【テンプレ＆実例】未経験からでも通る職務経歴書：実務再現PF×定量化×ATS最適化

「未経験からデータ職に応募しても通らない…何を直せばいい？」

結論：履歴書でポテンシャル、職務経歴書で実務の再現性を示すのが王道です。

本記事は、採用側／伴走側の両視点から、1枚／2枚テンプレ、ATS最適化、職種変換の言い換え表、実務再現ポートフォリオ（PF）の作り方、NG→改善例、提出順までをそのまま使える形でまとめました。

未経験応募が落ちる「よくある3つの壁」

まずは“落ちる理由”をつぶしましょう。私がレビューした中で頻出のボトルネックはこの3つ。

1. 作業の羅列で“成果”が見えない
   → 業務効果・数値・意思決定への翻訳が抜けている。
2. PFがKaggle結果だけ
   → 再現手順 / Git / テスト / CI がなく実務接続が分からない。
3. ATS・要件とズレ
   → SQL / ETL / 可視化 / 評価指標 などの語彙不足で要件に答えていない。

職務経歴書テンプレ（1枚/2枚）——まずは「1社1改善」

テンプレはコピペ→必要箇所だけ置換で使えます。
求人票の語彙に合わせて微修正（=1社1改善）しましょう。

1ページ版（ATS通過用）

# 職務経歴書（1ページ）
氏名：山田 太郎｜メール：xxx@example.com｜GitHub：github.com/xxx｜Qiita/Blog：xxx
志望職種：データサイエンティスト／データアナリスト


■ 職務要約（3〜4行）
事務／マーケ職としてExcel・SQLで集計とレポート運用を担当。個人でPython自動化と可視化ダッシュボードを構築。
Git・pytest・CIで再現性を担保した **業務再現PF** を3件公開。KPI設計〜レポート〜施策提案まで一気通貫で実施。


■ スキル（ATSキーワード）
Python（pandas/numpy/scikit-learn）｜SQL（JOIN/集計/ウィンドウ）｜ETL｜可視化（Matplotlib/Plotly）
統計（平均/分散/母比率）｜評価（PR-AUC/MAE/CV）｜Git/GitHub｜pytest｜CI｜BI（Tableau/Power BI）


■ 実務再現PF（3件）
1. 解約予測（分類｜PR-AUC 0.78, CV±0.03）
- 目的：解約率低減（主指標: PR-AUC、補助: Lift@Top10%）
- データ：疑似生成スクリプト＋データ辞書（個人情報なし）
- 再現：`make all`（features→train→evaluate）、`pytest -q` 通過、ActionsでCI
- 打ち手：スコア>0.8をCS架電対象に。月間架電300件→想定CV向上 +1.5pt
- URL：GitHubリンク
2. 月次KPIレポート自動化（ETL/可視化）
- CSV→整形→Excel/PDF→メール送信。運用時間 **60分/回→10分**
- URL：GitHubリンク
3. 需要予測（回帰｜MAE 12.4）
- ラグ／移動平均／曜日特徴。CVの平均±標準偏差を提示。閾値で安全在庫提案
- URL：GitHubリンク


■ 職務経歴（直近から）
20xx/04〜 現職（営業事務）
- 受発注データの月次集計（Excel→SQL化）。**月10hの工数削減**
- 週次レポートの可視化（折れ線／棒／100%積上げ）。**会議時間 -15分**


■ 学習・資格
- JDLA E資格学習中／統計検定2級／TOEIC 805


■ 志望動機（2〜3行）
SQL/ETL→可視化→施策提案の実務再現PFを **貴社の○○事業** に適用し、**KPI（例：解約率）**の改善に貢献したい。

2ページ版（面接用・深掘り向け）

1ページ目は同一。2ページ目にPF詳細と成果の数値化を追加します。

■ PF詳細（解約予測：分類）
- 指標：PR-AUC、Recall@0.7閾値、CV 5fold（±0.03）
- リーク対策：時系列分割、IDリーク検査
- 運用：スコア配信のバッチ／監視指標／再学習方針
- 成果翻訳：架電の **精度×件数** からCSコストの期待削減を算出


■ 実務での再現（社内ミニ案件）
- 請求書チェック自動化（pandas） → 月2h削減

ポイント：指標は"業務の意思決定”にどう効くか**まで書くと説得力が跳ね上がります。

「今の仕事」をDS文脈へ写し替える：職種変換の言い換え表

未経験でも言い換えで価値は伝わります。下表をコピペ→自分の実績に置換してください。

コツ：削減時間/率・CVR・MAE など数字＋意思決定への接続を必ず入れる。

ATS最適化：求人票→キーワード抽出→反映

• 求人票から抜き出す：SQL/ETL/可視化/評価指標/業界語
• 職務要約/スキル欄に同義語も含めて反映（例：PR-AUC≒ROC AUC表記）
• PFタイトルにも要件語を入れる（例：marketing_churn_prediction）

NG→改善例（Before/After）

NG：「Pythonを勉強中。Kaggleでスコア向上。」
改善：「解約予測（分類）をPR-AUC 0.78 (CV±0.03)で構築。make allで再現、pytest -q通過、CIで自動テスト。架電閾値0.8でRecall 0.6の運用提案。」

NG：「データ分析が好きで…」
改善：「受発注CSVのSQL化で月10hの手作業を削減。会議15分短縮のダッシュボードを運用。」

実例テンプレ：プロジェクト要約（STAR＋指標）

◆ 解約予測（分類）
- S（状況）：解約率上昇でCS負荷が増加
- T（課題）：高リスク顧客の早期抽出（PR-AUCを主指標）
- A（行動）：特徴量設計（利用頻度/課金履歴）、CV5fold、閾値0.7
- R（成果）：PR-AUC 0.78、Recall@0.7=0.60、架電対象をTop20%に集中

◆ 月次KPIレポート（ETL/可視化）

* S：営業会議の資料作成に毎回60分
* A：CSV→整形→Excel/PDF→メール送信を自動化
* R：**60分→10分**、エラーログで再現性担保

◆ 需要予測（回帰）

* A：ラグ/移動平均/曜日特徴、MAEで評価
* R：**MAE 12.4**、安全在庫の見直し案を提示

メモ：make・pytest・CIなど“再現性の装置”を明示すると実務接続が伝わります。

提出順と束ね方（通過率を上げる順序）

1. 1ページ職務経歴書（ATS用）
2. PF目次（1枚）：3案件の目的/KPI/結果だけを図1枚で
3. GitHubリンク：READMEに再現手順/CIバッジ
4. 2ページ版（面接用）：詳細は当日提示

監査と法務メモ（安心のために）

• 個人情報を入れない：PFは疑似データか公開データのみ
• 著作権：他社の図表・ロゴの無断使用は避ける
• 守秘義務：社内数値は比率や疑似で表現

スクール選びのヒント（無料カウンセリングで“差し戻し基準”を確認）

レビューの差し戻しが厳しいスクールほど、実務に強いPFが仕上がります。無料カウンセリング／体験で以下を数字で確認しましょう：

• 実案件に近い要件定義→納品物の型を学べるか
• レビュー頻度（例：週◯回）／返却までのリードタイム
• コードレビューの観点（テスト / 再現手順 / データ辞書 / CI まで見るか）

TechAcademy データサイエンスコース（受講料：174,600円～ ※更に割引あり）

Tech Academy：質問初動の速さ×時間帯の柔軟性。在宅/副業と相性◎。

TechAcademy 無料相談

株式会社キカガク AI人材長期育成コース（受講料：237,600円~）

株式会社キカガク：業務再現型とレビューの具体性が強み。Git/pytest/CIも相談しやすい。

キカガク 無料相談

読者タイプ別の進め方（目的に合わせて最短ルート）

• 社会人（転職）：1ページATS版→PF目次→GitHub の三点セットでまず10社出す。
• 実務未経験の学生：PFを2件→3件へ。うち1件は疑似データ生成から実装。
• 他職種からの社内異動狙い：現業の自動化ミニ案件を1件作って実績化。

よくある質問（抜粋）

Q. Kaggle実績しかありません。どう見せれば良い？
A. Notebook単体で終わらせず、データ辞書／再現手順／テストを補完。業務での閾値運用など意思決定への翻訳を入れましょう。

Q. 指標は何を書けば？
A. 分類なら PR-AUC／Recall（閾値付き）、回帰なら MAE／MAPE。CVの±値も添え、再現性を担保。

Q. 志望動機が書けません。
A. 貴社の○○事業×自分のPFの○○ を接続し、KPI改善（例：解約率・欠品率）にどう効くかを書く。

この記事から次に読むべきもの（内部リンク）