Lebenslauf Data Analyst: Beispiel und Vorlage
Ein vollständiges Schweizer Lebenslauf-Beispiel für Data Analysts mit messbaren Erfolgen, konkreten Tech-Stacks und den branchenüblichen Angaben zu Abschluss, Sprachen und Verfügbarkeit.
Aktuell 16 offene Stellen als Data Analyst in der Schweiz in 6 Kantonen, davon 1 aus den letzten 7 Tagen. Am meisten ausgeschrieben hat eClerx.
Lebenslauf-Beispiel — zweiseitige Vorlage
Diese Vorlage lässt sich direkt bearbeiten — oder laden Sie Ihren bestehenden Lebenslauf hoch, und er wird automatisch in dieses Layout übertragen.
Welcher Abschluss wird in der Schweiz für Data Analysts erwartet?
Üblich ist ein BSc oder MSc einer Fachhochschule oder ETH/Uni in Wirtschaftsinformatik, Data Science, Statistik oder Wirtschaftsingenieurwesen, ergänzt durch nachweisbare Tool-Zertifikate.
Nennen Sie Ihren Abschluss mit der offiziellen Bezeichnung und der Institution, also zum Beispiel 'BSc Wirtschaftsinformatik, ZHAW School of Management and Law' oder 'MSc Statistics, ETH Zürich'. Für Quereinsteigende sind die Weiterbildungsformate der Schweizer Hochschulen ein starkes Signal: CAS Data Analytics an der FHNW, MAS Data Science an der HSLU oder das CAS Machine Learning der HSR/OST. Wenn Sie eine kaufmännische Grundbildung mit Berufsmaturität und anschliessendem FH-Studium haben, führen Sie diesen Weg vollständig auf - Schweizer Arbeitgeber lesen den Berufsbildungsweg als Praxisnähe, nicht als Nachteil.
Ergänzen Sie den Abschluss durch Zertifikate, die im Stellenmarkt tatsächlich gesucht werden: Microsoft PL-300 (Power BI Data Analyst), SnowPro Core, dbt Analytics Engineering, Tableau Desktop Specialist oder Databricks Data Analyst Associate. Verzichten Sie auf eine Liste von 15 MOOC-Teilnahmen ohne Prüfung; drei bis vier geprüfte Zertifikate mit Jahr wirken glaubwürdiger. Erwähnen Sie zusätzlich fachliche Kurse, die zu Ihrer Branche passen, etwa revDSG-Schulungen für Versicherungs- und Gesundheitsdaten oder FINMA-relevante Reporting-Grundlagen im Banking.
Bei ausländischen Diplomen empfiehlt sich ein Hinweis auf die Anerkennung: Schreiben Sie zum Beispiel 'MSc Applied Mathematics, Universität Belgrad, 2018 - Anerkennung durch swissuniversities beantragt' oder verweisen Sie auf eine bereits erfolgte Niveaubestätigung. Geben Sie ausserdem die Note oder den Abschluss-Schwerpunkt nur an, wenn er relevant ist, etwa eine Bachelorarbeit über Zeitreihenprognosen im Detailhandel. Diese Präzision spart der Personalabteilung Rückfragen und bringt Sie eher ins Erstgespräch.
Wie baue ich die Berufserfahrung als Data Analyst überzeugend auf?
Beschreiben Sie pro Stelle den Datenkontext, Ihren Stack und drei bis vier Ergebnisse mit Zahlen - nicht die Aufgabenliste aus dem Stelleninserat.
Beginnen Sie jede Position mit einer kurzen Kontextzeile: Grösse des Datenbestands, Anzahl Nutzende der Reports, Branche und Technologien. 'Analytics-Team von 6 Personen, Snowflake/dbt/Power BI, Reporting für 310'000 Versicherte' sagt mehr als drei Zeilen Aufgabenbeschreibung. Danach folgen Ihre Ergebnisse in der Logik Problem - Massnahme - messbare Wirkung, zum Beispiel 'Tagesbatch von 4h 20min auf 48 Minuten reduziert' oder '137 Excel-Reports auf 19 Power-BI-Modelle konsolidiert'.
Quantifizieren Sie so, wie es im Beruf zählt: Datenvolumen und Anzahl Modelle, Nutzungszahlen der Dashboards, Ladezeiten und Kosten der Cloud-Plattform, Datenqualitäts-Incidents, Modellgüte (AUC, MAPE, RMSE) und der daraus entstandene Geschäftsnutzen in CHF. Wenn Sie keine Umsatzwirkung nachweisen können, nutzen Sie gesparte Arbeitsstunden oder verkürzte Durchlaufzeiten - beides ist im Schweizer Reporting-Alltag gut nachvollziehbar. Vermeiden Sie Formulierungen wie 'verantwortlich für Auswertungen', die für jede Stelle gelten würden.
Zeigen Sie zudem die Bandbreite zwischen Technik und Fachbereich. Nennen Sie konkrete Stakeholder-Situationen: Anforderungsworkshops mit Controlling, KPI-Definitionen mit dem Marketing, Abstimmung mit dem Datenschutzverantwortlichen zu Anonymisierung, Übergabe an Data Engineering. Ein Satz zu Ihrer Arbeitsweise im Git-Workflow, zu Code Reviews oder zu Dokumentation im Data Catalog signalisiert, dass Sie nicht nur Ad-hoc-Abfragen liefern, sondern wartbare Datenprodukte bauen.
Wie lang soll der Lebenslauf sein, und braucht es ein Foto?
Zwei Seiten sind für Data Analysts Standard, ein professionelles Foto ist in der Schweiz weiterhin üblich, aber freiwillig.
Halten Sie sich an maximal zwei Seiten, auch bei zehn Jahren Erfahrung: Seite eins mit Profil, Kurzüberblick, Skills und aktueller Stelle, Seite zwei mit weiteren Stationen, Ausbildung, Zertifikaten und Sprachen. Ältere Positionen fassen Sie in einer Zeile zusammen. Führen Sie Technologien nicht als 40-Punkte-Liste, sondern gruppiert nach Datenbanken/Cloud, Transformation, Visualisierung und Programmierung - so erkennt eine Fachperson Ihren Schwerpunkt in wenigen Sekunden.
Ein sachliches Porträtfoto oben rechts ist in der Schweiz nach wie wie verbreitet und wird von vielen Personalabteilungen erwartet; verpflichtend ist es nicht. Ergänzen Sie im Kopfbereich Wohnort, Erreichbarkeit und - falls Sie nicht Schweizer Bürgerin oder Bürger sind - Ihren Aufenthaltsstatus, etwa 'Bewilligung B, uneingeschränkt arbeitsberechtigt' oder 'EU/EFTA-Bürger, bewilligungsfrei'. Diese Angabe verhindert, dass Ihr Dossier aus Unsicherheit aussortiert wird. Geburtsdatum und Zivilstand sind optional geworden, Referenzen geben Sie mit 'auf Anfrage' an.
Typisch schweizerisch sind zudem präzise Angaben zu Verfügbarkeit, Kündigungsfrist, Pensum (zum Beispiel 80-100%) und Sprachen nach GER-Niveau statt vager Selbsteinschätzung. Nennen Sie Ihre Lohnvorstellung nur, wenn sie im Inserat verlangt wird, und dann als Jahresbrutto in Schweizer Schreibweise, etwa CHF 118'000 bei 100%. Reichen Sie den Lebenslauf als PDF mit klarem Dateinamen ein und verlinken Sie, falls vorhanden, ein GitHub- oder Portfolio-Profil mit zwei bis drei aufgeräumten Analyseprojekten - für Data Analysts ist das oft überzeugender als jede Selbstbeschreibung.
Wo Data Analyst in der Schweiz gesucht werden
Verteilung der 16 offenen Stellen auf die Kantone.
Zahlen als Tabelle
| Kanton | Inserate |
|---|---|
| Zürich | 5 |
| Genf | 4 |
| Tessin | 2 |
| Bern | 1 |
| Waadt | 1 |
| Freiburg | 1 |
Welche Sprachen die Inserate verlangen
Von 10 Inseraten mit Sprachangabe — in Klammern die Zahl, die Verhandlungsniveau verlangt.
Zahlen als Tabelle
| Sprache | Inserate |
|---|---|
| Englisch | 9 (8) |
| Deutsch | 3 (1) |
| Französisch | 3 (2) |
| Italienisch | 1 (1) |
Wer in der Schweiz Data Analyst sucht
Arbeitgeber mit den meisten offenen Stellen. Personalvermittler sind ausgeschlossen.
Zahlen als Tabelle
| Arbeitgeber | Inserate |
|---|---|
| eClerx | 2 |
| GOLD AVENUE | 1 |
| Zurich Insurance | 1 |
| Tecan | 1 |
| CERN | 1 |
| Givaudan | 1 |
Vollzeit oder Teilzeit?
Wie die Stellen ausgeschrieben sind.
Zahlen als Tabelle
| Pensum | Inserate |
|---|---|
| Vollzeit / plein temps | 13 |
| Teilzeit / partiel | 1 |
Der Lebenslauf im Volltext
Zum Nachlesen und Übernehmen.
Nadine Brünnimann
Data Analyst (BSc Wirtschaftsinformatik ZHAW), Schwerpunkt Analytics Engineering & BI
Data Analyst mit 7 Jahren Erfahrung in Retail und Krankenversicherung, spezialisiert auf SQL-Modellierung, dbt-basierte Datenmodelle und Power-BI-Reporting für Fachbereiche mit über 400 Nutzenden. Ich übersetze unklare Business-Fragen in belastbare Metrikdefinitionen und automatisiere manuelle Excel-Reportings zu versionierten, getesteten Datenprodukten. Erfahren in der Zusammenarbeit mit Datenschutz und Revision unter revDSG, inklusive Anonymisierung und dokumentierten Bearbeitungsverzeichnissen für Analysedaten.
Was mich unterscheidet
Metrikdefinition statt Zahlensuche: Ich führte ein zentrales Metrik-Layer mit 48 verbindlich definierten KPIs ein, wodurch abweichende Umsatzzahlen zwischen Controlling und Marketing von 11 Fällen pro Quartal auf null sanken.
Analytics Engineering im Git-Workflow: Alle Modelle laufen versioniert über dbt mit CI-Tests und Pull-Request-Reviews; die Fehlerquote in produktiven Reports fiel um 72% innerhalb von zwölf Monaten.
Datenschutzkonforme Analysen: Ich erstelle Auswertungen auf Gesundheits- und Kundendaten unter revDSG mit k-Anonymität ab k=5 und dokumentierten Zugriffsrollen, geprüft durch die interne Revision ohne Beanstandung.
Zweisprachiges Stakeholder-Handling: Anforderungsworkshops und Schulungen halte ich auf Deutsch und Französisch, unter anderem für 9 Filialleitungen in der Romandie mit einer Zufriedenheitsbewertung von 4.6 von 5.
Wichtigste Erfolge
Reporting-Landschaft konsolidiert. 137 gewachsene Excel-Reports auf 19 Power-BI-Modelle reduziert und damit 1'100 Arbeitsstunden pro Jahr im Fachbereich freigesetzt, entsprechend rund CHF 95'000 Personalaufwand.
Churn-Analyse mit messbarem Ertrag. Kündigungsrisiko-Scoring mit Python (scikit-learn, AUC 0.81) aufgebaut; die darauf basierende Retentionskampagne hielt 2'340 Policen und rund CHF 1.9 Mio. Jahresprämien.
Data-Warehouse-Performance verbessert. Snowflake-Modelle durch Clustering und Incremental Loads optimiert: Ladezeit des Tagesbatches von 4h 20min auf 48 Minuten gesenkt, Credits-Verbrauch um 34% reduziert.
Berufserfahrung
Senior Data Analyst — Helvetia Insight Group AG, Zürich, 03/2021 - heute
Analytics-Team von 6 Personen in einer Krankenversicherung mit 310'000 Versicherten; Stack Snowflake, dbt, Power BI, Azure Data Factory.
- Über 60 dbt-Modelle und 210 Datentests verantwortet; Datenqualitäts-Incidents pro Monat von 9 auf 2 gesenkt.
- Leistungsdaten-Dashboard für 4 Fachbereiche eingeführt, genutzt von 420 Personen, mit durchschnittlich 3'800 Sessions pro Monat.
- Churn-Modell (AUC 0.81) entwickelt und in den Kampagnenprozess integriert; Retention von 2'340 Policen erreicht.
- Zwei Junior Analysts fachlich geführt und ein SQL-Onboarding-Curriculum erstellt, das die Einarbeitungszeit von 12 auf 7 Wochen verkürzte.
Data Analyst BI — Alpwerk Retail Services AG, Dietikon, 08/2018 - 02/2021
Filialnetz mit 74 Standorten in der Deutsch- und Westschweiz; Reporting für Category Management, Logistik und Finanzen.
- 137 Excel-Reports auf 19 Power-BI-Modelle konsolidiert und 1'100 Stunden manuelle Arbeit pro Jahr eliminiert.
- Sortiments-Analyse für 12'000 SKU aufgebaut; Identifikation von 640 Langsamdrehern führte zu CHF 480'000 weniger gebundenem Lagerkapital.
- Tägliches Umsatz-Kennzahlenset für 74 Filialen automatisiert, Bereitstellungszeitpunkt von 11:00 auf 06:30 Uhr vorverlegt.
- Schulungen auf Deutsch und Französisch für 9 Filialleitungen durchgeführt, Selbstbedienungsquote der Reports auf 68% gesteigert.
Junior Data Analyst — Seetal Analytics GmbH, Luzern, 02/2017 - 07/2018
Analytics-Dienstleister für KMU-Kunden aus Industrie und E-Commerce, 14 Mitarbeitende.
- Für 11 Kundenprojekte SQL-Auswertungen und Tableau-Dashboards erstellt, Durchschnittsbudget CHF 18'000 pro Projekt.
- Google-Analytics- und Shopdaten für einen E-Commerce-Kunden verknüpft; Conversion-Rate innerhalb von 5 Monaten von 1.4% auf 2.1% gesteigert.
- Datenqualitäts-Checkliste eingeführt, die Nacharbeiten in Kundenlieferungen um 40% reduzierte.
Ausbildung
Master of Advanced Studies (MAS), Data Science — Hochschule Luzern (HSLU) · 2023
Bachelor of Science (BSc), Wirtschaftsinformatik, Vertiefung Business Intelligence — ZHAW School of Management and Law, Winterthur · 2016
Kaufmännische Berufsmaturität, Wirtschaft und Dienstleistungen — Berufsfachschule Uster · 2012
Microsoft Certified: Power BI Data Analyst Associate (PL-300) · dbt Analytics Engineering Certification · SnowPro Core Certification · CAS Datenschutz und revDSG in der Praxis, HSLU