データサイエンティストの職務経歴書:書き方と例文
モデルとライブラリを並べただけのデータサイエンティストの履歴書は、書類選考で落ちます。評価されるのは問いから意思決定までの線です。どの課題を立て、なぜその手法を選び、売上・解約率・精度・コストのどれが動いたのかを書いてください。

重要なスキル: Python (Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch) · SQL (PostgreSQL, MySQL, BigQuery) · 機械学習 (分類、回帰、クラスタリング、時系列分析) · 深層学習 (CNN, RNN, Transformer) · 統計分析 (仮説検定、A/Bテスト) · データ可視化 (Matplotlib, Seaborn, Tableau, Power BI) · クラウドプラットフォーム (AWS, GCP, Azure) · ビッグデータ技術 (Spark, Hadoop) · ビジネス課題解決能力 · コミュニケーション能力 · 仮説構築と検証 · MLOps (モデルデプロイ、モニタリング)
履歴書作成のヒント
分析テーマを「事業の課題」から書く
「機械学習モデルを構築」だけでは、何のための分析かが伝わりません。「解約が増えている会員の特徴を特定するため」のように、事業側の課題から書き始め、分析の結果どんな判断や施策につながったかまでを一続きで書きましょう。
使った手法とツールをプロジェクトごとに
Python、R、SQL、BigQuery、Spark、使用ライブラリ、可視化ツールなどを、プロジェクトごとに書きます。回帰、分類、時系列予測、因果推論など手法名も添えると、どの分野が得意かが伝わります。
データの規模と前処理の苦労を書く
扱ったデータの件数や期間、欠損や表記ゆれへの対処は、実務経験の深さを示す材料です。分析時間の多くを占めるデータ整備をどう進めたかを書くと、現場で使える人だと伝わります。
本番運用まで関わったかを明記する
分析レポートで終わったのか、モデルをシステムに組み込み運用したのかで評価が変わります。運用まで関わった場合は、エンジニアとの連携、精度の監視、再学習の仕組みなどを書きましょう。
ポートフォリオはURLで添える
Kaggleの成績、GitHubの分析コード、技術ブログがあれば職務経歴書の末尾にまとめます。業務の分析を社外に出せない人ほど、公開データでの分析が力量の証明になります。
必要な資格と要件
統計検定とG検定・E資格
統計検定は統計質保証推進協会が実施し、日本統計学会が公認する全国統一試験です。ディープラーニング分野では、日本ディープラーニング協会(JDLA)のG検定とE資格がよく知られています。取得していれば、級や名称を正式に書きましょう。
自己PRの例
- 大学院で統計学を専攻し、Pythonとscikit-learnで需要予測モデルを構築してきました。現在は小売企業の分析チームで、売上データの集計と可視化を2年担当しています。統計検定2級を取得しています。
- 通信会社のデータサイエンティストとして5年、解約予測と顧客セグメント分析を担当しています。SQLでのデータ抽出からモデル構築、マーケティング部門への施策提案までを一貫して行ってきました。
- 広告企業で分析組織のリーダーとして8名のチームを率いています。予測モデルの本番運用、分析基盤の整備、事業部との優先順位づけを担い、分析が施策に使われる体制をつくってきました。
効果的な箇条書きの例
- 顧客の購買履歴データに基づき、機械学習モデルを開発し、パーソナライズされた商品推奨システムを導入して売上を15%向上。
- 広告キャンペーンのA/Bテストを設計・分析し、コンバージョン率を8%改善する最適な広告戦略を特定し、年間〇〇万円の広告費削減に貢献。
- 不良品検出のための画像認識モデルを構築し、製造ラインでの検出精度を92%から98%に向上させ、廃棄ロスを25%削減。
- 社内データウェアハウスから必要なデータを抽出し、Tableauを用いて経営層向けのインタラクティブなダッシュボードを開発、データに基づいた意思決定を促進。
- 自然言語処理技術(BERT)を用いて顧客からのフィードバックを分析し、製品改善のための優先順位付けを行い、顧客満足度スコアを7ポイント向上。
- 大規模な時系列データに対し異常検知モデルを構築し、システムのダウンタイムを年間で平均30時間削減し、サービス品質を大幅に改善。
- データ前処理パイプラインを最適化し、データ分析のリードタイムを平均20%短縮、データサイエンティストチームの生産性を向上。
よくある質問
具体的な売上や顧客数は伏せ、「予測精度を改善」「施策対象を絞り込みコストを削減」のように、比率や効果の方向で示すのが一般的です。社名やデータの中身が特定されない書き方を心がけましょう。
集計・可視化・レポートが中心ならアナリスト寄り、予測モデルや機械学習の構築が中心ならサイエンティスト寄りです。応募先の求人票の言葉に合わせて、どちらの比重が大きかったかが伝わるように業務を並べましょう。
前職でのデータ活用経験、学習内容、公開データでの分析成果を書くことで道は開けます。営業データの分析で提案に役立てた、Excelの集計を自動化したといった経験は、業務理解のあるデータ人材としての強みになります。
統計検定、G検定、E資格、基本情報技術者試験などは、取得していれば資格欄に書いておきましょう。ただし採用では実務の分析経験が重視されるため、資格は知識の裏付けとして添える位置づけです。