Torna al blog
12 agosto 20268 min di letturaCarriera

Portfolio data analyst: un progetto riproducibile

Crea un portfolio data analyst con una domanda chiara, un'analisi riproducibile e un risultato utile. Esplora il sito di Edgar Owen e scarica l'esempio.

Ritratto di Javier Martínez Samblas

Javier Martínez Samblas

Fondatore di Self · Piattaforma per creare siti dal CV con l'IA

Disegno a matita di un lucchetto circondato da grafici e punti dati.

Un portfolio da data analyst dovrebbe rendere chiari domanda, controlli, metodo, risultato e prossima azione. Se i dati professionali sono riservati, un progetto con dati pubblici o sintetici offre lavoro concreto da esaminare.

Il builder di portfolio di Self trasforma il CV in una pagina professionale con descrizioni chiare dei progetti e link al lavoro tecnico. Il portfolio di Edgar Owen collega SQL e Python all'esperienza nel reporting operativo.

Un portfolio completo: Edgar Owen

Sito di Edgar Owen su un portatile, con SQL, Python e reporting operativo nel design Cybercore.
Edgar usa Cybercore di Self per collegare progetti analitici e percorso professionale.

Esplora il sito di Edgar Owen · Scarica il CV di Edgar in TXT (inglese)

Scegli una domanda affrontabile in pubblico

Il progetto di Edgar chiede quale coda di assistenza esaminare per prima. I ticket sintetici creati per l'esempio rappresentano questa decisione operativa. Sono inclusi dati, definizioni, query, notebook e un risultato riproducibile.

Scegli una domanda circoscritta su arretrati, disponibilità, errori o domanda di servizio. Un dataset gestibile e una decisione utile danno al caso una direzione chiara.

Mostra le prove dietro l'analisi

Il progetto di assistenza, dai dati alla raccomandazione.

Domanda

Cosa mostra Edgar

Quale coda richiede la prima indagine sull'arretrato?

Dati

Cosa mostra Edgar

624 righe originali per 600 ticket unici, otto settimane e tre code.

Qualità

Cosa mostra Edgar

Duplicati esatti, ordine temporale, categorie e coerenza stato/risoluzione.

Metodo

Cosa mostra Edgar

Deduplicare, fissare l'istante di riferimento, contare i ticket aperti e raggrupparli per anzianità.

Risultato

Cosa mostra Edgar

96 ticket aperti; 58 nell'onboarding, di cui 32 da almeno 15 giorni.

Azione

Cosa mostra Edgar

Esaminare i ticket di onboarding più vecchi e confrontare arrivi e risoluzioni.

Conta gli identificativi unici prima di confrontare le code. Le 624 righe originali includono 24 copie duplicate; contare le righe senza pulizia ripeterebbe alcuni ticket.

Scarica e riproduci il progetto

Scarica il progetto completo (ZIP, inglese) · Apri il dataset CSV · Apri la query SQLite · Apri il notebook Python

  • Estrai lo ZIP: contiene CSV, script, SQL, notebook, definizioni, risultati attesi e grafico.
  • Esegui python analyze.py con Python 3.10 o successivo, oppure le celle del notebook. L'analisi usa la libreria standard.
  • Confronta l'output con results.json. SQL e Python producono gli stessi conteggi per coda e fascia di anzianità.

Fissa il riferimento al 29 giugno 2026 alle 00:00 UTC. Conta i ticket aperti separatamente dalle durate dei ticket risolti. L'esempio misura ore trascorse, non lavorative, e documenta il denominatore di ogni riepilogo delle durate.

Ticket aperti per coda e anzianità: onboarding 58, fatturazione 20, assistenza tecnica 18; nell'onboarding 32 ticket sono aperti da almeno 15 giorni.
Esempio sintetico all'istante fisso: l'onboarding comprende 58 dei 96 ticket aperti. L'analisi scaricabile riproduce ogni segmento.
Leggi il grafico insieme alla decisione.

Onboarding

Ticket aperti

58

Da almeno 15 giorni

32

Fatturazione

Ticket aperti

20

Da almeno 15 giorni

6

Assistenza tecnica

Ticket aperti

18

Da almeno 15 giorni

4

Spiega il risultato e la prossima azione

Una conclusione breve: Dopo aver eliminato 24 duplicati, ho analizzato 600 ticket a un istante fisso. L'onboarding raccoglieva 58 dei 96 ticket aperti e 32 dei 42 aperti da almeno 15 giorni. Ho raccomandato di esaminare i più vecchi e confrontare arrivi e risoluzioni prima di cambiare la capacità del team.

Sono risultati dell'esempio sintetico. Distingui l'indagine proposta da un effetto aziendale già ottenuto. In un progetto professionale descrivi la decisione supportata e il tuo contributo al livello pubblicabile.

Riunisci i controlli di pubblicazione: dati tuoi o pubblicabili, fonti pubbliche o sintetiche indicate, identificativi interni e credenziali rimossi e permesso per materiale aziendale. Un caso ricostruito può dimostrare il metodo con record e risultati propri.

Dai una funzione chiara a ogni link tecnico

Usa il sito per domanda, metodo, visualizzazione, risultato e azione. Collega notebook o repository accanto al caso, così i calcoli sono accessibili senza dover cercare la storia nel codice.

Il secondo progetto di Edgar mostra un'altra capacità: uniformare gli stati delle attrezzature in sei depositi e sostituire tre fogli di calcolo con un report settimanale. Schema ricreato e record di esempio spiegano il progetto del report.

Copia questa struttura di progetto.

Domanda

Domanda guida

Chi deve decidere cosa?

Dati e controlli

Domanda guida

Cosa rappresenta una riga e cosa hai validato?

Metodo

Domanda guida

Quale calcolo risponde alla domanda e perché?

Output

Domanda guida

Quale grafico o tabella spiega il risultato?

Azione

Domanda guida

Cosa segue e cosa resta da indagare?

Prove tecniche

Domanda guida

Dove si può riprodurre il lavoro?

Crea il tuo portfolio data analyst con Self

Carica il CV, scegli Cybercore e personalizza presentazione e casi in Studio. Aggiungi il grafico come immagine del progetto e collega notebook o repository. Esperienza e competenze danno all'analisi un contesto professionale.

Esplora il sito di Edgar Owen · Crea il mio portfolio data analyst con Cybercore

La pubblicazione con Cybercore è inclusa in Pro e Team. Una pagina Free può usare Minimalistic ed essere aperta tramite link diretto, senza indicizzazione nei motori; Pro e Team aggiungono domini personalizzati e controlli di visibilità nei motori.

Domande sul portfolio data analyst

Due o tre casi ben spiegati sono un buon inizio. Dai a ciascuno uno scopo distinto, come analisi SQL, reporting o sperimentazione, con dettagli sufficienti per discutere le decisioni.