履歷發布日期 2026年8月12日Last updated 2026年8月12日

沒有工作經驗也能寫出數據分析師履歷的完整指南

轉職者或應屆畢業生如何在沒有正式職稱的情況下,用專案、認證與技能打造通過 ATS 的數據分析師履歷。

By TMJ Studio Editorial Team

Career Technology Research Team

ATS and resume parsing researchAI workflow design for job seekersRecruitment technology analysis

沒有「數據分析師」這個職稱不代表你沒有分析經驗。問題在於:你是否知道如何把現有的素材轉化成招募人員和 ATS 系統都能辨識的語言。這份指南針對轉職者與應屆畢業生,逐步說明如何建構一份有說服力的入門級履歷。

從現有經歷中挖掘可轉移的分析能力

許多人在其他職位上早已做過分析工作,只是沒有用正確的詞彙描述它。客服人員追蹤客訴趨勢、行銷專員計算廣告投報率、財務助理製作 Excel 報表——這些都是分析行為。

重新檢視你過去的每一份工作,問自己三個問題:

  • 我是否曾經收集或整理過數據?
  • 我是否曾經用數字支持某個決策或建議?
  • 我是否曾經製作過任何形式的報表或視覺化圖表?

只要答案是肯定的,就有素材可以寫進履歷。描述時使用動詞加數字的結構,例如「分析 3,000 筆客戶回饋資料,找出前五大退貨原因,協助降低退貨率」,而不是「負責客戶資料整理」。

如果你正在從完全不同的領域轉職,可以參考轉職履歷的寫作策略,了解如何重新框架過去的經驗。

學術與個人專案:你最重要的資產

對於沒有正式職稱的求職者,專案區塊往往比工作經歷更有說服力。招募人員看到一個完整的 Kaggle 專案或 GitHub repository,比看到一行「熟悉 Python」更能評估你的實際能力。

每個專案條目應包含以下四個要素:

  1. 專案名稱與使用的工具(Python、Pandas、Tableau 等)
  2. 資料來源與規模(例如:使用 Kaggle 上 50,000 筆電商交易紀錄)
  3. 你執行的分析步驟
  4. 具體的發現或結論

學術課程中的期末專案、自主完成的公開資料集分析、甚至是線上課程的 capstone project,都可以列入。重點是要讓閱讀者能夠判斷你的分析思維,而不只是工具操作能力。

值得列入的認證

認證無法取代實戰經驗,但對於入門級職位,它們是一個可信的能力信號。以下幾個認證在數據分析職位的職缺描述中出現頻率較高:

  • Google Data Analytics Certificate(Coursera):涵蓋 SQL、R、Tableau,完成時間約 6 個月,業界辨識度高。
  • IBM Data Analyst Professional Certificate(Coursera):包含 Python、Excel、Cognos,適合想強調 IBM 工具生態的求職者。
  • Microsoft Power BI Data Analyst Associate:如果目標公司使用 Microsoft 技術棧,這個認證有直接相關性。
  • DataCamp 或 365 Data Science 的結業證書:辨識度相對較低,但可以補充說明你的學習廣度。

列認證時,格式統一:認證名稱、發行機構、取得年份。不需要列出每一門線上課程,挑選最具代表性的兩到三個即可。

技能區塊的結構

數據分析師的技能區塊需要分層呈現,讓招募人員一眼看出你的工具組合。建議用以下三個子類別組織:

程式語言與查詢:SQL(PostgreSQL、MySQL)、Python(Pandas、NumPy、Matplotlib)、R

視覺化與報表工具:Tableau、Power BI、Google Looker Studio、Excel(Pivot Table、VLOOKUP)

其他工具與方法:Git、Jupyter Notebook、A/B 測試基礎、統計分析

不要把所有工具並排成一長串,分類後的技能區塊在 ATS 掃描和人工閱讀上都更清晰。關於硬技能與軟技能如何在履歷中取得平衡,可以參考硬技能與軟技能的履歷配置

Objective 還是 Summary?

這個問題沒有絕對答案,但有一個判斷原則:如果你的工作年資不足兩年,或者正在轉職,用 Objective(求職目標)比 Summary(個人摘要)更誠實也更有效。

Summary 的前提是你有足夠的成就可以濃縮,沒有相關職稱的求職者硬寫 Summary 往往變成空泛的自我描述。Objective 則讓你直接說明你想做什麼、你能帶來什麼,例如:

「具備 SQL 與 Python 基礎、完成 Google Data Analytics 認證的轉職求職者,目標加入電商或 SaaS 公司的數據團隊,協助建立自動化報表流程。」

兩到三句話,具體說明方向與能力,不要寫成「希望在貴公司發揮所長」這類無意義的句子。

ATS 關鍵字策略

入門級數據分析職缺的 ATS 篩選邏輯和資深職位不同——系統通常會比對職缺描述中的工具名稱與技能關鍵字,而不是職稱年資。這對你有利,因為你可以直接對應職缺要求來調整履歷。

具體做法:

  1. 複製目標職缺的完整描述,找出重複出現的工具名稱和技能詞彙。
  2. 確認你的履歷中至少出現這些關鍵字一次,且出現在語境正確的位置(技能區塊或專案描述中)。
  3. 避免把關鍵字堆砌在一個段落,ATS 和人工閱讀都不喜歡這種做法。

如果你想系統性地了解 ATS 的運作邏輯,ATS 完整說明ATS 友善履歷模板是兩個值得閱讀的參考資源。

針對每一份職缺客製化履歷聽起來費時,但實際上你只需要調整技能區塊的排序和專案描述的側重點。TailorMyJob 的關鍵字比對功能可以幫你快速找出履歷與職缺描述之間的落差,減少手動比對的時間。

格式與長度

入門級履歷維持一頁。如果你的專案和認證加起來撐不滿一頁,不要用增加行距或放大字體來填充,寧可精簡也不要看起來空洞。

使用單欄或簡單雙欄格式,避免表格、文字方塊和圖示,這些元素在許多 ATS 系統中會造成解析錯誤。字體選 Arial、Calibri 或 Georgia,大小 10-12pt。

履歷格式的選擇對 ATS 通過率有直接影響,可以參考履歷格式完整指南了解各種版型的適用情境。

重點整理

  • 沒有正式職稱不是障礙,關鍵是用具體的專案和數字讓招募人員判斷你的實際分析能力。
  • ATS 關鍵字策略對入門級職位特別有效,因為系統比對的是工具名稱而非工作年資。
  • 一份針對職缺調整過關鍵字、格式乾淨的一頁履歷,比一份兩頁但充滿無關經歷的履歷更有競爭力。

常見問題

沒有任何數據相關工作經驗,真的可以申請數據分析師職位嗎?+

可以,特別是入門級或 Junior Data Analyst 職位。招募人員對這類職位的預期是候選人具備工具能力和分析思維,而不一定要有正式職稱。完整的個人專案、相關認證和清楚的技能區塊可以彌補職稱的缺失。

個人專案要放在哪個區塊?+

建議單獨設立「專案」區塊,放在工作經歷之後或之前,視你的工作經歷相關性而定。如果你的工作經歷完全與數據無關,把專案區塊放在工作經歷前面更能吸引招募人員注意。每個專案用 2-4 個條列說明工具、資料規模和發現。

SQL 和 Python 要到什麼程度才能寫進履歷?+

能夠獨立完成一個端對端的分析專案就足以列入。SQL 方面至少要能寫 JOIN、GROUP BY 和子查詢;Python 方面至少要能用 Pandas 做資料清理和基本統計描述。不需要達到工程師等級,但要能在面試中被問到時現場說明你的使用情境。

Google Data Analytics Certificate 有用嗎?+

對入門級職位有一定效果,特別是在台灣以外的市場或外商公司。它的課程涵蓋 SQL、R 和 Tableau,完成後有可驗證的憑證連結,招募人員可以直接確認真實性。把它列在認證區塊,不需要在技能區塊重複說明課程內容。

履歷要針對每個職缺重新寫嗎?+

不需要從頭重寫,但技能區塊的排序和專案描述的側重點應該根據職缺描述調整。如果職缺強調 Tableau,就把 Tableau 相關的專案描述放在更顯眼的位置。這個調整通常只需要 15-20 分鐘。

Objective 寫什麼內容最有效?+

說明三件事:你的當前背景(例如:具備 SQL 和 Python 基礎的轉職求職者)、你完成的具體準備(認證或專案)、你想加入的產業或職能方向。避免寫「希望在貴公司學習成長」這類對招募人員沒有資訊量的句子。

履歷投出去沒有回應,問題通常在哪裡?+

最常見的原因有兩個:ATS 關鍵字不符,或者履歷格式造成解析錯誤。先確認你的履歷使用純文字相容的格式,再用職缺描述比對你的技能關鍵字覆蓋率。如果這兩點都沒問題,問題可能在於你申請的職位要求與你目前的能力落差過大。

Sources

  1. Harvard Business School: Hidden Workers: Untapped Talent
  2. Harvard Business Review: All the Ways Hiring Algorithms Can Introduce Bias
  3. U.S. Bureau of Labor Statistics: Occupational Outlook Handbook

About the Author

TMJ Studio Editorial Team

Career Technology Research Team

  • ATS and resume parsing research
  • AI workflow design for job seekers
  • Recruitment technology analysis

TMJ Studio publishes resume optimization, ATS, and job search guidance informed by product analysis, hiring workflow research, and practical support for active job seekers.

Learn more

延伸閱讀