データアナリストへの転職:求人に合う経験を選び、職務経歴書に書く方法
データアナリストへの職種転換では、前職の肩書きではなく、応募先の要件につながる実際の行動を軸に経験を選びます。求人からSQL・Python・ダッシュボード・ビジネス課題の解決といった要件を拾い、使ったデータやツール、自分が行った分析、結果の活用方法と照合してください。職務経歴書では、根拠のある経験を具体化し、表現だけが抜けていれば補います。経験していない仕事は書き加えません。
refresh.cvは、求人の入力、要件・ATSキーワードの抽出、書類の表現と経験の根拠の比較、修正の優先順位の確認、事実に沿った修正という流れを支援します。キーワードを増やすことよりも、実際の経験と結びついているかを確認しましょう。
求人を「ツール・分析課題・成果物」に分けて読む
技術名をコピーするだけでなく、何のために使うのかまで確認します。次の表を、求人とこれまでの経験を結びつける作業表として使ってください。
| 区分 | 求人で確認すること | これまでの経験から探す根拠 |
|---|---|---|
| ツール | SQLによる抽出、Pythonによる分析 | 自分で書いたクエリ・コード、処理の流れ |
| 分析課題 | 問題の定義、仮説の検証 | 解こうとした問い、比較の基準、解釈の過程 |
| 成果物・活用 | ダッシュボード、分析結果の共有 | 作成した資料、利用者、その資料を使った判断 |
たとえば、Tossのデータアナリスト(Compliance)求人では、SQLによる抽出・分析と、規制要件を測定可能な指標として定義する経験が求められています。Python・RやBIツールを使った自動化・ダッシュボードの経験は歓迎要件です。同求人には、データ分析の実務経験が3年以上という条件も明記されています。
応募する求人ごとに、必須要件と歓迎要件を分けましょう。実験の経験についても、その求人で求められているかを確かめてから照合します。上記は要件を読み解くための例であり、職種転換を目指す人なら誰でも応募条件を満たすという意味ではありません。応募前には、実務経験の条件と募集状況を確認してください。
キーワードより先に、自分が行ったことを確認する
求人の各要件の横に、「当時行ったこと」「データ・ツール」「自分の役割」「確認できる結果」を書き出します。以下は書き方を説明するための架空の例です。
| 求人の要件 | これまでの経験の根拠 | 職務経歴書に書ける範囲 |
|---|---|---|
| 問題の定義・結果の共有 | 問い合わせ記録を分類・集計し、改善に向けた資料を共有した | 課題、分類基準、共有した内容を具体的に書く |
| SQLによるデータ抽出 | 業務でSQLを使った経験はない | SQLの実務経験としては書かない |
| ダッシュボードの構築 | 単発の報告用の表をスプレッドシートで作成した | 報告用の表を作成した事実を書き、構築要件とは分けて照合する |
書き出した内容を、次の状態に分けて修正します。
- キーワードも経験の根拠もある: 作業の流れと自分の貢献を明確にします。
- 関連する経験はあるが、求人と対応する表現がない: 実際の行動が求人の概念と合っているかを確認してから、用語を補います。
- キーワードも経験の根拠もない: 職歴には加えず、追加の準備や応募判断の項目として残します。
キーワードだけがあり、根拠がない場合も別に点検してください。スキル欄にSQLと書いてあるだけでは、SQLを使った業務経験の説明にはなりません。自分で行った内容を確認するか、裏づけのない表現を削除します。refresh.cvでキーワードと関連経験を比較するときも、文ごとにこの基準で事実を確認しましょう。
先に配置するのは、必須要件に直接つながり、自分の貢献を説明できる経験です。その他の業務は短くまとめても、実際の役職名や在籍期間は変えません。チームの成果であれば、そのうち自分が担当した集計・分析・提案の範囲を区別してください。
運用業務の経験を、分析の内容が伝わる文章に変える
運用担当者が、繰り返し寄せられる問い合わせへの対応優先度を決めるために、問い合わせ記録を分析したと仮定します。スプレッドシートで問い合わせの種類を分類し、顧客層ごとに集計しました。チームは、その資料をFAQの改訂対象の選定に使いました。これは実際の顧客事例ではなく、文章作成の練習用の例です。
修正前
顧客からの問い合わせ管理と報告書の作成を担当。
修正後
繰り返し寄せられる問い合わせへの対応優先度を決めるため、顧客の問い合わせ記録をスプレッドシートで種類別に分類し、顧客層ごとの問い合わせ分布を比較しました。分類基準と集計表を作成し、FAQの改訂対象の選定に活用できるよう、運用チームに共有しました。
修正後の文章では、課題、データ、自分で行ったこと、資料の活用方法がわかります。「データに基づくインサイトの抽出」と抽象的に書く代わりに、何を比較したのかを示しています。
ただし、この経験が裏づけるのは、データの分類・集計と結果の共有です。SQLによる抽出、Pythonによる分析、BIダッシュボードの構築、実験設計の経験まで証明するものではありません。
FAQが改訂されたからといって、「問い合わせを削減した」と成果を付け足さないでください。減少幅や測定条件を確認できなければ、成果物とその活用事実までを書きます。数値を使う場合は、集計期間、対象、比較基準、自分の貢献を説明できるかも確認しましょう。この例を自分の文章に応用するときも、扱ったデータの範囲と実際の役割が一致しているかを見直してください。
不足している技術は、職歴と分けて整理する
業務で使った技術と、学習や個人プロジェクトで使った技術は分けて書きます。SQL講座の受講は学習歴として、個人プロジェクトで自分でクエリを書いた経験はプロジェクト欄に整理してください。前職で使った技術のように職歴欄へ書き込まないようにします。
ポートフォリオでは、次の内容を説明できるように整理しましょう。
- データの出所と、分析で答えようとした問い
- 前処理・集計の基準
- 自分で書いたクエリやコード
- 結果の解釈
- ダッシュボードを作成した場合は、監視したかった対象と指標の定義
会社の資料を使う場合は、公開が認められる範囲を確認してください。許可されていない顧客情報や社内データは掲載しません。
必須要件に対応する根拠がなければ、「満たしている」とは扱いません。他の経験を強調することと、不足する要件を満たすことは別です。個人プロジェクトを整理しても、それだけで求人の実務経験条件を代替できるとは解釈しないでください。
修正の優先順位を確認し、文ごとに事実を点検する
応募する求人と現在の書類を用意し、すでに経験しているのに表現から抜けている内容から補いましょう。refresh.cvは、求人要件と書類にある経験の根拠を比較し、求人につながる経験・役割・成果が先に伝わるように修正を支援します。求人ごとの修正の優先順位を確認したら、提案された文章が実際の職歴と一致しているかを見直してください。
具体性・成果・表現・文法を見る書類の品質スコアと、求人ごとのATSキーワード適合度は別の評価です。どちらも修正の参考にするものであり、採用確率や応募先企業の実際のATS評価結果を示すものではありません。求人に合わせた修正とキーワード分析について、プランごとの利用範囲は公式料金プランで確認できます。

最後に、各文を次の観点で点検します。
- 実際に使ったツールか。
- 自分が直接行ったことか。
- 結果や資料の活用方法を説明できるか。
refresh.cvで応募先の求人と書類を照合し、要件と経験の根拠がつながる文から整えてください。
0
新着記事をメールで受け取る
履歴書、面接、転職準備、キャリア成長に関する新着記事をメールで受け取りましょう。
