Curriculum vitae Data Scientist: esempio e modello
Come strutturare il vostro curriculum vitae come Data Scientist per il mercato del lavoro svizzero - con risultati di modelli misurabili invece di elenchi di metodi.
Attualmente 21 posti come Data Scientist aperti in Svizzera, in 4 cantoni, di cui 3 degli ultimi 7 giorni. pg è chi pubblica di più.
Esempio di CV — modello di due pagine
Questo modello è modificabile direttamente — oppure carica il tuo CV attuale e verrà trasferito automaticamente in questo layout.
Quale titolo di studio è richiesto per i Data Scientist in Svizzera?
È comune un titolo di studio universitario quantitativo - MSc o PhD di un ETH, dell'EPFL, di un'università o di una scuola universitaria professionale - completato da un certificato di formazione continua.
Indicate il vostro titolo di studio come lo conoscono i responsabili delle risorse umane in Svizzera: 'MSc ETH in Data Science', 'MSc EPFL in Computational Science', 'MSc in Statistica, Università di Berna' oppure 'BSc FHNW Data Science'. Se provenite da fisica, matematica, econometria, bioinformatica o informatica gestionale, indicate anche l'indirizzo quantitativo e la vostra tesi di master in una riga con metodo e risultato. Per i diplomi conseguiti all'estero, aggiungete un riferimento al riconoscimento da parte di Swissuniversities o della SEFRI - ciò evita al servizio HR una domanda di chiarimento.
Le formazioni continue del sistema universitario svizzero hanno un impatto maggiore di una lunga lista di corsi online. Sono diffusi e riconosciuti i CAS o MAS in Data Science, Machine Learning o Data Engineering presso HSLU, ZHAW, FHNW, BFH o OST, così come i programmi MAS in Applied Information and Data Science. Aggiungete al massimo tre o quattro certificazioni con carattere d'esame, ad esempio Azure DP-100, Databricks ML Professional, AWS ML Specialty o certificazioni SAS in ambito farmaceutico e bancario.
Menzionate inoltre ciò che conta nel vostro settore: nell'ambito assicurativo e bancario, conoscenze in validazione dei modelli secondo le circolari FINMA e basi attuariali (ambito SAV/ASA), nel settore farmaceutico conoscenze GxP e CDISC, nel settore pubblico la gestione delle statistiche dell'Ufficio federale di statistica (UST) e degli Open Government Data. Per tutti i ruoli vale: la protezione dei dati è competenza tecnica. Un breve riferimento alla nLPD, ai punti di contatto con il GDPR e alle procedure di anonimizzazione dimostra che costruite modelli conformi al diritto.
Come strutturare in modo convincente esperienza professionale e progetti?
Per ogni posizione, descrivete il contesto dei dati, il modello e l'effetto economico in cifre - non soltanto la libreria utilizzata.
Per ogni posizione, utilizzate due righe di contesto: dimensione del team, volume di dati, piattaforma dati e dominio di competenza. Una frase come 'Team Data & Analytics di 11 persone, 480'000 polizze, Databricks Lakehouse su Azure' dice più sul vostro livello di qualsiasi autovalutazione. Seguono poi tre o quattro punti elenco, ciascuno con metodo ed effetto: 'Modello di churn (LightGBM, AUC 0.87) ha ridotto le disdette del 18 percento e garantito CHF 2.1 mio. di fatturato premi'.
Mostrate l'intera catena del valore, poiché è proprio qui che molte candidature falliscono. Dimostrate che non scrivete soltanto notebook, ma modellate i dati (dbt, star schema), orchestrate pipeline (Airflow, Azure Data Factory), effettuate il deployment dei modelli (MLflow, container, scoring batch e online) e li monitorate (drift, qualità dei dati, retraining). Descrivete inoltre il vostro ruolo nell'interazione con il Data Engineering, l'IT-Security e i reparti specialistici, così come il metodo di lavoro (Scrum, sprint di due settimane, code review).
Se non disponete di anni di esperienza pratica, sostituite l'esperienza professionale con progetti verificabili: tesi di master, stage, attività da studente lavoratore, un piazzamento su Kaggle con posizione e numero di partecipanti, oppure un repository pubblico. Anche qui formulate in modo misurabile - dimensione del dataset, baseline, metrica raggiunta, tempo di esecuzione. Un link a GitHub o una breve pagina di case study è pratica comune in Svizzera e viene effettivamente consultato dai hiring manager tecnici.
Quanto deve essere lungo il curriculum vitae, serve una foto e vanno indicate le pretese salariali?
Due pagine, foto opzionale ma diffusa, indicazioni salariali solo se richieste nell'annuncio di lavoro.
Attenetevi a due pagine; per un percorso di ricerca con pubblicazioni sono accettate tre pagine più un elenco separato delle pubblicazioni. La prima pagina contiene i dati di contatto, un breve profilo di tre frasi, le due posizioni attuali e un blocco competenze compatto, strutturato per lingue, metodi ML, piattaforme dati e visualizzazione. Evitate le barre di progresso per le competenze - scrivete invece 'PySpark, 5 anni in produzione' oppure 'SQL, funzioni finestra e query tuning'.
Una foto formale è ancora diffusa in Svizzera e viene generalmente attesa, ma resta facoltativa. Indicate il luogo di residenza e la regione (ad esempio 'Zurigo, distanza pendolare Zugo/Aarau'), la nazionalità ovvero lo status di permesso (permesso C, permesso B, UE/AELS), l'anno di nascita in modo opzionale e la data di disponibilità più vicina. Per i frontalieri è utile indicare il permesso per frontalieri G. Salvate il dossier come PDF con un nome file esplicativo e prestate attenzione alla leggibilità per gli ATS: una sola colonna, nessuna casella di testo, denominazione della funzione per intero.
Le pretese salariali vanno inserite nella lettera di motivazione, non nel curriculum vitae, e solo se richieste dall'annuncio. Come orientamento: i Data Scientist junior nell'area di Zurigo si situano spesso tra CHF 90'000 e CHF 110'000, con tre a cinque anni di esperienza tra CHF 110'000 e CHF 140'000, i ruoli senior e lead oltre; indicate una fascia e il riferimento a 13 mensilità. Infine, adattate il breve profilo e il blocco competenze a ogni annuncio - chi cerca competenze NLP deve trovare progetti NLP nelle prime cinque righe.
Dove si cercano Data Scientist in Svizzera
Distribuzione dei 21 posti aperti per cantone.
Numeri in tabella
| Cantone | annunci |
|---|---|
| Genf | 7 |
| Zürich | 4 |
| Waadt | 1 |
| Freiburg | 1 |
Quali lingue richiedono gli annunci
Su 17 annunci con indicazione della lingua — tra parentesi quelli che richiedono un livello professionale.
Numeri in tabella
| Lingua | annunci |
|---|---|
| inglese | 17 (17) |
| francese | 2 (1) |
| tedesco | 1 (1) |
Chi cerca Data Scientist in Svizzera
Datori di lavoro con più posti aperti. Le agenzie di collocamento sono escluse.
Numeri in tabella
| Datore di lavoro | annunci |
|---|---|
| pg | 3 |
| onrunning | 3 |
| Syngenta | 1 |
| TWINT | 1 |
| jj | 1 |
| Direktion der Justiz und des Innern Kanton Zürich | 1 |
Tempo pieno o parziale?
Come sono pubblicati i posti.
Numeri in tabella
| Percentuale | annunci |
|---|---|
| Vollzeit / plein temps | 11 |
Il CV in versione integrale
Da rileggere e riutilizzare.
Nadine Brunschwiler
Senior Data Scientist, MSc ETH in Data Science, CAS Machine Learning HSLU
Data Scientist con 8 anni di esperienza in ambito assicurativo, retail e bancario, specializzata in modelli previsionali, ottimizzazione dei prezzi e pipeline MLOps in produzione su Azure e Databricks. Porto i modelli dal notebook alla produzione: 14 modelli in produzione, monitorati con MLflow e drift-monitoring automatizzato. Collaborazione con il servizio attuariale, compliance e IT-Security, incluso la documentazione secondo la nLPD e i requisiti FINMA per la validazione dei modelli.
Cosa mi distingue
Dal prototipo alla produzione: Sono responsabile dell'intero ciclo di vita: Feature Store, CI/CD con Azure DevOps, registro dei modelli in MLflow, alerting sul drift. Tempo medio dal proof of concept al go-live: 9 settimane invece dei precedenti 7 mesi.
Linguaggio tecnico attuariale e di business: Traduco modelli GLM, Gradient Boosting e Survival per underwriter e direzione, presentando i risultati senza formule - ma con margine di contribuzione, combined ratio e intervalli di confidenza.
Modelli conformi alla compliance: Documentazione dei modelli, test di bias ed explainability (SHAP) secondo l'art. 21 nLPD (decisioni individuali automatizzate) e validazione interna dei modelli secondo il principio dei quattro occhi - superati tre audit esterni senza rilievi.
Architettura cloud attenta ai costi: Ottimizzo cluster Spark, partizionamento e scheduling dei job: costi Databricks ridotti da CHF 34'000 a CHF 19'000 all'anno, con un aumento del 40 percento dei workload.
Risultati principali
Il modello di churn riduce l'abbandono del 18 percento. Modello di gradient boosting (LightGBM, AUC 0.87) con liste di contatto prioritarie per il servizio clienti; 18 percento in meno di disdette nel gruppo target, fatturato premi garantito di CHF 2.1 mio. all'anno.
Ottimizzazione dinamica dei prezzi nel retail. Modelli di elasticità per 12'000 articoli in 84 filiali, raccomandazioni di prezzo settimanali; margine lordo aumentato di 2.4 punti percentuali, svalutazioni ridotte di CHF 780'000.
Rilevamento delle frodi in tempo reale. Rilevamento di anomalie sul flusso di pagamenti (Isolation Forest più regole), latenza inferiore a 200 ms; tasso di falsi positivi ridotto dal 6.2 all'1.9 percento, con un risparmio di 220 ore di verifica manuale al mese.
Esperienza professionale
Senior Data Scientist — Alpstein Versicherungen AG, Zurigo, 03/2021 - oggi
Team Data & Analytics di 11 persone, ramo sinistri e non vita, Databricks Lakehouse su Azure.
- Sviluppati modelli di churn e cross-selling per 480'000 polizze; AUC 0.87, 18 percento in meno di disdette nella coorte trattata
- Previsione dei sinistri (frequenza/severità con Tweedie-GLM e XGBoost) che migliora la stima delle riserve; errore di previsione MAPE ridotto dal 21 al 12 percento
- Introdotto uno standard MLOps (MLflow, Feature Store, retraining automatizzati): tempo di messa in produzione ridotto da 7 mesi a 9 settimane
- Guida tecnica di 3 Junior Data Scientist e 2 stagisti, tasso di code review portato al 100 percento delle pull request
Data Scientist — NovaRetail Schweiz AG, Dietikon, 08/2018 - 02/2021
84 filiali e negozio online, pianificazione delle vendite e pricing, Snowflake con dbt.
- Previsione della domanda a livello articolo-filiale per 12'000 SKU; precisione delle previsioni migliorata del 16 percento, tasso di out-of-stock ridotto dal 4.1 al 2.3 percento
- Modello di elasticità dei prezzi messo in produzione: margine lordo +2.4 punti percentuali, svalutazioni -CHF 780'000 all'anno
- Implementata l'analisi del carrello e la logica di raccomandazione nel negozio online; valore medio dell'ordine +CHF 7.40 (test A/B, n = 96'000, p < 0.01)
- Documentati 42 modelli dbt con test, errori di qualità dei dati nei report ridotti del 65 percento
Data Scientist / Data Analyst — Limmatwerk Analytics GmbH, Zurigo, 09/2016 - 07/2018
Società di consulenza analytics con 25 collaboratori, mandati in ambito bancario, energetico e farmaceutico.
- Gestiti come Analytics Lead 11 progetti clienti con un volume tra CHF 40'000 e CHF 260'000, soddisfazione del cliente 4.7 su 5
- Sviluppato un sistema di rilevamento delle frodi per il traffico dei pagamenti: falsi positivi ridotti dal 6.2 all'1.9 percento, 220 ore di verifica risparmiate al mese
- Pipeline di reporting automatizzate (Python, Airflow) hanno sostituito 3 processi manuali in Excel, con un risparmio di 18 ore alla settimana
- Creato un formato di formazione interna per SQL e Python, 34 partecipanti in 6 corsi
Formazione
Master of Science ETH, Data Science — ETH Zurigo · 2016
Bachelor of Science, Informatica gestionale — ZHAW School of Management and Law, Winterthur · 2014
CAS, Machine Learning e Data Engineering — Hochschule Luzern (HSLU) · 2020
Microsoft Certified: Azure Data Scientist Associate (DP-100), 2023 · Databricks Certified Machine Learning Professional, 2022 · AWS Certified Machine Learning - Specialty, 2021 · Professional Scrum Master I (PSM I), 2019
Domande frequenti
- In quale lingua devo scrivere il curriculum come Data Scientist?
- Il 88% degli annunci è in inglese — scrivete il curriculum in inglese, a meno che l'annuncio stesso sia in tedesco.
- Dove sono più richiesti gli Data Scientist in Svizzera?
- Ginevra da solo raccoglie il 33% delle posizioni, poi Zurigo e Vaud. Se abitate altrove, indicate la disponibilità a trasferirvi nel profilo.
- Che livello di lingua chiedono gli annunci per Data Scientist?
- inglese nel 100% degli annunci che indicano un requisito, e il 100% a livello professionale. «Buone conoscenze» non basta — indicate da A2 a C2.
- Le posizioni per Data Scientist sono a tempo pieno o parziale?
- 100% a tempo pieno, solo 0% a tempo parziale. Se cercate il tempo parziale, ditelo subito.
- Chi assume Data Scientist in Svizzera?
- Attualmente pg, onrunning, Syngenta, tra gli altri. I loro annunci sono il miglior lessico per il vostro curriculum.