数据分析师简历最值钱的不是“会 SQL、Python、Tableau”，而是“你用一个分析改变了什么决定”。工具谁都能学，业务判断和分析过程才是区分度。这份模板把技能、项目、指标和常见错误拆开，校招和转行都能用。
适用人群：数据分析师、商业分析师、数据运营、校招/转行
核心关键词：SQL、Python、指标体系、漏斗分析、留存分析、A/B 测试
最后更新：2026-10-22
一、技能栏怎么排
按“取数、分析、呈现、业务”四层排。取数写 SQL、Hive、Spark；分析写 Python、Pandas、统计基础；呈现写 Tableau、Power BI、Excel；业务写你熟悉的领域，比如电商、教育、金融。每一层写你真正做过的，不要把所有工具列成清单。
技能栏的作用是让招聘方快速判断匹配度，不是展示学习广度。你写了 Python，就要能讲清用 Pandas 做过什么清洗和建模；你写了 A/B 测试，就要能讲清假设、样本量和显著性。
二、项目经历怎么写
用“业务问题、数据、方法、结论、落地”五段式。业务问题要具体，比如“新用户首周留存低”；数据写时间范围、样本量、字段；方法写你做的清洗、分组、漏斗、回归或实验；结论写你发现了什么；落地写业务做了什么改变、结果如何。
可参考的写法
“针对新用户首周留存偏低的问题，取近 90 天注册用户约 12 万，按渠道、首日行为分群做漏斗和留存分析。发现完成‘首次创建项目’的用户次周留存高出一倍，推动产品把引导步骤前置；上线后首周留存从 18% 提升到 23%（演示用虚构数据）。”
这段话有业务问题、有数据规模、有方法、有结论、有落地，招聘方能判断你是不是能独立完成分析。
常见错误
“使用 SQL 和 Python 进行数据清洗，使用 Tableau 制作可视化报表，具备良好的数据分析能力。”
这是工具说明，不是分析经历；没有业务问题，也没有结论。
三、指标体系怎么体现
简历里至少要出现一次“指标拆解”：把一个大目标拆成可观测的子指标。比如把“提升转化率”拆成“曝光到点击、点击到注册、注册到首单”三段，再说明你定位到哪一段、为什么。指标拆解能证明你不是只会跑数，而是理解业务结构。
四、没有实习或项目怎么办
用公开数据集做完整分析，写成项目：问题、数据来源、清洗步骤、分析方法、结论、局限。不要只放图表，要写清你发现了什么、建议做什么。转行的人可以把原岗位的数据问题拿出来重做，比如销售报表、库存周转、活动复盘，这些都是真实业务问题。
五、投递前自查
第一，每个项目有没有一句明确的结论？没有就补。第二，结论有没有数据支撑？没有就删。第三，分析过程能不能复现？不能就写清口径和假设。第四，简历里有没有“负责数据支持”这种模糊描述？有就改成你具体分析了什么、改变了什么。
常见问题
数据分析师简历最重要的是什么？
业务结论和可复现的分析过程，不是工具清单。招聘方更关心你用数据解决了什么问题。
转行数据分析怎么写简历？
用原岗位的数据问题做桥梁，写清你用什么方法解决了什么业务问题，再把 SQL、Python、可视化作为支撑。
没有 Tableau 或 Power BI 经验怎么办？
先写 SQL、Python、Excel 的实战，再补一个可视化作品链接；工具可以学，分析思路更难替代。