Curriculum da data analyst: esempio e competenze

A gennaio 2026 le imprese italiane avevano in programma circa 527.000 assunzioni: lo scrive il bollettino del Sistema informativo Excelsior ripreso dal Ministero del Lavoro, che segnala anche come il 45,8 per cento di quelle entrate fosse considerato di difficile reperimento. Per gli analisti e specialisti nella progettazione di applicazioni, la famiglia professionale dentro cui rientrano molti ruoli sui dati, la stessa fonte indica una difficoltà del 62,7 per cento.

Numeri così fanno pensare che basti saper scrivere una query per ricevere telefonate. Chi ci ha provato sa che non funziona. Il problema è che "data analyst" in Italia indica mestieri molto diversi tra loro: chi costruisce dashboard per la direzione commerciale, chi ripulisce anagrafiche in un CRM, chi fa reportistica di controllo di gestione, chi lavora su modelli predittivi, chi presidia il dato in banca o in una utility. Un curriculum che non dice quale di questi sei finisce nella pila di mezzo, quella che non viene mai richiamata.

Questa guida ti mostra come scriverlo, sezione per sezione, con esempi che puoi adattare in mezz'ora.

Chi legge il tuo CV, e sono tre lettori diversi

Il primo filtro è quasi sempre un software di selezione, che cerca corrispondenze tra il testo del tuo CV e le parole dell'annuncio. Il secondo lettore è un recruiter che di SQL sa poco e controlla anni di esperienza, strumenti citati, città e disponibilità. Il terzo è il responsabile che ti farà il colloquio tecnico, e lui guarda una cosa sola: quali domande di business hai già risposto con i dati.

Scrivere per tutti e tre significa usare le parole dell'annuncio senza inventarsi competenze, tenere le informazioni pratiche in alto e dedicare la parte centrale del CV a risultati verificabili, non a elenchi di strumenti.

Formato: una pagina, PDF, ordine cronologico inverso

Con meno di cinque anni di esperienza una pagina basta. Due pagine si giustificano solo se hai un percorso lungo o molti progetti davvero diversi tra loro.

Usa l'ordine cronologico inverso, cioè l'esperienza più recente in cima, ed esporta sempre in PDF perché l'impaginazione non si rompa in arrivo. Chiama il file con nome, cognome e ruolo: Ferrari_Giulia_CV_data_analyst.pdf dice già che sai curare i dettagli, cv_nuovo3.pdf dice il contrario.

Sul modello Europass vale la regola generale del mercato italiano: va bene per i concorsi pubblici e per qualche ente, meno bene per le aziende private, dove la griglia standard appiattisce proprio le cose che ti distinguono. Se vuoi approfondire il confronto, ne abbiamo scritto in Europass o CV moderno. La foto nel mondo dei dati non serve: lo spazio rende molto di più se lo usi per i progetti.

Il riepilogo professionale: quattro righe che decidono la lettura

In testa, sotto i contatti, servono quattro righe che dicano chi sei, su quali dati lavori e con quale effetto. Nessun aggettivo. Ecco un esempio inventato ma realistico, da adattare al tuo caso:

Data analyst con 3 anni di esperienza nel retail alimentare, specializzata in reportistica commerciale e analisi di sell-out. Lavoro ogni giorno con SQL su database PostgreSQL, Power BI ed Excel avanzato. Ho automatizzato il reporting settimanale di una rete di punti vendita e costruito il modello di analisi delle rese per categoria usato oggi dall'ufficio acquisti. Cerco un ruolo in un team dati strutturato tra Milano e Bologna.

Confrontalo con la versione che riceviamo più spesso: "Laureato in statistica, appassionato di dati, ottime capacità analitiche e di problem solving, ottima conoscenza del pacchetto Office". Non contiene una sola informazione utile a decidere se convocarti.

Se ti candidi a ruoli molto diversi tra loro, riscrivi queste quattro righe ogni volta. È l'unica parte del CV che conviene davvero personalizzare a ogni invio, ed è anche il primo consiglio della guida alla carriera di Indeed Italia, che invita ad adattare il curriculum all'azienda e alla posizione invece di mandarne uno uguale a tutti.

L'esperienza: dalla lista di strumenti alla domanda risolta

Qui si decide quasi tutto. Il responsabile non vuole sapere che hai "usato SQL e Power BI": vuole sapere quale domanda aziendale hai risolto, con quali dati e cosa è cambiato dopo.

Prima:

Estrazione dati e reportistica con SQL ed Excel. Creazione dashboard. Supporto al team marketing.

Dopo:

Ho automatizzato in SQL e Power BI il report settimanale delle vendite di 43 punti vendita, al posto di quattro fogli Excel aggiornati a mano, portando la preparazione da due giorni a venti minuti. L'analisi delle rese per categoria che ho costruito ha guidato la revisione dell'assortimento di tre reparti. Ho formato sei colleghi dell'ufficio commerciale all'uso autonomo della dashboard.

I numeri dell'esempio sono inventati, la struttura no: cosa hai costruito, su quale volume di dati, con quale effetto misurabile. Se non hai risultati economici da citare, usa quello che hai davvero in mano: righe o tabelle gestite, ore di lavoro manuale eliminate, tempi di chiusura del reporting mensile, numero di utenti della dashboard, errori di anagrafica corretti, fonti integrate.

Una raccomandazione pratica: scrivi sempre il contesto. "Dashboard per il controllo di gestione di una società di servizi con 200 dipendenti" dice molto più di "dashboard aziendale", e aiuta chi legge a capire se la tua scala assomiglia alla sua.

Le competenze: raggruppale, e sii onesto sul livello

Un elenco alla rinfusa di venti voci non aiuta nessuno. Raggruppa per categoria, così il recruiter e il software di selezione trovano subito quello che cercano:

• Interrogazione dati: SQL (PostgreSQL, SQL Server), viste e query di aggregazione, ottimizzazione di base
• Analisi e automazione: Python (pandas, numpy), Excel avanzato con tabelle pivot e Power Query, R per la statistica descrittiva
• Visualizzazione: Power BI (DAX, modello a stella), Tableau, Looker Studio
• Dati e processi: pulizia e normalizzazione, controlli di qualità del dato, documentazione delle metriche
• Metodo: definizione di KPI con le funzioni aziendali, A/B test, presentazione dei risultati a chi non è tecnico

Scrivi il livello solo se puoi difenderlo. Se metti Python e al colloquio ti chiedono come gestiresti dei duplicati in un dataframe, la risposta arriva in trenta secondi o non arriva. Meglio poche voci solide che una lista gonfiata: nel settore dei dati il colloquio tecnico smaschera in fretta.

Un dettaglio che in Italia pesa più di quanto si creda: l'inglese. Documentazione, nomi delle metriche e riunioni con la casa madre sono spesso in inglese, quindi indica il livello secondo il quadro QCER e, se ce l'hai, la certificazione.

Se l'esperienza manca: il portfolio vale quanto un impiego

È il caso più frequente di chi arriva dai corsi di riqualificazione, dagli ITS Academy o da una laurea in economia, statistica o informatica. Senza esperienza contrattuale servono progetti veri, non esercizi da corso.

Il vantaggio italiano è che i dati pubblici non mancano. L'Istat pubblica le sue banche dati su dati.istat.it, il portale nazionale dati.gov.it raccoglie i dataset delle amministrazioni e molti comuni, tra cui Milano, Bologna e Torino, hanno un proprio portale di open data. Prendi una domanda concreta, per esempio come è cambiata l'offerta di asili nido in una provincia, rispondi con i dati e pubblica il risultato.

Nel CV un progetto si presenta come un'esperienza: titolo, fonte dei dati, strumenti, risultato e link. Due righe e un link a GitHub o a una dashboard pubblica valgono più di mezza pagina di corsi seguiti.

Sulle certificazioni, quelle che i selezionatori italiani riconoscono senza spiegazioni sono la Microsoft PL-300 per Power BI e il certificato Google Data Analytics, seguite dalle certificazioni Tableau. Metti anche i percorsi regionali finanziati e gli ITS, che nel mercato italiano hanno buona reputazione, ma tienili in fondo: prima i progetti, poi gli attestati.

Perché conta sapere dove stai entrando

L'Osservatorio Data & Decision Intelligence del Politecnico di Milano ha stimato per il 2025 un mercato italiano di data management e analytics da 4,1 miliardi di euro, in crescita del 20 per cento sull'anno precedente. La stessa ricerca segnala però che solo il 38 per cento delle grandi imprese ha una strategia definita di valorizzazione dei dati e che, tra le piccole e medie imprese, l'89 per cento fa qualche forma di analisi ma appena il 33 per cento ha personale dedicato.

Tradotto per la tua candidatura: in molte aziende italiane sarai la prima o la seconda persona assunta per questo mestiere. Un CV che mostra solo modelli sofisticati spaventa chi deve ancora mettere ordine nei fogli di calcolo. Se ti candidi in una PMI, valorizza pulizia dei dati, autonomia e capacità di spiegare i risultati; se ti candidi in una banca, in una utility o in una grande società di consulenza, dove i team dati esistono già, valorizza il rigore metodologico e il lavoro dentro processi strutturati.

Contatti, privacy e ultimi controlli

In alto metti nome, città, telefono, email sobria e link a LinkedIn e GitHub. Non servono data di nascita, stato civile, codice fiscale né indirizzo completo.

La formula "autorizzo il trattamento dei dati personali" non è più un obbligo: l'articolo 111-bis del Codice privacy, introdotto dal decreto legislativo 101 del 2018, stabilisce che per i dati contenuti nei curriculum il consenso non è dovuto e che l'informativa va data al primo contatto utile. Se la lasci non succede nulla, ma nessuno scarterà il tuo CV perché manca.

Prima di inviare, controlla questi punti:

• il riepilogo in testa nomina il ruolo esatto dell'annuncio
• almeno tre voci di esperienza o di portfolio contengono un numero
• gli strumenti citati nell'annuncio compaiono nel CV con le stesse parole, se li conosci davvero
• il file è un PDF con un nome leggibile
• i link a GitHub, dashboard o portfolio funzionano e portano a qualcosa di ordinato

Quando la struttura è chiara, il resto è lavoro di riscrittura. Se preferisci partire da un impianto già pronto e concentrarti sui contenuti, puoi comporlo con Laddro e tenere il file aggiornato a ogni progetto nuovo, invece di ricostruirlo da zero alla prossima occasione.