Шаблон CV Middle Analytics Engineer / Инженер аналитики

Лучшие практики резюме Middle Analytics Engineer

1. Каждая роль открывается доменом, который вы вели, а не инструментом, который использовали. Revenue, growth, billing, product analytics, экспериментирование. Mid-level AE владеет domain mart end-to-end, и это ownership должно быть заголовком, а не бренд dbt или Snowflake.
2. Привязывайте метрики к здоровью платформы, а не к feature output. Снижение build wall-clock, рост semantic-layer adoption, падение downstream-incident rate, рост test pass rate, hit rate по freshness SLA. Mid-level числа живут в dbt run log и incident-канале, а не в счётчике просмотров дашборда.
3. Показывайте один явный kill или рефакторинг. Закрытые orphan-модели, отрефакторенный 40-табличный проект, выкошенные exposures. Kill-буллеты доказывают суждение сильнее лончей и отделяют AE от аналитиков, которые только добавляют.
4. Docs, semantic layer и reverse-ETL - одна система. Mid-level AE-работа пересекает dbt, semantic layer (Cube, dbt semantic layer), BI (Looker, Hex) и reverse-ETL (Census, Hightouch). Резюме, разделяющее их по ролям, читается как junior; резюме, пересекающее их в одном буллете, читается как mid-level.
5. Выводите исход менторинга, а не намерение. «Менторил 1 аналитика до junior AE, ведущего experiments mart end-to-end» бьёт «менторил коллег». Глаголы-исходы - то, как рекрутеры отделяют mid-level от senior-junior.

Частые ошибки в резюме Middle Analytics Engineer

1. Читается как «использовал dbt» без метрики

Почему вредит: Буллеты вида «использовал dbt для построения моделей» позиционируют как человека, идущего по tutorial, а не владельца домена. Mid-level AE без квантифицированных исходов фильтруется в junior-лупы.

Как исправить: Замените «использовал dbt» на «отрефакторил dbt-проект из 40 таблиц в 4 слоистых mart-а, сократив build wall-clock с 38 минут до 11 минут». Инструменты плюс число плюс исход - mid-level шаблон.

1. Трактовка semantic layer как опционального

Почему вредит: Mid-level AE-роли всё чаще требуют semantic-layer работы (Cube, dbt semantic layer, LookML в масштабе). Резюме, молчащее об этом, читается как отстающее на 1.5 года от modern data stack.

Как исправить: Добавьте минимум один semantic-layer буллет с процентом adoption: «Запустил Cube semantic layer для growth-метрик 6 продуктовых команд, подняв semantic-layer adoption с 9 процентов запросов до 53 процентов».

1. Нет менторинга или кросс-командных буллетов

Почему вредит: Mid-level AE, оперирующий только своим бэклогом, сигнализирует стагнацию. Хайринг ищет доказательства, что вы поднимаете планку для аналитиков и соседних AE.

Как исправить: Добавьте один исход менти («Менторил 1 аналитика до junior AE, ведущего experiments mart end-to-end») и один кросс-командный буллет («Написал exposures-граф, ставший PR-merge gate, сократив downstream-incident rate на 41 процент за два квартала»).

Быстрые советы для резюме Middle Analytics Engineer

1. Открывайте каждую роль доменом, который вели. Revenue, growth, billing. «Владел growth-доменом на dbt Cloud в 47 моделях» бьёт любой name-drop инструмента.
2. Один явный kill или рефакторинг на роль. Закрытые orphan-модели, выкошенные exposures, отрефакторенный 40-табличный проект. Kill-буллеты доказывают суждение сильнее лончей.
3. Docs, semantic layer и reverse-ETL - в одном буллете. Mid-level аудитория хочет видеть их как один стек.
4. Каждый рефакторинг - с wall-clock или adoption-числом. «Сократив build с 38 минут до 11 минут» или «подняв semantic-layer adoption с 9 процентов до 53 процентов».
5. Выводите исходы менти. «Менторил 1 аналитика до junior AE» - единственный менторинг-буллет, который стоит писать на mid-level.