データサイエンティストの職務経歴書例文33件

データサイエンティストの職務経歴書に書く5つの項目

職務経歴書の構成は職種によらず同じです。この5つを順に埋めれば完成します。

職務要約3〜4行で経歴の全体像。「何年、どの仕事で、何をしてきたか」
職務経歴勤務先ごとに、在籍期間・担当業務・実績・工夫した点
活かせる経験・スキルできること、使える道具、資格
保有資格取得年月とともに正式名称で
自己PR強みを1〜2つに絞り、具体的な行動で裏付ける

職務経歴書chanでは、この5項目が質問の順番になっています。答えるたびに右側（スマホでは「できあがり」タブ）で書類が埋まっていきます。

データサイエンティストの職務内容はどう書く？

担当したものにチェックを入れてください。そのまま「担当業務」の欄になります。データサイエンティストの職務経歴書でよく使われる書き方を15件収録しています。

データサイエンティストの実績を数字で示す書き方

データサイエンティストは成果を数値で示しやすい職種です。件数・金額・達成率・順位・改善率のいずれかを入れると、読み手が規模を掴めます。数字が思い出せない場合は「約」を付けた概算で構いません。

下の文は空欄に数字や言葉を入れるだけで実績になります。使えそうな文にチェックを入れてください。作成ツールで、選んだ文の空欄がそのまま入力欄になります。

色の付いた部分は入力例です。分からない数字は「◯◯」のまま提出せず、概算にするか、その文を選ばないでください。

データサイエンティストで工夫したことは、どう書く？

採用担当者が2番目に見ているのは「仕事への取り組み姿勢」です（下の調査参照）。同じ業務でも、どう工夫したかを1〜2文添えるだけで他の応募者と差がつきます。当てはまるものにチェックを入れてください。

分析に着手する前に事業部門と課題を言語化し、目的に合った指標を定義しました。
高精度なモデルよりも、現場が理解し運用できる説明性の高い手法を優先して選びました。
分析結果は結論を先に示し、施策につながる形で報告しました。
データの欠損や偏りを事前に確認し、分析結果の信頼性を担保しました。
分析コードをGitで管理し、再現性のある形でチームに共有しました。
新しい手法は社内勉強会で共有し、チーム全体の分析力向上に取り組みました。
モデルの精度を定期的に監視し、劣化が見られた際は再学習を行いました。
事業部門との定例会を設け、分析結果が施策に反映されたかを継続的に確認しました。

データサイエンティストの「活かせる経験・スキル」に書けるもの

Python
R
SQL
pandas
scikit-learn
TensorFlow / PyTorch
Tableau
BigQuery
統計検定
機械学習
A/Bテスト設計
データ可視化

採用担当者は職務経歴書のどこを見ているか

採用担当者が職務経歴書で重視する項目を尋ねた一次調査では、「仕事内容」が最多の62%、次いで「仕事への取り組み姿勢」51%、「成果・実績」は38%で3番目でした。

仕事内容62%

仕事への取り組み姿勢51%

成果・実績38%

出典：リクナビNEXT「採用実態調査」（2017年3月実施、楽天リサーチ／従業員50名以上の企業の採用担当者300名）

成果は3番目です。売上のような数字が出せないデータサイエンティストでも、仕事内容と取り組み姿勢をきちんと書けば不利にはなりません。

作った職務経歴書はどう提出すればいい？

A4で1〜2枚、多くても3枚以内にまとめ、末尾に「以上」と書きます。メール添付やWeb応募ではPDFにし、ファイル名は「職務経歴書_氏名.pdf」のように誰の書類か分かる形にします。

日付は提出日（郵送なら投函日）にし、履歴書と同じ日付に揃えます
印刷する場合は白のA4普通紙に片面印刷し、クリアファイルに入れて折らずに送ります
手書きは不要です。パソコンやスマホで作成したもので構いません
履歴書とは別の書類です。履歴書の職歴欄に収まらない内容を、職務経歴書に書きます

データサイエンティストの職務経歴書よくある質問

データサイエンティストの職務経歴書には何を書けばよいですか？

分析テーマ、扱ったデータの種類と規模、使用した手法とツール、モデルの精度や業務への貢献を書きます。課題設定から施策反映までのどの工程を担当したかを明示すると、実務の深さが伝わります。

未経験からデータサイエンティストに応募できますか？

応募は可能です。エンジニアや企画職での分析経験、Kaggleなどのコンペ参加、統計検定などの資格を書きます。業務で数値を扱った経験があれば、どんな課題をどう分析したかを具体的に記載します。

モデルの精度や成果の数字が出せない場合はどうしますか？

精度の数値が出せない場合は、扱ったデータ量、分析にかけた期間、報告先の役職、施策に採用されたかどうかなど、他の観点で規模と貢献を示します。担当した工程を明確にするだけでも評価の材料になります。

分析だけで施策には関わっていません。評価されますか？

分析業務そのものが評価対象です。どの課題に対しどの手法を選んだか、結果をどう報告したかを書きます。施策に関わっていない場合は、報告後の反応や次の分析にどうつなげたかを添えると伝わります。

研究職から転職する場合、何をアピールしますか？

統計や機械学習の専門性に加え、研究テーマをビジネス課題に置き換えて説明できるかが問われます。扱ったデータの規模、使用手法、成果の再現性を書き、事業への応用の意欲を具体的に示します。

ブランクがある場合はどう書きますか？

ブランク期間中に学んだ手法やコンペ参加、資格取得などがあれば簡潔に記載します。技術の変化が早い分野なので、最近使ったツールや手法を明示すると、現在も実務に対応できることが伝わります。