データサイエンティストの職務経歴書｜見本と書き方・自己PR例
この記事でわかること
- 扱ったデータ・使用技術・担当範囲を書くと経験の幅が伝わる
- 案件ごとに目的と担当工程を書くと実務力が伝わる
- 成果は分析結果がどう活用されたかまで書く
- 自己PRは課題定義力・説明力・仮説検証力など強みの軸を選んで書く
データサイエンティストの職務経歴書では、使用した言語やツールだけでなく、どのような課題に対してどのデータを使いどこまで担当したのかがわかるように書くことが大切です。モデルを構築した経験がある場合も手法や精度だけで終わらせず、分析結果が施策や意思決定にどのように活用されたのかまで整理しましょう。
国家資格 キャリアコンサルタント,組織人事コンサルティングSeguros 代表
目次
データサイエンティストの職務経歴書の見本（ダウンロードテンプレート）
受託案件を中心に約4年間勤務し、データ抽出から予測モデルの構築・効果検証まで担当範囲を広げたデータサイエンティストを想定した見本です。数値や使用ツールは公開できる範囲に置き換えてください。
職務経歴書
20xx年x月xx日現在
陸波 太郎
職務要約
大学卒業後、Webサービス企業向けにデータ分析支援を行う企業に入社し、データサイエンティストとして約4年間勤務しています。入社後約2年間は数億件規模のログ・トランザクションデータを対象に、SQL・BigQueryを使用したデータ抽出・加工・集計とBIツールによる可視化を担当しました。その後約2年間は、事業課題の整理やKPIの設定支援、特徴量設計、解約予測・LTV予測モデルの構築、施策提案とA/Bテストによる効果検証まで担当しています。Python、SQL、BigQuery、BIツールを使用し、分析結果を事業担当者へ説明しながら、施策や意思決定に活用できる形に整理する業務に携わってきました。
職務経歴
-
株式会社○○
事業内容：Webサービスの企画・開発・データ分析支援
従業員数：約○○○名
| 期間 | 業務内容 |
|
20xx年x月 |
所属：データ分析部 【業務内容】 ＜データ抽出・可視化業務＞（約2年）
＜分析設計・モデル構築・効果検証業務＞（約2年）
【担当した主な案件（新しい順）】
【主な取り組みや成果】
|
【資格・スキル】
- Python（pandasによる前処理、scikit-learnによるモデル構築、など）
- SQL／BigQuery
- BIツール（Tableau、Power BIを用いたダッシュボード設計・運用）
- 統計・機械学習（回帰、分類、検証設計）
- A/Bテストの設計・効果測定
【自己PR】
私の強みは、分析手法を選ぶことから始めるのではなく、まず事業担当者と確認したいことや判断したいことを整理したうえで、必要なデータや分析方法を検討できる点です。
解約予測モデルでは「どの行動パターンが解約につながるか」という仮説から特徴量設計を定め、事業担当者と確認しながら進めた結果、対象セグメントの解約率が1.8%低下しました。新規機能のPoC分析でも、仮説整理と検証設計を先行させ、優先度の低い機能開発の見送り判断を数値で支援しました。
受託案件で複数の事業・課題に携わった経験を活かし、貴社でも課題の整理から分析設計まで一貫して担い、意思決定に活用できる分析を提供したいと考えています。
以上
Word以外の形式を使う場合は、職務経歴書のフォーマット（テンプレート）から探せます。
データサイエンティストの職務経歴書の書き方のポイント
データサイエンティストの職務経歴書では、使用した技術だけでなく、どの工程を担当し、分析結果がどう活用されたかまで伝えることが大切です。
主な案件は目的と担当工程がわかるように書く
複数の分析案件を経験している場合は、代表的な案件を3件程度記載すると担当経験を整理しやすくなります。
案件ごとに長い説明を書く必要はありません。案件の目的と担当した工程が一目でわかる形にします。
| 新規機能開発に向けたPoC分析 （体制：○名／担当：仮説整理、必要データの抽出、分析、検証結果の共有） |
「課題整理〜モデル・検証」のように「〜」でまとめすぎるより、担当した工程を3〜4項目程度具体的に記載したほうが、採用担当者が業務範囲をイメージしやすくなります。
成果は分析結果がどう活用されたかまで書く
データサイエンティストの成果は、分析の実施やモデルを構築したことだけでなく、その結果が業務や意思決定にどのように活用されたのかまで書くと伝わりやすくなります。
たとえば、「各部署で個別に集計していたKPIをダッシュボードで確認できるようにし、定例集計にかかる作業時間を削減」のように記載します。
一方で、売上や解約率などの事業指標は、分析だけによって変化するとは限りません。そのため、自分の取り組みだけで成果が出たように書くのではなく、自分が担当したことと、その後に確認された結果を分けて記載することが重要です。
数値で示せる成果がない場合も、無理に数字を入れる必要はありません。「分析結果が新規機能の開発判断に利用された」「複数部署で異なっていた指標の定義を統一した」など、数値がなくても、分析がどう意思決定や業務改善に活用されたかを言葉で示すことで、貢献を十分に伝えられます。
資格とスキルを整理して書く
データサイエンティストでよく記載される資格・スキルの例は次のとおりです。
資格
- G検定（ジェネラリスト検定）
- E資格（エンジニア資格）
- 統計検定（2級・準1級）
- 基本情報技術者試験
スキル
- 言語（Python・R・SQLなど）
- データ基盤（BigQuery・Redshift・Snowflakeなど）
- ライブラリ（pandas・scikit-learn・TensorFlowなど）
- BIツール（Tableau・Power BI・Lookerなど）
- 統計・機械学習手法（回帰・分類・クラスタリングなど）
資格名だけでなく「scikit-learnを使用した分類モデルの構築」のように実務での活用場面も添えると、スキルの実務レベルが伝わります。取得予定の資格がある場合は「取得予定（20xx年xx月）」と添えましょう。
職務経歴書の自己PRで差をつける方法
データサイエンティストの自己PRでは、職務経歴欄の技術や成果を繰り返すのではなく、課題をどう整理し、誰の判断に役立ててきたかという仕事の進め方を伝えます。伝わりやすい強みの例は次のとおりです。
- 課題定義・分析設計力
- 非技術者への説明・翻訳力
- 問題抽象化力・仮説検証力
- 施策定着まで推進する力
- ステークホルダーへの調整・橋渡し力
見本では課題定義・分析設計力を軸にしています。以下の例文では非技術者への説明・翻訳力と問題抽象化力・仮説検証力の2パターンを紹介します。
非技術者への説明・翻訳力を軸にする場合
| 私の強みは、分析結果を技術的な説明にとどめず、事業担当者が判断できる形に整えて伝える力です。現職ではKPIモニタリング用ダッシュボードの構築に際し、複数部署でバラバラに管理されていた指標の定義を整理し、事業担当者が使いやすい形で可視化しました。その結果、関係部署の定例集計作業を月約40時間削減しました。分析の正確さと、結果を意思決定に使える形に落とし込む力を、貴社でも活かしたいと考えています。 |
問題抽象化力・仮説検証力を軸にする場合
| 私の強みは、初めての課題や領域でも問題の構造を素早く整理し、検証すべき仮説を定めて分析を進める力です。新規機能のPoC分析では、要望を整理したうえで「この機能が本当に必要かどうか」を検証できる仮説と指標を先に設定し、分析結果を優先度判断の根拠として活用してもらいました。受託案件で複数の業界・課題に携わった経験から、課題の本質を素早く掴んで分析に落とし込む力を、貴社でも活かしたいと考えています。 |
データサイエンティストと仕事上でも関連する機会のあるwebマーケティングやITコンサルタントの職務経歴書も参考にすると良いでしょう。
職務経歴書全体の基本は職務経歴書の書き方完全ガイドで解説しています。
組織人事コンサルティングSeguros 代表コンサルタント
約500名の転職成功を実現してきたキャリアアドバイザー経験と、複数企業での採用人事経験をもとに、個人の転職支援や企業の採用支援コンサルティングを行っている。
- タグ:
8,568通り、あなたはどのタイプ？
グッドポイント診断で、あなたの隠れた強みを診断してみましょう。
診断結果は8,568通り。あなたはどのタイプ？
リクナビNEXTで応募書類を自動作成
履歴書と職務経歴書を作成するのが面倒な方は、リクナビNEXTにレジュメ登録するのがお勧めです。
| ◆新機能◆ ・AI要約でワンタップで職務要約を自動生成 ・AIと3分話すだけで「業務内容」を自動生成 |
リクナビNEXTに、プロフィールや職務経歴などを入力すると、入力された内容に従って自動で書類（レジュメ）が作成され、PDF形式でダウンロードすることが可能です。 ※『レジュメ』とは、リクルートの求職活動支援サービス共通で利用できる、職務経歴書機能です。
