データアナリストの履歴書の書き方
文責 Aaron Cao · 更新
使ったツールではなく、意思決定を変えた分析から書き始めましょう。各箇条書きには問い、データと手法、そしてビジネス上の成果を明記します。SQL、Python、BIツールのように技術スキルは種類ごとにグループ化し、未経験者向けにはポートフォリオのリンクを添え、レイアウトは単一カラムに保ちます。
採用担当者はデータアナリストの履歴書のどこを見ていますか?
触れたことのあるツールをすべてページに詰め込みたくなるものです。このセクションでは、読み手が実際に何を探しているかを説明し、何を残すべきか判断できるようにします。採用側が求めているのは、データを意思決定に変えた証拠、求人票に書かれているツール、そしてSQLを読めない人にも結果を説明できるという証です。
データアナリストの職種は様々です:プロダクトやマーケティングの分析、財務・オペレーションのレポーティング、ビジネスインテリジェンスなど。どのタイプであっても、読み手はあなたが携わった事業領域、答えた問い、扱ったデータの種類、使用した技術スタック、そしてダッシュボード、レポート、プレゼンテーションなど結果がどのように人に伝わったかを見ています。
信頼できる構成は、二行の要約(任意)、職歴、プロジェクト、スキル、そして学歴・資格の順です。未経験者の場合は、プロジェクトを職歴より上に置きます。
成果が伝わる箇条書きはどう書けばいいですか?
行動、問いとデータ、手法やツール、そして結果というひとつの型を使いましょう。結果は、ざっと読む人の目に入る位置に置きます。
- 弱い例: "Tableauでダッシュボードを作成した。"
- 強い例: "サブスクリプションとサポートのデータからTableauの解約ダッシュボードを構築し、リテンションチームがそれを使って再獲得キャンペーンの顧客セグメントを選定した。"
- 未経験者の例: "Pythonで公開されているシェアサイクルのデータセットを分析し、通勤ピーク時にどの駅が空になるかを調べた。ノートブックと簡潔な文章の要約を公開した。"
実際の数字があり、面接で説明できるなら使いましょう。ない場合は、代わりに意思決定や利用者について書きます("営業リーダーシップチームが毎週利用")。捏造したパーセンテージは、最初の深掘り質問で破綻します。
どのスキルとプロジェクトを含めるべきですか?
読み手がすぐ見つけられるよう、スキルは種類ごとにグループ化しましょう:クエリ(SQL)、プログラミング(PythonやR)、スプレッドシート(ピボットテーブル、検索関数)、BIツール(Tableau、Power BI、Looker)、統計(A/Bテスト、回帰)、データプラットフォーム(例えばBigQueryやSnowflake)。実際のSQL試験や持ち帰り課題で使えるものだけを記載し、求人票に書かれているツールを先頭に置きます。
肩書きに「アナリスト」と入っていない場合、プロジェクトが最も重要になります。分析職への転向を目指すマーケティングコーディネーターにはアナリストとしての職歴がなかったため、履歴書は二つのプロジェクトを中心に組み立て直されました。一つは現職でスプレッドシートを使って行ったキャンペーンのアトリビューション分析、もう一つは公開されているECデータセットを使ったSQLプロジェクトです。各箇条書きには問い、手法、そして発見によって何が変わったかを明記し、採用担当者の書類選考の時間の大半はこの二行に費やされました。
履歴書ビルダーには標準的な見出しを持つ単一カラムのテンプレートがあり、応募者追跡システムでもレイアウトがきれいに解析されます。
履歴書は面接にどうつながりますか?
履歴書の一行一行が、面接で聞かれる可能性のある質問です。あるプロジェクトについて二分間話せないなら、削るか、内容を理解し直しましょう。フォーマットや長さ、書類選考についての詳しいガイドは履歴書ハブにあります。
SubcueAIの履歴書ビルダーにはAI Optimize機能があり、要約と箇条書きをより簡潔に書き換え、承認が必要な変更前後の差分を表示します。書いた内容を言い換えるだけで経歴を捏造することはなく、実行にはクレジットを消費します。履歴書をアクティブに設定すると、模擬面接官が職務内容と併せてそれを読み込み、練習問題があなたが挙げた具体的なプロジェクトを掘り下げます。SQL試験、持ち帰り分析、監督付き評価は自力で行うものであり、リアルタイムのアシスタントの出る幕ではありません。