数据分析简历关键词：SQL、看板、指标与业务影响

一份数据分析简历关键词资源，把 SQL、BI 看板、数据质量、指标、业务问题和协作成果写成 ATS 友好的经历 bullet。

1. 先按分析信号给关键词分组

   数据分析关键词通常包括工具、SQL/数据处理、看板、指标、业务场景、跨部门沟通和决策影响。先分组，简历才不会像关键词表格。

   可用 Prompt： 请根据这份数据分析 JD，把简历关键词分成：工具、SQL/数据处理、看板/BI、指标、业务场景、跨部门沟通、决策影响，并标注必备词。
   表达示例： 产品分析岗可能强调 SQL、漏斗分析、留存 cohort、实验分析、dashboard 和产品决策支持。

2. 把 SQL 和 BI 工具绑定到真实产出

   SQL、Tableau、Power BI、Looker、Excel、Python、dbt 只有连到报表、看板、数据模型、数据管道或被使用的分析，才真正有用。

   可用 Prompt： 请把每个高优先级分析关键词映射到我简历里的证据。写出数据集、工具、分析方法、使用方、产出和结果。缺证据的关键词标出来。
   表达示例： Power BI 可以写成：搭建收入看板支持销售周会，将手工报表准备时间减少 4 小时。

3. 用指标语言替代空泛 insight

   很多简历写“提供洞察”，但没有说明洞察是什么。改成指标类型、业务问题、分析方法、使用方和支持的行动，会更像真实数据工作。

   可用 Prompt： 请重写这些数据分析 bullet，包含指标类型、业务问题、方法、使用方，以及支持的决策或动作。保持事实不变，不要编造数字。
   表达示例： 弱表达：分析用户数据。更强：按渠道分析激活漏斗，定位 onboarding 流失点，支持增长团队设计实验 backlog。

4. 投递前检查分析关键词堆砌

   发送前删掉无法完成面试任务的工具、重复指标词，以及没有项目支撑的机器学习或高级统计 claim。

   可用 Prompt： 请审核这份数据分析简历是否堆砌关键词。标出没有证据的工具、空泛 insight、重复指标词、业务影响太弱的经历，以及应该从技能区移到项目 bullet 的关键词。
   表达示例： 只有能说清模型目的、验证方式和业务使用场景时，机器学习才值得保留。