Dataanalytiker CV-exempel

Översikt

Dataanalytiker är ett av de snabbast växande yrkesrollerna i Sverige och konkurrensen om de bästa tjänsterna är hög, särskilt hos techbolag som Klarna, Spotify, King och Voi. CV:t behöver kommunicera teknisk kompetens, affärsförståelse och förmåga att omsätta data till beslut som faktiskt spelar roll för produkten eller affären.

Det här exemplet bygger på en dataanalytiker med fem års erfarenhet från Klarna i Stockholm, ett av Europas mest välkända fintechbolag. Personan har arbetat med BI-infrastruktur, A/B-testning och intäktsoptimering och har en tydlig förmåga att koppla ihop teknisk analys med affärsmässiga slutsatser.

COPPER-mallen passar tech och ingenjörsyrken utmärkt. Den kommunicerar precision, teknisk kompetens och modern problemlösningsförmåga, vilket är de egenskaper som rekryterande chefer och ingenjörsledare söker hos en stark dataanalytiker.

---

Lena Svensson

Stockholm | [email protected] | +46 73 901 23 45 | linkedin.com/in/lenasvensson-data | github.com/lenasvensson

Professionell profil

Dataanalytiker med fem års erfarenhet från Klarna med fokus på tillväxtanalys, A/B-testning och BI-dashboardutveckling. Har designat och analyserat mer än 120 A/B-tester under perioden, varav tolv resulterade i produktförändringar som sammanlagt ökade konverteringsfrekvensen med 3,4 procentenheter. Byggt ett centralt BI-system i Looker som används av 140 interna intressenter dagligen och som minskat ad hoc-förfrågningar till datateamet med 60 procent. Söker nu en roll som senior analytiker eller analytics lead på ett produktdrivet techbolag.

---

Arbetslivserfarenhet

Senior Data Analyst, Klarna Bank AB Stockholm | januari 2022 till nu

Klarna är ett av Europas mest välkända fintechbolag och en av Sveriges mest profilerade techarbetsgivare med kontor i Stockholm och globala verksamheter i 45 länder. Analytics-funktionen på Klarna är inbäddad i produktteamen och arbetar tätt tillsammans med produktchefer, ingenjörer och affärsutvecklare.

Jag tillhör Growth Analytics-teamet och arbetar med analys och optimerinng av onboardingflödet för nya Klarna-användare. Min primära uppgift är att identifiera friktionspunkter i konverteringsflödet och designa experiment för att testa förbättringar. Under 2024 designade och körde jag sammanlagt 41 A/B-tester i nära samarbete med produktteamen. Av dessa resulterade sju i statistiskt signifikanta förbättringar som implementerades i produktion. Den sammantagna effekten av dessa sju förändringar estimerades till en konverteringsökning på 1,8 procentenheter i det europeiska onboardingflödet.

Sedan hösten 2022 är jag ansvarig för teamets BI-infrastruktur i Looker. Jag har byggt 34 dashboards som täcker allt från dagliga produktnyckeltal till kvartalsvisa affärsöversikter. Dashboardsystemet används av 140 intressenter och har minskat ad hoc-förfrågningar till datateamet med 60 procent under 2023 jämfört med 2022.

Jag handleder sedan 2023 en juniorkollega och har introducerat ett kodgranskning-protokoll för teamets SQL-arbete som reducerat antalet produktionsbuggr i datamodeller med 42 procent under tolv månader. Jag presenterar kvartalsvis analytiska insikter för produktledningen och bidrar till prioriteringsarbetet inför varje produktkvartal.

Verktyg och system: Python (pandas, numpy, scipy), SQL (BigQuery), Looker, dbt, Amplitude, Figma för visualiseringsprototyper, Jira och Confluence

---

Data Analyst, Klarna Bank AB Stockholm | juni 2020 till december 2021

Under de första 18 månaderna på Klarna var jag placerad i Customer Experience Analytics-teamet med ansvar för att analysera kundklagomål, ärendehanteringstider och CSAT-data (Customer Satisfaction Score). Jag byggde ett automatiserat rapporteringssystem i Python som minskade manuell rapporteringstid för teamet från 12 timmar per vecka till 2 timmar.

Jag fick under denna period djup erfarenhet av att arbeta med stora och komplexa datasätt i BigQuery och att kommunicera analytiska fynd till icke-tekniska intressenter. Det var under dessa år jag byggde min grundläggande kompetens i A/B-testdesign och statistisk inferens.

---

Business Analyst (examensarbete och deltid), Fingerprint Cards AB Göteborg | september 2019 till maj 2020

Fingerprint Cards är ett börsnoterat techbolag inom biometrisk teknik. Under examensarbetesperioden analyserade jag försäljningsdata för mobilkomponenter och byggde en prognasmodell i R för kvartalsvisa leveransprognoser. Modellen uppnådde en genomsnittlig avvikelse på 7,3 procent mot utfall, att jämföra med den dåvarande manuella prognosens 14,2 procent.

---

Kompetenser

Analys och statistik: Hypotestestning, A/B-testdesign, bayes-statistik, regressions- och tidsserieanalys, kohortsanalys, attribution modeling

Programmeringsspråk: Python (pandas, numpy, scipy, matplotlib, scikit-learn), SQL (BigQuery, Snowflake), R

BI och visualisering: Looker, Tableau, Metabase, Datawrapper, Figma

Datainfrastruktur: dbt, BigQuery, Airflow (grundläggande), Git och GitHub

Produktanalysverktyg: Amplitude, Mixpanel, Google Analytics 4

Mjuka kompetenser: Kommunikation av tekniska insikter till icke-tekniska intressenter, handledning, kravställning och prioritering med produktchefer

Språk: Svenska (modersmål), engelska (avancerad, daglig arbetsspråk)

---

Utbildning och certifieringar

Kandidatexamen i statistik med inriktning mot dataanalys, Stockholms Universitet | 2016 till 2019

Kurs i maskininlärning, Coursera (Andrew Ng, DeepLearning.AI) | 2021

Looker Developer Certification, Google Cloud | 2023

dbt Analytics Engineering Certification, dbt Labs | 2023

---

Sammanfattning: så skriver du rätt

Dataanalytiker i Sverige söker jobb i ett landskap där teknisk kompetens är nödvändig men inte tillräcklig. De flesta sökande kan SQL och Python. Det som skiljer de starka kandidaterna är förmågan att koppla analysen till affärsmässiga slutsatser och förmågan att kommunicera insikter på ett sätt som leder till beslut.

Den professionella profilen bör på tre till fyra meningar sammanfatta ditt tekniska specialområde, ett konkret affärsmässigt resultat och vad du söker. Undvik listor av verktyg i profilen. Håll det narrativt och resultatorienterat. Verktygslistan hör hemma i kompetensavsnittet.

I Sverige är det naturligt att lyfta teamarbete och intern kunskapsdelning i CV:t. Dataanalytiker som handleder juniorer, håller workshops eller bidrar till en gemensam BI-infrastruktur är mer värdefulla än soloanalytiker och det bör synas i CV:t.

---

Arbetslivserfarenhet: så presenterar du resultat

A/B-testresultat bör alltid anges med statistisk kontext: antal tester, andel som gav signifikant utfall och den sammantagna effekten på en affärsmässig metrik som konverteringsfrekvens, intäkt per session eller aktiveringsgrad. Det visar att du förstår skillnaden mellan statistisk signifikans och praktisk relevans.

BI-infrastruktur bör beskrivas med adoption och effekt. Hur många intressenter använder systemet? Vilka ad hoc-förfrågningar eliminerades? Det omvandlar ett tekniskt bygge till ett affärsmässigt värde.

Automatisering och processförbättring är starka inslag. Om du reducerat manuell rapporteringstid eller buggfrekvens i datamodeller, ange specifika siffror.

---

Kompetenser

Separera verktyg från metodkompetens. Verktyg förändras snabbt och det är metodiken som är den varaktiga värdeskaparen. Lista dina statistiska och analytiska metoder separat från dina programmeringsspråk och BI-verktyg.

GitHub-länk i kontaktuppgifterna är standard för dataanalytiker och data engineers. Det ger rekryteraren möjlighet att granska din kod och se hur du strukturerar projekt.

---

Utbildning och certifieringar

Statistik eller data science från KTH, SU, Chalmers eller LU är de mest erkända grunderna för dataanalytikerroller i Sverige. Certifieringar i Looker och dbt är direkt operativa meriter och bör lyftas tydligt.

---

Vad detta CV kunde ha gjort bättre

CV:t saknar ett konkret exempel på en affärsmässig insikt som lett till strategisk förändring, inte bara en A/B-testkonvertering. Det vore starkt att nämna ett fall där analysen påverkade produktroadmapen eller ett marknadsbeslut.

Det saknas också ett avsnitt om SQL-kompetens på avancerad nivå, exempelvis window functions, CTE-strukturer eller optimering av frågor i storskaliga miljöer. I ett BigQuery-baserat företag som Klarna är detta en förväntad kompetens som bör adresseras explicit.

Angående foto: inom techbranschen i Sverige är foto i CV:t ovanligt och inte förväntat. Fokusera istället på GitHub-länken och eventuell portfölj av egna analysprojekt. Det ger ett starkare intryck än ett profilfoto.

---

Avslutning

Det här CV:t visar hur en erfaren dataanalytiker på ett ledande fintechbolag kan presentera sin profil med konkreta A/B-testresultat, BI-infrastrukturpåverkan och teknisk metodkompetens på ett faktabaserat och resultatorienterat sätt. Kombinationen av teknisk bredd och affärsmässig koppling gör profilen konkurrenskraftig för seniora analytiker- och analytics lead-roller.

Laddro hjälper dig att strukturera dina analytiska erfarenheter i ett CV som fungerar, oavsett om du söker till ett techbolag, ett konsultbolag eller en intern analytikerfunktion i Sverige.