データアナリストの模擬応募レポート

Walmartの(USA) Senior, Data Analyst求人と公開履歴書を分析したデータアナリストの模擬応募例です。職務適合度、根拠の不足、修正点、面接の想定質問を確認できます。

レビュー例を見る

自分の職種でレポートを見る。

分野・職種を選択または検索して、その職種の分析と面接質問をご覧ください。

分野

職種

データアナリスト. レポート例を切り替えました。

職種別の模擬応募例を見る

ソフトウェア開発

クラウド・インフラ

セキュリティ

セキュリティエンジニア

ITサポート

データ・AI

プロダクト・プロジェクト管理

デザイン・ブランド

マーケティング・グロース

コンテンツ・メディア

営業・カスタマーサポート

経営・戦略

財務・経理

人事・人材開発

法務・コンプライアンス・政策

製造・エンジニアリング

運用・物流・供給網

環境・安全

建設・建築・不動産

医療・保健・製薬

教育・福祉

宿泊・外食・小売

整備・技術サービス

(USA) Senior, Data Analyst · Walmart

公開履歴書と実際の求人の分析から抜粋しています。応募時の質問は未回答です。

応募内容はどう伝わるでしょうか。

求人と履歴書から読み取れる強みと不足する根拠をまとめます。

Walmart (USA) Senior, Data Analyst

強みを前面に出して応募へ

上位 37-49%

サマリー

Walmart の (USA) Senior, Data Analyst ポジションに対する Mock Application 結果をまとめます。履歴書で最も際立つ強みは、The Home Depotで大規模な顧客行動データを分析し、検索改善による 15%のCTR向上 を事業成果につなげている点です。詳しく確認する採用担当者が次に知りたいのは、異常の発見から影響評価、原因の切り分け、推奨行動までをどこまで自分で担ったかです。

スコア、比較順位、面接官、選考段階はAIによる分析・シミュレーションであり、企業の実際の評価や採用結果ではありません。

今、応募する準備ができているか。

応募の推奨度と、提出前に補う点を確認できます。

上位 37-49%

類似応募者とのベンチマーク

類似応募者、類似ポジションの採用者、同様の役割の現職者を参照するベンチマーク範囲での上位 37-49%は、Walmartの(USA) Senior, Data Analystで初期選考に進む材料がある位置ですが、決済不正領域での採用を保証するものではありません。The Home DepotでのSQLによる大規模な顧客行動分析、Tableauによる可視化、CTRの15%改善は、小売・ECの分析力を裏付けています。応募前には職務要約と主要実績を分析中心に並べ替え、HCLTechの支払い関連分析について実際の担当範囲と意思決定への貢献を明記し、不正調査経験との境界を明確にしてください。

根拠

The Home Depotでの小売・ECデータ分析、CTRの15%改善、Tableauの実務経験が重なるため、技術名だけを列挙する応募書類より具体性があり、上位 37-49%という位置を支えています。ただし、不正検知や決済制御の有効性評価を直接担当した証拠がないため、専門領域まで一致する応募書類との差は残ります。

応募前に直すこと

職務要約の検索・NLP中心の説明を、The Home DepotでのSQL分析、Tableau、実験設計、CTRの15%改善を先に示す構成へ書き換えてください。

HCLTechの支払い関連の実験に関する箇条書きへ、確認できる範囲で指標、比較した選択肢、自分の判断、施策への反映を追記してください。

届く可能性が高いリクルーターメール

惜しくも不合格

このレポートのシグナルをもとにした現実的な次ステップの例です。

9:41

●●●●○

🔋

←

📥

⋮

Your (USA) Senior, Data Analyst application — status update

Marcus Johnson

marcus.johnson@walmart.com

たった今

Hi, Thank you for applying to the (USA) Senior, Data Analyst role at Walmart. We are still reviewing your application and want to clarify a few points before making a final decision on next steps. Your background shows positive signal around SQLによる大規模データ分析が両社の実務に結び付いています. The area we still need to understand better is 決済不正の調査実績は明記されていません, because that evidence matters for how this role will be evaluated day to day. If we move forward, the next conversation will likely focus on the exact scope you owned, the tradeoffs behind the work, and how the results were measured. Any additional context you can prepare around those points will help the team calibrate fairly. We will follow up once the review is complete. Best, Walmart Recruiting Team

返信

転送

選考段階ごとに、確認される点は異なります。

各選考段階で評価される経験と確認される点を示します。

初見の適合は良好判断責任の証拠を補足

最初の30秒で、The Home Depotの小売・EC経験、SQL、Tableau、修士号はWalmartの最低資格と主要業務への接点として認識されます。冒頭を顧客行動分析と指標設計へ寄せ、HCLTechの業務判断支援を上位へ移せば、次の面談で確認すべき論点が整理されます。

“Analyzed large-scale search logs, customer behavior data, and product metadata (SQL, Python, PySpark)”

“The Home DepotでSQL分析とTableauを使っていて、HCLTechでは指標設計もしているので、Walmartの(USA) Senior, Data Analystとして一度話す材料はある。検索・ML中心の経歴から今回の決済リスク分析へ移りたい理由と、BENTONVILLEでの勤務条件、本人が担った判断範囲を面談で確かめたい。”

類似応募者とのベンチマーク

採用担当者による初期確認

通過見込み

The Home Depotの企業名、SQLとTableau、Master of Science in Engineering Data Scienceは、Walmartの募集要件との接点を短時間で伝えます。初期面談では**応募理由とBENTONVILLEでの勤務条件**を明確にし、職務要約もそれに合う順番へ整えてください。

採用マネジャーによる確認

合否微妙

採用マネジャーは、HCLTechでの支払い調整の実験やThe Home Depotでの要件定義を、日々の決済リスク判断を任せられる責任範囲かという観点で読みます。関係部門の要望が分かれた実例があれば、選択肢、本人の推奨、合意と結果まで整理してください。

技術・分析面接

合否微妙

技術評価では、The Home DepotのCTRの15%改善について、SQLの結合粒度、重複処理、実験の妥当性まで掘り下げられる可能性があります。検索ログの実例を使い、顧客単位とイベント単位の集計差、欠損、顧客構成の変化をどう点検するか説明できるようにしてください。

💭

採用担当者が本音で思っていること

忖度なし

私が実績の数字で手を止め、決済不正を任せられる根拠を探し、保留にするまでの本音。

🤔

履歴書を開く

ふむ、The Home DepotのData Scientistか、私は小売の顧客データ経験には目が留まる。けれどWalmartの(USA) Senior, Data Analystで知りたいのは、検索モデルの詳しさより、決済リスクを調べて次の対応を決められるかだ。

🚫

保留・要確認 — 分析と可視化の実務はあるが、決済不正の調査と対応を主導した根拠が足りない

私は採用担当に、関連する調査経験、経営層への提言例、出社可否の確認を依頼する。具体例から本人の判断範囲が分かれば、面接に進めるか再検討する。

総合点だけでなく、項目ごとの根拠を。

14項目のうち4項目のスコアと評価理由を確認できます。

項目	得点	メモ
求人票との適合度	82 総合スコア	SQL、データ分析、可視化、関係者との協働が実務として明記され、修士号と関連職歴も求人の最低資格を支えるため、主要要件の充足度は高いです。The Home Depotでの顧客行動分析とHCLTechでの業務ダッシュボードは直接対応しますが、決済不正の調査とExcelの使用実績は確認できず、専門業務への適合は技術要件とは分けて確認する必要があります。
技術的な深さ	76 総合スコア	FAISS、BM25、Transformer、NDCG、Recall@K、MRRまで記載され、実装と評価の手段は具体的です。一方、代替手法を退けた理由、指標同士の競合、データの偏りへの対応は説明されていないため、Walmartの分析面接に向けて選択理由と妥当性検証を一事例で補うと、技術名の列挙から判断力の証拠へ進められます。
採用担当者への読みやすさ	74 総合スコア	職歴・学歴・スキルの区分と箇条書きがあり、成果数値も見つけられる構成です。ただしThe Home Depotの記述は検索モデルや基盤技術の情報量が多く、今回重視される分析、報告、関係者との調整が後方にあります。冒頭の要約と職歴の順序を変え、SQL分析・品質確認・意思決定支援を先に置くと、短時間の確認で適合性が伝わります。
根拠・信頼性	74 総合スコア	CTRの15%向上とチケット解決時間の10%短縮は、成果の対象と所属企業が明確で、具体性のある記述です。ただし測定期間、比較基準、対象範囲、本人の寄与は未記載であり、十分な文脈を伴う複数指標という上位帯の条件には届いていません。数値を疑う材料はなく、算定方法と検証条件を補えば面接で確認しやすくなります。

評価を上げた点と、伸び悩んだ理由。

評価が高い項目と低い項目の理由を比較できます。

なぜこのスコアになったのか

このスコアを押し上げた要素と、まだ最上位に届きにくい要素を一緒に見ます。

特に良い点

もっとも弱い点

ステークホルダー・影響への意識

マーケティング、運用、製品開発、データエンジニアリングといった相手が明記され、セルフサービス分析やデータ品質の改善が誰に役立つかも説明されています。CTR、顧客対応時間、利用者行動を成果として扱っている点も、技術以外の価値を意識した証拠です。決済不正の文脈では、この強みを顧客体験と損失抑制の両立にどう応用するかが次の確認点です。

+17 他の応募者比

回答の質

評価できる保存済み回答がないため、職歴を質問に沿って説明する力や、決済リスクへの理解を回答から確認できません。低い点数は回答資料の不足を表し、実際の面接能力や文章の質を否定するものではありません。準備する回答では、分析対象・自分の判断・検証結果を既存の職歴から具体化し、不正調査の未経験部分は明示してください。

+10 他の応募者比

求人票との適合度

SQL、データ分析、可視化、関係者との協働が実務として明記され、修士号と関連職歴も求人の最低資格を支えるため、主要要件の充足度は高いです。The Home Depotでの顧客行動分析とHCLTechでの業務ダッシュボードは直接対応しますが、決済不正の調査とExcelの使用実績は確認できず、専門業務への適合は技術要件とは分けて確認する必要があります。

+10 他の応募者比

応募書類の完成度

職歴、学歴、スキル、資格は提供されていますが、保存済み回答はなく、応募一式としての説明材料が不足しています。質問本文も提供されていないため個別の未回答数は断定せず、回答資料がない状態として低い帯で評価しています。勤務地への対応と就労資格についても本人の情報がなく、実際の応募項目を確認して事実に基づく回答を揃える必要があります。

+10 他の応募者比

実行準備度

SQLとTableauの実務経験に加え、Lookerを用いた業務可視化、データ品質確認、分析基盤の運用があり、求人の主要な分析作業に着手できる根拠があります。Power BIもスキルと資格に記載されていますが、不正判定の業務定義やエスカレーション手順を扱った実績は不明であり、技術的な即応性と決済リスク業務への習熟は区別して評価しています。

+18 他の応募者比

ドメイン専門性

この求人の専門領域はデジタル決済の不正・リスク分析であり、一般的な小売分析だけではありません。HCLTechの支払業務指標とThe Home Depotの顧客行動分析は転用可能ですが、決済処理、攻撃調査、対策の有効性評価を担ったとは記載されていません。周辺経験を決済専門経験と同一視せず、調査手順と対策評価の証拠を追加することが不足を埋める道筋です。

+13 他の応募者比

先に伝えるべき経験を見つけます。

履歴書や自己紹介で先に伝える経験を見つけられます。

ハイライト

以下は履歴書から抽出された主要なハイライトです。自己紹介や面接でアピールできる強みとして活用してください。

The Home Depotの顧客行動分析は、Walmartの異常調査に必要な 取引の背景を読む力 の土台です。

HCLTechの実験設計は、Walmartの対策評価で 指標変化と施策効果を区別する力 につながります。

求人の言葉と、自分の経験をつなぎます。

求人の要件と経験をつなぐ職務キーワードです。

主要ATSキーワードのマッチ結果

求人票との関連性が高いキーワードです。面接や自己紹介で、自然な文脈の中で活用しましょう。

sql

python

tableau

power bi

残すべき強みも確認します。

残す強みと補う弱みを合わせて確認できます。

強み

SQLによる大規模データ分析が両社の実務に結び付いています。

TableauとLookerの業務利用が報告要件を支えています。

改善余地

決済不正の調査実績は明記されていません。

不正エスカレーションの主導範囲は確認できません。

近い応募内容との違いを確認します。

ベンチマークとの比較で強みと不足する根拠を確認します。実際の応募者順位ではありません。

あなたの相対的な位置

類似応募者、類似ポジションの採用者、同様の役割の現職者を参照するベンチマーク範囲では、小売・EC分析と実験設計の組み合わせが強みです。今回の位置は上位 37-49%で、比較ラベルは「ベンチマークの中位より上」です。順位をさらに押し上げるための最優先変更は、HCLTechの支払い関連分析を、自分の判断と施策への反映まで示す一つの実績に整えることです。

すでに持っているもの

The Home Depotでの小売・EC経験は、Walmartの顧客行動と事業指標を扱う仕事への直接的な接点です。SQL分析とCTRの15%改善を並べることで、業界経験と成果を同時に伝えられます。

🎯

最も近い成功プロフィール

The Home DepotでのSQLによる小売・EC分析は、取引や顧客行動を扱う役割の土台に近い経験です。検索ログから業務上の問題を見つけた実績があります。

🚀

より強い応募者がよく持っていたもの

比較上さらに強い応募書類では、不正の兆候から原因と対策まで追った実績が読めるはずです。あなたのHCLTechの支払い関連分析には、その種の不正調査を担当したとの記載がありません。

🏆

近い採用プロフィールによく見られたもの

採用実績データは提供されていないため、ここでの比較は求人から導く採用に近い要件像です。The Home DepotのSQL分析とTableau経験は、その要件像の分析・報告部分に対応しています。

📈

シニアリティ

この応募書類がシニアリティのスケール上で今どのあたりに読まれているか、そして技術的な表現をもう少し磨けば届きそうな次のレベルを示しています。

Junior

Mid

Senior

Staff

Principal

現在 · Mid

The Home Depotでは事業目標、成功指標、データ要件を関係部門と定義し、検索改善をCTRの15%向上につなげています。実装だけでなく課題設定にも関与していますが、複数部門の優先順位を最終決定した範囲は記載されていません。

次レベル · Senior

The Home Depotの15%改善について、自分が決定した範囲と関係部門の承認を得た範囲が分かれていません。代替案、事業上の制約、合意形成、導入判断まで説明できれば、成果の大きさに加えて責任範囲が伝わります。

類似応募者の多くは Mid に位置し · 上位 37-49% のみが Senior に到達します

読み手が疑問を持つ箇所を見つけます。

曖昧な成果や説明不足など、読み手が疑問を持つ点を示します。

再確認を推奨するポイント

履歴書から検出された潜在的なリスクセグナルです。提出前に見直すことで信頼性と伝達力を高められます。

中リスク

詳細情報の不足

HCLTechの支払業務に関する指標設計は有用ですが、決済処理、不正判定、支払遅延のどこを分析したかが分かりません。Walmartでは攻撃や対策の有効性を扱うため、支払業務分析の対象と責任範囲を明記し、直接の不正調査経験があるような誤解を避ける必要があります。

"Defined north-star metrics and feature-level KPIs for interview analytics, user engagement, and payout workflows"

詳細情報の不足

検索改善の15%という成果は具体的ですが、比較期間、対象利用者、改善率の計算方法は未記載です。Walmartの技術評価では指標の妥当性を説明する必要があるため、CTRの定義と検証条件を補い、実験で確認した範囲と全体への展開範囲を区別すると成果を確認しやすくなります。

"Ranker(XGBoost) to improve search relevance, driving a 15% lift in CTR across the e-commerce platform."

主張は具体的に、不要な文章は短く。

根拠を補う主張と削る文章を、修正案とともに示します。

⚠️

リスクのある記述

CTR の 15% 改善を支える検証根拠

Proof

The Home DepotのCTRの15%改善は強い実績ですが、相対改善か絶対差か、評価期間や割付単位は履歴書から分かりません。Walmartの面接官は、因果関係をどこまで主張できるかを確かめるため、実験設計と別の説明を掘り下げる可能性があります。

→

The Home Depotの実績に使ったCTRの定義、比較方法、本人が確認できる検証結果を整理してください。数値の意味を確認したうえで、履歴書にも測定方法を短く補足してください。

✂️

削った方がいい行

冒頭の抽象的な自己評価を実際の分析行動へ置換

Gap

Strong in metrics design, experimentation, and turning behavioral data into ML-powered features.

→

職務要約の該当文を、HCLTechで主要指標と機能別KPIを定義し、A/Bテストと準実験を施策判断につなげたと書き換えてください。The Home DepotのSQLによる顧客行動分析を続け、モデル名の列挙より分析業務を先に示してください。

求人との差を、準備することに変えます。

不足する要件と、短期・中長期で取り組む準備を確認できます。

HCLTechの支払業務分析は周辺経験ですが、Walmartが求める決済不正の原因調査と対策の有効性評価は履歴書で確認できません。

短期施策

HCLTechの支払業務指標を題材に、実際に扱った指標と未経験の不正指標を分離してWalmartの決済リスク分析への転用範囲を整理し、定義・粒度・限界を記載した「支払業務分析の適用範囲表」を作成してください。

長期施策

The Home Depotの顧客行動分析を起点に、担当範囲で扱える異常調査の責任分担をデータエンジニアリング担当者との議題として提案し、Walmartのエスカレーション対応につながる担当者・判断条件・引継ぎ先を記した調査責任表を作成してください。

The Home Depotでの分析と可視化は具体的ですが、Walmartが求める経営層向け提言と上位職としての判断責任が明確ではありません。

短期施策

The Home DepotのCTRの15%向上を題材に、Walmartの経営層向け報告要件に沿って問題・影響・原因・推奨行動を整理し、確認済みの結果と未確認の因果関係を区別した一枚の意思決定資料を作成してください。

長期施策

The Home Depotの既存ダッシュボード業務で実施可能な改善を運用担当者に提案し、Walmartの行動につながる報告要件に対応するため、合意した課題・判断者・完了条件を記した改善案件の合意書を作成してください。

面接で深掘りされる点を予想します。

担当範囲や判断の根拠を深掘りされる点を確認できます。

技術面接担当者が The Home Depot の CTR 改善に対して因果推論と集計精度を問う

Technical

→ The Home Depotの検索改善を、課題、比較した評価方法、選択した方法、測定結果の順で3分間にまとめてください。実際に使った割付単位・CTRの定義・妥当性確認を説明し、覚えていない値は推測で埋めず、確認が必要な点として分けます。持参できる資料として、開示可能な範囲で作る指標定義表、匿名化した集計SQLの構造、NDCGとCTRの関係図を準備してください。最後に15%の意味と推定の限界を一文ずつ述べる練習を行ってください。

想定質問に、経験のストーリーで備えます。

面接官ごとの確認点、想定質問、回答に使う経験を確認できます。

想定される面接官と面接構成

採用担当者

採用担当者との初期面談

45分（仮置き・実際は未確認）

確認されるポイント

Walmartの初期面談では、関連経験、応募動機、勤務地・勤務形態、就労資格などの基本条件が確認されます。今回の(USA) Senior, Data Analystでは、検索・ML中心の経歴を分析職へどう接続するかと、BENTONVILLEでの現地勤務条件が主要な確認点です。

答え方の方向

The Home DepotのSQLによる顧客行動分析とTableauを先に述べ、Microsoft Power BI Associate (PL-300)はBI要件の補強材料として添えてください。HCLTechの指標設計までを短くつなぎ、Walmartの決済リスク分析に応用できる経験と未経験領域を分けて説明してください。

採用マネジャー

採用マネジャー面接

45分（仮置き・実際は未確認）

確認されるポイント

Walmartでは「曖昧な依頼の整理、部門横断の調整、分析の主体的な推進」がシニア職の評価点です。Enterprise Consumer Fraud & Riskのこの席では、分析の正しさに加え、不正削減、顧客体験、事業影響を踏まえて誰に何を推奨できるかが問われます。

答え方の方向

HCLTechの支払い調整またはファネル改善を使い、課題、比較案、実験手法、本人の推奨、施策判断の順で説明してください。The Home Depotでの要件定義も添え、分析担当と意思決定者の役割の違いを明示すると、Walmartで任せられる責任範囲を判断しやすくなります。

💬

予想される質問

The Home Depotの15% lift in CTRについて、検索改善の効果と顧客構成の変化を区別する際、無作為比較と事後補正のどちらを採用し、もう一方を退けた制約は何でしたか。実際の割付単位と、結論が覆る条件を示してください。

The Home DepotのNDCG, Recall@K, MRRとCTRが逆方向に動くと仮定した場合、導入継続と保留を分ける基準は何ですか。実際に使った評価基準と仮定の対応を分け、顧客への影響をどう説明するか示してください。

📖

面接ストーリーパック

The Home Depotの検索改善とCTRの15%向上

SQL分析の妥当性、評価指標の選択、実験結果を施策判断へつなげる質問に使えます。Walmartが重視する**代替説明の検討と業務への説明**に焦点を合わせてください。

検索ログ、顧客行動、商品メタデータの分析から、ランキングの不足や関連性の問題を特定した課題を述べる。

ハイブリッド検索と個別化ランキング、オフライン評価、A/Bテストについて、実際に比較した選択肢と本人の担当範囲を整理する。

🔁

あなたから聞くべき質問

良い質問は、応募者ではなく同僚として扱われるきっかけになります。面接官に最も自然に聞ける質問を一つ選びましょう。

WalmartのEnterprise Consumer Fraud & Riskで、制御強化による不正削減と顧客体験が衝突した案件を一つ挙げ、分析担当者の推奨、Risk Operationsの判断、最終決定が分かれた理由と、決着に使った指標を教えてください。

理由

The Home Depotの実験経験を、顧客影響と事業判断の比較へつなげて考えていることが伝わります。回答からは、分析担当者に期待される提案の深さと、ProductやRisk Operationsとの実際の決定権限が分かります。

何から直すか、優先順位を決めます。

先に取り組む改善点2つと修正の方向を示します。

応募前に先に直すべき点

実際に応募する前に手を入れると最も効果が大きい項目です。

プロフィールの要約とThe Home DepotのData Scientist職の冒頭を、顧客行動のSQL分析、データ品質、意思決定支援の順で組み直し、検索モデルの構成要素はその後に置いてください。CTRの15%向上とHCLTechの業務指標設計を根拠として残し、決済不正の経験者とは記述せず、分析手法の転用可能性を明確にすると、Walmartの(USA) Senior, Data Analystで求められる仕事が最初の確認で伝わります。

プロフィールの要約とThe Home DepotのData Scientist職の冒頭を、提示済みの顧客行動分析、SQL、品質確認、Tableau、CTRの15%向上だけを使い、要約3文と箇条書き3項目に書き換えてください。Walmartの(USA) Senior, Data Analystに向けて分析と報告を先に置き、未記載の不正調査や新しい成果数値は追加しないでください。

The Home DepotのData Scientist職にある検索改善と実験評価の箇条書きを結び付け、CTRの定義、比較対象、測定期間、本人の担当を確認した上で追記してください。NDCG、Recall@K、MRRを用いた評価と15%向上の関係は確認できる範囲だけ説明し、不明点を埋めないことで、Walmartの技術面接が重視する数値の妥当性と因果の説明に耐える実績記述になります。

The Home DepotのData Scientist職の検索改善と実験評価について、確認が必要な事項を一覧にし、その後に暫定の箇条書き2項目を出してください。CTRの定義、比較対象、期間、担当範囲は未提供として区別し、15%向上とNDCG、Recall@K、MRRの記載だけでは断定できない関係を補作しないでください。

応募前の30分で取り組むこと。

30分の準備プランから、すぐ取り組む作業を選べます。

最初の 10分で職務要約を分析成果中心へ並べ替える

職務要約の先頭に、約4年の経験、The Home DepotのSQL分析、Tableau、CTRの15%改善を置いてください。続いてHCLTechの指標設計と実験を示し、検索・NLP/LLMの詳細は後段へ移してください。職名のData Scientistは変更せず、応募先に関連する業務の順番を変えます。

次の 10分で HCLTech の判断責任を一件明確化する

HCLTechの支払い調整またはファネル改善の箇条書きを一つ選び、実際の課題、比較した選択肢、本人の提案、施策への反映を追記してください。結果の数値が確認できなければ作らず、何の判断を支援したかまでを明確にしてください。決済不正に関する記述は、直接の実務経験を確認できる場合だけ追加します。

経験を、一つのキャリアの物語に。

経験に共通する強みと、次の職務へのつながりを整理します。

キャリアストーリー

HCLTechのProduct Data Scientistとして、面接分析、利用者行動、支払業務の指標を定義し、実験を製品判断につなげる分析に取り組んでいます。University of HoustonではMaster of Science in Engineering Data Scienceを記載し、Research Assistantの経験もあります。まずThe Home Depotの検索改善について、測定条件と本人の判断を確認した一枚資料を作成してください。