Af cvskabelon.dk · 15. apr. 2026 · 5min læsetid
💻 IT & teknik

CV-eksempel dataanalytiker (2026)

Et stærkt analytiker-CV viser din værktøjskasse (SQL, Python, Power BI), dine analyser og den forretningsværdi, du har leveret. Vis konkrete resultater — churn-reduktion, øget conversion eller beslutninger truffet på baggrund af dine dashboards.

ATS-tilpasset CV-eksempel
📄 Komplet CV-eksempel

Komplet CV som dataanalytiker

Dette analytiker-CV viser, hvordan du præsenterer værktøjer, analyser og forretningsresultater. Tilpas domæne og dataskala efter din egen erfaring.

Emma Holm
Dataanalytiker · BI & forretningsanalyse
📍 København📧 emma.holm@email.dk📱 +45 31 47 89 02🔗 linkedin.com/in/emmaholm
Profil

Dataanalytiker med 6 års erfaring i SQL, Python og Power BI hos danske scale-ups og tech-virksomheder. Har bygget churn-model og dashboards hos Trustpilot, der reducerede customer churn med 18 % og understøttede beslutninger på C-niveau. Stærk i data modeling i dbt, statistisk analyse og stakeholder-kommunikation på tværs af salg, produkt og ledelse.

Erhvervserfaring
Senior Dataanalytikermaj 2022 – nu
Trustpilot — København
  • Byggede churn-prediktionsmodel i Python (scikit-learn), der identificerede 78 % af udsatte B2B-kunder og reducerede churn med 18 %.
  • Designede og driftede 25+ dashboards i Power BI for 40+ stakeholders på tværs af salg, produkt og ledelse.
  • Indførte dbt som transformationslag på Snowflake — reducerede tid til at publicere nye metrikker fra 5 dage til 1 dag.
  • Faciliterede data literacy-workshops for 60 kolleger — hævede intern SQL-kompetence markant.
Dataanalytikeraug 2019 – apr 2022
Lunar — København
  • Analyserede kundeadfærd i appen og leverede indsigter, der øgede konverteringsraten på premium-abonnement med 14 %.
  • Byggede marketing-attribution-model i SQL og Looker for 8 kanaler.
  • Samarbejdede tæt med produktteams i månedlige A/B-tests og kvartalsvise OKR-reviews.
Uddannelse
Cand.scient. i datalogi med speciale i data science2017 – 2019
Københavns Universitet (KU DIKU)
Bachelor i matematik-økonomi2014 – 2017
Københavns Universitet
Kompetencer
SQL (PostgreSQL, Snowflake, BigQuery)Python (pandas, scikit-learn, matplotlib)Power BI, Tableau, Lookerdbt, AirflowStatistik og A/B-testingGit, JiraStakeholder management
Efteruddannelse

dbt Analytics Engineer Certification (2024) · Foredragsholder ved Copenhagen Data Meetup 2023 · Mentor i Coding Pirates

Gør det personligt
1👤Udfyld navn og kontaktoplysninger
2📝Skriv din profiltekst
3💼Tilføj erhvervserfaring
4🎓Angiv din uddannelse
5💡Vælg dine kompetencer
Opret mit eget CV
📝 Profiltekst

En profil, der viser analyse og forretningsværdi

Din profil skal nævne værktøjer (SQL, Python, BI), domæne (marketing, produkt, finans) og konkrete resultater. Koble analyser til forretningsbeslutninger — det er det, rekruttereren husker.

Undgå

Jeg er dataanalytiker med erfaring i SQL og Power BI. Jeg er analytisk, struktureret og kan lide at arbejde med tal.

Bedre

Dataanalytiker med 6 års erfaring i SQL, Python og Power BI. Har bygget churn-prediktionsmodel hos Trustpilot, der reducerede customer churn med 18 %, og 25+ dashboards for 40+ stakeholders på C-niveau.

Flere tips? Læs vores guide til profiltekst.

💡 Kompetencer

Hvad danske arbejdsgivere søger hos en dataanalytiker

Danske virksomheder leder efter analytikere, der kombinerer teknisk håndværk med forretningsforståelse og kommunikationsevner. Kobl værktøjer til analyser og resultater — ikke bare en teknologiliste.

🗄️

SQL

Den ufravigelige kernekompetence. Danske virksomheder kører typisk PostgreSQL, Snowflake eller BigQuery. Forståelse for window functions, CTEs og query-optimering på datasets med 10+ mio. rækker er det, der adskiller en analytiker fra en Excel-bruger.

🐍

Python eller R

pandas, scikit-learn og matplotlib/seaborn til datarensning, modellering og visualisering. Python-erfaring med konkrete use cases som churn-prediktion, segmentering eller A/B-test-analyse viser analytisk dybde ud over BI-dashboards.

📊

BI-værktøjer

Power BI dominerer i danske virksomheder og offentlig sektor, Looker og Tableau ses hos scale-ups og internationale firmaer. At have bygget 25 dashboards for 40 stakeholders på C-niveau viser, at du kan kommunikere data til beslutningstagere.

🔄

Data modeling & transformation

dbt, SQL-baseret modellering, stjerneskema. Meget efterspurgt i Copenhagen-scene — dbt er de facto standard.

📈

Statistik & A/B-test

Hypotesetest, konfidensintervaller, regression. Vis at du kan skelne støj fra signal — særligt vigtigt i produkt- og marketingroller.

🧠

Forretningsforståelse

Beskriv hvilke metrikker du har ejet (MRR, ARR, churn, LTV, CAC). Vis at du kan oversætte tal til beslutninger.

🗣️

Stakeholder-kommunikation

Evnen til at præsentere analyser for ikke-tekniske stakeholders vægtes højt. Nævn konkrete eksempler — ledelsesrapporter, kvartalsreviews, workshops.

⚙️

Orkestrering & versionering

Airflow, Dagster, Git. Viser at du arbejder professionelt med data som kode — ikke bare ad hoc-analyser.

📋 Erhvervserfaring

Sådan beskriver du erhvervserfaring som dataanalytiker

Beskriv per stilling: værktøjer, analyser, stakeholders og forretningsimpact. Undgå "analyserede data i SQL" — brug i stedet tal som churn-reduktion, øget conversion eller antal stakeholders.

Senior Dataanalytikermaj 2022 – nu
Trustpilot — København
  • Byggede churn-model i Python, der identificerede 78 % af udsatte kunder og reducerede churn med 18 %.
  • Designede 25+ dashboards i Power BI for 40+ stakeholders på C-niveau.
  • Indførte dbt på Snowflake — reducerede tid til nye metrikker fra 5 dage til 1 dag.
Dataanalytikeraug 2019 – apr 2022
Lunar — København
  • Analyserede kundeadfærd og øgede conversion på premium-abonnement med 14 %.
  • Byggede marketing-attribution-model i SQL og Looker for 8 kanaler.
  • Kørte månedlige A/B-tests og kvartalsvise OKR-reviews i samarbejde med produktteams.
Junior Dataanalytikerjun 2018 – jul 2019
Ørsted — Gentofte
  • Udarbejdede rapporter om energiproduktion fra vindmølleparker i SQL og Excel.
  • Automatiserede månedlig rapportering i Power BI — sparede 12 timer/md.
  • Bidrog til datagrundlag for investor-relations-materiale.
✅ Praktiske tips

Gør og undgå

Typiske fejl og smarte valg vi ser i CV'er for dataanalytiker. Følg disse retningslinjer så skiller dit CV sig ud hos danske rekrutterere.

Kobl analyser til beslutninger

"Churn-model reducerede churn med 18 %" er stærkere end "byggede churn-model". Vis impact — ikke blot output.

Angiv dataskala

"10 mio. rækker", "40 stakeholders", "25 dashboards" giver rekruttereren kontekst for kompleksiteten.

Vis både teknisk og forretningssprog

Skriv både om SQL-queries og om MRR, churn eller CAC. Danske virksomheder vægter hybriden højt.

Undgå lange teknologilister uden kontekst

"SQL, Python, R, SAS, Excel, Power BI, Tableau, Looker..." uden eksempler er svagt. Gruppér og giv hver teknologi et use case.

Skriv ikke "datadrevet" uden belæg

"Jeg er datadrevet" siger intet. Vis det gennem konkrete eksempler på analyser, A/B-tests eller dashboards, der har ændret beslutninger.

Vis ikke kun Jupyter-notebooks som portfolio

En rå notebook uden kontekst er svær at vurdere. Skriv en kort README med problemformulering, data, metode og konklusion. Danske hiring managers bruger max 5 minutter på din portfolio.

💰 Lønindikation

Hvad tjener du som dataanalytiker?

Lønstatistik for dataanalytiker i Danmark, baseret på data fra Danmarks Statistik, fagforeninger og 950+ aktuelle jobopslag. Lønnen påvirkes af erfaring, geografi, branche og arbejdsgiver — tallene herunder er vejledende.

Junior
36.000–44.000 kr./md.
0–2 års erfaring
Medior
44.000–55.000 kr./md.
2–5 års erfaring
Senior
55.000–70.000 kr./md.
5+ års erfaring
❓ Ofte stillede spørgsmål

FAQ: CV som dataanalytiker

Svar på de oftest stillede spørgsmål om at skrive et CV som dataanalytiker i Danmark.

SQL er ufravigelig — nævn altid din dialekt og dybden. Dernæst Python eller R, et BI-værktøj (Power BI, Tableau eller Looker) og gerne dbt, hvis du har erfaring. Tilpas rækkefølgen efter jobopslaget.

En nyuddannet dataanalytiker starter typisk på 36.000–44.000 kr./md. Mediorer med 3–5 års erfaring ligger på 44.000–55.000 kr./md. Seniorer kan forvente 55.000–70.000 kr./md. — højere i fintech, pharma og hos internationale virksomheder. IDA og Jobindex Lønkompasset har opdaterede tal.

Det er et stort plus — særligt for juniorer. Vis 2–3 analyser på GitHub, Medium eller en personlig hjemmeside. Inkluder dataset, kode og konklusion. Det viser at du kan føre en analyse fra spørgsmål til beslutning.

Ikke et ufravigeligt krav, men et plus. Mange danske dataanalytikere har baggrund i datalogi, matematik-økonomi, statistik eller business analytics. Bootcamp-forløb kan lede ind i feltet, særligt hvis du kombinerer med en relevant professionsbachelor.

Maks 2 sider. Fokuser på analyser med målbar impact, værktøjer du faktisk har brugt, og domæneviden. Juniorer kan nøjes med 1 side suppleret med portfolio.

Analytikere fokuserer på beskrivende analyser, dashboards og forretningsindsigt. Data scientists arbejder i højere grad med prædiktive modeller, ML og eksperimentation. Grænserne flyder — tilpas CV'et efter jobopslaget.

Nej — det forudsættes. Nævn kun hvis stillingen eksplicit kræver avanceret Excel (finansanalyse, controlling) og du har konkrete færdigheder som pivot, VBA eller Power Query.

📚 Kilder

Kilder og videre læsning

De kilder og brancheorganisationer vi har brugt til at udarbejde indholdet på denne side.

🔗 Relaterede stillinger

CV-eksempler i samme kategori

Udforsk CV-eksempler for jobs der ligner dataanalytiker — med samme type kompetencer og arbejdsmarkedsforhold.

Churn-model, 25 dashboards, C-level — vis det

Sæt dine analyser, SQL-dybde og forretningsimpact i system. Se ansøgningseksempler og hvad analytikere tjener i Danmark.

Opret dit analytiker-CV på få trin
Tilføj værktøjer, analyser og resultater
Opret dit CV →