【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（筆者：現役DS10年）から、職務経歴書テンプレ（1枚/2枚）、ATS最適化、職種変換の翻訳表、実務再現型ポートフォリオ（PF）の作り方、NG→改善例、提出順までをコピペ可でまとめました。

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。

• 作業羅列で「成果」が無い：業務効果・数値・意思決定への翻訳が書かれていない。
• PFが「Kaggle結果だけ」：再現手順/Git/テスト/CIが無く、実務接続が見えない。
• ATS/採用要件とズレ：キーワード（SQL/ETL/可視化/評価指標）が不足、要件への回答になっていない。

職務経歴書テンプレ（1枚/2枚）——まずは「1社1改善」

テンプレはそのままコピペ→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）するのがポイント。

# 職務経歴書（1ページ）
氏名：○○ ○○｜メール：xxx｜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での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/ウインドウ）｜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：解約率の低減（KPI: PR-AUC, Lift\@Top10%）
   * データ：疑似生成スクリプト＋データ辞書（個人情報非含）
   * 再現：`make all`（features→train→evaluate）、`pytest -q`通過、ActionsでCI
   * 打ち手：スコア>0.8をCS架電対象とし、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±std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／TOEIC805

■ 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。

# 職務経歴書（2ページ）
[1Pは同じ。2Pに詳細PFと成果の数値化を記載]

■ 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**でCSコストの期待削減を算出

■ 実務での再現（社内ミニ案件）

* 請求書チェックの自動化（pandas）→**月2h削減**

「今の仕事」をDS文脈に写し替える——職種変換の翻訳表

未経験でも言い換えで価値は伝わります。下表をコピペして書き換えてください。

ポイントは数値化（削減時間/率、CVR、MAE等）と意思決定への翻訳です。

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

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
• 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/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）

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/体験でレビュー頻度/基準を数字で確認しましょう。

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

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

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~）

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10社出す。→ [内部リンク：受講費の投資回収シミュレーション]
• 副業目的：レポート自動化の成果を社内導入→実績に変換。→ [内部リンク：データレポート納品の型]
• 主婦/夫（在宅）：非同期SLAが強い支援で詰まり時間を削減。夜活60×2＋朝15×3を固定。→ [内部リンク：主婦/夫に優しいスクール比較]

今日やること（60分）

1. 求人票からキーワードを抽出（SQL/ETL/可視化/評価指標/業界語）。
2. 1ページATS版をテンプレで作成（PF3件のURL付き）。
3. GitHubのREADMEに再現手順/CIバッジを追記。
4. 10社へ応募（1社1改善）。
5. 面接LTの骨子（5〜10分）を作成。→ [内部リンク：面接で刺さる発表の作り方]

Excel/SQLでの集計・レポート運用を担当。個人開発でPython自動化と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（解約予測/需要予測/レポート自動化）を公開し、KPI設計〜施策提案まで一気通貫で実施。

この記事から次に読むべきもの（内部リンク）