CV voorbeeld data engineer (2026)
Op een cv als data engineer telt het volume en de complexiteit van je werk. Hoeveel events verwerkt je pipeline per dag, welke tools (Spark, dbt, Airflow) zet je in, en hoe borg je datakwaliteit? Beschrijf je dataplatformen met schaal en resultaten, niet met "passie voor data".
Compleet cv als data engineer
Dit cv laat zien hoe je data-pipelines, warehouse-architecturen en datakwaliteitschecks beschrijft met volume, tools en impact.
Data engineer met 5 jaar ervaring in het ontwerpen, bouwen en beheren van schaalbare data-pipelines en data warehouses. Sterk in Python, SQL, Apache Spark en Snowflake. Ervaren met orchestratie (Airflow), datamodellering (dbt) en cloud-dataplatformen (AWS, Azure). Gewend aan samenwerking met data scientists, analisten en productteams in een agile omgeving.
- Bouwde real-time datapipeline (Spark Structured Streaming / Kafka) die 2 miljard events per dag verwerkt voor het personalisation-platform.
- Ontwikkelde dbt-modellen voor het centrale data warehouse in Snowflake, gebruikt door 80+ analisten en data scientists.
- Reduceerde de runtime van de nachtelijke batch-ETL van 6 uur naar 45 minuten door partitionering en query-optimalisatie.
- Implementeerde data-quality checks (Great Expectations) waardoor het aantal data-incidenten met 70% daalde.
- Ontwikkelde ETL-pipelines in Python en PySpark voor de migratie van on-premise data naar AWS (S3, Glue, Redshift).
- Beheerde Airflow-DAGs voor 30+ data-pipelines met dagelijkse, uurlijkse en event-driven schedules.
- Bouwde data-lineage-tooling waarmee data-eigenaarschap voor 200+ tabellen inzichtelijk werd gemaakt.
Databricks Certified Data Engineer Associate (2024) · AWS Data Analytics Specialty (2023) · Snowflake SnowPro Core (2023)
Dezelfde inhoud, twaalf stijlen
Kies de opmaak die past bij jouw beroep.
Bekijk alle stijlen op onze cv-templates pagina.
Een profiel dat wél werkt
Vermeld in je profiel je kerntoolstack (Python, Spark, Snowflake, dbt), of je batch- of streaming-pipelines bouwt, en de schaal waarop je werkt (events/dag, TB). Sluit af met een concreet resultaat zoals runtime-reductie of verbeterde datakwaliteit.
Ik ben een gedreven data engineer met een passie voor data. Ik werk graag met de nieuwste technologieën en zoek een uitdagende functie waar ik mijn vaardigheden verder kan ontwikkelen.
Data engineer met 5 jaar ervaring in Python, Spark en Snowflake. Bouwde real-time pipeline die 2 miljard events/dag verwerkt. Sterk in dbt, Airflow en AWS-dataplatformen.
Meer tips? Lees onze gids voor het persoonlijk profiel.
Wat werkgevers zoeken bij data engineers
Werkgevers selecteren data engineers op specifieke platformen en het vermogen om op schaal te werken. Beschrijf per tool het datavolume dat je verwerkte en hoeveel analisten of teams afhankelijk zijn van je pipelines.
Python & SQL
PySpark, pandas, SQLAlchemy — beschrijf welke libraries je dagelijks gebruikt en voor welk type verwerking.
Spark & streaming
Apache Spark, Kafka, Flink — benoem het volume dat je verwerkt (events/dag, TB/dag) en of je batch of real-time werkt.
Data warehousing
Snowflake, BigQuery, Redshift, Databricks — beschrijf de omvang van het warehouse en hoeveel gebruikers erop vertrouwen.
Orchestratie & ELT
Airflow, dbt, Dagster, Prefect — benoem hoeveel pipelines je beheert en hoe je datakwaliteit borgt.
Cloud-dataplatformen
AWS (Glue, S3, Redshift), Azure (Data Factory, Synapse), GCP (Dataflow, BigQuery) — noem specifieke diensten.
Data quality & governance
Great Expectations, Monte Carlo, data-lineage — laat zien dat je datakwaliteit proactief bewaakt, niet reactief.
Lees meer over welke vaardigheden je kunt noemen in onze vaardigheden-gids.
Zo beschrijf je werkervaring
Beschrijf per rol welke pipelines je bouwde (batch, streaming, ELT), welke tools je gebruikte en het volume dat je verwerkte. Vermeld de impact op runtime, datakwaliteit of het aantal gebruikers dat op je platform vertrouwt.
- Bouwde real-time datapipeline (Spark/Kafka) die 2 miljard events per dag verwerkt.
- Ontwikkelde dbt-modellen voor Snowflake data warehouse, gebruikt door 80+ analisten.
- Reduceerde batch-ETL runtime van 6 uur naar 45 minuten door query-optimalisatie.
- Implementeerde data-quality checks (Great Expectations); data-incidenten −70%.
- Ontwikkelde ETL-pipelines (Python/PySpark) voor migratie naar AWS (S3, Glue, Redshift).
- Beheerde 30+ Airflow-DAGs met dagelijkse, uurlijkse en event-driven schedules.
- Bouwde data-lineage-tooling voor eigenaarschap van 200+ tabellen.
Gebruik actieve werkwoorden om je bullets krachtiger te maken.
Wel doen en niet doen
Kwantificeer het datavolume
"Verwerkt 2 miljard events/dag" of "ETL over 15 TB/nacht" maakt direct duidelijk op welke schaal je werkt.
Vermijd "data-pipelines bouwen" zonder context
Elke data engineer bouwt pipelines. Benoem het type (batch/streaming), de tools (Spark, Airflow) en het resultaat.
Noem specifieke platformen en versies
"Snowflake, dbt Core 1.7, Airflow 2.8" in plaats van "ervaring met cloud-dataplatformen". Specificiteit overtuigt.
Noem jezelf geen data scientist
Data engineering en data science zijn verschillende rollen. Focus op pipelines, datamodellen en infrastructuur — niet op ML-modellen.
Benadruk datakwaliteit en observability
Werkgevers zoeken engineers die data-quality frameworks implementeren. Noem Great Expectations, Monte Carlo of eigen checks.
Geen verouderde tools benadrukken
Hadoop MapReduce of Informatica zijn prima als achtergrond, maar zet Spark, dbt en cloud-native tools vooraan.
Controleer je cv met onze cv-checklist voordat je solliciteert.
CV klaar? Solliciteer direct
Recente vacatures voor data engineers via Indeed.
Wat verdien je als data engineer?
Salarisindicatie op basis van cvcoach AI-analyse van 1834+ recente vacatures.
FAQ: CV als data engineer
Een data engineer bouwt en onderhoudt de infrastructuur (pipelines, warehouses, platformen) waarmee data beschikbaar wordt gemaakt. Een data-analist gebruikt die data voor analyses en inzichten. Benadruk op je cv de technische kant: ETL/ELT-processen, datamodellering, orchestratie en cloud-infrastructuur.
Databricks Certified Data Engineer, AWS Data Analytics Specialty, Snowflake SnowPro Core en Google Professional Data Engineer worden actief gezocht door werkgevers. Ze bewijzen hands-on ervaring met specifieke platformen en wegen zwaar bij bedrijven als Booking.com, ING en bol.com.
Absoluut. Python en SQL zijn onmisbaar. Noem specifieke libraries (PySpark, pandas, SQLAlchemy) en SQL-dialecten (Snowflake SQL, BigQuery). Scala is een plus als je met Spark werkt. Vermeld ook dbt (SQL-based transformaties) en Airflow (Python-based orchestratie) — die combineren taal en tooling.
Benoem het type pipeline (batch, streaming of ELT), de tools die je gebruikte (Spark, Airflow, dbt) en het datavolume dat je verwerkte. Voeg een meetbaar resultaat toe, zoals runtime-reductie of verbeterde datakwaliteit, zodat werkgevers de schaal en impact van je werk direct begrijpen.
AWS Data Analytics Specialty, Databricks Certified Data Engineer en Google Professional Data Engineer worden het vaakst gevraagd. Kies de certificering die past bij het platform van de werkgever en vermeld het behaalde jaar, zodat recruiters zien dat je kennis actueel is.
Ja, data governance wordt steeds belangrijker. Beschrijf je ervaring met datakwaliteitstools (Great Expectations, Monte Carlo), data-lineage en eigenaarschapsbeleid. Werkgevers zoeken engineers die niet alleen pipelines bouwen, maar ook de betrouwbaarheid en compliance van data waarborgen.
Bronnen en verder lezen
CV voorbeelden in ICT
Begin met je data engineer-cv
Vertaal je data-pipelines, warehouse-ontwerpen en datakwaliteitswerk naar een overtuigend cv.