Azure Data Scientist Associate (DP-100)
- IBM Data Science Professional Certificate
- Certificeringer fra Coursera, DataCamp eller lignende platforme (anerkendt blandt danske virksomheder)
Brug dine GitHub- og Kaggle-projekter til din fordel
Inkludér linket til din GitHub-profil direkte i CV'ets header. Beskriv kort to eller tre væsentlige projekter: deres formål, de anvendte teknologier og resultaterne. En god placering på Kaggle eller bidrag til open source-projekter er konkrete bevis for dine kompetencer – noget som få kandidater husker at fremhæve.
Glem heller ikke at nævne dit niveau af professionel engelsk: inden for data er teknisk dokumentation, konferencer og publikationer primært på engelsk. Et B2-niveau som minimum kræves ofte, selv for faste stillinger hos danske virksomheder.
🚀 Strukturer dit CV efter dit erfaringsniveau
Dit CV skal udvikle sig sammen med din karriere. En junior data analyst har helt andre prioriteter end en erfaren seniorprofil med ti års erfaring bag sig.
Juniorprofil (0-3 år)
Fremhæv din uddannelse (kandidatuddannelse, mastergrad inden for data science eller statistik osv.), dine praktikophold og projektbaseret erfaring samt dine akademiske eller personlige projekter. Et halvårigt praktikophold i en fintech-virksomhed eller et eget projekt med dataanalyse kan gøre hele forskellen. Kompenser for mindre erhvervserfaring ved at vise bredde og dybde i dine tekniske færdigheder.
Etableret profil (3-7 år)
Fokuser på din professionelle erfaring først. Hvert job skal vise progression: større ansvar, mere komplekse projekter, eventuelt ledererfaring eller mentorering af kollegaer. Demonstrer at du ikke kun kan lave analyser, men også præsentere resultater og insights til stakeholdere uden teknisk baggrund.
Seniorprofil (7+ år)
Her skal dit CV afspejle strategisk impact: værdiskabende projekter, vigtige beslutninger omkring dataarkitektur, ledelse af teams eller dyb sektorkompetence. Begræns dig til de seneste 15 års erfaring og fjern forældede færdigheder, der bare gør dit profil tungere uden at tilføje værdi.
Uanset erfaring skal dit CV for data scientist være enkelt, luftigt og professionelt. Én side for juniorer, maksimalt to sider for erfarne kandidater.
Vil du skabe et CV for data analyst eller CV for data scientist, som fanger rekrutterernes opmærksomhed og kommer igennem de automatiske systemer? Rise & Hire hjælper dig med optimerede skabeloner, designet specifikt til datajob. På få minutter laver du et professionelt, velstruktureret CV tilpasset det danske arbejdsmarked — og giver din ansøgning de bedst mulige odds.