數據分析師履歷怎麼寫?作品集、SQL 與面試案例題
也叫:資料分析師、Data Analyst、商業分析師、Business Analyst、BI 分析師、Product Analyst
數據分析師的工作不是做報表,而是用資料回答問題、幫團隊做決定。所以履歷最重要的不是會哪些工具,而是你的分析讓公司做了什麼改變:停掉一個沒效的活動、調整定價、找出會員流失的原因。只寫「熟悉 SQL、Python、Tableau」,和其他應徵者沒有差別。
數據分析師的面試通常有 SQL 實作、指標與 A/B 測試的觀念題,以及商業案例題,有些公司還會出回家作業。這頁整理履歷寫法、改寫前後對照、作品集怎麼做和常見面試題;範例裡的數字都是示意,請換成你自己的。
HR 和用人主管先看什麼
分析帶來的決策
寫出問題是誰提的、你的分析結論、最後做了什麼決定、帶來多少影響。主管要找的是能把數字變成建議的人,而不是只會跑報表的人。
SQL 與資料處理能力
寫出資料來源與規模(幾張表、多少筆、跨哪些系統),以及你處理過的複雜度,例如視窗函數、多表串接、清理重複與缺漏資料。
指標設計與實驗
設計過 KPI、儀表板或 A/B 測試的人要寫出來:定義了什麼指標、為什麼這樣定義、實驗結果怎麼影響上線決策。
溝通與視覺化
分析的價值靠報告傳達。寫出報告給誰看、多久一次、用什麼工具(Tableau、Power BI、Looker Studio),以及有沒有變成團隊固定使用的儀表板。
作品集與領域知識
沒有相關經驗時,用公開資料做一個從問題、清理、分析到建議的完整作品;有電商、金融、遊戲等產業經驗的,寫出你熟悉的業務指標。
數據分析師履歷改寫前後對照
範例的情境與數字都是虛構示意,請換成你自己的真實經歷;沒有的成果不要寫。
- 流失分析改寫前分析使用者資料,提供報表給主管。改寫後用 SQL 與 Python 分析約 18 萬名訂閱會員的使用紀錄,發現註冊後 7 天內沒有完成個人設定的會員,三個月內流失率是其他人的 2.5 倍;據此建議改版新手引導,上線後首月流失率從 12% 降到 9%。
寫出分析的問題、發現和後續決策,主管看得出你的分析真的改變了產品,而不只是交出一份報表。
- 營運儀表板改寫前使用 Power BI 製作報表。改寫後整合 ERP 與電商後台資料,用 Power BI 建立每日營運儀表板(營收、毛利、庫存週轉天數),取代 5 份手動 Excel 週報,主管會議改看即時數字,業務與財務每週共省下約 10 小時整理時間。
儀表板的價值在於誰在用、取代了什麼;寫出資料來源、指標和省下的時間,比只寫工具名稱具體。
- A/B 測試改寫前協助進行 A/B 測試。改寫後設計結帳頁免運門檻的 A/B 測試,事先估算所需樣本數,定義主要指標(每位訪客營收)與護欄指標(退貨率),兩週後確認新門檻讓每位訪客營收提升 4%、退貨率沒有顯著變化,建議全面上線。
寫出你怎麼設計實驗、選了哪些指標、怎麼判讀結果,比「協助 A/B 測試」更能證明你懂實驗方法。
- 轉職作品集改寫前自學 Python 資料分析,取得線上課程證書。改寫後用台北捷運公開的分時進出站資料,以 SQL 整理一整年的紀錄,比較平日和假日的人潮分布,找出假日人潮明顯高於平日的 10 個站,提出周邊店家調整假日排班的建議;分析過程寫成一頁報告,程式放在 GitHub。
轉職者的作品要像一次真實的分析案子:有問題、有資料處理、有結論和建議,比課程證書更能證明你能直接上手。
不確定自己的履歷哪幾句該改?放進免費履歷健檢,會標出最關鍵的問題和逐句改寫建議。
免費履歷健檢數據分析師技能清單
資料處理
- SQL:JOIN、子查詢、CTE、視窗函數
- Excel:樞紐分析、XLOOKUP、Power Query
- Python(pandas)或 R 的資料清理
- 資料品質檢查(重複、缺值、異常值)
- 資料倉儲基本觀念(BigQuery、Snowflake 等)
統計與實驗
- 敘述統計與分布
- 假設檢定與信賴區間
- A/B 測試設計(樣本數、檢定力)
- 相關與因果的差別
- 迴歸分析基礎
視覺化與溝通
- Tableau、Power BI 或 Looker Studio
- 圖表選擇與儀表板設計
- 用一頁寫清楚結論與建議
- 向非技術主管簡報
商業理解
- 漏斗、留存與同期群(Cohort)分析
- 北極星指標與 KPI 設計
- 電商與產品常見指標(轉換率、ARPU、LTV)
- GA4 等網站分析工具
外商職缺最常提到
統計 39 筆近兩週的相關外商職缺(台灣 5 筆、遠端 8 筆、其他國家 26 筆),依職稱、中文重點與職缺內文計算提到的筆數。
數據分析師面試常見問題與回答方向
請寫 SQL:找出每個月消費金額前三名的客戶。
- 面試官想知道
- 最常見的 SQL 實作題,看你會不會用視窗函數處理「分組取前幾名」。
- 回答方向
- 先依月份和客戶加總金額,再用 RANK() 或 ROW_NUMBER() OVER (PARTITION BY 月份 ORDER BY 金額 DESC) 排名,外層篩選排名小於等於 3。說明差異:金額相同時 RANK 會並列並跳號、DENSE_RANK 並列不跳號、ROW_NUMBER 硬分先後。寫完主動確認退款和取消的訂單要不要排除,以及月份用下單日還是付款日。
LEFT JOIN 之後筆數變多了,可能是什麼原因?
- 面試官想知道
- 看你對資料粒度的敏感度,這是分析數字算錯最常見的原因。
- 回答方向
- 右表的串接鍵不唯一,一筆對到多筆,資料就被放大;例如訂單表串出貨明細後再加總訂單金額,會重複計算。處理方式:串接前先確認兩張表的粒度與主鍵,必要時先在 CTE 彙總到同一粒度再串;也可以比對串接前後的筆數與總和。另外,把右表欄位的條件寫在 WHERE,會讓 LEFT JOIN 實際上變成 INNER JOIN。
這個月營收比上個月少了 10%,你會怎麼找原因?
- 面試官想知道
- 商業案例題,看你能不能有系統地拆解指標,而不是直接猜。
- 回答方向
- 先確認數字本身:資料有沒有延遲、計算方式有沒有改、是不是季節性(和去年同期比)。再拆解:營收 = 訪客數 × 轉換率 × 客單價,看是哪一項掉;接著依通路、裝置、地區、新舊客、商品類別切開,找出下降集中在哪裡。最後對照同期發生的事(改版、活動結束、競品促銷、系統故障),提出假設和驗證方式。
A/B 測試結果實驗組轉換率高了 2%,可以直接上線嗎?
- 面試官想知道
- 看你懂不懂統計顯著和常見的實驗陷阱,而不是只比數字高低。
- 回答方向
- 先看差異是否顯著、信賴區間多寬,樣本數有沒有達到事前估算的量。再檢查陷阱:中途偷看結果就提早停止會提高誤判、兩組分流比例不符預期(SRM)代表分流可能有問題、新奇效應會讓短期數字偏高、護欄指標(退貨率、客訴)有沒有變差。最後考慮實際效益:顯著但效果很小,不一定值得維護成本。
公司推出「收藏商品」功能,你會怎麼衡量它成不成功?
- 面試官想知道
- 指標設計題,看你能不能把功能目標轉成可量測的數字,並想到副作用。
- 回答方向
- 先問功能目的:提高回訪還是提高購買。主要指標可以是收藏後 30 天內的購買率、收藏使用者的回訪率;採用指標看多少比例的使用者用過;護欄指標看直接購買有沒有被延後、頁面速度有沒有變慢。注意因果:愛收藏的人本來就比較活躍,直接比較用過和沒用過的人會高估效果,最好用 A/B 測試。
你的分析結論和主管的想法不同,你會怎麼處理?
- 面試官想知道
- 看你能不能用資料說服人,同時保持開放。
- 回答方向
- 先確認雙方看的是同一份資料、同一個指標定義,很多分歧其實是定義不同。再把結論整理成一頁:發現什麼、證據有多強、限制在哪裡,並預想主管可能的反問。也要認真聽主管的理由,他可能知道資料裡沒有的背景。仍然無法決定時,提議用小規模實驗驗證。用一次真實經驗來講。
平均數和中位數差很多,代表什麼?報告時該用哪一個?
- 面試官想知道
- 基本統計觀念,看你會不會選對摘要方式,不被極端值誤導。
- 回答方向
- 代表分布偏斜,少數極端值把平均數往一邊拉,例如少數大客戶讓平均客單價遠高於多數人的實際消費。偏斜資料報告時用中位數,搭配四分位數(P25、P75)或直方圖呈現分布;要推估總量時(例如總營收)平均數仍然有用。也要檢查極端值是真實資料還是輸入錯誤。
請挑作品集裡的一個分析,從問題講到結論。
- 面試官想知道
- 看你完整的分析思路,以及能不能面對追問。
- 回答方向
- 照分析流程講:問題是什麼、為什麼重要;資料從哪來、怎麼清理、遇到哪些資料品質問題;用了什麼方法、為什麼選它;結論和建議;限制在哪裡、有更多資料會怎麼做。先準備好這個追問:「如果你的結論錯了,最可能錯在哪裡?」能說出弱點的人反而更可信。
數據分析師履歷常見錯誤
- 工作經歷只寫「製作報表」「整理資料」,看不出分析回答了什麼問題、促成了什麼決定。
- 作品集只有清理資料和畫圖,沒有結論和建議,看起來像課堂作業而不是分析。
- 把相關當成因果,例如「用過某功能的人消費比較高,所以這個功能提升消費」,面試一被追問就站不住。
- 只會單表查詢就寫「精通 SQL」,筆試遇到多表串接和視窗函數就卡住。
數據分析師薪資行情
| 受僱人數最多的行業 | 平均月薪 | 受僱人數 |
|---|---|---|
| 金融及保險業 | NT$82,939 | 1,222 |
| 專業、科學及技術服務業 | NT$62,044 | 75 |
勞動部職類別薪資調查(2025 年),職類「統計及精算專業人員」,各行業依受僱人數加權平均。這是同職類的整體行情,不是個人估價;實際薪資依公司、年資與談判而定。資料來源:勞動部「職類別薪資調查」「初任人員薪資」開放資料。
正在徵數據分析師的外商
近兩週有開出相關職缺的公司,點進去看每一筆職缺,並連回公司官網投遞。
投數據分析師之前,先做免費履歷健檢
總分、五個面向、最可能被略過的問題、同職類薪資行情,以及每一句該怎麼改。
用 AI 加快資料整理與分析報告
講義、測驗都免費,用 Job Pocket 帳號登入就能看,不用另外註冊。
數據分析師常見問題
數據分析師作品集要放什麼?
兩到三個完整的分析案子就夠:一個商業問題、資料來源與清理過程、分析方法、圖表、結論與建議,以及限制。資料可以用政府開放資料、Kaggle 資料集或自己蒐集。程式放 GitHub,結論做成一頁報告或簡報,讓不看程式的主管也看得懂。
數據分析師一定要會 Python 嗎?
SQL 幾乎是必備,Excel 在多數公司天天用。Python 或 R 看職缺:產品分析、電商和外商常要求,傳統產業的分析職缺很多只要 SQL 和 BI 工具。建議先把 SQL 練熟,再學 pandas 處理 SQL 不方便做的清理與統計。
數據分析師面試的回家作業怎麼做?
通常會給一份資料和問題,限時幾天交報告。先花時間理解資料、釐清問題,清楚寫出假設和資料限制;結論放第一頁,細節放後面;圖表少而精,每張都要支持一個論點。附上可以重跑的程式,最後提出下一步想驗證的事。
非本科系可以轉數據分析師嗎?
可以,而且領域知識是優勢。行銷、業務、財務背景的人,可以從原本工作裡的資料問題開始:分析過的活動成效、客戶分群、成本結構,寫成作品放進履歷。面試時強調你懂業務指標和決策情境,這是純技術背景的人比較缺的。
相關職務
延伸閱讀
內容更新:。履歷範例與面試題由 Job Pocket 整理;外商職缺數依公司官方徵才頁每天更新;薪資來自勞動部開放資料。