この職種で評価される実績
メーカー・製造業業界のアナリストでは、担当業務を並べるだけでなく、業界課題に対してどの実績を出したかを明確にする必要があります。 以下の観点で数値化すると、採用担当者が再現性を判断しやすくなります。
ビジネス指標分析
メーカー・製造業業界のアナリストでは、ビジネス指標分析を「担当範囲・判断・成果」の順に書くと評価されます。
改善率で補強分析基盤構築
メーカー・製造業業界のアナリストでは、分析基盤構築を「担当範囲・判断・成果」の順に書くと評価されます。
担当規模で補強ダッシュボード作成
メーカー・製造業業界のアナリストでは、ダッシュボード作成を「担当範囲・判断・成果」の順に書くと評価されます。
達成率で補強意思決定サポート
メーカー・製造業業界のアナリストでは、意思決定サポートを「担当範囲・判断・成果」の順に書くと評価されます。
短縮期間で補強STAR形式での書き方例
実績は「状況・課題・行動・結果」の順に分解すると、アナリストとしての判断力と成果が伝わります。抽象的な表現を、数字と役割が見える表現へ置き換えます。
Before
ビジネス指標分析を担当し、チームに貢献しました。データ分析を使って業務改善を行いました。
After
生産管理に関する課題に対し、ビジネス指標分析を主導。データ分析・SQLを活用して 3か月で主要KPIを18%改善し、関係部門5名との運用定着まで推進しました。
Situation
メーカー・製造業特有の背景
Task
分析基盤構築の課題
Action
データ分析を使った行動
Result
数値で示せる成果
よくあるNG例
担当業務だけで終わっている
ビジネス指標分析を「何人・どの範囲・どんな成果」まで分解して記載します。
業界文脈が薄い
生産管理・品質管理など、メーカー・製造業業界で評価される言葉に接続します。
スキル名だけを羅列している
データ分析・SQL・Pythonは、活用場面と成果をセットで書きます。
業界×職種別頻出キーワード
ATSや採用担当者の検索で拾われやすいよう、実績の文脈に自然に入れます。単語だけを詰め込むより、 成果文の中に含める方が読みやすくなります。
生産管理品質管理サプライチェーンカイゼンデータ分析SQLPythonTableau統計A/Bテスト
補足ガイド
## メーカー・製造業 アナリストの転職市場と職務経歴書のキモ
製造業のデジタル化加速に伴い、生産データ・品質データ・サプライチェーンデータを分析して経営意思決定を支えるアナリスト需要は急増しています。IoTセンサーデータ・MESログ・ERPデータを統合して分析できる人材は、2024年以降のメーカー市場で最も不足しているポジションの一つです。
採用担当者がメーカーアナリストの職務経歴書で最も評価するのは「製造業の業務プロセス理解」と「データ分析の技術力」の両立です。SQLやPythonが使えるだけでなく、不良率・稼働率・原価差異・在庫回転率といった製造業固有のKPIを正しく定義・計測・改善提案まで一気通貫で担えることを示す必要があります。
---
## 書き方のポイント5選
**1. 分析対象データの規模と種類を明記する**
「生産データを分析した」ではなく「月間500万行の加工工程センサーデータ（温度・振動・電流値）をBigQueryで集計し、設備異常の予兆パターンを特定」のように、データ規模・種類・ツールを具体的に記述する。
**2. 分析の業務インパクトを数値化する**
分析結果が実際の現場改善にどう繋がったかを「不良率を0.8%→0.3%に削減」「突発設備停止を月12回→3回に低減」など定量的に記述する。分析して終わりでなく、改善アクションとの連動を示すことが重要。
**3. 使用ツール・技術スタックを明示する**
SQL・Python（pandas/scikit-learn）・Tableau・Power BI・Excel VBAなどの使用ツールを明記する。製造業特有のツール（SAP・MESシステム名・統計的工程管理ソフト）も記載することで、即戦力性が伝わる。
**4. 統計的手法の活用を示す**
回帰分析・時系列分析・クラスタリング・管理図（X-bar-R管理図）・SPC（統計的工程管理）などの手法活用経験を記述する。データサイエンスの知識と製造品質管理の知識が融合していることをアピールする。
**5. ダッシュボード・レポート設計の実績を記載する**
経営層向けKPIダッシュボード・製造現場向けリアルタイムモニタリング画面など、自分が設計・構築した可視化ツールの実績と利用者数・活用状況を記述する。
---
## STAR形式 例文：品質不良の根本原因分析と予防システム構築
**プロジェクト：電子部品製造ラインの品質不良予知分析システム構築**
**Situation（状況）**
年産1,200万個規模の電子部品（コンデンサ）製造ラインにおいて、月次の不良率が1.2%前後で推移し、顧客クレームが四半期に平均8件発生していた。品質検査データはExcelで管理されており、不良の傾向分析は検査員の経験則に依存。データドリブンな品質改善が経営課題として挙げられていた。
**Task（課題）**
データアナリストとして、センサーデータと検査データを統合した品質予知分析システムを構築し、6ヶ月以内に不良率30%削減を達成することを担当した。
**Action（行動）**
① 製造4工程×20台の設備から取得される温度・電流・回転数データ（時系列）をPythonで前処理・特徴量エンジニアリング。② 過去2年分の品質検査記録と設備データを突合し、不良発生の前兆パターンをランダムフォレストで特定（特徴量重要度上位5因子を抽出）。③ 品質予知アラートシステムをTableauダッシュボードとして実装し、製造現場のタブレットからリアルタイム確認できる環境を整備。④ 品質管理部門向けに分析手法と活用方法のトレーニングを実施し、自立運用体制を構築した。
**Result（結果）**
システム稼働後3ヶ月で不良率を1.2%→0.7%に低減（削減率42%、目標30%を大幅超過）。顧客クレームは四半期8件→2件に減少。予知アラートの適中率は78%（初期モデル）から91%（改善後）に向上。年間廃棄コスト削減と顧客信頼回復による売上機会損失防止で、事業インパクト試算約2.3億円を実現した。
---
## NGパターン3選
**NG1：分析ツールの羅列だけで実務経験を示さない**
「Python・SQL・Tableau使用可能」という記述は必要条件に過ぎない。「Pythonを使って何を分析し、どんな洞察を得て、どんな改善に繋げたか」という文脈で技術スキルを示す。
**NG2：分析結果と現場改善を切り離して書く**
「データ分析レポートを作成・提出」で止まっている職歴記述は、分析が実際に使われたかどうか不明で評価しにくい。分析がどの意思決定に使われ、どんな現場変化を生んだかまでセットで記述する。
**NG3：製造業特有のKPIを理解していない記述**
「売上向上に貢献した」のような汎用的な成果記述は、製造業アナリストとして評価されにくい。OEE（総合設備効率）・FPY（一発合格率）・MTBF（平均故障間隔）などの製造業固有KPIを使った実績記述が専門性を証明する。
---
## メーカーアナリストの差別化ポイント
製造業アナリストの市場価値を最大化するのは「生産技術の知識×データサイエンスの技術力」の掛け合わせです。現場の工程を理解しながらデータ分析ができる人材は、純粋なデータサイエンティストよりも製造業では実務活用度が高いと評価されます。また、Python・SQL・BI ツールに加えてSAP・Oracle M書類 などのERPシステムのデータ構造を理解していると、即戦力度が一気に高まります。さらに機械学習・予知保全モデルの実装経験があれば、データエンジニア寄りの競合候補と差別化できます。
---
## FAQ
**Q1. 統計の資格（統計検定・データサイエンティスト資格等）はアナリスト転職に有効ですか？**
A. 有効ですが、それ以上に実務での分析成果を示すことが重要です。統計検定1・2級・G検定・データサイエンティスト検定は「統計知識の客観的証明」として補強材料になります。一方、資格がなくても具体的な分析プロジェクトの成果が記述できれば十分に評価されます。
**Q2. 製造業出身でないデータアナリストが製造業に転職する際の注意点は何ですか？**
A. 製造業固有のKPI（OEE・不良率・サイクルタイム・在庫回転率等）への理解を示すことが最優先です。「前職のEC業界でのコンバージョン率分析の経験を、製造業の工程歩留まり分析に応用できると考えている」というような業界横断的な思考を示すと好評価につながります。
**Q3. 分析結果の経営への影響が数値化できない場合、どのように記述すればよいですか？**
A. 直接的な金額換算が難しい場合でも「分析結果を受けた経営判断（設備投資中止・製品廃番等）への貢献」という形で記述できます。また「分析レポートを月次で取締役に直接提出・説明した」など、経営層への関与実績を示すことで分析のインパクトを間接的にアピールできます。
---
## メーカー・製造×アナリストの採用市場データ（2026年）
メーカーのアナリスト求人はサプライチェーン最適化・原価分析で需要増。SCM・原価管理経験者の書類通過率は高め。コスト削減額・在庫削減率を定量化した職務経歴書が有効です。選考期間は4〜6週間。
---
## STAR形式 追加例文：メーカー・製造での実績
### 例文2（応用）：部門横断プロジェクトのリード
**Situation（状況）**
メーカー・製造の市場環境変化により、既存の業務プロセスに課題が生じ、複数部門にまたがる改善プロジェクトが発足した。プロジェクトの複雑性と関係者の多さから、推進体制の確立が急務となっていた。
**Task（課題）**
アナリストとして、部門横断チーム（8名）のリードを担当。6ヶ月以内に定量的な改善成果を出すことがミッションとして設定された。
**Action（行動）**
① 現状分析（As-Is分析）で課題の根本原因を特定し、改善優先度を可視化。② 週次進捗レビューと隔週のステアリングコミッティで意思決定速度を向上。③ パイロット部門での先行実施と効果測定により、全社展開のリスクを低減。④ KPIダッシュボードで成果を可視化し、関係者のエンゲージメントを維持した。
**Result（結果）**
主要KPIを目標値の115%達成。プロセス効率化によりチームの業務時間を週あたり平均12時間削減し、より付加価値の高い業務にリソースを再配分することができた。
---
### 例文3（上級）：事業成長に貢献する戦略的イニシアチブ
**Situation（状況）**
事業の成長フェーズ移行に伴い、従来の手法では対応が困難な規模の課題が発生。メーカー・製造特有の市場環境と規制要件を踏まえた新たなアプローチが求められた。
**Task（課題）**
アナリストとして戦略立案を担い、経営層への提案から実行推進まで一貫して担当した。予算規模○億円、関係者20名超の大型案件を管理する責任を持った。
**Action（行動）**
① 市場分析・競合調査・社内リソース棚卸しを並行して実施し、2週間でファクトベースの戦略オプションを3案作成。② 外部専門家（弁護士・会計士・業界コンサルタント）と連携し、リスク評価を強化。③ 段階的な実行計画（フェーズ1-3）を設計し、各フェーズでのGoNoGoゲートを設定。④ 社内ステークホルダーとの合意形成会議を5回実施し、反対意見を取り込んで計画を改善した。
**Result（結果）**
提案が役員会で承認され、フェーズ1完了時点で当初目標の130%を達成。メーカー・製造内での事例として業界誌に取り上げられ、採用・ブランディング面での副次効果も生まれた。
---
## 実績を数値化する3つの観点
数値化は職務経歴書の説得力を決定的に左右します。メーカー・製造のアナリストとして経験した実績を数値化する際は、以下の3観点で整理してください。
**観点1：インプット数値（規模感）**
自分が関わったシステム・プロジェクト・組織の規模を示します。
- Before: 「大規模プロジェクトを担当」
- After: 「年間予算3億円・関係者50名のプロジェクトを担当」
**観点2：アウトプット数値（行動量・改善量）**
自分の行動が生み出した変化を示します。
- Before: 「業務改善に取り組んだ」
- After: 「業務フローを再設計し、処理時間を従来比40%削減（週8時間→4.8時間）」
**観点3：ビジネスインパクト（金額・率）**
最終的にビジネスにどう貢献したかを示します。
- Before: 「売上向上に貢献した」
- After: 「施策の結果、対象プロダクトの月次売上が+1,800万円、年間ARRで+2.2億円増加」
数値が社外秘の場合は「前年比XX%向上」「業界平均比XX倍」など相対値や匿名化した形で記載できます。
---
## 提出前セルフチェックリスト10項目
職務経歴書提出前に以下10項目を必ずセルフチェックしてください。
- [ ] **1. 数値化の確認**：各実績に少なくとも1つの定量データが含まれている
- [ ] **2. 担当範囲の明確化**：「チームで実施」ではなく「自分が担当した部分」が明記されている
- [ ] **3. 直近重視**：直近2〜3年の実績が全体の60%以上を占めている
- [ ] **4. 専門用語の適切使用**：メーカー・製造で通用する業界固有の用語を正しく使っている
- [ ] **5. スキルと実績の紐付け**：スキルリストが実績の根拠として機能している
- [ ] **6. 誤字・表記統一**：社名・製品名・固有名詞のスペルが正確で表記が統一されている
- [ ] **7. チーム規模の記載**：各プロジェクトのチーム規模と自分の役割が明示されている
- [ ] **8. 読み手への配慮**：採用担当者（業界外の人事）が読んでも理解できる記述になっている
- [ ] **9. PDFの体裁確認**：PDF化した際にレイアウト崩れ・フォント崩れがない
- [ ] **10. NG用語の排除**：「キャリア実績」「転職活動」「転職希望者」「ES」等の用語が一切含まれていない
---
## メーカー・製造×アナリストの専門用語ガイド
**積極的に使うべき用語**: メーカー・製造固有の指標・フレームワーク（KPI・プロセス名など）を正確に使用する。業界内で通用する略語（一般用語として定着しているもの）を適切に使用する。実績には必ず数値（金額・率・件数・期間）を伴わせる。
**避けるべき用語・表現**: 「頑張った」「貢献した」「活躍した」（すべて具体的な行動と成果に置き換える）。「大変」「困難」「苦労した」（課題とアクションと結果で語る）。「〜に携わりました」（担当範囲と役割を明確に記載する）。
---
## 採用トレンド2026
2026年のメーカー採用では**GX（グリーントランスフォーメーション）対応実績**が重要な評価軸です。カーボンニュートラルへの移行に伴う製品・プロセス改革の経験、再生可能エネルギー導入プロジェクトへの関与が差別化要素になっています。
製造業のデジタル化加速に伴い、生産データ・品質データ・サプライチェーンデータを分析して経営意思決定を支えるアナリスト需要は急増しています。IoTセンサーデータ・MESログ・ERPデータを統合して分析できる人材は、2024年以降のメーカー市場で最も不足しているポジションの一つです。
採用担当者がメーカーアナリストの職務経歴書で最も評価するのは「製造業の業務プロセス理解」と「データ分析の技術力」の両立です。SQLやPythonが使えるだけでなく、不良率・稼働率・原価差異・在庫回転率といった製造業固有のKPIを正しく定義・計測・改善提案まで一気通貫で担えることを示す必要があります。
---
## 書き方のポイント5選
**1. 分析対象データの規模と種類を明記する**
「生産データを分析した」ではなく「月間500万行の加工工程センサーデータ（温度・振動・電流値）をBigQueryで集計し、設備異常の予兆パターンを特定」のように、データ規模・種類・ツールを具体的に記述する。
**2. 分析の業務インパクトを数値化する**
分析結果が実際の現場改善にどう繋がったかを「不良率を0.8%→0.3%に削減」「突発設備停止を月12回→3回に低減」など定量的に記述する。分析して終わりでなく、改善アクションとの連動を示すことが重要。
**3. 使用ツール・技術スタックを明示する**
SQL・Python（pandas/scikit-learn）・Tableau・Power BI・Excel VBAなどの使用ツールを明記する。製造業特有のツール（SAP・MESシステム名・統計的工程管理ソフト）も記載することで、即戦力性が伝わる。
**4. 統計的手法の活用を示す**
回帰分析・時系列分析・クラスタリング・管理図（X-bar-R管理図）・SPC（統計的工程管理）などの手法活用経験を記述する。データサイエンスの知識と製造品質管理の知識が融合していることをアピールする。
**5. ダッシュボード・レポート設計の実績を記載する**
経営層向けKPIダッシュボード・製造現場向けリアルタイムモニタリング画面など、自分が設計・構築した可視化ツールの実績と利用者数・活用状況を記述する。
---
## STAR形式 例文：品質不良の根本原因分析と予防システム構築
**プロジェクト：電子部品製造ラインの品質不良予知分析システム構築**
**Situation（状況）**
年産1,200万個規模の電子部品（コンデンサ）製造ラインにおいて、月次の不良率が1.2%前後で推移し、顧客クレームが四半期に平均8件発生していた。品質検査データはExcelで管理されており、不良の傾向分析は検査員の経験則に依存。データドリブンな品質改善が経営課題として挙げられていた。
**Task（課題）**
データアナリストとして、センサーデータと検査データを統合した品質予知分析システムを構築し、6ヶ月以内に不良率30%削減を達成することを担当した。
**Action（行動）**
① 製造4工程×20台の設備から取得される温度・電流・回転数データ（時系列）をPythonで前処理・特徴量エンジニアリング。② 過去2年分の品質検査記録と設備データを突合し、不良発生の前兆パターンをランダムフォレストで特定（特徴量重要度上位5因子を抽出）。③ 品質予知アラートシステムをTableauダッシュボードとして実装し、製造現場のタブレットからリアルタイム確認できる環境を整備。④ 品質管理部門向けに分析手法と活用方法のトレーニングを実施し、自立運用体制を構築した。
**Result（結果）**
システム稼働後3ヶ月で不良率を1.2%→0.7%に低減（削減率42%、目標30%を大幅超過）。顧客クレームは四半期8件→2件に減少。予知アラートの適中率は78%（初期モデル）から91%（改善後）に向上。年間廃棄コスト削減と顧客信頼回復による売上機会損失防止で、事業インパクト試算約2.3億円を実現した。
---
## NGパターン3選
**NG1：分析ツールの羅列だけで実務経験を示さない**
「Python・SQL・Tableau使用可能」という記述は必要条件に過ぎない。「Pythonを使って何を分析し、どんな洞察を得て、どんな改善に繋げたか」という文脈で技術スキルを示す。
**NG2：分析結果と現場改善を切り離して書く**
「データ分析レポートを作成・提出」で止まっている職歴記述は、分析が実際に使われたかどうか不明で評価しにくい。分析がどの意思決定に使われ、どんな現場変化を生んだかまでセットで記述する。
**NG3：製造業特有のKPIを理解していない記述**
「売上向上に貢献した」のような汎用的な成果記述は、製造業アナリストとして評価されにくい。OEE（総合設備効率）・FPY（一発合格率）・MTBF（平均故障間隔）などの製造業固有KPIを使った実績記述が専門性を証明する。
---
## メーカーアナリストの差別化ポイント
製造業アナリストの市場価値を最大化するのは「生産技術の知識×データサイエンスの技術力」の掛け合わせです。現場の工程を理解しながらデータ分析ができる人材は、純粋なデータサイエンティストよりも製造業では実務活用度が高いと評価されます。また、Python・SQL・BI ツールに加えてSAP・Oracle M書類 などのERPシステムのデータ構造を理解していると、即戦力度が一気に高まります。さらに機械学習・予知保全モデルの実装経験があれば、データエンジニア寄りの競合候補と差別化できます。
---
## FAQ
**Q1. 統計の資格（統計検定・データサイエンティスト資格等）はアナリスト転職に有効ですか？**
A. 有効ですが、それ以上に実務での分析成果を示すことが重要です。統計検定1・2級・G検定・データサイエンティスト検定は「統計知識の客観的証明」として補強材料になります。一方、資格がなくても具体的な分析プロジェクトの成果が記述できれば十分に評価されます。
**Q2. 製造業出身でないデータアナリストが製造業に転職する際の注意点は何ですか？**
A. 製造業固有のKPI（OEE・不良率・サイクルタイム・在庫回転率等）への理解を示すことが最優先です。「前職のEC業界でのコンバージョン率分析の経験を、製造業の工程歩留まり分析に応用できると考えている」というような業界横断的な思考を示すと好評価につながります。
**Q3. 分析結果の経営への影響が数値化できない場合、どのように記述すればよいですか？**
A. 直接的な金額換算が難しい場合でも「分析結果を受けた経営判断（設備投資中止・製品廃番等）への貢献」という形で記述できます。また「分析レポートを月次で取締役に直接提出・説明した」など、経営層への関与実績を示すことで分析のインパクトを間接的にアピールできます。
---
## メーカー・製造×アナリストの採用市場データ（2026年）
メーカーのアナリスト求人はサプライチェーン最適化・原価分析で需要増。SCM・原価管理経験者の書類通過率は高め。コスト削減額・在庫削減率を定量化した職務経歴書が有効です。選考期間は4〜6週間。
---
## STAR形式 追加例文：メーカー・製造での実績
### 例文2（応用）：部門横断プロジェクトのリード
**Situation（状況）**
メーカー・製造の市場環境変化により、既存の業務プロセスに課題が生じ、複数部門にまたがる改善プロジェクトが発足した。プロジェクトの複雑性と関係者の多さから、推進体制の確立が急務となっていた。
**Task（課題）**
アナリストとして、部門横断チーム（8名）のリードを担当。6ヶ月以内に定量的な改善成果を出すことがミッションとして設定された。
**Action（行動）**
① 現状分析（As-Is分析）で課題の根本原因を特定し、改善優先度を可視化。② 週次進捗レビューと隔週のステアリングコミッティで意思決定速度を向上。③ パイロット部門での先行実施と効果測定により、全社展開のリスクを低減。④ KPIダッシュボードで成果を可視化し、関係者のエンゲージメントを維持した。
**Result（結果）**
主要KPIを目標値の115%達成。プロセス効率化によりチームの業務時間を週あたり平均12時間削減し、より付加価値の高い業務にリソースを再配分することができた。
---
### 例文3（上級）：事業成長に貢献する戦略的イニシアチブ
**Situation（状況）**
事業の成長フェーズ移行に伴い、従来の手法では対応が困難な規模の課題が発生。メーカー・製造特有の市場環境と規制要件を踏まえた新たなアプローチが求められた。
**Task（課題）**
アナリストとして戦略立案を担い、経営層への提案から実行推進まで一貫して担当した。予算規模○億円、関係者20名超の大型案件を管理する責任を持った。
**Action（行動）**
① 市場分析・競合調査・社内リソース棚卸しを並行して実施し、2週間でファクトベースの戦略オプションを3案作成。② 外部専門家（弁護士・会計士・業界コンサルタント）と連携し、リスク評価を強化。③ 段階的な実行計画（フェーズ1-3）を設計し、各フェーズでのGoNoGoゲートを設定。④ 社内ステークホルダーとの合意形成会議を5回実施し、反対意見を取り込んで計画を改善した。
**Result（結果）**
提案が役員会で承認され、フェーズ1完了時点で当初目標の130%を達成。メーカー・製造内での事例として業界誌に取り上げられ、採用・ブランディング面での副次効果も生まれた。
---
## 実績を数値化する3つの観点
数値化は職務経歴書の説得力を決定的に左右します。メーカー・製造のアナリストとして経験した実績を数値化する際は、以下の3観点で整理してください。
**観点1：インプット数値（規模感）**
自分が関わったシステム・プロジェクト・組織の規模を示します。
- Before: 「大規模プロジェクトを担当」
- After: 「年間予算3億円・関係者50名のプロジェクトを担当」
**観点2：アウトプット数値（行動量・改善量）**
自分の行動が生み出した変化を示します。
- Before: 「業務改善に取り組んだ」
- After: 「業務フローを再設計し、処理時間を従来比40%削減（週8時間→4.8時間）」
**観点3：ビジネスインパクト（金額・率）**
最終的にビジネスにどう貢献したかを示します。
- Before: 「売上向上に貢献した」
- After: 「施策の結果、対象プロダクトの月次売上が+1,800万円、年間ARRで+2.2億円増加」
数値が社外秘の場合は「前年比XX%向上」「業界平均比XX倍」など相対値や匿名化した形で記載できます。
---
## 提出前セルフチェックリスト10項目
職務経歴書提出前に以下10項目を必ずセルフチェックしてください。
- [ ] **1. 数値化の確認**：各実績に少なくとも1つの定量データが含まれている
- [ ] **2. 担当範囲の明確化**：「チームで実施」ではなく「自分が担当した部分」が明記されている
- [ ] **3. 直近重視**：直近2〜3年の実績が全体の60%以上を占めている
- [ ] **4. 専門用語の適切使用**：メーカー・製造で通用する業界固有の用語を正しく使っている
- [ ] **5. スキルと実績の紐付け**：スキルリストが実績の根拠として機能している
- [ ] **6. 誤字・表記統一**：社名・製品名・固有名詞のスペルが正確で表記が統一されている
- [ ] **7. チーム規模の記載**：各プロジェクトのチーム規模と自分の役割が明示されている
- [ ] **8. 読み手への配慮**：採用担当者（業界外の人事）が読んでも理解できる記述になっている
- [ ] **9. PDFの体裁確認**：PDF化した際にレイアウト崩れ・フォント崩れがない
- [ ] **10. NG用語の排除**：「キャリア実績」「転職活動」「転職希望者」「ES」等の用語が一切含まれていない
---
## メーカー・製造×アナリストの専門用語ガイド
**積極的に使うべき用語**: メーカー・製造固有の指標・フレームワーク（KPI・プロセス名など）を正確に使用する。業界内で通用する略語（一般用語として定着しているもの）を適切に使用する。実績には必ず数値（金額・率・件数・期間）を伴わせる。
**避けるべき用語・表現**: 「頑張った」「貢献した」「活躍した」（すべて具体的な行動と成果に置き換える）。「大変」「困難」「苦労した」（課題とアクションと結果で語る）。「〜に携わりました」（担当範囲と役割を明確に記載する）。
---
## 採用トレンド2026
2026年のメーカー採用では**GX（グリーントランスフォーメーション）対応実績**が重要な評価軸です。カーボンニュートラルへの移行に伴う製品・プロセス改革の経験、再生可能エネルギー導入プロジェクトへの関与が差別化要素になっています。