データアナリストの求人に対して、あなたの履歴書はどこまで通用しますか?

この職種の求人が求めるもの

SQL
Excel / Google Sheets
Python (pandas)
Tableau / Power BI / Looker
A/Bテスト
統計
ダッシュボード
ETL
データクレンジング
ステークホルダー報告
KPI定義
コホート分析
予測

この職種の履歴書によくある間違い

SQLなしの「Excel上級」— 多くのアナリスト職は今やSQLを前提とし、その不在は抜けに見える。
作成したレポートのみ列挙し、その後の意思決定がない — 「週次ダッシュボードを構築」だけでは実際に使われたか分からない。
データクレンジングへの言及なし — 実務の大部分を占め、丁寧さの強い信号なのに書かれにくい。
統計用語（有意性、信頼区間、コホート）がない — 明らかに分析的な作業でも単なる作業のように見える。
ツール名だけで規模や頻度がない — 「Tableauを使用」が単発のチャートなのか毎日更新される経営ダッシュボードなのか分からない。

弱い表現 vs 強い表現

弱い売上実績を追跡するダッシュボードを作成。

強い地域別解約率15%急増を発見したLookerダッシュボードを構築 — 後続のリテンション施策で年間経常収益18万ドルを回収。

この職種で「裏付け」が意味すること

アナリストの証拠とは、分析そのものではなく、その先の意思決定や金額です。「ダッシュボードを作成」はダッシュボードが存在することしか証拠にしません。「解約率急増を発見、施策で18万ドル回収」は発見、それによる行動、結果を証拠にします。

特に重要な要件を詳しく見る

SQL: 要求ではなく前提になりつつあり、不在は抜けとして読まれます。日常的に書くなら複雑さ（複数テーブルの結合、ウィンドウ関数）を具体的に示すべきです。
A/Bテスト: 実験経験を求める求人票は、対照群と統計的有意性を理解しているかを確認していることが多いです。自ら設計・解釈したテストとその結果が判断力を証拠にします。
ステークホルダー報告: SQLを読まない相手に発見を翻訳できるかを確認する項目 — 分析自体には表れず、対象者と彼らが実際にとった行動を書いて初めて分かります。
Python (pandas): pandasを明示する求人票は、Excel作業を自動化したアナリストと、UIをクリックするだけのアナリストを区別しようとしていることが多いです。行数、結合の複雑さ、実行頻度などの規模を書きましょう。