数据科学是当今就业市场中竞争最激烈的领域之一，吸引着全球各地的有志之士。成为数据科学家意味着进入前景诱人、薪资优渥的精英圈层。这个领域的关注度与日俱增，对数据人才的需求也在持续提升，但相应的候选人要求同样严格。您可以在我们的指南中了解更多要求：如何成为数据科学家。
数据科学求职者的第一步，是撰写一份足以打动招聘经理/招聘人员、让您获得面试机会的高效简历。对于已在该领域拥有丰富工作经验的专业人士来说，这并不难；而对入门级数据科学家而言，这可能颇具挑战，并引发诸多疑问：如何弥补缺乏工作经验的短板？如果以往的工作经历和/或教育背景与数据科学不完全相关，是否值得书写？教育与经历哪个模块应当优先？需要包含哪些项目、数量多少？是否应罗列软技能？是否要给简历加上颜色？总之，如何才能从人群中脱颖而出，更接近成为数据科学家的目标？
本文将探讨一些至关重要的技巧，帮助您打造一份有说服力、专业且易读的数据科学家简历，吸引任何招聘经理或招聘人员的目光。
首先要考虑的是如何排版，让招聘人员与招聘经理更易于阅读。您的简历应当信息易于消化、便于快速扫描，同时又包含足够细节来展示您的亮点。以下是一些建议：
将简历控制在一页内
如果您原计划在简历中放入大量信息，这条建议可能让人“心痛”。这甚至看起来反直觉：难道不是应尽可能详尽地呈现所有经历、教育、成就与技能，以打动潜在雇主吗？如果因此超过一页又如何？不论如何，强烈建议始终将简历控制在一页。
能够用精炼的方式呈现您的经历与成就，本身就是展示沟通能力的好方法。
选择简历模板
您可以从零开始根据个人喜好设计简历，但使用在线简历生成器并从多种现成模板中选择，能节省时间。或者，您也可以从 Google 文档或 MS Word 的模板库中挑选合适的免费简历模板。此类模板通常清晰、美观、格式良好、易读、易用，并通过精心设计帮助您在一页内容纳大量信息而不显拥挤。
以下是一些可能有用的简历生成器：
包括以上在内的许多简历生成器，既提供功能足够的免费模板，也有更高级的付费版本。为数据科学家简历选模板时，优先选择黑白基础上搭配 1–2 种颜色的简洁款，而非花哨多彩的设计。后者更适合艺术或设计等需要创意风格的领域；在我们的场景中，应尽量避免不必要的装饰。
考虑使用双栏布局
选择双栏（以及可能用于补充信息的窄侧栏）的模板，可以更高效地利用页面的纵向空间。这样有助于放入更多信息并更好地在空间上组织各个模块。
无论您是从零开始制作简历，还是在现成模板上调整，以下建议都很有用：
- 使用优雅的正文字体
- 推荐：Calibri、Times New Roman、Arial、Verdana、Cambria、Tahoma、Georgia
- 不推荐：Comic Sans MS、MS Gothic、Ink Free、Agency FB、OCR A Extended
- 字号适中：正文 11–12pt，模块标题与抬头 14–16pt
- 模块标题与抬头加粗
- 避免使用过多样式，如粗体、斜体、粗斜体、下划线
- 行距 1–1.15
- 避免单调的黑白——适度加一点颜色以突出重点，但不要过度，1–2 种足够
- 避免视觉特效、装饰或不必要的图标
- 使用项目符号，使简历整洁、有序、易于阅读
这涉及多种风格要素。例如，如果您在不同模块中都使用项目符号，应保持统一的样式（如空心方块）。缩进、字体风格、日期格式等同理。幸运的是，如果您使用在线简历生成器，上述元素与格式通常都已为您预设。
数据科学家简历内容的关键建议
在打造能引起共鸣的简历时，取舍内容并不容易。不过，有了以下要点，您可以迅速上手。
创建一份“母版简历”
在开始投递数据科学岗位之前，建议先创建一份“母版简历”。这是一份篇幅较长、细节非常充分的简历（可达 2–3 页甚至更多），包含您的全部工作经历、学习经历、项目、技术与软技能，以及其他成就。
如果您是转行进入数据科学，考虑把过往岗位的经历收录在母版简历中；可转移技能往往比您想象得更多。不出意外，母版简历的每个模块/子模块都会有很多项目符号。完成后，您可以据此快速派生出针对不同数据科学岗位的版本：在副本上删除冗余的细节、模块与项目符号，并为每次投递定制。
针对每份职位描述定制简历
这是求职流程中的关键一步。要提高脱颖而出的概率，必须为每个职位定制简历。招聘经理通常每天会收到大量申请，往往只有几秒钟时间对每份简历进行快速扫读，从而决定是否值得进一步阅读。因此，务必让您的简历一眼吸引人。
最佳做法是仔细阅读职位描述，梳理公司对候选人的“心愿单”和要求。基于这些信息，在简历中纳入并突出相应技能。务必在可行处使用职位描述中的相关关键词；这将有助于您的简历通过公司可能使用的候选人追踪系统（ATS），进入人工审核环节。
除了细读 JD，了解公司的背景也总是一个好主意。浏览公司官网、使命、价值观、社交媒体、产品与服务，以更好理解他们希望候选人具备的素质。让您的简历展现“您非常契合这家公司，并有潜力助力其业务增长”。每家公司寻找的不是“想要任何一份工作”的人，而是“想要这份工作”的人。
当您明确该写什么后，需将信息打磨得简洁、精准、相关且呈现得当。不要包含对该岗位没有增益、且 JD 未提及或暗示的内容。保持简历简明、有的放矢且信息量足。项目符号要简短，不要跨越多行。
采用逆序时间排列
逆序时间是教育和工作经历模块最常见、也最受青睐的格式。最新经历置顶，其次是更早的经历。这样有助于招聘人员快速了解您的专业成长与最新成就。
使用朴实但高效的语言
用简单清晰的语言写作，也是展现沟通能力的一种方式。为此请注意：
- 不要用技术行话堆砌简历。尽管岗位可能要求较强的技术能力，但第一位阅读您简历的人通常是招聘经理或招聘人员。根据公司负责招聘的人不同，他们的背景也会不同，过多术语可能会造成困惑。因此，请确保任何人都能读懂您为公司带来的潜在价值。
- 以 JD 为指南；如果 JD 本身术语较多，您适当技术一些也无妨。否则，仅包含广告中提及的主要算法与技术。
- 使用简短句子。
- 保持时态一致。
- 避免夸饰词。用“help”替代“facilitate”，“use”替代“utilize”，“manage”替代“administrate”，“complex”替代“sophisticated”等。
- 在描述工作经历、项目与成就时，使用有意义的动词。例如，用 built、automated、optimized 等，替代 worked、made、participated 等。我们稍后会更详细讨论。
- 用事实替代最高级（highest、best、most important 等）及看似有力但信息量不大的形容词（experienced、strong、considerable、efficient 等），用具体指标与结果说话。在简历概述中谨慎使用此类“强力词”（experienced、deep、proven 等）。
- 请一位非技术背景的朋友通读您的简历，让 TA 反馈：是否容易理解？语言是否清晰简洁？您是否成功传达了关键职业成就？
检查错误与拼写
看似无伤大雅的小错误与拼写失误，会给招聘者留下不佳印象并导致淘汰。使用专业在线服务（如 Grammarly 或类似工具）检查语法与拼写，并请他人帮忙校对。
将简历直接发给真实的人
在到达招聘者手中之前，简历通常会先经过称为候选人追踪系统（ATS）的机器学习程序，决定是否值得转交给人工审核。为绕过该环节，尽量将简历直接发送给招聘经理，或该岗位所属部门的技术负责人。
如何设计数据科学家简历的整体结构
包含技能与项目模块
推荐从上到下的典型模块如下：
- 联系方式
- 摘要（或求职目标）
- 工作经历（或“经历”）
- 项目
- 技能
- 教育背景
- 附加模块
这些标题的顺序较为灵活，应体现各模块的重要性；靠前的模块也应占用更多空间。若采用双栏设计（推荐），请记住招聘者通常从左上到右下浏览简历。因此，请将最相关的信息放在页面左上角。
优化模块顺序
各模块，尤其是“工作经历、项目、技能、教育”的最佳顺序取决于两点：
- 您的实际经历。情境可能包括：
- 如果您拥有较长且相关的工作经历，优先突出该模块；相应地大幅压缩教育信息，甚至可以不写附加项目。
- 如果您是应届毕业生、经验有限，请将教育置顶，写上毕业成绩（仅在较高时），并更详细地描述课程项目或论文。
- 如果您在数据科学方面经验有限，主要做过自由项目，可将“项目”与“工作经历”对调（甚至合并为“经历”），包含任何数据相关的实习，并详细说明技能。
- 如果您是从其他领域转型进入数据科学，重点突出“项目与技能”，相对少写“工作经历与教育”，但仍不宜完全省略。
- 公司画像与职位描述。逻辑上，若应聘学术环境的岗位，应更多展开教育、认证、进修课程与科研发表。否则，应更多呈现面向业务的经历与成就。尤其对初创企业而言，独立工作、自我驱动与创新思维尤为看重，此时展示更多个人项目会是优势。
尽可能加入附加模块
对于数据科学家简历，可考虑以下附加模块：
- 认证
- 出版物
- 会议
- 黑客松
- 奖项
- 竞赛
- 志愿服务
- 语言
若某模块至少有两条可写内容，可单独成节。例如，若您完成了三门数据科学课程并在两场数据相关会议上做过报告，就可新增“认证”与“会议”。否则，若某些类别只有一条（如一场会议、一篇发表、一次黑客松），建议合并为“Extras（其他）”。
避免冗长的小标题
为小标题命名时，尽量简练：
- Relevant Work Experience Work Experience（或直接 Experience）
- Professional Experience Work Experience（或 Experience）
- Notable Projects Projects
- Skills and Knowledge Skills
- Skills and Tools Skills
- Licenses and Certifications Certifications
- Additional Information Extras
联系方式最合适的位置是简历顶部，尽管有些在线模板会把它放在底部（若如此，请手动拖到顶部）。该模块最关键的要求是信息准确无误。
联系方式应包含：
- 您的全名。
- 您的职位头衔。在全名下方，写您应聘的职位头衔，而非当前职位。您可以直接复制 JD 上的职位名称；若名称过长且过于具体（如 Data Scientist for Geoscientific Data Analysis and Webtool Development），可精简为更易读的形式（如 Data Scientist）。
- 您的电话号码。务必使用个人手机号，而非当前公司的座机或分机。
- 您的邮箱。使用专业的邮箱地址，应是姓名组合：[email protected]。不要使用嬉闹或不合时宜的个人邮箱，如 [email protected]。若没有专业邮箱，请新建一个。
- 您的所在地。可选，无需完整住址。城市 + 州/省或国家即可。
- 可点击链接，指向您在 LinkedIn、GitHub、Medium、Kaggle 等平台的活跃且最新的个人主页。多数雇主会查看这些链接，以了解候选人的项目作品集、数据科学相关文章、参与黑客松等。与其粘贴冗长笨拙的原始链接，不妨插入相应平台的官方 Logo 图标并设置为可点击，直达您的主页。您可以在 Google 搜索官方 Logo，以下为 LinkedIn、GitHub、Medium、Kaggle 的 Logo 链接。显然，您在简历中附上的所有主页都应有效支撑您的数据科学技能与成就。若 LinkedIn 仅涉及您过往行业，或 GitHub 没有任何数据科学项目，则不必展示。
关于“联系方式”模块的更多建议：
如何撰写吸睛的简历摘要或求职目标
在联系方式之后，放置“摘要（Summary）”或“求职目标（Objective）”模块。这两者并不相同，二选一即可。简历摘要是对您的职业经历、成就与资质的简短描述（2–3 句，不用项目符号）。求职目标则是围绕未来职业目标与您能为雇主带来的潜在价值的简短陈述（同样 2–3 句，不用项目符号）。
如果您正从其他领域转向数据科学，这一模块尤为重要，能简要说明您为何是该岗位的理想人选。若您已具备一定数据相关经验，选择“摘要”；若您是应届毕业生、几乎没有经验，则选择“求职目标”，以展示您对数据科学的热情与为公司创造价值的意愿。
优秀的摘要或求职目标应当：
- 说明您的资历级别（初级、高级、有经验等）与专长方向
- 提及您在数据科学领域的年限（若适用）
- 简明具体地概括技能与成就
- 包含教育背景与认证信息
- 若属转型，解释您进入数据科学领域的动因
- 概述长期职业目标
- 展现对岗位与公司的积极动力与热情
- 说明您能为公司带来的价值
根据您的实际情况，选取适用要点，围绕具体岗位撰写简短清晰的开篇（摘要或求职目标）。最终文本应讲好“您为何契合该公司的故事”，并吸引雇主注意。
如何展示您的工作
这一模块通常最受招聘者关注，因此应成为数据科学家简历的重点。按逆序时间列出您的工作（若经验很丰富，可仅列近期）。若缺乏正式经历，考虑纳入数据科学实习。每份工作请提供：
- 任职起止时间（起止的月份与年份，或写 Present）
- 职位名称
- 公司名称
- 在岗成就
尽量避免简历中出现较大的时间空白（超过 6 个月），尤其是近几年。即使过往工作与数据科学无关，也最好简要列出，但无需展开细节。若您的全部过往经历都在其他领域，尽量提炼可迁移到数据科学的技能，以及您为业务带过的价值。若您是尚无任何工作/实习经历的应届生，可跳过此模块。
回到“理想”情境：您拥有一定数据科学/数据分析经验。对于相关岗位，请用项目符号简洁描述您的数据驱动型成就，以及您为业务带来的价值。第一条应当最有冲击力，以促使招聘者继续阅读。避免许多人常犯的错误：只罗列职责与技术细节，而非突出面向业务的最佳成就。
使用有力词汇
在岗位描述中，应尽可能具体而简洁。每条项目符号的理想结构是：
动作动词 – 任务 – 结果
动作动词是有意义、针对性强且有利于 ATS 检索的动词（公司 ATS 更可能搜索到）。一些常见示例：
Accelerate, Activate, Aggregate, Analyze, Assess, Augment, Automate, Build, Calculate, Calibrate, Coach, Code, Collect, Compile, Compute, Conceptualize, Conduct, Consolidate, Construct, Coordinate, Create, Debug, Decrease, Deploy, Derive, Design, Determine, Develop, Enable, Engineer, Enhance, Establish, Estimate, Evaluate, Execute, Extract, Fix, Forecast, Formulate, Identify, Implement, Improve, Incorporate, Increase, Initiate, Integrate, Interpolate, Launch, Lead, Lift, Liquidate, Manage, Mechanize, Mentor, Model, Operate, Optimize, Organize, Perform, Predict, Prepare, Propose, Recommend, Reduce, Refine, Regulate, Rehabilitate, Research, Solve, Streamline, Summarize, Supervise, Synthesize, Systemize, Troubleshoot, Update, Upgrade
与 do、collaborate、make、work 等通用动词相比，此类动词不仅更利于 ATS，也能更准确地表达您的职业产出。但请不要将动作动词与夸饰词混淆（例如，用 help 代替 facilitate）。
除了选对动词，不要忘记加入职位公告与公司官网中的关键词。记住，每份简历都应针对具体岗位与公司定制，以提升成功率。
使用数字
列出您的数据驱动型成就。尽量用硬指标与具体度量来呈现正向业务影响，而非含糊的最高级或泛泛的形容词（highest、strong、considerable、significant 等）。在向潜在雇主展示您理解“大局观”并能将技术转化为实际业务价值时，数字更有说服力。
注意，我们这里谈的不是模型性能指标，而是您构建的模型给公司带来的实际、可衡量价值。例如，与其写“创建了准确率 99% 的机器学习模型，使客户参与率提升 21%”，不如省略准确率，直接写：
创建机器学习模型，使客户参与率提升 21%。
您提到的数字可以是百分比、金额、管理或辅导的人数、小时数或其他时间维度。粗略估算是可以接受的。
展示协作能力
数据科学不止是数字与建模，还关乎将洞见传达给团队与利益相关者，帮助公司做出数据驱动的战略决策。
与其写“具备优秀团队合作与沟通能力”，不如通过描述您在多学科、（可能）跨国环境中与同事、其他部门（包括非技术部门）及数据消费者协作的经历来体现。重点说明您在项目中承担的角色与可量化贡献。
如何更好展示您的项目
根据经验与专长选择项目
对于经常缺乏正式工作经验的初级/入门级数据科学家而言，此模块至关重要。“工作经历”与“项目”的平衡很明确：工作经验越多，“项目”所占空间越小；若已是资深数据专业人士，甚至可以不写项目模块。
无论您是在大学、硕士项目还是训练营学习数据科学，很可能已经有一到多个数据科学/数据分析项目。可以包含课程作业、训练营的引导式与综合项目、自由职业作品、对 GitHub 开源项目的贡献，以及您自主完成的个人项目。若暂时没有可写项目，考虑做一个模拟项目。毕竟，作为数据科学家，应对数据与可挖掘洞见保持好奇。
如果您拥有大量数据科学项目，需要做取舍，优先选择最相关、且您最自豪的项目。展示 3–4 个优秀项目，胜过十来个平庸之作。对于入门级数据科学家，拥有多个围绕不同概念、使用多样工具与技术的课堂/训练营项目是合理且常见的。当您准备聚焦某一业务垂直时，开始专注于该领域，积累行业知识，并构建相关项目。
选定要写入简历的相关项目后，按逆序时间（或按相关性由高到低）排序，并考虑为每个项目包含以下信息：
当然，许多“工作经历”的建议在此同样适用：聚焦有意义的成就，使用动作动词与 JD/公司官网中的关键词，避免夸饰与空泛词汇，并使用数字与具体指标。
如何有策略地突出您的数据科学技能
我们的 数据能力框架 可帮助您突出简历中的关键技能
按胜任力列出技能
无论资历高低，数据科学家简历都应包含“技能”模块。为特定岗位创建技能清单的最佳路径包括四步：
- 记录 JD 中明示或暗示的所有技术技能、语言与工具。可参考以下清单：A/B 测试、Big data、C、C++、数据分析、数据清洗、数据挖掘、数据建模、数据可视化、数据整理、调试、深度学习、Hadoop、假设检验、Java、Keras、机器学习、数学、Matplotlib、NLP、NoSQL、Numpy、Pandas、PowerBI、预测建模、概率、Python、定量分析、R、SAS、Scala、Scikit-learn、Seaborn、Spark、SQL、统计分析、统计学、Tableau、TensorFlow、非结构化数据、网络爬取
- 在清单中标出您真正具备、并愿意在面试中展示的技能。可参考母版简历。不要凭空添加不具备的技能，但可针对岗位要求调整表述。例如，如果您掌握多种 SQL 方言（含 MySQL），而 JD 明确写了 MySQL，就写 MySQL，而非笼统的 SQL 或列举全部方言。反之，若岗位只泛指 SQL，则写 SQL 即可，无需罗列全部变体。
- 最终技能列表以 6–10 项为宜。资历越高，列表可越短，因为工作经历本身能说明问题。若您是入门/初级，可能尚未在真实任务中用遍全套工具，但仍希望向招聘者展示您具备这些技能。因此，若第二步后不足 10 项，可适度补充您确有且可能对岗位有用的技能，即便 JD 未提及。
- 对最终列表排序，将最强、最相关的技能置前。
不要标注技能熟练度
尽管一些模板允许按熟悉程度为每项技能打分，但建议跳过。此类评估极其主观，且受达克效应影响：您的“熟练”，在他人眼中可能只是“基础”，反之亦然。为避免低估或高估自己，不要给技能打分，若模板有此选项，请手动移除。
不要单列软技能
通常招聘者会关注候选人的软技能，如团队协作、沟通与领导力。那么是否应在“技能”模块直接列出？多数情况下不必。更好的方式是在“工作经历”与“项目”模块中，用事实结合技术能力产出有价值的结果，来展现软技能。
自认团队协作出色？写出您在协作项目中的贡献。善于领导？描述您带队或指导/辅导初级同事的经历。最终，凸显沟通能力的最佳方式，是用简洁有力的方式呈现您的经历与成就。
如何呈现教育背景
通常，如果您有任何数据相关的工作经历、实习或项目，应将“教育背景”放在这些模块之后（也在“技能”之后）。确实，您在数据科学领域资历越高，“教育背景”越应精简。不过，若应聘高度学术性的岗位，或您是无经验的应届毕业生，那么该模块顺位应当更靠前，放在“求职目标”之后。对于教育背景（若有多项学位则分别列出），请包含：
- 最高学位类型（B.S.、M.S.、Ph.D.）与专业（即便与数据科学不相关）
- 学校名称
- 在读时间（起止的月份与年份，或写“预计毕业日期”）
以下项目仅在您需要更详细地展开教育背景时使用，即缺乏相关工作/项目经验，或应聘学术岗位：
- GPA（仅限毕业不久且分数高于 3.5）
- 学术项目（课程作业、论文、毕业论文等）。若不止一个可展示的学术项目，请用项目符号；可添加简短描述或所涉主题。
- 学术课程：添加 2–3 门您认为最相关的课程，可选填成绩。
- 学术成就与荣誉
不要在“教育背景”中写训练营、技能路径或所修读的各类数据科学课程。这些将放在“认证”模块。
看看还有哪些模块能为您的数据科学家简历加分，展示您对数据科学的热情与投入。若某个标题下至少有两条内容，可单独成节；否则请合并为“Extras（其他）”。
认证
如果您在求职入门级岗位，这里可以写相关课程与训练营。除数据科学/数据分析认证外，也可包含编程、线性代数、概率或统计等学科课程。若您拥有官方数据科学认证（微软、IBM、SAS、谷歌），请在此注明，并考虑在简历抬头、职位头衔旁标注（如 Data Scientist, IBM Certified）。
出版物
该模块不仅对学术界重要，对商业场景同样有价值。它能证明您在本职之外对数据的好奇心、您独立或团队协作（若为多人合著）的能力，以及向大众清晰解释复杂数据概念的能力。每篇文章请写明标题、发表的期刊或杂志、线上链接或个人博客（如适用），并附简短摘要（或涵盖主题/关键词）。
会议
只列出您做过报告的数据相关会议。包含会议名称、地点、日期、作品标题及合作者姓名（如有）。
黑客松
数据科学黑客松是展示团队协作与技术、创意、创新思维以及产出实用成果的绝佳方式。简要说明项目范围、产品及其应用、您的个人贡献与成就。
奖项
在此写下您在数据相关领域的各类奖项与获胜经历，如黑客松、Kaggle 竞赛、学术成果与发表等。为每个奖项附上简短说明。或可考虑将其归入相应的其他模块。
竞赛
简要描述您参加的数据科学竞赛及取得的结果。例如来自 Kaggle、DrivenData、DataHack 等平台的竞赛。
志愿服务
如果您在数据科学社区有志愿/主持经验，或在 Stack Overflow 上有良好的解题记录，请在此说明并列出成就。依旧尽量用数字支撑（如解决的技术问题数、被采纳回答数、评分、声望、徽章、阅读时长等）。
语言
在数据科学家简历中通常不太需要此模块。即便英语不是母语，您的水平往往会从简历及附加资源（GitHub、LinkedIn 等）中体现。仅当您应聘海外岗位、第二语言是加分项且您确实能熟练使用时再添加。此处可标注大致熟练度（如母语、流利、高级、准高级、中级）。
不要包含兴趣/爱好
尽管一些模板会提供兴趣/爱好模块，但在数据科学家简历中建议跳过。虽然这类信息可能有趣，能展现您的好奇心与广泛兴趣，但在当前阶段并非招聘者关注重点。
旅行、参加线下活动、社交游戏、数据科学之外的志愿活动、其他语言能力（除非该岗位明确要求）以及驾照等信息同理。将版面留给更相关的内容更好。关于兴趣爱好以及其他有趣信息，您将在面试中有机会提及。
数据科学家简历示例
下面通过不同资历阶段的几份模拟简历，细化演示如何将上述要点落地。为增加趣味与效率，我们将追踪同一位（虚构）候选人的职业进阶。
初级数据科学家简历示例
下例对应候选人仅有数据科学家实习经历的阶段。该简历以及后续示例，均基于 Google 文档的免费模板并略作修改。
- 简历为一页，信息量大但不显压迫，留白充足。
- 模板并非纯黑白，还辅以一款颜色，美观易读且不分散注意力。
- 整体为双栏布局。对于希望用多样的数据相关活动与成就来弥补正式经验不足的初级候选人，这是很好的选择，意味着简历需要添加较多模块。
- 抬头中包含专业邮箱，以及指向 LinkedIn、Github、Medium 的可点击图标。（注：上方 PNG 图片中不可点击，只有原始 Word 与 PDF 版本可点。顺带一提，检查最终简历中链接是否可点也很重要。）
- 所有小标题清晰简练。
- 既然候选人至少有一段实习经历可展示，选择“摘要”而非“求职目标”是不错的主意。
- 摘要为 3 句，简洁却信息量足。候选人提到了实习、教育与数据科学培训（因其在该领域仍较新，且非数据科学科班出身），随后简述技能（含软技能），更重要的是成就，并展现了对岗位的热情与可为公司带来的业务价值。
- 在“经历”模块，候选人聚焦实习中的业务成就，并用具体数字支撑。每条以动作动词开头，无技术行话、含糊或冗余词。
- 因经验尚浅，候选人列出了最相关的训练营项目，包含目标、所用技能与工具，以及作品集链接。
- 出于经验不足的原因，候选人更详细地展开了教育（含课程作业主题、GPA、相关课程）、与数据相关的志愿活动（同样给出硬数字）以及数据科学培训。
- “技能”模块仅列技术技能。列表足够长，涵盖技能与可用工具。
- 在“出版物”中，候选人既包含数据科学相关文章，也包含其原本学位相关主题——数理金融的文章。
数据科学家简历示例
假设候选人在一家名为 Silver Dollar（虚构）的公司担任数据科学家两年，如今再次寻找新挑战。不再是“初级”的他/她，相应地更新了简历：
- 这版简历的重心明显转向“工作经历”，而非各类“附加”内容。
- 仍为一页，关键信息精炼呈现，留白充足。
- 模板在黑白基础上加入绿色，观感舒适、易于阅读且不喧宾夺主。
- 整体为单栏布局。由于附加模块更少且更短，这样安排也合适。
- 抬头中依旧是可点击的多平台主页图标（多半也已更新）。
- “摘要”仍为 3 句，但比之前更简短。候选人不再提及数据科学训练营，因为工作经历更能说明问题。同时，去掉了“自我宣传式”的软技能。实习经历不再单独强调，而是并入了过去两年的工作经历。此外，可以看到候选人列出的技能与旧版简历不同（“技能”模块也更短）。这并非“忘了旧技能”，而是更可能根据具体 JD 调整了摘要与技能中的关键点与成就——这是撰写摘要/求职目标时一贯优秀的做法。
- 在“经历”模块，候选人描述了两段工作的主要业务成就，并附上有意义的指标。依旧每条以动作动词开头，没有含糊或冗余词，技术术语使用适度。注意候选人对动作动词的多样化（而不是总用 create 或 built），以及对度量的多元化（$、%、小时、数量）。
- “项目”与“教育”变得更短，“认证”与“志愿服务”完全省略。
资深数据科学家简历示例
在上一版之后，这位数据科学家又两次更换工作并实现显著成长。再次求职时，他/她为一个颇具吸引力的职位更新了简历。现在的样子如下：
重点变化如下：
- 除抬头外，简历只保留了“技能、经历、教育”，且“经历”占据了最大篇幅。没有摘要、项目与附加模块。候选人的真实工作经历足以代言。
- 整体几近黑白，仅极少量橙色点缀。
- “技能”大幅精简，只列最宏观的技能与工具（是的，其中许多在之前版本并未出现）。
- 实习经历被去除。
- 最新的“资深数据科学家”岗位更侧重策略与管理，而非数据分析与建模。
结语
我们已经探讨了多种方法、技巧、实用示例与模板，帮助您的数据科学家简历脱颖而出。
某种程度上，您的简历就像电影预告片。预告片需要第一时间抓住观众注意力，促使其观看正片；同样，您的简历应当激发招聘者认真阅读，并邀请您参加面试。
当然，写好简历只是求职流程的第一步，并不自动保证面试成功。然而，若无法先通过 ATS 与招聘者的关口，就难以更进一步。因此，务必要投入充足时间与精力，为每个应聘岗位量身打造一份高效、有说服力的数据科学家简历。
要让简历更出众，请确保具备必要的技能与经验，并通过 DataCamp 的数据科学家认证来加以证明。立即开始吧！
数据科学是当今就业市场中竞争最激烈的领域之一，吸引着全球各地的有志之士。成为数据科学家意味着进入前景诱人、薪资优渥的精英圈层。这个领域的关注度与日俱增，对数据人才的需求也在持续提升，但相应的候选人要求同样严格。您可以在我们的指南中了解更多要求：如何成为数据科学家。
数据科学求职者的第一步，是撰写一份足以打动招聘经理/招聘人员、让您获得面试机会的高效简历。对于已在该领域拥有丰富工作经验的专业人士来说，这并不难；而对入门级数据科学家而言，这可能颇具挑战，并引发诸多疑问：如何弥补缺乏工作经验的短板？如果以往的工作经历和/或教育背景与数据科学不完全相关，是否值得书写？教育与经历哪个模块应当优先？需要包含哪些项目、数量多少？是否应罗列软技能？是否要给简历加上颜色？总之，如何才能从人群中脱颖而出，更接近成为数据科学家的目标？
本文将探讨一些至关重要的技巧，帮助您打造一份有说服力、专业且易读的数据科学家简历，吸引任何招聘经理或招聘人员的目光。
如何高效组织简历的布局与格式
首先要考虑的是如何排版，让招聘人员与招聘经理更易于阅读。您的简历应当信息易于消化、便于快速扫描，同时又包含足够细节来展示您的亮点。以下是一些建议：
将简历控制在一页内
如果您原计划在简历中放入大量信息，这条建议可能让人“心痛”。这甚至看起来反直觉：难道不是应尽可能详尽地呈现所有经历、教育、成就与技能，以打动潜在雇主吗？如果因此超过一页又如何？不论如何，强烈建议始终将简历控制在一页。
能够用精炼的方式呈现您的经历与成就，本身就是展示沟通能力的好方法。
选择简历模板
您可以从零开始根据个人喜好设计简历，但使用在线简历生成器并从多种现成模板中选择，能节省时间。或者，您也可以从 Google 文档或 MS Word 的模板库中挑选合适的免费简历模板。此类模板通常清晰、美观、格式良好、易读、易用，并通过精心设计帮助您在一页内容纳大量信息而不显拥挤。
以下是一些可能有用的简历生成器：
包括以上在内的许多简历生成器，既提供功能足够的免费模板，也有更高级的付费版本。为数据科学家简历选模板时，优先选择黑白基础上搭配 1–2 种颜色的简洁款，而非花哨多彩的设计。后者更适合艺术或设计等需要创意风格的领域；在我们的场景中，应尽量避免不必要的装饰。
考虑使用双栏布局
选择双栏（以及可能用于补充信息的窄侧栏）的模板，可以更高效地利用页面的纵向空间。这样有助于放入更多信息并更好地在空间上组织各个模块。
使用高效的格式设置
无论您是从零开始制作简历，还是在现成模板上调整，以下建议都很有用：
保持格式一致
这涉及多种风格要素。例如，如果您在不同模块中都使用项目符号，应保持统一的样式（如空心方块）。缩进、字体风格、日期格式等同理。幸运的是，如果您使用在线简历生成器，上述元素与格式通常都已为您预设。
数据科学家简历内容的关键建议
在打造能引起共鸣的简历时，取舍内容并不容易。不过，有了以下要点，您可以迅速上手。
创建一份“母版简历”
在开始投递数据科学岗位之前，建议先创建一份“母版简历”。这是一份篇幅较长、细节非常充分的简历（可达 2–3 页甚至更多），包含您的全部工作经历、学习经历、项目、技术与软技能，以及其他成就。
如果您是转行进入数据科学，考虑把过往岗位的经历收录在母版简历中；可转移技能往往比您想象得更多。不出意外，母版简历的每个模块/子模块都会有很多项目符号。完成后，您可以据此快速派生出针对不同数据科学岗位的版本：在副本上删除冗余的细节、模块与项目符号，并为每次投递定制。
针对每份职位描述定制简历
这是求职流程中的关键一步。要提高脱颖而出的概率，必须为每个职位定制简历。招聘经理通常每天会收到大量申请，往往只有几秒钟时间对每份简历进行快速扫读，从而决定是否值得进一步阅读。因此，务必让您的简历一眼吸引人。
最佳做法是仔细阅读职位描述，梳理公司对候选人的“心愿单”和要求。基于这些信息，在简历中纳入并突出相应技能。务必在可行处使用职位描述中的相关关键词；这将有助于您的简历通过公司可能使用的候选人追踪系统（ATS），进入人工审核环节。
除了细读 JD，了解公司的背景也总是一个好主意。浏览公司官网、使命、价值观、社交媒体、产品与服务，以更好理解他们希望候选人具备的素质。让您的简历展现“您非常契合这家公司，并有潜力助力其业务增长”。每家公司寻找的不是“想要任何一份工作”的人，而是“想要这份工作”的人。
简洁但信息充分
当您明确该写什么后，需将信息打磨得简洁、精准、相关且呈现得当。不要包含对该岗位没有增益、且 JD 未提及或暗示的内容。保持简历简明、有的放矢且信息量足。项目符号要简短，不要跨越多行。
采用逆序时间排列
逆序时间是教育和工作经历模块最常见、也最受青睐的格式。最新经历置顶，其次是更早的经历。这样有助于招聘人员快速了解您的专业成长与最新成就。
使用朴实但高效的语言
用简单清晰的语言写作，也是展现沟通能力的一种方式。为此请注意：
检查错误与拼写
看似无伤大雅的小错误与拼写失误，会给招聘者留下不佳印象并导致淘汰。使用专业在线服务（如 Grammarly 或类似工具）检查语法与拼写，并请他人帮忙校对。
将简历直接发给真实的人
在到达招聘者手中之前，简历通常会先经过称为候选人追踪系统（ATS）的机器学习程序，决定是否值得转交给人工审核。为绕过该环节，尽量将简历直接发送给招聘经理，或该岗位所属部门的技术负责人。
如何设计数据科学家简历的整体结构
包含技能与项目模块
推荐从上到下的典型模块如下：
这些标题的顺序较为灵活，应体现各模块的重要性；靠前的模块也应占用更多空间。若采用双栏设计（推荐），请记住招聘者通常从左上到右下浏览简历。因此，请将最相关的信息放在页面左上角。
优化模块顺序
各模块，尤其是“工作经历、项目、技能、教育”的最佳顺序取决于两点：
尽可能加入附加模块
对于数据科学家简历，可考虑以下附加模块：
若某模块至少有两条可写内容，可单独成节。例如，若您完成了三门数据科学课程并在两场数据相关会议上做过报告，就可新增“认证”与“会议”。否则，若某些类别只有一条（如一场会议、一篇发表、一次黑客松），建议合并为“Extras（其他）”。
避免冗长的小标题
为小标题命名时，尽量简练：
如何填写联系方式
联系方式最合适的位置是简历顶部，尽管有些在线模板会把它放在底部（若如此，请手动拖到顶部）。该模块最关键的要求是信息准确无误。
联系方式应包含：
关于“联系方式”模块的更多建议：
如何撰写吸睛的简历摘要或求职目标
在联系方式之后，放置“摘要（Summary）”或“求职目标（Objective）”模块。这两者并不相同，二选一即可。简历摘要是对您的职业经历、成就与资质的简短描述（2–3 句，不用项目符号）。求职目标则是围绕未来职业目标与您能为雇主带来的潜在价值的简短陈述（同样 2–3 句，不用项目符号）。
如果您正从其他领域转向数据科学，这一模块尤为重要，能简要说明您为何是该岗位的理想人选。若您已具备一定数据相关经验，选择“摘要”；若您是应届毕业生、几乎没有经验，则选择“求职目标”，以展示您对数据科学的热情与为公司创造价值的意愿。
优秀的摘要或求职目标应当：
根据您的实际情况，选取适用要点，围绕具体岗位撰写简短清晰的开篇（摘要或求职目标）。最终文本应讲好“您为何契合该公司的故事”，并吸引雇主注意。
如何展示您的工作
在工作经历模块中包含关键信息
这一模块通常最受招聘者关注，因此应成为数据科学家简历的重点。按逆序时间列出您的工作（若经验很丰富，可仅列近期）。若缺乏正式经历，考虑纳入数据科学实习。每份工作请提供：
尽量避免简历中出现较大的时间空白（超过 6 个月），尤其是近几年。即使过往工作与数据科学无关，也最好简要列出，但无需展开细节。若您的全部过往经历都在其他领域，尽量提炼可迁移到数据科学的技能，以及您为业务带过的价值。若您是尚无任何工作/实习经历的应届生，可跳过此模块。
回到“理想”情境：您拥有一定数据科学/数据分析经验。对于相关岗位，请用项目符号简洁描述您的数据驱动型成就，以及您为业务带来的价值。第一条应当最有冲击力，以促使招聘者继续阅读。避免许多人常犯的错误：只罗列职责与技术细节，而非突出面向业务的最佳成就。
使用有力词汇
在岗位描述中，应尽可能具体而简洁。每条项目符号的理想结构是：
动作动词 – 任务 – 结果
动作动词是有意义、针对性强且有利于 ATS 检索的动词（公司 ATS 更可能搜索到）。一些常见示例：
Accelerate, Activate, Aggregate, Analyze, Assess, Augment, Automate, Build, Calculate, Calibrate, Coach, Code, Collect, Compile, Compute, Conceptualize, Conduct, Consolidate, Construct, Coordinate, Create, Debug, Decrease, Deploy, Derive, Design, Determine, Develop, Enable, Engineer, Enhance, Establish, Estimate, Evaluate, Execute, Extract, Fix, Forecast, Formulate, Identify, Implement, Improve, Incorporate, Increase, Initiate, Integrate, Interpolate, Launch, Lead, Lift, Liquidate, Manage, Mechanize, Mentor, Model, Operate, Optimize, Organize, Perform, Predict, Prepare, Propose, Recommend, Reduce, Refine, Regulate, Rehabilitate, Research, Solve, Streamline, Summarize, Supervise, Synthesize, Systemize, Troubleshoot, Update, Upgrade
与 do、collaborate、make、work 等通用动词相比，此类动词不仅更利于 ATS，也能更准确地表达您的职业产出。但请不要将动作动词与夸饰词混淆（例如，用 help 代替 facilitate）。
除了选对动词，不要忘记加入职位公告与公司官网中的关键词。记住，每份简历都应针对具体岗位与公司定制，以提升成功率。
使用数字
列出您的数据驱动型成就。尽量用硬指标与具体度量来呈现正向业务影响，而非含糊的最高级或泛泛的形容词（highest、strong、considerable、significant 等）。在向潜在雇主展示您理解“大局观”并能将技术转化为实际业务价值时，数字更有说服力。
注意，我们这里谈的不是模型性能指标，而是您构建的模型给公司带来的实际、可衡量价值。例如，与其写“创建了准确率 99% 的机器学习模型，使客户参与率提升 21%”，不如省略准确率，直接写：
创建机器学习模型，使客户参与率提升 21%。
您提到的数字可以是百分比、金额、管理或辅导的人数、小时数或其他时间维度。粗略估算是可以接受的。
展示协作能力
数据科学不止是数字与建模，还关乎将洞见传达给团队与利益相关者，帮助公司做出数据驱动的战略决策。
与其写“具备优秀团队合作与沟通能力”，不如通过描述您在多学科、（可能）跨国环境中与同事、其他部门（包括非技术部门）及数据消费者协作的经历来体现。重点说明您在项目中承担的角色与可量化贡献。
如何更好展示您的项目
根据经验与专长选择项目
对于经常缺乏正式工作经验的初级/入门级数据科学家而言，此模块至关重要。“工作经历”与“项目”的平衡很明确：工作经验越多，“项目”所占空间越小；若已是资深数据专业人士，甚至可以不写项目模块。
无论您是在大学、硕士项目还是训练营学习数据科学，很可能已经有一到多个数据科学/数据分析项目。可以包含课程作业、训练营的引导式与综合项目、自由职业作品、对 GitHub 开源项目的贡献，以及您自主完成的个人项目。若暂时没有可写项目，考虑做一个模拟项目。毕竟，作为数据科学家，应对数据与可挖掘洞见保持好奇。
如果您拥有大量数据科学项目，需要做取舍，优先选择最相关、且您最自豪的项目。展示 3–4 个优秀项目，胜过十来个平庸之作。对于入门级数据科学家，拥有多个围绕不同概念、使用多样工具与技术的课堂/训练营项目是合理且常见的。当您准备聚焦某一业务垂直时，开始专注于该领域，积累行业知识，并构建相关项目。
为每个项目包含关键信息
选定要写入简历的相关项目后，按逆序时间（或按相关性由高到低）排序，并考虑为每个项目包含以下信息：
清晰简洁的项目目标 随后用项目符号列出：
对数据来源、技术、编程语言、库、工具与所用技能的简短而具体的描述（避免过度使用行话）
当然，许多“工作经历”的建议在此同样适用：聚焦有意义的成就，使用动作动词与 JD/公司官网中的关键词，避免夸饰与空泛词汇，并使用数字与具体指标。
如何有策略地突出您的数据科学技能
按胜任力列出技能
无论资历高低，数据科学家简历都应包含“技能”模块。为特定岗位创建技能清单的最佳路径包括四步：
不要标注技能熟练度
尽管一些模板允许按熟悉程度为每项技能打分，但建议跳过。此类评估极其主观，且受达克效应影响：您的“熟练”，在他人眼中可能只是“基础”，反之亦然。为避免低估或高估自己，不要给技能打分，若模板有此选项，请手动移除。
不要单列软技能
通常招聘者会关注候选人的软技能，如团队协作、沟通与领导力。那么是否应在“技能”模块直接列出？多数情况下不必。更好的方式是在“工作经历”与“项目”模块中，用事实结合技术能力产出有价值的结果，来展现软技能。
自认团队协作出色？写出您在协作项目中的贡献。善于领导？描述您带队或指导/辅导初级同事的经历。最终，凸显沟通能力的最佳方式，是用简洁有力的方式呈现您的经历与成就。
如何呈现教育背景
通常，如果您有任何数据相关的工作经历、实习或项目，应将“教育背景”放在这些模块之后（也在“技能”之后）。确实，您在数据科学领域资历越高，“教育背景”越应精简。不过，若应聘高度学术性的岗位，或您是无经验的应届毕业生，那么该模块顺位应当更靠前，放在“求职目标”之后。对于教育背景（若有多项学位则分别列出），请包含：
以下项目仅在您需要更详细地展开教育背景时使用，即缺乏相关工作/项目经验，或应聘学术岗位：
不要在“教育背景”中写训练营、技能路径或所修读的各类数据科学课程。这些将放在“认证”模块。
其他模块
看看还有哪些模块能为您的数据科学家简历加分，展示您对数据科学的热情与投入。若某个标题下至少有两条内容，可单独成节；否则请合并为“Extras（其他）”。
认证
如果您在求职入门级岗位，这里可以写相关课程与训练营。除数据科学/数据分析认证外，也可包含编程、线性代数、概率或统计等学科课程。若您拥有官方数据科学认证（微软、IBM、SAS、谷歌），请在此注明，并考虑在简历抬头、职位头衔旁标注（如 Data Scientist, IBM Certified）。
出版物
该模块不仅对学术界重要，对商业场景同样有价值。它能证明您在本职之外对数据的好奇心、您独立或团队协作（若为多人合著）的能力，以及向大众清晰解释复杂数据概念的能力。每篇文章请写明标题、发表的期刊或杂志、线上链接或个人博客（如适用），并附简短摘要（或涵盖主题/关键词）。
会议
只列出您做过报告的数据相关会议。包含会议名称、地点、日期、作品标题及合作者姓名（如有）。
黑客松
数据科学黑客松是展示团队协作与技术、创意、创新思维以及产出实用成果的绝佳方式。简要说明项目范围、产品及其应用、您的个人贡献与成就。
奖项
在此写下您在数据相关领域的各类奖项与获胜经历，如黑客松、Kaggle 竞赛、学术成果与发表等。为每个奖项附上简短说明。或可考虑将其归入相应的其他模块。
竞赛
简要描述您参加的数据科学竞赛及取得的结果。例如来自 Kaggle、DrivenData、DataHack 等平台的竞赛。
志愿服务
如果您在数据科学社区有志愿/主持经验，或在 Stack Overflow 上有良好的解题记录，请在此说明并列出成就。依旧尽量用数字支撑（如解决的技术问题数、被采纳回答数、评分、声望、徽章、阅读时长等）。
语言
在数据科学家简历中通常不太需要此模块。即便英语不是母语，您的水平往往会从简历及附加资源（GitHub、LinkedIn 等）中体现。仅当您应聘海外岗位、第二语言是加分项且您确实能熟练使用时再添加。此处可标注大致熟练度（如母语、流利、高级、准高级、中级）。
不要包含兴趣/爱好
尽管一些模板会提供兴趣/爱好模块，但在数据科学家简历中建议跳过。虽然这类信息可能有趣，能展现您的好奇心与广泛兴趣，但在当前阶段并非招聘者关注重点。
旅行、参加线下活动、社交游戏、数据科学之外的志愿活动、其他语言能力（除非该岗位明确要求）以及驾照等信息同理。将版面留给更相关的内容更好。关于兴趣爱好以及其他有趣信息，您将在面试中有机会提及。
数据科学家简历示例
下面通过不同资历阶段的几份模拟简历，细化演示如何将上述要点落地。为增加趣味与效率，我们将追踪同一位（虚构）候选人的职业进阶。
初级数据科学家简历示例
下例对应候选人仅有数据科学家实习经历的阶段。该简历以及后续示例，均基于 Google 文档的免费模板并略作修改。
数据科学家简历示例
假设候选人在一家名为 Silver Dollar（虚构）的公司担任数据科学家两年，如今再次寻找新挑战。不再是“初级”的他/她，相应地更新了简历：
资深数据科学家简历示例
在上一版之后，这位数据科学家又两次更换工作并实现显著成长。再次求职时，他/她为一个颇具吸引力的职位更新了简历。现在的样子如下：
重点变化如下：
结语
我们已经探讨了多种方法、技巧、实用示例与模板，帮助您的数据科学家简历脱颖而出。
某种程度上，您的简历就像电影预告片。预告片需要第一时间抓住观众注意力，促使其观看正片；同样，您的简历应当激发招聘者认真阅读，并邀请您参加面试。
当然，写好简历只是求职流程的第一步，并不自动保证面试成功。然而，若无法先通过 ATS 与招聘者的关口，就难以更进一步。因此，务必要投入充足时间与精力，为每个应聘岗位量身打造一份高效、有说服力的数据科学家简历。
要让简历更出众，请确保具备必要的技能与经验，并通过 DataCamp 的数据科学家认证来加以证明。立即开始吧！