Dataingeniør CV-eksempel
CV-eksempel for dataingeniør i Norge med erfaring fra Schibsted, pipeline-arkitektur i stor skala og Google Cloud-sertifisering.
Laddro Team
Oversikt
Sofie Andersen er dataingeniør med fem års erfaring fra norsk tech-bransje, spesialisert i datapipelinearkitektur og skybasert datainfrastruktur. Hun jobber i dag hos Schibsted i Oslo, der hun er med på å bygge og drifte en dataplattform som daglig behandler 2,4 milliarder hendelser fra 14 nordiske mediemerker. CV-et hennes er et godt eksempel på en dataingeniørprofil som kombinerer akademisk dybde, praktisk erfaring og dokumenterte resultater i stor skala.
COPPER-malen fra Laddro er valgt for tekniske profiler der struktur og tydelighet er viktigere enn kreative designelementer. Malen løfter frem teknologistabelen, resultater og sertifiseringer på en ryddig måte som appellerer til både tekniske ansettelsesansvarlige og HR-rekrutterere.
Sofie Andersen
Oslo | [email protected] | +47 918 23 456 | linkedin.com/in/sofieandersen | github.com/sofieandersen
Faglig profil
Dataingeniør med fem år i storskala datapipelinearkitektur, spesialisert i strømmende og batch-prosessering, sky-native infrastruktur og analytiske dataplatformer. Erfaring med migrering av legacy-systemer og oppbygging av nye dataplattformer fra grunnen. Arbeider i team der datakvalitet, latens og skalerbarhet er forretningskritiske krav.
Arbeidserfaring
Dataingeniør (senior), Schibsted ASA Oslo | august 2022 til nå
Schibsted er ett av Nordens ledende mediekonsern med over 5 000 ansatte og merkevarer som Aftenposten, VG, Bergens Tidende, Stavanger Aftenblad, og markedsplassene FINN.no og Blocket i Sverige. Dataplattformteamet er sentralt for alle annonsering-, anbefaling- og analyseproduktene på tvers av konsernets 14 nordiske merker.
Jobber som senioringeniør i dataplattformteamet på fire personer og er teknisk ansvarlig for pipeline-infrastrukturen som behandler 2,4 milliarder hendelser per dag fra brukeratferd, innholdspublisering og annonseringsinteraksjoner. Plattformen er bygget på Google Cloud og bruker Apache Kafka for strømmende innhendtning og BigQuery for analytisk lagring og spørring.
Reduserte gjennomsnittlig pipeline-latens fra 18 minutter til 90 sekunder ved å redesigne den sentrale streaming-arkitekturen fra batch-pull til event-drevet strømmeprosessering med Pub/Sub og Dataflow. Dette muliggjorde sanntids dashboardoppdatering for redaksjonelle team og annonseeffektivitetsmåling i nær sanntid.
Gjennomførte migrasjon av 340 terabyte historiske hendelsesdata fra et eldre Hadoop-kluster til BigQuery over en periode på åtte måneder. Migrasjonen ble gjennomført uten driftsavbrudd for nedstrøms analytiske produkter og inkluderte validering av datakonsistens på radnivå for kritiske tabeller.
Ansvarlig for infrastruktur-as-code for hele dataplattformens GCP-ressurser via Terraform. Har innarbeidet enhetstesting av Terraform-moduler og integrasjonstesting av pipeline-logikk som krav i CI/CD-prosessen.
Konsulent (data og backend), Knowit AS Oslo | august 2020 til august 2022
Knowit er et nordisk IT-konsulentselskap med over 4 000 ansatte og tjenester innen teknologi, design og rådgivning.
Jobbet som datakonsulent med to lengre kundeengasjementer i ansettelsesperioden: ett for Telenor og ett for Oslo kommune. Hos Telenor bidro Sofie til å bygge en analyseplattform for nettverkstrafikkdata i Azure, der hun var ansvarlig for ELT-pipeline-utvikling i PySpark og Azure Data Factory. Hos Oslo kommune bidro hun til et datadelings-prosjekt der kommunale datasett ble tilgjengeliggjort gjennom et internt API, inkludert oppsett av metadata-katalog og tilgangsstyring.
Hos Telenor reduserte hun prosesseringstiden for en daglig nettverkstrafikkanalyse fra 6 timer til 47 minutter gjennom partisjonering av Parquet-filer og tuning av Spark-konfigurasjon. Dette frigjorde kapasitet i klusteret og reduserte skyregningskostnaden i analyseinfrastrukturen med omtrent 22 prosent på månedsbasis.
Teknologier: Python, PySpark, Azure Data Factory, Azure Synapse Analytics, dbt, Apache Airflow, PostgreSQL
Ferdigheter og kompetanse
Programmeringsspråk: Python (avansert), SQL (avansert), Scala (middels), Bash (middels)
Datapipelineverktøy: Apache Kafka, Google Cloud Pub/Sub, Apache Beam / Dataflow, Apache Airflow, dbt (Data Build Tool)
Skytjenester: Google Cloud Platform (GCP, Professional Data Engineer sertifisert), Azure (Data Factory, Synapse Analytics), Terraform, Docker, Kubernetes (grunnleggende)
Databaser og datalagre: BigQuery (avansert), PostgreSQL (avansert), Parquet, Delta Lake, Hadoop (grunnleggende)
Datakvalitet og observerbarhet: Great Expectations, Datadog, Cloud Monitoring, dbt tests
Metodikk: DataOps, CI/CD for datapipelines, Infrastructure as Code, event-drevet arkitektur, dimensjonal modellering
Språk: Norsk (morsmål), engelsk (flytende, arbeids og prosjektspråk)
Utdanning og sertifiseringer
Universitetet i Oslo (UiO) Master i informatikk, spesialisering databehandling og systemarkitektur | 2018 til 2020
Masteroppgave: "Skalering av strømmende datapipelines med Apache Kafka: en empirisk studie av ytelse og feiltoleranse". Karakter: A. Veileder: Professor Thomas Dahl, institutt for informatikk.
Google Cloud Professional Data Engineer Google Cloud | bestått september 2022 | fornyes september 2025
dbt Analytics Engineering Certification dbt Labs | bestått mars 2023
Apache Kafka Fundamentals Accreditation Confluent | bestått januar 2022
Universitetet i Oslo Bachelor i informatikk | 2015 til 2018
Sammendrag: slik skriver du det riktig
Faglig profil for en dataingeniørstilling bør balansere teknisk dybde og forretningsforståelse. Sofies versjon nevner konkrete tekniske spesialiseringsområder (strømmende og batch-prosessering, sky-native infrastruktur) og kobler dem til forretningskritiske krav (datakvalitet, latens, skalerbarhet). Det er en kombinasjon som appellerer til tekniske ledere som trenger noen som kan bygge systemer, ikke bare operere dem.
GitHub-profil er relevant og bør inkluderes for dataingeniører og utviklere. Mange norske tech-selskaper ber om GitHub-profil som del av søknadsprosessen, og å ta det med i kontaktinformasjonen signaliserer at kandidaten er komfortabel med at arbeidet vurderes.
Norsk CV-norm: ingen foto. Dette gjelder like mye i tech som i andre bransjer. Fokus på teknologistabel og målbare resultater.
En vanlig feil dataingeniører gjør er å liste teknologier uten å si noe om skala eller kontekst. "Kafka" betyr noe helt annet om det håndterer 100 meldinger i sekundet kontra 2,4 milliarder hendelser daglig. Sofie gjør det riktig ved å ankre teknologiene i konkrete systembeskrivelser.
Arbeidserfaring: slik presenterer du resultater
Latensforbedringen fra 18 minutter til 90 sekunder er CV-ets sterkeste enkeltresultat. Den er konkret, målbar og har en tydelig konsekvens (sanntids dashboardoppdatering for redaksjonelle team). Det er også et resultat som krever teknisk forklaring, noe Sofie gir: hun redesignet fra batch-pull til event-drevet strømmeprosessering. Dette viser at hun ikke bare kan rapportere tall, men at hun forstår den underliggende arkitekturen.
Migrasjonen av 340 terabyte til BigQuery er et godt eksempel på prosjekterfaring i skala. Datamigrasjoner er notorisk krevende, og å dokumentere at den ble gjennomført uten driftsavbrudd og med radnivå-validering viser en ingeniørfaglig tilnærming som prioriterer datakvalitet.
Hos Knowit er Telenor-resultatet sterkt: prosesseringstid ned fra 6 timer til 47 minutter og 22 prosent lavere skyregningskostnad. Begge er konkrete konsekvenser av et teknisk valg (partisjonering og Spark-tuning), og begge er relevante for en arbeidsgiver som er opptatt av effektivitet i datainfrastruktur.
Oslo kommune-bidraget er kortere beskrevet, men tilstedeværelsen av offentlig sektorkompetanse er verdifull. Datadelings-prosjekter i det offentlige har andre kompleksitet enn kommersielle selskaper, og erfaring med tilgangsstyring og metadata-kataloger er ettertraktet.
Ferdigheter og kompetanse
Ferdighetsseksjonen er strukturert etter kategori med differensiert kompetansenivå. Sofie skiller mellom avansert og middels, noe som gir troverdighet. Scala er listet som middels, noe som er ærlig for en Python-primærspesialist som har erfaring med Spark-basert utvikling.
Datakvalitet og observerbarhet er skilt ut som en egen kategori. Dette er et tegn på modenhet i dataingeniørrollen. Mange kandidater kan bygge pipelines, men færre kan dokumentere erfaring med systematisk datakvalitetsovervåking og Great Expectations-rammeverk.
Metodikk-seksjonen inkluderer DataOps, som er et relativt nytt begrep men et bransjekjent konsept. Dimensjonal modellering er relevant fordi det signaliserer at Sofie forstår analytisk datamodellering, ikke bare teknisk pipeline-bygging.
Utdanning og sertifiseringer
Masteroppgaven er direkte relevant for den nåværende stillingen og er godt plassert øverst. Karakteren A og veileders navn er tatt med, noe som gir akademisk tyngde. Temaet "skalering av strømmende datapipelines med Apache Kafka" er nesten identisk med det Sofie jobber med i dag, noe som viser en konsistent faglig interesse over tid.
Google Cloud Professional Data Engineer er den mest etterspurte GCP-sertifiseringen for dataingeniørroller og er verdt å fremheve tydelig. Fornyelsesdato er inkludert.
dbt-sertifisering og Kafka-akkreditering er inkludert som støttende sertifiseringer. dbt har blitt et standardverktøy i analytisk ingeniørarbeid i norsk tech-sektor, og å ha sertifiseringen viser at Sofie er faglig oppdatert.
Hva dette CV-et kunne gjort bedre
Oslo kommune-bidraget er underbeskrevet. Datadelings-prosjekter i offentlig sektor er politisk og teknisk komplekse, og en setning om utfordringene i prosjektet eller et konkret resultat ville gitt mer substans til Knowit-perioden.
Masteroppgaven nevner karakteren A, men mangler en setning om metode eller funn. Temaet er sterkt relevant, og et konkret funn fra oppgaven ("fant at X konfigurasjon ga Y prosent bedre feiltoleranse") ville gjort akademisk bakgrunn mer levende.
Teamstørrelse er nevnt (fire dataingeniører) men ikke Sofies rolle i teamet. Er hun teknisk lead? Koordinerer hun med andre team? En setning om hennes rolle innad i teamet ville gitt mer kontekst.
Avslutning
Sofie Andersens CV er et godt eksempel på en moderne dataingeniørprofil som kombinerer dybde i teknologistabelen med evnen til å kommunisere resultater i et forretningsspråk. COPPER-malen fra Laddro understreker den strukturerte, faglige presentasjonen som norske tech-arbeidsgivere forventer.
Ønsker du å lage ditt eget dataingeniør-CV? Laddro gir deg maler tilpasset tech-bransjen med felt for teknologistabel, resultater og sertifiseringer.
Var dette CV-eksemplet nyttig?
Vurder dette eksemplet for å hjelpe oss med å lage bedre innhold.
4.8 gjennomsnitt fra 192 vurderingerRelaterte CV eksempler
Programvareutvikler
Realistisk CV-eksempel for programvareutvikler i Norge med konkrete resultater, riktig norsk format og tips tilpasset tech-bransjen.
Data Scientist
Realistisk CV-eksempel for data scientists i Norge med ML-modeller, A/B-testing og inntektspåvirkning ved Schibsted i Oslo.
UX-designer
CV-eksempel for UX-designer i Norge med erfaring fra Kahoot!, globalt B2B-produkt, designsystem med 620 komponenter og målbare forbedringer i brukerengasjement.
Systemadministrator
Realistisk CV-eksempel for systemadministrator i Norge med konkrete nøkkeltall fra IT-infrastruktur ved Storebrand. COPPER-mal.