按場景重寫
資料分析師履歷關鍵字：SQL、dashboard、指標與業務影響
一份資料分析師履歷關鍵字資源，把 SQL、BI dashboard、資料品質、指標、業務問題和協作成果寫成 ATS 友善的經歷 bullet。
一句話結論
資料分析關鍵字只有連到業務問題才有價值。SQL、BI、dashboard、報表、資料品質、指標這些詞，都要對應到真實資料集、分析方法、使用方和決策結果。
適合人群
資料分析師、BI 分析師、產品分析、行銷分析、營運分析、新鮮人和轉職資料職缺候選人。
不適合人群
想把所有分析工具都塞進技能欄，但說不清分析支持了什麼決策的人。
搜尋意圖判斷
搜尋者想找 data analyst resume keywords，用來提升 ATS 匹配，同時避免只列工具、卻說不清分析產出和業務影響。
-
先按分析訊號整理關鍵字
資料分析關鍵字通常包括工具、SQL/資料處理、dashboard、指標、業務場景、跨部門溝通和決策影響。先分組，履歷才不會像關鍵字表格。
可用 Prompt： 請根據這份資料分析職缺 JD，把履歷關鍵字分成：工具、SQL/資料處理、dashboard/BI、指標、業務場景、跨部門溝通、決策影響，並標註必備詞。表達示例： 產品分析職缺可能強調 SQL、漏斗分析、留存 cohort、實驗分析、dashboard 和產品決策支援。 -
把 SQL 和 BI 工具對到真實產出
SQL、Tableau、Power BI、Looker、Excel、Python、dbt 只有連到報表、dashboard、資料模型、資料管線或被使用的分析，才真的有用。
可用 Prompt： 請把每個高優先級分析關鍵字對應到我履歷裡的證據。寫出資料集、工具、分析方法、使用方、產出和結果。缺證據的關鍵字標出來。表達示例： Power BI 可以寫成：建立營收 dashboard 支援業務週會，減少每週人工報表整理時間。 -
用指標語言取代空泛 insight
很多履歷寫「提供洞察」，但沒有說洞察是什麼。改成指標類型、業務問題、分析方法、使用方和支持的行動，會更像真實資料工作。
可用 Prompt： 請重寫這些資料分析 bullet，包含指標類型、業務問題、方法、使用方，以及支持的決策或動作。保持事實不變，不要編造數字。表達示例： 弱表達：分析使用者資料。更強：按渠道分析 activation funnel，定位 onboarding 流失點，支援 growth team 規劃實驗 backlog。 -
寄出前檢查分析關鍵字堆砌
寄出前刪掉無法完成面試任務的工具、重複指標詞，以及沒有專案支撐的機器學習或高階統計 claim。
可用 Prompt： 請審稿這份資料分析履歷是否堆砌關鍵字。標出沒有證據的工具、空泛 insight、重複指標詞、業務影響太弱的經歷，以及應該從技能欄移到專案 bullet 的關鍵字。表達示例： 只有能說清模型目的、驗證方式和業務使用場景時，機器學習才值得保留。
發布前檢查清單
- 目標職缺 JD 的分析工具和指標已和加分項分開。
- 每個高優先級關鍵字都對應資料集、分析、dashboard、報表或決策。
- 經歷 bullet 說明業務問題和使用方，不只寫工具。
- 沒有證據的高階分析詞已刪除。
- 履歷經得起 SQL、dashboard 或業務 case 面試追問。
常見問題
資料分析師履歷最重要的關鍵字是什麼？
通常是 SQL、dashboard、BI 工具、指標、資料品質、報表、跨部門溝通和業務影響。
Python 和機器學習一定要寫嗎？
不一定。只有目標職缺需要，而且你有真實分析或建模專案支撐時再寫。
資料分析關鍵字應該放在哪裡？
工具可以放技能欄，但最重要的關鍵字要寫進專案或工作經歷 bullet，帶上產出和決策。
寄出資料分析履歷前，先把關鍵字、資料產出和業務決策對齊。
整理我的資料關鍵字