मुफ्त में बनाएं लॉगिन

डेटा एनालिस्ट रिज्यूमे 2026 - SQL, Power BI और dashboard project वाला सैंपल बिल्कुल मुफ्त

Антон Литвинов
Антон Литвинов संस्थापक, AI Resume Master
in 𝕏
प्रकाशित: 18.10.2026 अपडेट किया गया: 18.10.2026

Data analyst resume की shortlist में hiring manager पहले यह देखता है कि आपने किस data से कौन सा business सवाल हल किया - tool की लिस्ट बाद में आती है. SQL में join और window function लिख लेते हैं या नहीं, Excel और Power BI या Tableau में dashboard बनाया है या नहीं, और आपके किसी analysis से कोई फैसला बदला या नहीं - यही तीन बातें call तय करती हैं. नीचे डेटा एनालिस्ट का पूरा सैंपल रिज्यूमे है - SQL, Excel, Power BI, Python का pandas, portfolio project, SQL test और case round की तैयारी के साथ. B.Com, B.Sc या B.Tech फ्रेशर और MIS या back office से analytics में आने वाले, दोनों के लिए.

रिज्यूमे बनाएं → उदाहरण देखें 5 मिनट - AI सुझाव - ATS friendly format
तैयार सैंपल

डेटा एनालिस्ट का सैंपल रिज्यूमे

यह सैंपल data analyst की दो सबसे आम openings को ध्यान में रखकर बना है: business या reporting analyst, जो sales, finance या operations की टीम के लिए dashboard और हफ्ते की रिपोर्ट संभालता है, और product या marketing analyst, जो app, website या campaign के data से funnel और cohort देखता है. ढांचा वही है, जोर अलग है - reporting वाली जगह automation, data की शुद्धता और समय पर रिपोर्ट, product वाली जगह experiment, retention और user behaviour.

Business सवाल पहले, tool बाद में

हर bullet इस तरह शुरू करें कि किस टीम का कौन सा सवाल था - जैसे कौन से शहर में return ज्यादा क्यों हैं. फिर बताएं कि SQL या Power BI से जवाब कैसे निकाला. सिर्फ tool लिखने वाला रिज्यूमे बताता है कि आपने course किया है, काम नहीं.

SQL का स्तर साफ लिखें

"SQL की जानकारी" बहुत ढीला है. GROUP BY, JOIN, subquery, CTE, window function जैसे ROW_NUMBER और LAG - जो आप बिना देखे लिख लेते हैं, वही लिखें. पहला screening round लगभग हर जगह SQL का होता है.

Dashboard का असर बताएं

कितने लोग dashboard रोज खोलते थे, कौन सी manual report बंद हुई, रिपोर्ट बनने में कितने घंटे बचे - यह आंकड़े आपके काम को दिखने लायक बनाते हैं. एक screenshot portfolio में रखें, रिज्यूमे में उसका link.

Domain का नाम लें

BFSI, retail, e-commerce, healthcare, logistics - जिस domain का data संभाला है, उसका नाम लिखें. कई कंपनियां उसी domain के analyst को पहले बुलाती हैं, क्योंकि उसे KPI समझाने नहीं पड़ते.

रिज्यूमे नमूने का टेक्स्ट

इसे संदर्भ की तरह लें: ढांचा और भाषा वही रखें, अपने तथ्य और आंकड़े भरें।

अनन्या राघवन

Data analyst - Retail और e-commerce
चेन्नई
ananya.raghavan@example.com
+91 90000 00000

प्रोफाइल

2.5 साल के अनुभव वाली data analyst, चेन्नई. Retail और e-commerce का sales, inventory और returns data. रोज SQL (CTE, window function), Excel और Power BI में काम; 14 dashboard जिन्हें 60 से ज्यादा store और category manager इस्तेमाल करते हैं. 9 manual report automate कर टीम के हर हफ्ते करीब 11 घंटे बचाए. Returns analysis से 3 SKU की sizing गड़बड़ी पकड़ी, return rate 22 से 13 प्रतिशत. Python (pandas) में cleaning और EDA. Notice period 30 दिन.

अनुभव और project

Data analyst2024 - अब तक

Kaveri Retail Ventures, चेन्नई

  • 14 Power BI dashboard बनाए, 60 से ज्यादा store और category manager रोज इस्तेमाल करते हैं
  • 9 हफ्तेवार manual report Power Query और scheduled refresh से automate, हर हफ्ते करीब 11 घंटे बचे
  • SQL से size-wise returns analysis, 3 SKU की sizing गड़बड़ी पकड़ी, return rate 22 से 13 प्रतिशत
  • Festive sale के लिए city-wise demand का अनुमान, 4 warehouse का stock plan इसी पर बना
MIS executive2023 - 2024

Coromandel Logistics Services, चेन्नई

  • रोज की delivery TAT report Excel से SQL query पर shift की, बनने का समय 2 घंटे से 20 मिनट
  • Pivot और XLOOKUP से 3 courier partner के billing का मिलान, हर महीने औसतन 40 गलत entry पकड़ी
  • Operations head के लिए हफ्ते की 1 पन्ने की summary, जिस पर route planning की meeting होती थी

शिक्षा

मद्रास विश्वविद्यालय से संबद्ध कॉलेज, चेन्नई2020 - 2023

B.Sc Statistics, CGPA 8.1

राज्य बोर्ड, चेन्नई2018 - 2020

12वीं, गणित के साथ, 88 प्रतिशत

स्किल्स

SQL - JOIN, CTE, window functionPower BI - data model, DAX, scheduled refreshExcel - pivot, XLOOKUP, Power QueryPython - pandas, matplotlibA/B test और basic statisticsRetail KPI - sell through, AOV, return rateMySQL और SQL ServerStakeholder presentationतमिल, हिंदी और English

Course और portfolio

  • SQL for data analysis - 3 महीने का course, 2023
  • Power BI data modelling और DAX - 2024
  • Python for data analysis (pandas) - 2024
  • Portfolio - 4 project, GitHub पर README के साथ
  • Degree और experience letter - background check के लिए तैयार

टेम्पलेट डाउनलोड करें

हमारे AI बिल्डर में रिज्यूमे बनाएं और मनचाहे फ़ॉर्मैट में डाउनलोड करें

PDF
Classic बनाएं
PDF
Modern बनाएं
PDF
ATS friendly बनाएं
इस टेम्पलेट को builder में इस्तेमाल करें →

इस पेज पर क्या मिलेगा

  • डेटा एनालिस्ट का तैयार सैंपल रिज्यूमे - SQL, Power BI और business impact के साथ
  • 3 PDF template - classic, modern और ATS friendly
  • Dashboard और analysis project को रिज्यूमे में नतीजे के साथ कैसे लिखें
  • 6 गलतियां, जिनकी वजह से analytics का रिज्यूमे SQL test तक नहीं पहुंचता
प्रोफाइल

डेटा एनालिस्ट का प्रोफाइल कैसे लिखें

प्रोफाइल चार लाइन से ज्यादा का न हो. इसमें आए: कितना अनुभव या फ्रेशर, किस domain का data, मुख्य tools - SQL, Excel, Power BI या Tableau, Python - और एक ऐसा नतीजा जिसे आंकड़े में बताया जा सके. अगर आप MIS, accounts या operations से आ रहे हैं तो यह भी एक शब्द में बता दें, क्योंकि यह कमजोरी नहीं, domain का फायदा है.

"data driven", "analytical mindset" और "passionate about data" जैसे शब्द हर दूसरे रिज्यूमे में हैं और कुछ साबित नहीं करते. उनकी जगह लिखें कि कितनी rows या कितने source के data पर काम किया, कौन सी report automate की, और आपकी किसी finding से क्या बदला - discount policy, stock planning, या campaign का budget.

कमजोरData analytics में करियर बनाना चाहता हूं. Excel, SQL, Python, Power BI, Tableau, Machine Learning आती है. Analytical सोच और problem solving अच्छी है.
मजबूत2.5 साल के अनुभव वाली data analyst, चेन्नई. Retail और e-commerce का sales और returns data. रोज का काम SQL (CTE, window function), Excel और Power BI में - 14 dashboard बनाए जिन्हें 60 से ज्यादा store और category manager इस्तेमाल करते हैं. हफ्ते की 9 manual report को Power Query और scheduled refresh से automate किया, टीम के करीब 11 घंटे हर हफ्ते बचे. Returns analysis से 3 SKU की sizing गड़बड़ी पकड़ी, अगली तिमाही में उनकी return rate 22 से 13 प्रतिशत हुई. Python (pandas) में data cleaning और basic EDA.
सुझाव
Python, Tableau, Machine Learning - सब एक साथ लिख देने से interview में सवाल उसी पर आते हैं जो आपको सबसे कम आता है. Tools की लिस्ट को दो हिस्सों में बांटें: रोज इस्तेमाल करते हैं और बुनियादी जानकारी है. Analyst की भूमिका में SQL और Excel की गहराई Machine Learning के नाम से ज्यादा वजन रखती है.
स्किल्स

डेटा एनालिस्ट की स्किल्स

Hard skills में वही रखें जिनसे आप आज बिना tutorial खोले काम कर लें - SQL query, Excel model, dashboard. Soft skills में वह जो analyst को सिर्फ report बनाने वाले से अलग करता है: सही सवाल पूछना, आंकड़े पर शक करना और नतीजे को आसान भाषा में बताना.

Hard skills

  • SQL - SELECT, JOIN, GROUP BY, HAVING, subquery, CTE और window function (ROW_NUMBER, RANK, LAG)
  • MS Excel - pivot table, XLOOKUP या INDEX MATCH, SUMIFS, Power Query और data validation
  • Power BI - data model, relationship, DAX measure, slicer, drill through और scheduled refresh
  • Tableau की बुनियाद - calculated field, LOD expression और dashboard action
  • Python - pandas और NumPy से cleaning, merge, groupby; matplotlib या seaborn से chart
  • Statistics की बुनियाद - mean, median, distribution, correlation, A/B test और significance
  • Data cleaning - duplicate, missing value, गलत format, outlier और data type की गड़बड़ी
  • KPI और metric की समझ - conversion, AOV, retention, churn, TAT, fill rate
  • Database और source - MySQL, PostgreSQL, SQL Server, Google Sheets और ERP से निकाला data
  • Reporting automation - scheduled query, Power Automate या Python script से रोज की report

Soft skills

  • सही सवाल पूछना - request के पीछे का असली business सवाल समझना
  • आंकड़े पर शक करना - अजीब उछाल दिखे तो पहले data जांचना, फिर नतीजा बताना
  • Storytelling - तीन slide में बात कहना, चालीस chart में नहीं
  • गैर-technical टीम को समझाना - sales head को SQL नहीं, नतीजा चाहिए
  • Priority तय करना - एक साथ आई पांच ad hoc request में से जरूरी पहचानना
  • Documentation - query और metric की definition लिखकर रखना
  • Deadline पर भरोसेमंद - सोमवार सुबह की review में report तैयार
  • गोपनीयता - customer और salary data को अपनी मशीन से बाहर न जाने देना
  • नया tool जल्दी सीखना - हर कंपनी का stack अलग होता है

Skills कैसे लिखें कि recruiter पढ़े

अनुभव और project

अनुभव और project कैसे लिखें

हर bullet को तीन हिस्सों में सोचें: समस्या, तरीका, नतीजा. समस्या में business की भाषा - किस टीम को क्या जानना था. तरीके में tool और data का आकार - SQL से 4 table join, 18 लाख rows, Power BI model. नतीजे में संख्या - कितना समय बचा, कौन सा फैसला हुआ, कितना पैसा या प्रतिशत बदला. नतीजा अगर आपकी कंपनी का गोपनीय आंकड़ा है तो प्रतिशत में लिखें.

MIS, accounts, operations या customer support से आ रहे हैं तो पुराने काम को analytics की नजर से दोबारा लिखें. Excel में हर महीने बनने वाली रिपोर्ट, VLOOKUP से reconciliation, किसी गड़बड़ी को data से पकड़ना - यह सब analysis का ही काम है. Portfolio project अलग हिस्से में रखें, हर एक के साथ GitHub या dashboard का link.

कमजोर- Daily report बनाना - Dashboard बनाए - Data analysis किया - Excel और SQL का काम
मजबूत- 14 Power BI dashboard बनाए, 60 से ज्यादा store और category manager रोज इस्तेमाल करते हैं - 9 हफ्तेवार manual report Power Query और scheduled refresh से automate, हर हफ्ते करीब 11 घंटे बचे - SQL से returns data का size-wise analysis, 3 SKU की sizing गड़बड़ी पकड़ी, return rate 22 से 13 प्रतिशत - Festive sale के लिए city-wise demand का अनुमान, 4 warehouse का stock plan उसी पर बना
क्या लिखना है
टीम और domain - business सवाल - data का source और आकार - SQL, Excel या Power BI में क्या किया - नतीजा संख्या में - dashboard कितने लोग इस्तेमाल करते हैं - portfolio link

Experience को result के साथ कैसे लिखें

शिक्षा

शिक्षा

Data analyst के लिए कोई एक degree तय नहीं है. B.Com, BBA, B.Sc statistics या mathematics, BCA, B.Tech और MBA - सब इस काम में आते हैं. Degree के साथ साल और प्रतिशत या CGPA लिखें, और अगर पढ़ाई में statistics, econometrics या database जैसा subject था तो उसका नाम भी. उसके नीचे वे course जिनका project आपके portfolio में दिखता है.

  • Graduation - B.Com, B.Sc, BCA, B.Tech या BBA, संस्थान, साल और CGPA या प्रतिशत
  • Post graduation, अगर है - M.Sc statistics, MBA analytics या MCA
  • 12वीं - board और साल, maths रहा हो तो यह साफ दिखे
  • Analytics course या certificate - SQL, Power BI या Python, संस्थान और साल
  • Microsoft या Google का कोई data analytics certificate, अगर पूरा किया है
  • Portfolio link - GitHub repo या dashboard का public link
  • College project या thesis, अगर उसमें data analysis था
ध्यान दें
Certificate की लंबी कतार से shortlist नहीं होती. Hiring manager देखता है कि course के बाद आपने अपने हाथ से कौन सा dataset उठाया और उससे क्या निकाला. दस certificate और शून्य project वाला रिज्यूमे उल्टा शक पैदा करता है कि सिर्फ video देखे गए हैं.

Education में क्या और किस क्रम में लिखें

बिना अनुभव के

फ्रेशर डेटा एनालिस्ट का रिज्यूमे

फ्रेशर के लिए portfolio ही अनुभव है. तीन project काफी हैं, पर तीनों अलग चीज दिखाएं: एक SQL वाला, जिसमें कई table join करके business सवाल का जवाब निकाला; एक Power BI या Tableau dashboard, जो किसी असली या public dataset पर बना हो; और एक Python notebook, जिसमें गंदे data को साफ करके नतीजा निकाला गया हो. हर project में एक लाइन हो कि finding क्या थी.

पहली नौकरी अक्सर analyst के नाम से नहीं आती - MIS executive, reporting analyst, junior analyst या operations analyst के नाम से आती है. इन्हें छोटा न समझें, यहीं से SQL और business की समझ पकती है. College के fest का data, किसी दुकान या NGO का Excel, internship में बनी रिपोर्ट - सब real data पर काम है और रिज्यूमे में उसी तरह लिखा जा सकता है.

  • 3 project - SQL, dashboard और Python, हर एक में business सवाल और finding
  • Public dataset चुनें जिसमें भारत का संदर्भ हो - sales, आबादी, मौसम, transport - ताकि बात असली लगे
  • SQL का रोज अभ्यास करें, screening round का पहला सवाल वहीं से आता है
  • Internship, freelance या किसी छोटे कारोबार के लिए बनी Excel report को अनुभव में लिखें
  • MIS, reporting या junior analyst की opening पर भी apply करें - वह पहली सीढ़ी है
  • Statistics की बुनियाद दोहराएं - A/B test और average की गलतियां interview में पूछी जाती हैं

Fresher resume: experience न हो तो क्या लिखें

अपना डेटा एनालिस्ट रिज्यूमे बनाने के लिए तैयार हैं?

AI builder आपके project, tools और नतीजों को reporting analyst या product analyst - जिस भूमिका के लिए apply कर रहे हैं - उसके हिसाब से सजा देगा.

रिज्यूमे बनाएं → और सैंपल देखें
गलतियां

सबसे आम गलतियां

Tools की लंबी लिस्ट, पर कोई नतीजा नहीं

Excel, SQL, Python, R, Power BI, Tableau, SAS, Spark - इतना पढ़कर recruiter समझ जाता है कि ज्यादातर नाम course से उठाए गए हैं. चार tool लिखें जिन पर सच में काम किया और हर एक के साथ एक नतीजा.

"Dashboard बनाया" लिखकर छोड़ देना

किस टीम के लिए, कितने KPI, data कहां से आया, कितने लोग इस्तेमाल करते हैं और कौन सी manual report बंद हुई - इनके बिना dashboard शब्द खाली है.

Data analyst और data scientist को मिला देना

Analyst की opening में deep learning और neural network भरा रिज्यूमे गलत संकेत देता है - लगता है आप यह भूमिका सिर्फ तब तक करेंगे जब तक दूसरी न मिले. Analyst के लिए SQL, business समझ और reporting को आगे रखें.

Portfolio में सिर्फ मशहूर tutorial dataset

Titanic और iris वाले project हजारों रिज्यूमे में हैं. अगर रखना ही है तो उसमें अपना सवाल जोड़ें, या भारत से जुड़ा कोई public dataset उठाएं जिस पर कम लोगों ने काम किया हो.

गोपनीय data या client का नाम खोल देना

पुरानी कंपनी का असली revenue, customer list या dashboard का screenshot portfolio में डालना भरोसा तोड़ता है. आंकड़ों को प्रतिशत में बदलें और screenshot में नाम और रकम छिपाएं.

Statistics के शब्द बिना समझ के

"Regression और hypothesis testing" लिखा है तो interview में p-value और confidence interval जरूर पूछा जाएगा. जो समझा नहीं है उसे हटा दें - एक गलत जवाब पूरे रिज्यूमे पर शक डाल देता है.

निचोड़

निचोड़

याद रखें

  • प्रोफाइल = अनुभव या फ्रेशर + domain + SQL, Excel, Power BI + एक आंकड़े वाला नतीजा
  • हर bullet में business सवाल, तरीका और नतीजा - तीनों
  • SQL का स्तर साफ लिखें, screening round वहीं से शुरू होता है
  • तीन अलग-अलग project, हर एक के साथ link और finding
  • MIS या operations का अनुभव छिपाएं नहीं, analytics की भाषा में लिखें
डेटा एनालिस्ट रिज्यूमे बनाएं →
FAQ

अक्सर पूछे जाने वाले सवाल

एक तय रकम बताना सही नहीं होगा - शहर, कंपनी का प्रकार (MNC का captive center, IT services, startup या छोटी firm), domain और आपका skill level, चारों मिलकर package तय करते हैं. जो चीजें package को ऊपर ले जाती हैं: SQL में गहराई, Power BI या Tableau में पूरा data model बनाने का अनुभव, Python से automation, BFSI या e-commerce जैसे domain की समझ, और ऐसे project जिनका business असर दिखाया जा सके. मौजूदा range के लिए अपने शहर की ताजा openings और offer letter पर बात करने वाले सीनियर से पूछें.
कोई एक degree जरूरी नहीं. B.Com, BBA, B.Sc, BCA, B.Tech, MBA - इन सब से लोग analyst बनते हैं. Degree से ज्यादा वजन तीन चीजों का है: SQL और Excel पर पकड़, कम से कम एक dashboard tool, और ऐसा portfolio जो दिखाए कि आप data से business सवाल का जवाब निकाल सकते हैं. Maths या statistics की पृष्ठभूमि हो तो उसे रिज्यूमे में साफ दिखाएं.
ज्यादातर जगह 30 से 60 मिनट का online या live test - कुछ table दिए जाते हैं और कहा जाता है कि हर महीने का top customer निकालो, पिछले महीने से बढ़ोतरी दिखाओ, या duplicate हटाओ. JOIN, GROUP BY, HAVING, CASE WHEN, subquery और window function (RANK, LAG) बार-बार आते हैं. उसके बाद अक्सर एक case round होता है जिसमें पूछा जाता है कि sales अचानक गिर जाए तो आप किस क्रम में जांच करेंगे.
पहली नौकरी के लिए SQL और Excel के साथ एक dashboard tool अक्सर काफी होता है, खासकर reporting और business analyst वाली जगहों पर. Python तब फर्क डालता है जब data बड़ा हो, report रोज automate करनी हो या product analytics में experiment का analysis करना हो. रिज्यूमे में Python तभी लिखें जब pandas से cleaning और merge खुद कर लेते हों.
आपके पास पहले से सबसे मुश्किल चीज है - business data की असली समझ. अब SQL जोड़ें, Power BI में अपनी मौजूदा Excel report का dashboard बनाकर देखें और रिज्यूमे में पुराने काम को analytics की भाषा में लिखें: कौन सी report automate की, कौन सी गड़बड़ी data से पकड़ी, किस meeting में आपकी sheet से फैसला हुआ. Title में "MIS executive" ही रखें, पर प्रोफाइल में लिखें कि अब analyst की भूमिका चाहते हैं.
GitHub पर हर project का अलग repo, जिसमें README में सवाल, dataset का स्रोत, तरीका और finding हो. Power BI या Tableau dashboard का public link या screenshot README में डालें. रिज्यूमे में contact के नीचे portfolio का एक link और हर project के साथ उसका अपना link दें - पढ़ने वाले को दो click से ज्यादा न करने पड़ें.
पांच साल से कम अनुभव पर एक पन्ना. ऊपर नाम, शहर, फोन, email और portfolio link; फिर प्रोफाइल, skills दो हिस्सों में, अनुभव या project, और शिक्षा. Chart, progress bar और रंगीन icon न डालें - कई ATS उन्हें पढ़ नहीं पाते, और skill को 4 star देना कुछ नहीं बताता.
Expected CTC रिज्यूमे में न लिखें, वह बात HR की पहली call में होती है. Notice period एक लाइन में लिखना फायदेमंद है, खासकर अगर 30 दिन या उससे कम है - analytics की कई openings जल्दी भरनी होती हैं और recruiter इसी आधार पर पहले call करता है.
यह भी पढ़ें

रिज्यूमे और इंटरव्यू की सलाह

सुझाव

Job Description के हिसाब से Resume कैसे बनाएं, 10 मिनट में

हर step के समय के साथ आसान गाइड: 10 मिनट में Resume को किसी खास job के हिसाब से customize करें, job description से सही keywords लें और कुछ भी झूठ न लिखें। साथ में Sales Executive का पहले और बाद वाला उदाहरण।

पढ़ें → ATS

ATS System क्या है और भारत में कौन से ATS चलते हैं

Recruiters ATS में applications के साथ कैसे काम करते हैं, क्या सच में "robot" resume reject करता है, और ATS friendly resume कैसे बनाएं

पढ़ें → AI

AI से Resume कैसे बनाएं: Claude और ChatGPT (MCP)

AI से chat में बात करते हुए resume बनाएं - और chat का text नहीं, बल्कि template, formatting और PDF वाला तैयार document पाएं

पढ़ें →
मिलते-जुलते पेशे

दूसरे पेशों के रिज्यूमे नमूने

→

MIS एग्जीक्यूटिव
→

बिजनेस एनालिस्ट
→

डेटा एंट्री ऑपरेटर
→

फाइनेंस एग्जीक्यूटिव
रिज्यूमे बनाएं →