Структура
Портфоліо Data Analyst – це не просто низка вирішених завдань, проєктів і набір результатів. Це демонстрація вашої сили, талантів і великого інтересу до діяльності аналізу даних. А також неприборкане бажання розвиватися і бути кращим у своїй сфері. Тут ми дамо вам інформацію про те, як створити портфоліо, яке стане для вас пропускним квитком на роботу мрії.
Структура портфоліо аналітика
Важливо знати, як скласти портфоліо правильно, щоб воно привертало увагу потрібної компанії. Воно має бути структурованим і чітким, щоб роботодавці могли швидко переміщатися потрібними розділами та знайомитися з важливими для них критеріями.
Основні розділи портфоліо
Портфоліо має містити в собі такі основні розділи.
Про себе
Перше враження складається про вас саме з цього пункту. Тут важливо вказати інформацію:
1.Про свій досвід. Наприклад: «Я аналітик даних із досвідом роботи в e-commerce. Спеціалізуюся на аналізі користувацької поведінки та побудові дашбордів у Tableau. Захоплююся машинним навчанням і візуалізацією даних».
Якщо ви тільки почали свою кар’єру, то напишіть про ті речі, що у вас найкраще виходили під час проходження будь-яких онлайн-курсів за вашою професією.
2. Про професійні навички. Перерахуйте ключові вміння, якими ви володієте або навчилися на курсах:
- Мови програмування (Python, R, SQL);
- Інструменти візуалізації (Tableau, Power BI, Matplotlib);
- Методи аналізу (статистика, A/B-тестування, прогнозування).
3. Про вашу мету. Напишіть, у якій сфері вам цікавіше працювати. Розсилаючи резюме, ви можете її змінювати для того, щоб більше зацікавити роботодавця конкретної фірми. Як приклад: «Шукаю позицію Data Analyst у компанії, де зможу застосовувати свої навички аналізу даних для поліпшення бізнес-процесів у маркетингу».
Проєкти data analyst
Це найважливіший пункт у вашому портфоліо Data Analyst. Саме тут ви демонструєте охоплення своїх знань, навичок і сфер, де ви розв’язували реальні завдання або навчальні. Цей розділ потрібно структурувати, і він зобов’язаний містити:
a. Назву проєкту;
b. Короткий опис завдання (наприклад, «Аналіз відтоку клієнтів для поліпшення утримання»);
c. Використані дані (джерела, обсяг, типи даних);
d. Методи та інструменти (наприклад, «Python, Pandas, Scikit-learn, Tableau»);
e. Результати (наприклад, «Зниження відтоку клієнтів на 15% за рахунок впровадження нових стратегій утримання»);
f. Візуалізація (додайте графіки, діаграми або посилання на інтерактивні дашборди);
g. Якщо аналітичні проєкти розміщені на GitHub, Kaggle або іншій платформі, додайте посилання.
Контакти
Позначте ваш робочий email і посилання на соціальні мережі (LinkedIn, GitHub, Kaggle, Medium або інші платформи).
Додаткова інформація
Вкажіть сертифікати пройдених курсів, участь у змаганнях з аналізу даних, рекомендації колег або попередніх роботодавців.
Як вигідніше представити своє портфоліо?
Важливо не тільки скласти портфоліо, а й правильно презентувати роботодавцю, щоб він побачив і найняв саме вас. Правильний формат може значно підвищити ваші шанси на успіх, зробивши акценти саме на ваших сильних якостях і впливаючи на ту сферу, в якій ви хочете працювати.
Розглянемо основні формати подання портфоліо, їхні плюси та мінуси, а також рекомендації щодо вибору:
| Формат | Переваги | Недоліки | Рекомендації | Платформи/Інструменти |
| Веб-сайт | – Візуальна привабливість – Зручність навігації – Мультимедійність |
– Потребує часу та навичок – Можливі фінансові вкладення (домен, хостинг) |
– Використовуйте конструктори з готовими шаблонами – Додайте інтерактивні елементи |
Tilda, Wix, WordPress |
| PDF-документ | – Простота створення – Зручність для роботодавця – Компактність |
– Обмежена інтерактивність – Менш візуально привабливий |
– Використовуйте чітку структуру – Додайте посилання на GitHub, Kaggle та інші платформи |
Word, Google Docs, Canva |
| GitHub | – Демонстрація коду – Версійність – Відкритість |
– Не підходить для тих, хто не працює з кодом – Менш зручний для візуалізації |
– Оформлюйте README-файли – Додайте Jupyter notebooks з коментарями та візуалізаціями |
GitHub |
| Презентація | – Візуальне подання – Зручність для презентацій |
– Обмежений обсяг інформації – Не підходить для детального опису |
– Використовуйте мінімум тексту – Робіть акцент на візуалізації та ключових результатах |
Google Slides, PowerPoint |
| Платформи для аналітиків | – Демонстрація навичок – Спільнота та зворотний зв’язок |
– Обмеженість функціоналу – Вимагає часу на освоєння |
– Додайте посилання на роботи в розділ «Контакти» – Беріть участь у змаганнях для підвищення видимості |
Kaggle, Tableau Public |
Презентація робіт – одна з важливих частин вашого резюме. Вибір формату залежить від ваших цілей, яких ви хочете досягти, та аудиторії, яку хочете вразити:
- Якщо ви мрієте працювати в IT-відділах і бажаєте справити враження на технічних фахівців, то використовуйте GitHub.
- Якщо ваша мета привернути увагу HR або спеціалістів не технічного складу, створіть веб-сайт або PDF.
- Для візуальної подачі підійде презентація, вона хороша під час особистих зустрічей з роботодавцями або ейчарами.
- Для демонстрації аналітичних навичок використовуйте Kaggle або Tableau Public.
Типові помилки під час створення портфоліо
Особливо часто вони проявляються у фахівців-початківців, які спробували себе в різних сферах і не знають, як вигідно себе подати. І в значущих розділах роблять грубі помилки, які псують усе враження, навіть якщо ви справді гарний і здібний фахівець.
Давайте розберемо найпоширеніші помилки, яких припускаються під час складання портфоліо, і як їх уникнути:
| Помилка | Чому погано? | Що робити? |
| Перевантаженість інформацією. Присутність неактуальних або нерелевантних проєктів |
Важко знайти потрібну інформацію, губляться сильні сторони, портфоліо стає неструктурованим | Виберіть 3-5 потужних актуальних проєктів, які демонструють ваші сильні сторони, і зробіть наголос на них |
| Відсутність структури. Багато окремих файлів, немає зв’язності між проектами або інформацією |
Наймач не може швидко оцінити ваші дані, портфоліо виглядає непрофесійно | Розділіть портфоліо на блоки (про себе, проєкти, контакти), використовуйте заголовки, підзаголовки, посилання. Пишіть тільки важливу інформацію та результати |
| Відсутність контексту в проєктах для портфоліо. Мало інформації, немає проставлених завдань і результатів роботи | Портфоліо втрачає цінність, роботодавець не розуміє, які завдання ви вирішували і які інструменти використовували | Для кожного проєкту вкажіть: мету, завдання, інструменти, методи аналізу, отримані результати та практичну користь |
| Погане оформлення. Немає структури, різні шрифти і розмір тексту, немає візуальних елементів |
Візуальна непривабливість відштовхує, створюється враження, що ви неуважні до деталей | Використовуйте єдиний стиль оформлення, додайте візуальні елементи (графіки, діаграми), використовуйте стандартні шрифти і розміри |
| Портфоліо, що не оновлюється. Зроблено один раз і більше не доповнювалося |
Портфоліо не відповідає критеріям ринку, залишається непоміченим | Регулярно оновлюйте портфоліо, додаючи нові Data Projects і покращуючи старі. Просіть зворотний зв’язок у колег і вносьте зміни на основі рекомендацій |
Проекти – це важлива частина портфоліо, тому вони мають бути грамотно представлені
Аналітик даних: проєкти для резюме
Проєкти Data Analyst у портфоліо – це ключ до успіху в пошуку роботи аналітика даних. Правильний вибір допоможе вам виділитися серед інших кандидатів і привернути увагу роботодавців.
Давайте розберемо, які приклади проєктів аналітика варто включати в портфоліо і як їх обирати:
1. Навчальні проєкти – це проєкти, виконані в рамках курсів, тренінгів або самостійного навчання. Вони показують вашу здатність навчатися і застосовувати теорію на практиці. Вибирайте ті, які показують різноманітність ваших навичок. Як приклад:
a. Аналіз даних з використанням Python (Pandas, NumPy, Matplotlib);
b. Побудова дашбордів у Tableau або Power BI;
c. Розв’язання задач із машинного навчання (Scikit-learn, TensorFlow).
2. Особисті project showcase – проєкти, які ви почали самостійно, без зовнішнього завдання. Показують вашу ініціативність та інтерес до цієї професії, вашу здатність розв’язувати реальні завдання. Обирайте не поширені проєкти на кшталт аналізу нерухомості або занадто простих трендів ринку. Обирайте ті сфери, які вам подобаються.
3. Open source проєкти – участь у проєктах із відкритим вихідним кодом, де ви можете зробити свій внесок. Це демонструє вашу здатність працювати з реальними даними та завданнями, а також роботу в команді.
4. Тестові завдання – завдання, які ви виконували в рамках співбесід або відборів на позиції аналітика даних. Показує, що ви вже маєте досвід вирішення завдань, близьких до реальних. А також здатні витримувати дедлайни.
GitHub portfolio – основна програма для роботи аналітика
Github для аналітика – це не просто платформа для зберігання коду, а й потужний інструмент для демонстрації ваших навичок аналітика даних. Правильно організований Github може стати вашою конкурентною перевагою під час пошуку роботи.
Структура репозиторію
Добре організований репозиторій допомагає роботодавцю швидко знайти потрібну інформацію та оцінити ваші навички. Ось приклад структури, яку можна використовувати:
| Елемент програми | Шлях до даних |
| data/ | # Папка з даними |
| raw/ | # Вихідні дані |
| processed/ | # Оброблені дані |
| notebooks/ | # Папка з Jupyter Notebooks |
| analysis.ipynb | # Основний файл аналізу |
| scripts/ | # Папка з Python-скриптами |
| data_cleaning.py | # Скрипт для очищення даних |
| results/ | # Папка з результатами |
| visualizations/ | # Графіки та діаграми |
| reports/ | # Звіти (PDF, Markdown) |
| README.md | # Опис проекту |
Практичні поради:
- Використовуйте зрозумілі назви папок і файлів;
- Зберігайте дані окремо від коду, щоб репозиторій був організованим;
- Додайте файл .gitignore, щоб виключити непотрібні файли (наприклад, тимчасові файли або дані).
README оформлення
README – це перше, що бачить людина, яка заходить у ваш репозиторій. Добре оформлений README допомагає швидко зрозуміти, про що проєкт і як з ним працювати. Що необхідно включити в нього:
1.Назва проєкту, що відображає суть.
2.Опис:
- Цілі та завдання проєкту;
- Які дані використовувалися;
- Які методи та інструменти застосовували.
3.Як використовувати:
- Інструкція зі встановлення залежностей;
- Як запустити код (наприклад, команди для запуску Jupyter Notebook).
4.Результати:
- Короткий опис отриманих результатів;
- Посилання на візуалізації або звіти.
5.Ліцензія:
Вкажіть, чи можна використовувати ваш код (наприклад, MIT License).
Приклад оформлення README в Github для аналітика:
# Аналіз відтоку клієнтів
## Опис
Цей проект спрямовано аналіз відтоку клієнтів телекомунікаційної компанії. Використовувалися дані із відкритих джерел.
## Дані
– Джерело: [kaggle](https://www.kaggle.com/datasets/…)
– Об’єм: 10 000 рядків, 20 стовпців.
## Інструменти
– Python (Pandas, Matplotlib, Scikit-learn).
– Jupyter Notebook.
## Як використовувати
1.Встановіть залежність:
“`bash
pip install -r requirements.txt
Робота з Jupyter Notebooks
Jupyter Notebooks – це зручний інструмент для аналізу даних, який дозволяє поєднувати код, текст та візуалізацію.
Важливо правильно оформити Jupyter Notebook portfolio, щоб інформація була доступною та зрозумілою:
1.Коментарі до кожної частини коду, а також цілі та завдання аналізу;
2.Використовуйте візуал для представлення даних, обов’язково підпишіть їх;
3.Очистіть код від непотрібних осередків та налагодок, структуруйте його;
4.Наприкінці Notebook додайте висновки та рекомендації.
Приклад візуалізації проектів у Jupyter Notebooks
Документація коду
Добре документований код показує, що ви дбаєте про якість своєї роботи і думаєте про тих, хто читатиме ваш код. Тому в ньому важливо вказати, що виконує кожна функція, які параметри приймає та повертає. Використовуйте багаторядкові коментарі, пояснюйте складні ділянки коду та не забувайте вказувати джерела бібліотек, які ви використовуєте. Аналітик даних має не лише чисто закодувати проекти, а й надати коментарі для подальшого використання та розуміння його роботи.
Приклад docstrings (багаторядкових коментарів) у документації коду:
def clean_data(data):
“””
Очищає дані від пропущених значень та дублікатів.
Параметри:
data (DataFrame): Вихідні дані.
Возвращает:
DataFrame: Очищені дані.
“””
data = data.dropna()
data = data.drop_duplicates()
return data
Опис проектів: як зробити його зрозумілим та корисним
Опис проектів – ключова частина портфоліо, ваші аналітичні кейси. Це допомагає роботодавцю зрозуміти, які завдання ви вирішували, як підходили до їх вирішення та яких результатів досягли.
Давайте розберемо, як правильно описати проект, щоб він виглядав професійно та привабливо:
| Розділ | Що це таке? | Для чого потрібно? | Як описати? | Portfolio examples |
| Постановка задачі | Короткий опис проблеми чи питання, яке вирішувалося у проекті | Показує розуміння бізнес-контексту та релевантність проекту | Вкажіть проблему, її важливість і, якщо можливо, замовника | «Мета проекту — виявити причини відтоку клієнтів та запропонувати стратегії для їх утримання. Завдання було поставлене телекомунікаційною компанією, яка втрачала до 20% клієнтів щороку». |
| Використані дані | Опис даних, які використовувалися для аналізу | Показує, з якими типами даних ви працюєте, та допомагає оцінити складність | Вкажіть джерело, обсяг, структуру даних та кроки передобробки | «Для аналізу використовувалися дані про клієнтів телекомунікаційної компанії. Датасет містив 10 000 рядків і 20 стовпців, включаючи інформацію про вік клієнтів, тип тарифу, тривалість використання послуг та факт відтоку. Дані були передопрацьовані: видалено пропущені значення та дублікати». |
| Методологія аналізу | Опис методів та інструментів, які використовувалися для вирішення задачі | Показує ваші технічні навички та знайомство із сучасними методами аналізу | Перерахуйте інструменти, методи та приклади аналізу. Якщо використовувалося машинне навчання, вкажіть моделі | «Для аналізу використовувалися Python (бібліотеки Pandas, Matplotlib, Scikit-learn) та Tableau. Методи аналізу включали описову статистику, кластеризацію клієнтів та побудову моделі логістичної регресії для прогнозування відтоку». |
| Отримані результати | Опис висновків та практичної користі від проекту | Показує, що ваш аналіз має реальну цінність та допомагає вирішувати завдання | Вкажіть ключові висновки, як результати можуть бути використані та, якщо можливо, кількісні підсумки | «Аналіз показав, що основною причиною відтоку клієнтів є висока вартість послуг. На основі результатів було запропоновано стратегію зниження вартості для ключових груп клієнтів. Впровадження цих стратегій призвело до зниження відтоку на 15% за перші три місяці». |
Технічні елементи портфоліо
Портфоліо аналітика даних має не лише розповідати про ваші проекти, а й демонструвати ваші технічні навички, data visualization. Включення таких елементів, як приклади коду, візуалізації, інтерактивні дашборди та статистичні висновки, робить портфоліо більш переконливим та професійним.
Приклад коду
Увімкніть ключові фрагменти, які відображають ваші навички та показують, як ви вирішували завдання в рамках проекту:
- Код приклади у програмі Python.
Python
# Приклад коду обробки даних
import pandas as pd
# Завантаження даних
data = pd.read_csv(‘data.csv’)
# Видалення пропущених значень
data = data.dropna()
# Нормалізація даних
data[‘age’] = (data[‘age’] – data[‘age’].mean()) / data[‘age’].std()
- Візуалізація – допомагає зрозуміти ключові висновки Data Analysis projects та ваші навички роботи з програмами. Використовуйте бібліотеки для візуалізації, такі як Matplotlib, Seaborn або Plotly або графіки в Jupyter Notebook.
- Інтерактивні дашборди – робить портфоліо більш привабливим та інтерактивним
- Статистичні висновки – опис методів, які ви використовували. Допомагає зрозуміти глибину аналізу та застосування статистики в реальному житті (наприклад, t-тест, ANOVA, регресія).
Практичні рекомендації для створення портфоліо
Ваше портфоліо має бути не лише технічно підковане, воно має чіпляти погляд і фіксувати його на потрібних частинах. Для цього важливо правильно поставитися до оформлення Data Science Portfolio. Адже для вас необхідно, щоб воно не припадало пилом як чергове, а було прийнято до відома, і ви були запрошені на співбесіду.
| Аспект | Чому це важливо? | Рекомендації | Приклад |
| Оформлення проектів | Допомагає роботодавцю швидко зрозуміти завдання та результати | – Використовуйте єдиний стиль – Дотримуйтесь чіткої структури – Додайте візуальні елементи – Будьте лаконічні |
«Проект оформлений в єдиному стилі з використанням графіків та діаграм» |
| Вибір інструментів | Показує, що ви стежите за трендами та використовуєте актуальні технології | – Для аналізу: Python, R – Для візуалізації: Matplotlib, Tableau – Для БД: SQL – Для ML: Scikit-learn, TensorFlow |
«Використовувалися Python (Pandas, Scikit-learn), Tableau та SQL» |
| Презентація результатів | Демонструє вміння доносити цінність даних до інших | – Акцент на практичній користі – Використовуйте візуалізації – Будьте готові до питань – Створіть презентацію |
«Результати показали, що зниження вартості послуг зменшило відтік на 15%» |
| Оновлення портфоліо | Показує, що ви продовжуєте розвиватися та стежите за змінами в галузі | – Додайте нові проекти – Поліпшуйте старі роботи – Слідкуйте за трендами – Отримуйте зворотний зв’язок |
«Додано проект з аналізу великих даних із використанням Apache Spark» |
Важливо показувати результати будь-якого проекту наочно в портфоліо
Створення портфоліо аналітика – це процес, який потребує уваги до деталей та постійного вдосконалення. Дотримуючись цих рекомендацій, ви зможете зробити портфоліо не тільки професійним, а й корисним для роботодавців. Приділяйте увагу оформленню, вибирайте актуальні інструменти, презентуйте результати та регулярно оновлюйте портфоліо. Успіхів у створенні портфоліо, яке стане вашою конкурентною перевагою!
