ເບິ່ງຊີວະປະຫວັດລ່ວງໜ້າ

ບຸນມີ ສຸວັນນະວົງ

ນັກວິເຄາະຂໍ້ມູນອາວຸໂສ

[email protected]+856 20 5678 9012ນະຄອນຫລວງວຽງຈັນ, ລາວ

ສະຫຼຸບວິຊາຊີບ

ນັກວິເຄາະຂໍ້ມູນອາວຸໂສທີ່ມີປະສົບການ 6+ ປີໃນການປ່ຽນຂໍ້ມູນດິບໃຫ້ກາຍເປັນການຕັດສິນໃຈທາງທຸລະກິດ ໃນຂະແໜງການທະນາຄານ, ໂທລະຄົມມະນາຄົມ ແລະ ການເງິນດິຈິຕອລຂອງລາວ. ໄດ້ສ້າງ dashboard ຂອງຜູ້ບໍລິຫານທີ່ຫຼຸດເວລາການລາຍງານປະຈຳອາທິດ 70% ແລະ ຈັດໂປຣແກຣມການທົດສອບ A/B ທີ່ເພີ່ມການປ່ຽນ 22% ໃນແອັບທະນາຄານມືຖື BCEL One. ມີຄວາມຊ່ຽວຊານໃນ SQL, Tableau, Power BI, Python (pandas), dbt ແລະ Looker. ຄູ່ຮ່ວມມືທີ່ໜ້າເຊື່ອຖືຂອງທີມການຕະຫຼາດ, ຜະລິດຕະພັນ ແລະ ການເງິນ ສຳລັບການວິເຄາະ cohort, funnel ແລະ attribution.

ປະສົບການເຮັດວຽກ

ນັກວິເຄາະຂໍ້ມູນອາວຸໂສ

Banque Pour Le Commerce Extérieur Lao (BCEL)

ມີນາ 2022 - ປະຈຸບັນ

ໄດ້ສ້າງ dashboard KPI ຂອງຜູ້ບໍລິຫານທີ່ຕິດຕາມບໍລິມາດການຈ່າຍເງິນຜ່ານ BCEL One ກວ່າ 8 ພັນຕື້ກີບປະຈຳປີ, ປ່ຽນແທນລາຍງານດ້ວຍມື 12 ສະບັບ ແລະ ປະຢັດ 30 ຊົ່ວໂມງນັກວິເຄາະ/ອາທິດ
ໄດ້ນຳພາໂປຣແກຣມການທົດສອບ A/B ສຳລັບລະບົບ checkout; ດຳເນີນການທົດລອງ 40+ ຄັ້ງ ແລະ ຍົກອັດຕາການປ່ຽນ checkout 22%, ເພີ່ມ 35 ຕື້ກີບໃນ GMV ປະຈຳປີ
ໄດ້ມາດຕະຖານຕົວຊີ້ວັດທຸລະກິດຫຼັກໃນ dbt ໃນທົ່ວທີມ 5 ທີມ, ຫຼຸດຂໍ້ຂັດແຍ່ງດ້ານນິຍາມ 80% ແລະ ເລັ່ງການລາຍງານຄະນະກຳມະການປະຈຳໄຕມາດ
ໄດ້ໃຫ້ຄຳແນະນຳນັກວິເຄາະນ້ອງໃໝ່ 3 ຄົນກ່ຽວກັບ SQL, ການທົດສອບສະຖິຕິ ແລະ ການສື່ສານກັບ stakeholder

ນັກວິເຄາະຂໍ້ມູນ

Lao Telecommunications (LTC)

ກໍລະກົດ 2020 - ກຸມພາ 2022

ໄດ້ອັດຕະໂນມັດການລາຍງານການຕະຫຼາດປະຈຳອາທິດໃນ Python ແລະ Looker, ກຳຈັດງານ spreadsheet ດ້ວຍມື 18 ຊົ່ວໂມງ/ອາທິດ
ໄດ້ດຳເນີນການວິເຄາະການຮັກສາ cohort ທີ່ໃຫ້ຂໍ້ມູນແກ່ການປ່ຽນແປງລາຄາແພັກເກັດໂທລະຄົມມະນາຄົມ, ເພີ່ມ LTV ປະຈຳປີ 17%
ໄດ້ສະຫາກັບທີມເຕີບໂຕກ່ຽວກັບແບບຈຳລອງ attribution, ຈັດສັນຄືນ 5 ຕື້ກີບຂອງຄ່າໃຊ້ຈ່າຍການຕະຫຼາດໄປສູ່ຊ່ອງທາງ ROI ສູງກວ່າ
ໄດ້ອອກແບບ ແລະ ວິເຄາະການທົດສອບ A/B 25+ ຄັ້ງ ກ່ຽວກັບ onboarding ຜະລິດຕະພັນ, ໂດຍມີຜູ້ຊະນະ 9 ຄົນຖືກສົ່ງໄປຍັງ production

ນັກວິເຄາະຂໍ້ມູນລະດັບເລີ່ມຕົ້ນ

Unitel

ສິງຫາ 2018 - ມິຖຸນາ 2020

ໄດ້ເປັນເຈົ້າຂອງລາຍງານ KPI ປະຈຳວັນສຳລັບທຸລະກິດ prepaid mobile, ໃຊ້ໂດຍຄະນະຜູ້ນຳເພື່ອຕິດຕາມ ARPU ແລະ subscriber churn
ໄດ້ສ້າງ dashboard Tableau ບໍລິການຕົນເອງຄັ້ງທຳອິດສຳລັບການດຳເນີນງານ, ຮັບເອົາໂດຍຜູ້ໃຊ້ 60+ ຄົນໃນທົ່ວ 4 ແຂວງ
ໄດ້ຂຽນ SQL queries ກັບຂໍ້ມູນເຄືອຂ່າຍ ແລະ CDR ກວ່າ 2TB ເພື່ອສະໜັບສະໜູນການວິເຄາະ ad-hoc ສຳລັບຜູ້ຈັດການຜະລິດຕະພັນ
ໄດ້ສະໜັບສະໜູນທີມການເງິນໃນເວລາປິດປະຈຳເດືອນດ້ວຍການກະທົບຍອດລາຍຮັບ ແລະ ການວິເຄາະ variance

ການສຶກສາ

ປະລິນຍາໂທ ການວິເຄາະທຸລະກິດ (M.S.)

ມະຫາວິທະຍາໄລແຫ່ງຊາດ

2016 - 2018

ເນັ້ນການຮຽນສະຖິຕິ ແລະ ການອອກແບບການທົດລອງ. ໂຄງການ capstone ກັບ BCEL ກ່ຽວກັບແບບຈຳລອງ churn ຂອງລູກຄ້າທະນາຄານ.

ປະລິນຍາຕີ ສະຖິຕິ (B.S.)

ມະຫາວິທະຍາໄລສຸພານຸວົງ

2012 - 2016

ຫຼັກສູດທີ່ກ່ຽວຂ້ອງ: regression, ທິດສະດີຄວາມເປັນໄປໄດ້, ການວິເຄາະ time series, ລະບົບຖານຂໍ້ມູນ, SQL.

ຫຼັກສູດ ແລະ ໃບຢັ້ງຢືນ

Google Data Analytics Professional Certificate

Coursera / Google

2021

ຫຼັກສູດພິເສດ 8 ຫຼັກສູດກວມເອົາ SQL, R, Tableau ແລະ ວົງຈອນການວິເຄາະຂໍ້ມູນຄົບຖ້ວນ.

Microsoft Certified: Power BI Data Analyst Associate (PL-300)

Microsoft

2023

ລະຫັດໃບຢັ້ງຢືນ: MS-PL300-2023-9182

ການວິເຄາະຂໍ້ມູນດ້ວຍ Python

LIIT (Lao-Indian Institute of Technology)

2020

ຫຼັກສູດສັ້ນໃນທ້ອງຖິ່ນກ່ຽວກັບ pandas, NumPy ແລະ ການວິເຄາະຂໍ້ມູນທຸລະກິດລາວ.

ພາສາ

ພາສາລາວ

ການເວົ້າ: ພາສາແມ່ການຟັງ: ພາສາແມ່ການຂຽນ: ພາສາແມ່

ພາສາອັງກິດ

ການເວົ້າ: ຄ່ອງແຄ້ວການຟັງ: ຄ່ອງແຄ້ວການຂຽນ: ຄ່ອງແຄ້ວ

ພາສາໄທ

ການເວົ້າ: ດີການຟັງ: ດີການຂຽນ: ພື້ນຖານ

ທັກສະ

SQLExcel (Advanced)TableauPower BIPython (pandas)LookerdbtGoogle AnalyticsA/B TestingCohort AnalysisStatisticsData Visualization

ນີ້ແມ່ນຊີວະປະຫວັດຕົວຢ່າງ. ໃຊ້ເຄື່ອງມືສ້າງຊີວະປະຫວັດຟຣີເພື່ອປັບແຕ່ງຕາມປະສົບການຂອງທ່ານເອງ.

ຄຳແນະນຳຊີວະປະຫວັດ

ບອກຜົນກະທົບທາງທຸລະກິດເປັນຕົວເລກ

ຢ່າເວົ້າແຕ່ວ່າ 'ສ້າງ dashboard'. ໃຫ້ເວົ້າວ່າ 'ສ້າງ dashboard ຂອງຜູ້ບໍລິຫານທີ່ປະຢັດ 30 ຊົ່ວໂມງ/ອາທິດ ແລະ ໃຫ້ຂໍ້ມູນແກ່ການປ່ຽນແປງລາຄາທີ່ເພີ່ມ 10 ຕື້ກີບ ARR'. ແປວຽກນັກວິເຄາະເປັນລາຍຮັບ, ຄ່າໃຊ້ຈ່າຍ, ຫຼື ເວລາທີ່ປະຢັດໄດ້.

ສະແດງ pipeline ການວິເຄາະຄົບຖ້ວນ

ການວິເຄາະຂໍ້ມູນບໍ່ແມ່ນພຽງແຕ່ SQL. ບອກກ່ຽວກັບການແຫຼ່ງຂໍ້ມູນ, ການທຳຄວາມສະອາດ, ການສ້າງແບບຈຳລອງ, ການສະແດງເປັນພາບ, ແລະ ວິທີທີ່ stakeholders ໄດ້ປະຕິບັດຕາມຄວາມເຂົ້າໃຈຂອງທ່ານ.

ຕັ້ງຊື່ເຄື່ອງມື ແລະ stack ຂອງທ່ານ

ATS ແລະ ຜູ້ຮັບສະໝັກຊອກຫາເຄື່ອງມືສະເພາະ. ສະກົດ SQL dialects (PostgreSQL, BigQuery, Snowflake), ເຄື່ອງມື BI (Tableau, Power BI, Looker), ແລະ Python libraries (pandas, NumPy).

ລວມເອົາຄວາມສຳເລັດການທົດລອງ ແລະ dashboard

ການທົດສອບ A/B ທີ່ສົ່ງອອກ, dashboards ທີ່ຮັບເອົາໂດຍຜູ້ໃຊ້ N ຄົນ, ລາຍງານອັດຕະໂນມັດທີ່ປ່ຽນແທນວຽກດ້ວຍມື — ສິ່ງເຫຼົ່ານີ້ແມ່ນຫຼັກຖານທີ່ຊັດເຈນຂອງຜົນກະທົບທີ່ຜູ້ຈັດການການຈ້າງຮັກ.

ທັກສະຫຼັກ

SQLExcel (Advanced)TableauPower BIPython (pandas)LookerGoogle AnalyticsA/B TestingCohort Analysisການວິເຄາະສະຖິຕິການສະແດງຂໍ້ມູນເປັນພາບການສື່ສານກັບ Stakeholder

ວິທີຂຽນຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນ (Data Analyst CV)

ຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນທີ່ດີບໍ່ພຽງແຕ່ບອກວ່າທ່ານຮູ້ SQL ຫຼື Excel, ແຕ່ຕ້ອງພິສູດວ່າການວິເຄາະຂອງທ່ານປ່ຽນເປັນການຕັດສິນໃຈ ຫຼືເງິນຈິງໄດ້ແນວໃດ. ເຮັດຕາມ 5 ຂັ້ນຕອນລຸ່ມນີ້ເພື່ອສ້າງຊີວະປະຫວັດທີ່ຜ່ານ ATS ແລະ ດຶງດູດຜູ້ຈັດການການຈ້າງ.

1. ຂຽນບົດສະຫຼຸບອາຊີບໃນ 3 ແຖວ

ໃນ 2-3 ແຖວທຳອິດ, ບອກລະດັບປະສົບການ, ອຸດສາຫະກຳທີ່ທ່ານເຄີຍເຮັດວຽກ (ທະນາຄານ, ໂທລະຄົມ, e-commerce, NGO), stack ເຄື່ອງມືຫຼັກ (SQL, Excel, Tableau ຫຼື Power BI) ແລະ ຕົວເລກຜົນກະທົບໜຶ່ງອັນທີ່ໜ້າຈົດຈຳ ເຊັ່ນ 'ຫຼຸດເວລາລາຍງານ 70%' ຫຼື 'ເພີ່ມ conversion 22%'. ຜູ້ຈັດການການຈ້າງອ່ານແຖວນີ້ກ່ອນ ແລະ ຕັດສິນໃຈພາຍໃນສອງສາມວິນາທີວ່າຈະອ່ານຕໍ່ຫຼືບໍ່, ສະນັ້ນຢ່າໃສ່ຄຳຄຸນນາມທົ່ວໄປເຊັ່ນ 'ຂະຫຍັນ' ຫຼື 'ຮັບຜິດຊອບສູງ' ໂດຍບໍ່ມີຫຼັກຖານ.

2. ຂຽນ bullet ປະສົບການໃຫ້ວັດແທກໄດ້

ແຕ່ລະ bullet ຄວນເລີ່ມດ້ວຍຄຳກິລິຍາ ແລະ ຈົບດ້ວຍຕົວເລກ: ຈຳນວນຜູ້ໃຊ້ dashboard, ຊົ່ວໂມງທີ່ປະຢັດໄດ້ຈາກການອັດຕະໂນມັດ, ລາຍຮັບ ຫຼື ຄ່າໃຊ້ຈ່າຍທີ່ວິເຄາະພົບ, ປະລິມານຂໍ້ມູນທີ່ຈັດການ, ຄວາມໄວ query ທີ່ດີຂຶ້ນ, ຫຼື ອັດຕາຄວາມຜິດພາດໃນລາຍງານທີ່ຫຼຸດລົງ. ຕົວຢ່າງ bullet ທີ່ດີ: 'ອັດຕະໂນມັດການລາຍງານປະຈຳອາທິດດ້ວຍ Python ແລະ Power BI, ຫຼຸດເວລາເຮັດວຽກດ້ວຍມືຈາກ 15 ຊົ່ວໂມງເປັນ 2 ຊົ່ວໂມງ/ອາທິດ ແລະ ຫຼຸດຂໍ້ຜິດພາດການລາຍງານ 90%.' ຫຼີກລ້ຽງ bullet ທີ່ພຽງແຕ່ບອກໜ້າທີ່ໂດຍບໍ່ມີຜົນໄດ້ຮັບ.

3. ຈັດໝວດທັກສະເຕັກນິກໃຫ້ຊັດເຈນ

ແບ່ງທັກສະເປັນກຸ່ມ: ການ query (SQL, Excel ຂັ້ນສູງ), ເຄື່ອງມື BI (Tableau, Power BI, Looker), ພາສາໂປຣແກຣມ (Python/pandas, R), ເຄື່ອງມືວຽກ (dbt, Airflow, Google Sheets automation), ແລະ ພື້ນຖານສະຖິຕິ (regression, hypothesis testing). ຄັດລອກຄຳສັບຈາກປະກາດຮັບສະໝັກໃຫ້ກົງກັນ ເພາະ ATS ແລະ ຜູ້ຄັດເລືອກທັງສອງຄົ້ນຫາຄຳສັບແທ້ໆ. ຢ່າໃສ່ທັກສະທີ່ບໍ່ກ່ຽວຂ້ອງ; ໃສ່ພຽງເຄື່ອງມືທີ່ທ່ານໃຊ້ຈິງ ແລະ ພ້ອມຖືກຖາມໃນການສຳພາດ.

4. ເພີ່ມໂຄງການ ຫຼື dashboard portfolio ຖ້າປະສົບການຍັງບໍ່ຫຼາຍ

ຖ້າທ່ານຫາກໍຮຽນຈົບ ຫຼືປ່ຽນສາຍງານ, ໃສ່ 1-2 ໂຄງການ: dashboard ສາທາລະນະ, SQL case study, ໂຄງການໃນ Kaggle ຫຼື GitHub, ຫຼືໂຄງການ capstone ທີ່ມີຄຳຖາມທຸລະກິດຊັດເຈນ ແລະ ຄຳຕອບທີ່ໄດ້ຈາກຂໍ້ມູນ. dashboard ດຽວທີ່ຂັດເງົາດີ ພ້ອມຄວາມເຂົ້າໃຈທຸລະກິດທີ່ຊັດເຈນ ມີຄ່າຫຼາຍກວ່າຊຸດຂໍ້ມູນຫຼິ້ນໆ 10 ໂຄງການ. ໃສ່ລິ້ງໄປຫາ Tableau Public, GitHub ຫຼື portfolio ອອນລາຍຂອງທ່ານ.

5. ການສຶກສາ, ໃບຢັ້ງຢືນ ແລະ ກວດ ATS ຄັ້ງສຸດທ້າຍ

ໃສ່ລະດັບການສຶກສາ ພ້ອມສາຂາທີ່ກ່ຽວຂ້ອງ ແລະ ໃບຢັ້ງຢືນເຊັ່ນ Google Data Analytics Professional Certificate, Microsoft Power BI (PL-300) ຫຼື Tableau Desktop Specialist ຖ້າມີ. ກ່ອນສົ່ງ, ກວດວ່າ: ຮູບແບບຖັນດຽວ (single column), ບັນທຶກເປັນ PDF, ບໍ່ມີຕາຕະລາງ ຫຼື ກຣາຟຝັງໃນຕົວຊີວະປະຫວັດເອງ (ATS ອ່ານບໍ່ໄດ້), ຟອນອ່ານງ່າຍ ແລະ ຄວາມຍາວບໍ່ເກີນ 1 ໜ້າສຳລັບຄົນທີ່ມີປະສົບການໜ້ອຍກວ່າ 10 ປີ.

ຕົວຢ່າງບົດສະຫຼຸບອາຊີບນັກວິເຄາະຂໍ້ມູນທີ່ຄັດລອກໄດ້

ຄັດລອກໂຄງສ້າງລຸ່ມນີ້ ແລ້ວປ່ຽນຕົວເລກ ແລະ ເຄື່ອງມືໃຫ້ກົງກັບປະສົບການຂອງທ່ານເອງ.

ນັກວິເຄາະຂໍ້ມູນລະດັບເລີ່ມຕົ້ນ / ຫາກໍຮຽນຈົບ

ຜູ້ຮຽນຈົບໃໝ່ດ້ານສະຖິຕິທີ່ມີພື້ນຖານແໜ້ນໃນ SQL, Excel ຂັ້ນສູງ ແລະ Power BI ຈາກ Google Data Analytics Certificate ແລະ ໂຄງການ capstone ວິເຄາະຂໍ້ມູນການຂາຍຍ່ອຍລາວ. ໄດ້ສ້າງ dashboard ຝຶກງານທີ່ 20 ພະນັກງານໃຊ້ຕິດຕາມສາງສິນຄ້າ. ຊອກຫາໂອກາດນັກວິເຄາະຂໍ້ມູນລະດັບເລີ່ມຕົ້ນເພື່ອນຳໃຊ້ທັກສະ SQL ແລະ ການສະແດງຂໍ້ມູນເປັນພາບໃນສະພາບແວດລ້ອມທຸລະກິດຈິງ.

ນັກວິເຄາະຂໍ້ມູນອາວຸໂສ

ນັກວິເຄາະຂໍ້ມູນອາວຸໂສທີ່ມີປະສົບການ 7+ ປີໃນຂະແໜງການເງິນ ແລະ ໂທລະຄົມ, ນຳພາຊຸດການລາຍງານຂ້າມທີມທີ່ອັດຕະໂນມັດດ້ວຍ Python ແລະ dbt. ໄດ້ຫຼຸດເວລາການລາຍງານປະຈຳອາທິດ 70% ແລະ ຊອກຫາໂອກາດ GMV ເພີ່ມ 35 ຕື້ກີບຜ່ານການທົດສອບ A/B. ຊ່ຽວຊານໃນການເຮັດວຽກກັບຄະນະຜູ້ບໍລິຫານ ແລະ ຝຶກສອນນັກວິເຄາະນ້ອງໃໝ່.

ຄົນປ່ຽນສາຍງານມາເປັນນັກວິເຄາະຂໍ້ມູນ (ຈາກການເງິນ)

ອະດີດພະນັກງານບັນຊີ/ການເງິນທີ່ມີປະສົບການ 5 ປີໃນການກະທົບຍອດ ແລະ ການພະຍາກອນງົບປະມານ, ຫາກໍປ່ຽນສາຍງານມາເປັນນັກວິເຄາະຂໍ້ມູນຫຼັງຮຽນ SQL, Power BI ແລະ Python ຜ່ານໃບຢັ້ງຢືນ Google Data Analytics. ນຳຄວາມຮູ້ດ້ານການເງິນເລິກເຊິ່ງມາປະສົມກັບທັກສະ BI ໃໝ່ ເພື່ອສ້າງລາຍງານທາງການເງິນອັດຕະໂນມັດທີ່ຫຼຸດເວລາປິດບັນຊີປະຈຳເດືອນ 3 ວັນ.

ຄຳສຳຄັນ ATS ສຳລັບຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນ

ໃຊ້ຄຳສັບດຽວກັນກັບໃນປະກາດຮັບສະໝັກ; ທັງ ATS ແລະ ຜູ້ຄັດເລືອກຄົ້ນຫາຄຳສະເພາະເຫຼົ່ານີ້, ບໍ່ແມ່ນຄຳອະທິບາຍທົ່ວໄປ.

SQL

ໃສ່ໃນທັກສະ ແລະ ໃນ bullet ປະສົບການດ້ວຍ dialect ສະເພາະ (PostgreSQL, MySQL, BigQuery) ຖ້າກ່ຽວຂ້ອງ.

Excel (Advanced)

ລະບຸຟັງຊັນສະເພາະເຊັ່ນ pivot table, VLOOKUP/XLOOKUP ຫຼື macro ຖ້າໃຊ້ຈິງ.

Tableau

ໃສ່ຖ້າທ່ານເຄີຍສ້າງ ຫຼືປັບປຸງ dashboard ດ້ວຍ Tableau, ບອກຈຳນວນຜູ້ໃຊ້ ຫຼືທີມທີ່ນຳໃຊ້.

Power BI

ໜຶ່ງໃນເຄື່ອງມືທີ່ຖືກຄົ້ນຫາຫຼາຍທີ່ສຸດ; ໃສ່ຄູ່ກັບໃບຢັ້ງຢືນ PL-300 ຖ້າມີ.

Python (pandas)

ໃສ່ພຽງຖ້າໃຊ້ຈິງສຳລັບການທຳຄວາມສະອາດຂໍ້ມູນ ຫຼືອັດຕະໂນມັດ, ບໍ່ຕ້ອງເລິກເຖິງລະດັບ ML.

Data Visualization

ໃຊ້ໃນບົດສະຫຼຸບອາຊີບເພື່ອສະແດງວ່າທ່ານແປຂໍ້ມູນເປັນ insight ທີ່ເຂົ້າໃຈງ່າຍ.

A/B Testing

ໃສ່ພ້ອມຈຳນວນການທົດລອງ ແລະ ຜົນໄດ້ຮັບ ເຊັ່ນ conversion rate ທີ່ເພີ່ມຂຶ້ນ.

Statistical Analysis

ອ້າງອີງເຖິງວິທີສະເພາະ ເຊັ່ນ regression ຫຼື hypothesis testing ໃນປະສົບການ ຫຼືການສຶກສາ.

Data Cleaning

ໃສ່ໃນ bullet ທີ່ກ່ຽວກັບການກະກຽມຂໍ້ມູນ ຫຼືການແກ້ໄຂຄວາມຜິດພາດຂອງຂໍ້ມູນ.

Stakeholder Communication

ສະແດງດ້ວຍຕົວຢ່າງ ເຊັ່ນ ນຳສະເໜີຄະນະຜູ້ບໍລິຫານ ຫຼືຝຶກສອນທີມ.

ຕົວຢ່າງ bullet: ອ່ອນ ທຽບກັບ ແໜ້ນ

ປຽບທຽບການຂຽນແບບອ່ອນ ແລະ ແບບແໜ້ນເພື່ອເຫັນຄວາມແຕກຕ່າງ.

ວຽກ dashboard ການຂາຍ

ສ້າງ dashboard ການຂາຍໃນ Power BI ສຳລັບທີມ.

ອອກແບບ dashboard ການຂາຍໃນ Power BI ທີ່ຄະນະຜູ້ບໍລິຫານ 3 ພະແນກໃຊ້ປະຈຳວັນ, ຫຼຸດເວລາການລາຍງານດ້ວຍມືຈາກ 10 ຊົ່ວໂມງເປັນ 1 ຊົ່ວໂມງ/ອາທິດ ແລະ ຊ່ວຍພົບໂອກາດຍອດຂາຍ 5 ຕື້ກີບ.

ວຽກທຳຄວາມສະອາດຂໍ້ມູນ ແລະ ອັດຕະໂນມັດ

ທຳຄວາມສະອາດຂໍ້ມູນ ແລະ ຂຽນ script Python.

ສ້າງ pipeline ອັດຕະໂນມັດດ້ວຍ Python ແລະ dbt ເພື່ອທຳຄວາມສະອາດຂໍ້ມູນທຸລະກຳ 2TB/ເດືອນ, ຫຼຸດອັດຕາຄວາມຜິດພາດຂອງລາຍງານ 90% ແລະ ປະຢັດເວລານັກວິເຄາະ 15 ຊົ່ວໂມງ/ອາທິດ.

ວຽກວິເຄາະ ad-hoc ແລະ ການທົດລອງ

ຊ່ວຍທີມການຕະຫຼາດວິເຄາະຂໍ້ມູນແຄມເປນ.

ດຳເນີນການວິເຄາະ ad-hoc ໃຫ້ທີມການຕະຫຼາດ, ອອກແບບການທົດສອບ A/B 12 ຄັ້ງສຳລັບແຄມເປນ email ແລະ ແນະນຳການປ່ຽນແປງທີ່ເພີ່ມ conversion rate 18%.

ຄຳຖາມທີ່ຖາມເລື້ອຍໆ

ຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນຄວນລວມມີຫຍັງແດ່?

ຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນທີ່ເຂັ້ມແຂງປະກອບດ້ວຍບົດສະຫຼຸບອາຊີບທີ່ມີຄວາມສຳເລັດທີ່ບອກເປັນຈຳນວນ, ທັກສະທາງເຕັກນິກ (SQL, Excel, ເຄື່ອງມື BI ເຊັ່ນ Tableau ຫຼື Power BI, ໃນອຸດົມຄະຕິ Python ຫຼື R), ປະສົບການເຮັດວຽກ 2-4 ຄັ້ງດ້ວຍຜົນໄດ້ຮັບທາງທຸລະກິດທີ່ຊັດເຈນ, ການສຶກສາ, ແລະ ໃບຢັ້ງຢືນທີ່ກ່ຽວຂ້ອງເຊັ່ນ Google Data Analytics ຫຼື Power BI PL-300. ເນັ້ນຜົນກະທົບທາງທຸລະກິດແທນທີ່ຈະເປັນຄຳສັບເຕັກນິກ.

ຕ້ອງການລະດັບປະລິນຍາສຳລັບຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນບໍ?

ປະລິນຍາໃນສະຖິຕິ, ຄະນິດສາດ, ເສດຖະສາດ, ການວິເຄາະທຸລະກິດ ຫຼື ວິທະຍາສາດຄອມພິວເຕີຊ່ວຍໄດ້ ແຕ່ບໍ່ຈຳເປັນ. ນັກວິເຄາະຂໍ້ມູນທີ່ປະສົບຜົນສຳເລັດຫຼາຍຄົນໃນລາວມາຈາກພື້ນຖານທີ່ບໍ່ແມ່ນເຕັກນິກ ແລະ ຮຽນຮູ້ຜ່ານໃບຢັ້ງຢືນ (Google Data Analytics, Power BI PL-300) ແລະ ໂຄງການ portfolio.

ເຮັດແນວໃດໃຫ້ຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນເຂົ້າກັນໄດ້ກັບ ATS?

ໃຊ້ຄຳສຳຄັນຈາກລາຍລະອຽດວຽກ (SQL, Tableau, Power BI, A/B testing, cohort analysis), ໃຊ້ຫົວຂໍ້ພາກມາດຕະຖານ (ປະສົບການ, ການສຶກສາ, ທັກສະ), ຫຼີກລ້ຽງຖັນ/ຕາຕະລາງ/ກ່ອງຂໍ້ຄວາມ, ບັນທຶກເປັນ PDF, ແລະ ສະກົດຊື່ເຄື່ອງມືຢ່າງຊັດເຈນ. ໃຊ້ຕົວເລກໃນທຸກໆ bullet.

ສາມາດສ້າງຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນຟຣີໄດ້ບໍ?

ໄດ້. NoBsResume ແມ່ນຟຣີ 100% ໂດຍບໍ່ມີຄ່າໃຊ້ຈ່າຍທີ່ເຊື່ອງໄວ້. ເລືອກຈາກແມ່ແບບທີ່ເຂົ້າກັນໄດ້ກັບ ATS 3 ແບບ, ຕື່ມປະສົບການຂອງທ່ານໂດຍໃຊ້ຕົວຢ່າງນີ້ເປັນແຮງບັນດານໃຈ, ດາວໂຫຼດເປັນ PDF ມືອາຊີບ ແລະ ສະໝັກຜ່ານ 108job.la ຫຼື LinkedIn.

ມີແມ່ແບບຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນເປັນພາສາລາວດາວໂຫຼດໄດ້ບໍ?

ໄດ້. ຕົວຢ່າງໃນໜ້ານີ້ສາມາດແກ້ໄຂໄດ້ໂດຍກົງໃນເຄື່ອງມືສ້າງຊີວະປະຫວັດຟຣີຂອງ NoBsResume — ເລືອກແມ່ແບບທີ່ເຂົ້າກັນໄດ້ກັບ ATS 3 ແບບ, ພິມເປັນພາສາລາວ ຫຼືອັງກິດ, ແລ້ວດາວໂຫຼດເປັນ PDF ທັນທີໂດຍບໍ່ຕ້ອງລົງທະບຽນ.

ຂຽນຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນແນວໃດຖ້າຍັງບໍ່ມີປະສົບການ?

ເນັ້ນໃສ່ໂຄງການ: dashboard ຝຶກງານ, ໂຄງການ capstone, SQL case study ຫຼືການວິເຄາະຂໍ້ມູນສາທາລະນະ (ເຊັ່ນ Kaggle). ໃສ່ໃບຢັ້ງຢືນ (Google Data Analytics, Power BI PL-300), ທັກສະ SQL/Excel/BI ໃຫ້ຊັດເຈນ, ແລະ ຂຽນບົດສະຫຼຸບອາຊີບທີ່ບອກສິ່ງທ່ານພ້ອມເຮັດໄດ້ ບໍ່ແມ່ນພຽງແຕ່ຂາດປະສົບການ.

ຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນຄວນຂຽນເປັນພາສາລາວ ຫຼືພາສາອັງກິດ?

ຂຶ້ນກັບນາຍຈ້າງ: ທະນາຄານ ແລະ ບໍລິສັດລາວທ້ອງຖິ່ນ (ເຊັ່ນ BCEL, Unitel) ມັກຮັບຊີວະປະຫວັດພາສາລາວ ຫຼືປົນອັງກິດ-ລາວ, ໃນຂະນະທີ່ NGO ສາກົນ, ບໍລິສັດຕ່າງປະເທດ ແລະ ອົງກອນຫຼາຍຊາດມັກຮ້ອງຂໍພາສາອັງກິດເປັນຫຼັກ. ຖ້າບໍ່ແນ່ໃຈ, ກຽມທັງສອງສະບັບ ຫຼືກວດປະກາດຮັບສະໝັກໂດຍກົງ.

ຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນຄວນຍາວປານໃດ?

1 ໜ້າສຳລັບຄົນທີ່ມີປະສົບການໜ້ອຍກວ່າ 10 ປີ, ສູງສຸດ 2 ໜ້າສຳລັບນັກວິເຄາະອາວຸໂສທີ່ມີປະສົບການຫຼາຍ. ຜູ້ຈັດການການຈ້າງໃຊ້ເວລາອ່ານພຽງ 6-10 ວິນາທີໃນຮອບທຳອິດ, ສະນັ້ນຄວາມກະທັດຮັດ ແລະ ຕົວເລກຜົນກະທົບສຳຄັນກວ່າຄວາມຍາວ.

ຄວນໃສ່ dashboard ຫຼືໂຄງການ SQL ໃນຊີວະປະຫວັດບໍ?

ຄວນ, ໂດຍສະເພາະຖ້າປະສົບການເຮັດວຽກຍັງໜ້ອຍ. ໃສ່ລິ້ງໄປຫາ Tableau Public, GitHub ຫຼື portfolio ອອນລາຍ ພ້ອມຄຳອະທິບາຍສັ້ນວ່າໂຄງການຕອບຄຳຖາມທຸລະກິດຫຍັງ. dashboard ດຽວທີ່ຂັດເງົາດີດີກວ່າ 10 ໂຄງການບໍ່ຄົບຖ້ວນ.

ຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນ (Data Analyst) ຕ່າງຈາກນັກວິທະຍາສາດຂໍ້ມູນ (Data Scientist) ແນວໃດ?

ນັກວິເຄາະຂໍ້ມູນເນັ້ນ SQL, ເຄື່ອງມື BI, ການລາຍງານ ແລະ insight ທຸລະກິດປະຈຳວັນ; ນັກວິທະຍາສາດຂໍ້ມູນເນັ້ນການສ້າງແບບຈຳລອງ machine learning, ສະຖິຕິຂັ້ນສູງ ແລະ ການພັດທະນາລະບົບ. ຖ້າວຽກຂອງທ່ານແມ່ນ dashboard, ລາຍງານ ແລະ ການວິເຄາະທຸລະກິດ, ໃຊ້ຕຳແໜ່ງນັກວິເຄາະຂໍ້ມູນ; ຖ້າສ້າງແບບຈຳລອງທຳນວາຍ, ໃຊ້ນັກວິທະຍາສາດຂໍ້ມູນ.

ສ້າງຊີວະປະຫວັດຂອງທ່ານດຽວນີ້

ໃຊ້ຕົວຢ່າງນີ້ເປັນແຮງບັນດານໃຈ. ປັບແຕ່ງຕາມປະສົບການຂອງທ່ານເອງ ແລະ ດາວໂຫຼດ PDF ມືອາຊີບພາຍໃນບໍ່ເທົ່າໃດນາທີ. ຟຣີ 100%.

ເລີ່ມສ້າງຊີວະປະຫວັດ

ເບິ່ງຊີວະປະຫວັດນີ້ໃນພາສາອື່ນ

ຕົວຢ່າງຊີວະປະຫວັດນີ້ມີໃຫ້ໃນ 63 ພາສາ:

ຕົວຢ່າງຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນ

ເບິ່ງຊີວະປະຫວັດລ່ວງໜ້າ

ສະຫຼຸບວິຊາຊີບ

ປະສົບການເຮັດວຽກ

ນັກວິເຄາະຂໍ້ມູນອາວຸໂສ

ນັກວິເຄາະຂໍ້ມູນ

ນັກວິເຄາະຂໍ້ມູນລະດັບເລີ່ມຕົ້ນ

ການສຶກສາ

ປະລິນຍາໂທ ການວິເຄາະທຸລະກິດ (M.S.)

ປະລິນຍາຕີ ສະຖິຕິ (B.S.)

ຫຼັກສູດ ແລະ ໃບຢັ້ງຢືນ

Google Data Analytics Professional Certificate

Microsoft Certified: Power BI Data Analyst Associate (PL-300)

ການວິເຄາະຂໍ້ມູນດ້ວຍ Python

ພາສາ

ພາສາລາວ

ພາສາອັງກິດ

ພາສາໄທ

ທັກສະ

ຄຳແນະນຳຊີວະປະຫວັດ

ບອກຜົນກະທົບທາງທຸລະກິດເປັນຕົວເລກ

ສະແດງ pipeline ການວິເຄາະຄົບຖ້ວນ

ຕັ້ງຊື່ເຄື່ອງມື ແລະ stack ຂອງທ່ານ

ລວມເອົາຄວາມສຳເລັດການທົດລອງ ແລະ dashboard

ທັກສະຫຼັກ

ວິທີຂຽນຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນ (Data Analyst CV)

1. ຂຽນບົດສະຫຼຸບອາຊີບໃນ 3 ແຖວ

2. ຂຽນ bullet ປະສົບການໃຫ້ວັດແທກໄດ້

3. ຈັດໝວດທັກສະເຕັກນິກໃຫ້ຊັດເຈນ

4. ເພີ່ມໂຄງການ ຫຼື dashboard portfolio ຖ້າປະສົບການຍັງບໍ່ຫຼາຍ

5. ການສຶກສາ, ໃບຢັ້ງຢືນ ແລະ ກວດ ATS ຄັ້ງສຸດທ້າຍ

ຕົວຢ່າງບົດສະຫຼຸບອາຊີບນັກວິເຄາະຂໍ້ມູນທີ່ຄັດລອກໄດ້

ນັກວິເຄາະຂໍ້ມູນລະດັບເລີ່ມຕົ້ນ / ຫາກໍຮຽນຈົບ

ນັກວິເຄາະຂໍ້ມູນອາວຸໂສ

ຄົນປ່ຽນສາຍງານມາເປັນນັກວິເຄາະຂໍ້ມູນ (ຈາກການເງິນ)

ຄຳສຳຄັນ ATS ສຳລັບຊີວະປະຫວັດນັກວິເຄາະຂໍ້ມູນ

SQL

Excel (Advanced)

Tableau

Power BI

Python (pandas)

Data Visualization

A/B Testing

Statistical Analysis

Data Cleaning

Stakeholder Communication

ຕົວຢ່າງ bullet: ອ່ອນ ທຽບກັບ ແໜ້ນ

ວຽກ dashboard ການຂາຍ

ວຽກທຳຄວາມສະອາດຂໍ້ມູນ ແລະ ອັດຕະໂນມັດ

ວຽກວິເຄາະ ad-hoc ແລະ ການທົດລອງ

ຄຳຖາມທີ່ຖາມເລື້ອຍໆ

ສ້າງຊີວະປະຫວັດຂອງທ່ານດຽວນີ້

ເບິ່ງຊີວະປະຫວັດນີ້ໃນພາສາອື່ນ