Contoh CV Data Scientist

Rekruter yang membaca CV data scientist ingin bukti bahwa model Anda benar-benar mengubah keputusan bisnis, bukan sekadar daftar algoritma. Contoh ini menunjukkan cara memadukan skill Python, SQL dan machine learning dengan hasil terukur seperti pendapatan yang dipertahankan, churn yang turun atau jam kerja manual yang dihemat.

Putri Lestari

Data Scientist

putri.lestari@email.com · +62 812 3456 7810 · linkedin.com/in/putrilestari

Ringkasan Profesional

Data scientist dengan 5 tahun pengalaman membangun model machine learning yang menjadi dasar keputusan pricing, retensi dan pemasaran. Menghasilkan model churn yang mempertahankan pendapatan Rp 32 miliar per tahun dan framework eksperimen yang digunakan 8 tim produk.

Pengalaman
Data Scientist — PT Pasar Pelangi Digital

Apr 2022 – Sekarang

  • Membangun model prediksi churn berbasis gradient boosting yang menurunkan pembatalan langganan 14% dan mempertahankan pendapatan Rp 32 miliar per tahun
  • Merancang framework A/B testing dengan Python dan SQL yang kini dipakai 8 tim produk untuk 60+ eksperimen per kuartal
  • Men-deploy model dengan MLflow dan Airflow, memangkas waktu dari prototipe ke produksi dari 6 minggu menjadi 10 hari
Junior Data Scientist — PT Asuransi Samudra Biru

Jul 2019 – Mar 2022

  • Mengembangkan model skoring fraud klaim yang mendeteksi 22% lebih banyak klaim palsu tanpa menambah false positive
  • Mengotomatiskan laporan mingguan dengan Python dan Tableau, menghemat 15 jam kerja analis per minggu
  • Membersihkan dan menggabungkan 40 juta+ data polis dari 5 sistem lama ke dalam satu data warehouse
Pendidikan
S1 Matematika — Institut Teknologi Bandung

Bandung · Agu 2015 – Jul 2019

Keahlian
Python SQL scikit-learn XGBoost PyTorch Spark Airflow MLflow Tableau A/B testing

Contoh ringkasan CV Data Scientist

Pemula

Lulusan S1 Matematika dengan pengalaman magang 6 bulan membangun model klasifikasi menggunakan Python dan scikit-learn. Menguasai SQL, desain eksperimen dan menyampaikan temuan kepada tim non-teknis melalui dashboard yang jelas.

Menengah

Data scientist dengan 4 tahun pengalaman menerapkan model machine learning untuk pricing dan retensi pelanggan di e-commerce. Membangun model prediksi churn yang menurunkan pembatalan 14% dan framework A/B testing yang dipakai untuk 60+ eksperimen per kuartal.

Senior

Lead data scientist dengan 9+ tahun pengalaman mengubah data perilaku berskala besar menjadi sistem ML di produksi. Memimpin tim 6 orang, meluncurkan recommendation engine yang menaikkan nilai rata-rata pesanan 18% (Rp 140 miliar per tahun) dan menetapkan standar monitoring model perusahaan.

Keahlian terbaik untuk CV Data Scientist

Hard skill

Python (pandas, scikit-learn) SQL Machine learning Pemodelan statistik A/B testing & eksperimen Feature engineering Visualisasi data MLOps & deployment model

Soft skill

Pemahaman bisnis Data storytelling Rasa ingin tahu Komunikasi dengan stakeholder Berpikir kritis Menentukan prioritas

Pertanyaan umum seputar CV Data Scientist

Apa yang harus ditulis di CV data scientist tanpa pengalaman kerja?

Tampilkan dua atau tiga proyek lengkap yang memakai data nyata: pertanyaan yang dijawab, metode dan hasilnya, misalnya akurasi model atau temuan yang bisa mengubah keputusan. Tambahkan mata kuliah statistik dan machine learning, peringkat Kaggle, sertifikat bootcamp, magang atau riset skripsi, serta tautan ke notebook GitHub yang rapi dan terdokumentasi.

Perlukah saya mencantumkan semua algoritma machine learning yang saya kuasai?

Tidak. Daftar algoritma yang panjang terkesan luas tetapi dangkal. Sebutkan metode di dalam poin pengalaman, di tempat metode itu memecahkan masalah nyata, dan batasi bagian skill pada tools yang bisa Anda pertanggungjawabkan saat interview teknis. Rekruter lebih peduli pada hasil bisnis daripada apakah Anda memakai XGBoost atau neural network.

Bagaimana menunjukkan dampak jika model saya tidak pernah masuk produksi?

Kuantifikasi keputusan yang didukung analisis Anda: anggaran yang dialihkan, fitur yang diprioritaskan, biaya yang dihindari atau jam kerja manual yang dihemat. Anda juga bisa menyebut metrik offline seperti peningkatan AUC dibanding baseline, asalkan menjelaskan mengapa hal itu penting. Analisis yang membentuk strategi tetap merupakan dampak nyata.