この職種で評価される実績
医療・ヘルスケア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
医療・ヘルスケア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
医療・ヘルスケア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
医療・ヘルスケア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
医療・ヘルスケア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
患者対応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
医療・ヘルスケア特有の背景
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
患者対応・医療機器など、医療・ヘルスケア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。
患者対応医療機器臨床コンプライアンスデータ分析SQLPythonTableau統計A/Bテスト
補足ガイド
## 医療・ヘルスケア アナリストの転職市場と職務経歴書のキモ
医療・ヘルスケア業界のアナリストは、電子カルテデータ・DPCデータ・NDB（National Database）・治験データ・ウェアラブルデータなど、医療固有の大規模データを分析して医療の質向上・経営改善・創薬戦略に貢献する役割を担います。医療AIの実用化・リアルワールドデータ（RWD）活用・デジタルバイオマーカーの研究など、医療データ分析の需要は急拡大しており、医療業界と統計・データサイエンスを橋渡しできる人材は希少で高評価です。
採用担当者が医療アナリストに求めるのは「医療データの特性への理解（欠損・バイアス・個人情報等）」と「医療統計・疫学的手法への精通」です。一般的なデータアナリストのスキルに加えて、因果推論・サバイバル分析・症例対照研究など医療分野特有の統計手法の活用経験が強みになります。
---
## 書き方のポイント5選
**1. 扱った医療データの種類・規模を明記する**
「医療データを分析した」ではなく「DPCデータ（5年分・延べ患者数12万件）を用いて、高齢者の再入院リスク予測モデルを構築。AUC 0.81を達成」のように、データの種類・規模・分析手法・精度指標をセットで記述する。
**2. 医療統計・疫学的手法の活用を具体的に記述する**
カプランマイヤー法・Cox比例ハザードモデル・傾向スコアマッチング・差の差分析（DiD）など医療統計固有の手法を使った実績を記述する。なぜその手法を選んだかという統計的な判断プロセスも記述することで専門性が伝わる。
**3. 個人情報保護・医療情報の取り扱いへの対応経験を記述する**
医療データは最高度の機密性を持つ個人情報。IRB（倫理審査委員会）承認取得プロセス・データ匿名化・セキュアデータ環境での分析経験を記述することで、医療アナリストとしての倫理意識と実務対応力を示せる。
**4. 分析結果を医療意思決定・経営改善に繋げた実績を記述する**
「分析レポートを作成した」ではなく「再入院リスク予測モデルを実装し、ハイリスク患者への退院支援プロトコルを改定。30日再入院率を12.3%→8.7%に低減」のように、分析が実際の医療現場の変化に繋がった実績を示す。
**5. プログラミング・ツールの活用と医療知識の両立を記述する**
R・Python（lifelines・sklearn等）・SAS・STATA・SQL・SPSS・Tableauなどの使用実績と、医療用語・診療プロセス・薬効評価への理解を組み合わせて示すことで、医療アナリストとしての希少性が伝わる。
---
## STAR形式 例文：病院の再入院リスク予測と退院支援改善
**プロジェクト：心不全患者の30日再入院リスク予測モデル構築と退院支援プロセス改善**
**Situation（状況）**
病床数600床の急性期病院において、心不全患者の30日再入院率が14.2%と全国平均（12%）を上回り、DPC収益への悪影響と患者の生活の質低下が課題となっていた。退院支援は担当看護師の経験則に依存しており、リスクの高い患者を早期に特定する仕組みがなかった。
**Task（課題）**
医療データアナリストとして、電子カルテデータを活用した再入院リスク予測モデルを構築し、退院支援プロセスの改善に繋げることを担当した。IRB承認を前提とした倫理的なデータ利用が必須要件。
**Action（行動）**
① IRB申請資料を作成し、倫理審査委員会の承認を取得（4ヶ月）。② 過去5年分の電子カルテ（心不全患者3,400名）からBNP・EF・在院日数・服薬コンプライアンス・社会的背景（独居・要介護度等）の特徴量を抽出・前処理。③ ロジスティック回帰とLightGBMでモデルを構築・比較し、AUC 0.82のリスク予測モデルを開発（Pythonのlgbm・shap使用）。④ 予測スコアを電子カルテに組み込み、高リスク患者（スコア上位20%）に対して退院支援チームが自動的に介入するワークフローを設計・実装した。
**Result（結果）**
モデル運用開始6ヶ月で30日再入院率が14.2%→9.1%に低下（目標10%以下達成）。高リスク患者への退院支援介入率が41%→87%に向上。入院収益への影響は、再入院減少による患者満足度・評判向上が外来患者数増加（前年比+6%）に貢献。取り組みが学会発表（日本循環器学会）に採択された。
---
## NGパターン3選
**NG1：医療倫理・個人情報保護への対応を省略する**
医療データ分析においてIRB承認取得・インフォームドコンセント・データ匿名化プロセスを省略した記述は、医療倫理への無理解を示す可能性がある。「適切な倫理審査プロセスを経た上でデータを活用した」という記述を必ず加える。
**NG2：分析手法の名前だけ羅列して判断基準を示さない**
「ロジスティック回帰・ランダムフォレスト・XGBoostを使用した」という列挙だけでは、なぜその手法を選んだかという統計的・医療的な判断が伝わらない。「高次元データ・欠損の多い医療データの特性から、ツリーベースのモデルを優先し、SHAPによる解釈可能性を担保した」のような判断プロセスを記述する。
**NG3：医療業界特有の評価指標（感度・特異度・AUC等）を使わない**
「精度92%」という記述だけでは医療アナリストとして評価できない。陽性適中率・陰性適中率・AUC・ROC曲線など、医療の意思決定に使われる指標で分析の質を示すことが専門性の証明になる。
---
## 医療アナリストの差別化ポイント
医療・ヘルスケア業界のアナリストとして最も市場価値が高いのは「リアルワールドデータ（RWD）分析経験×因果推論の統計手法（傾向スコア・操作変数法等）×医療AIモデルの実装」の組み合わせです。製薬会社のリアルワールドエビデンス（RWE）生成・規制当局への提出データの作成、またはデジタルバイオマーカーの検証研究に参加した経験は、グローバル製薬会社・CRO（医薬品開発業務受託機関）・医療AIスタートアップへのキャリアパスを開きます。
---
## FAQ
**Q1. 医療統計の知識がないデータアナリストが医療業界アナリストに転職するには何を習得すべきですか？**
A. 最低限として生存分析（カプランマイヤー法・Cox回帰）・ランダム化比較試験（RCT）の設計原則・疫学研究の基礎（コホート研究・症例対照研究）の理解が推奨されます。「Rを使った医療統計」系の書籍、または日本医療情報学会・疫学会の入門資料で基礎を固め、その学習過程を職務経歴書に記載することで向学心をアピールできます。
**Q2. 製薬会社のバイオスタティスティシャンとヘルスケアスタートアップのデータアナリストでは、転職市場でどちらが優遇されますか？**
A. 評価される文脈が異なります。製薬・CRO・規制当局向けにはバイオスタティスティシャンの規制対応統計（SAS・CDISC標準・GCP準拠）が高く評価されます。スタートアップ・ヘルスケアIT企業向けにはPython・機械学習・アジャイル開発に親和したデータアナリストが好まれます。転職先のニーズに合わせて強みを前面に出すことが重要です。
**Q3. 医療データ分析の業務で学術論文・学会発表の実績は転職に有利ですか？**
A. 非常に有利です。査読付き論文への掲載・学会発表の実績は、分析の質と医療コミュニティへの貢献を客観的に証明します。特に第一著者としての論文掲載は、独立した分析・解釈・文章化能力の証明として採用担当者に高く評価されます。論文タイトル・掲載誌名・発表年を職務経歴書に記載してください。
---
## 医療・製薬×アナリストの採用市場データ（2026年）
医療・製薬のアナリスト求人はビッグデータ・RWD活用の潮流で増加。薬事規制（PMDA審査対応）の知識を持つアナリストは希少で高評価。臨床試験データ分析・医療経済評価の実績が最も訴求力があります。選考期間は6〜10週間。
---
## STAR形式 追加例文：医療・製薬での実績
### 例文2（応用）：部門横断プロジェクトのリード
**Situation（状況）**
医療・製薬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。医療・製薬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。医療・製薬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。医療・製薬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**：医療・製薬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
---
## 医療・製薬×アナリストの専門用語ガイド
**積極的に使うべき用語**: 医療経済評価（HTA）、RWD（Real-World Data）、コホート研究、薬価算定、HEOR（Health Economics and Outcomes Research）、GCP/GMP、PMDA対応
**避けるべき用語・表現**: 「医薬品の分析を担当した」（治験フェーズ・サンプル数・達成した成果を明記）
---
## 採用トレンド2026
2026年の医療・製薬採用では**デジタルヘルス・AIによる創薬支援**の実績が新たな評価軸です。電子カルテデータ・ウェアラブルデータの分析経験や、AI/MLによるバイオマーカー探索経験を持つ候補者は希少で高評価を受けます。
医療・ヘルスケア業界のアナリストは、電子カルテデータ・DPCデータ・NDB（National Database）・治験データ・ウェアラブルデータなど、医療固有の大規模データを分析して医療の質向上・経営改善・創薬戦略に貢献する役割を担います。医療AIの実用化・リアルワールドデータ（RWD）活用・デジタルバイオマーカーの研究など、医療データ分析の需要は急拡大しており、医療業界と統計・データサイエンスを橋渡しできる人材は希少で高評価です。
採用担当者が医療アナリストに求めるのは「医療データの特性への理解（欠損・バイアス・個人情報等）」と「医療統計・疫学的手法への精通」です。一般的なデータアナリストのスキルに加えて、因果推論・サバイバル分析・症例対照研究など医療分野特有の統計手法の活用経験が強みになります。
---
## 書き方のポイント5選
**1. 扱った医療データの種類・規模を明記する**
「医療データを分析した」ではなく「DPCデータ（5年分・延べ患者数12万件）を用いて、高齢者の再入院リスク予測モデルを構築。AUC 0.81を達成」のように、データの種類・規模・分析手法・精度指標をセットで記述する。
**2. 医療統計・疫学的手法の活用を具体的に記述する**
カプランマイヤー法・Cox比例ハザードモデル・傾向スコアマッチング・差の差分析（DiD）など医療統計固有の手法を使った実績を記述する。なぜその手法を選んだかという統計的な判断プロセスも記述することで専門性が伝わる。
**3. 個人情報保護・医療情報の取り扱いへの対応経験を記述する**
医療データは最高度の機密性を持つ個人情報。IRB（倫理審査委員会）承認取得プロセス・データ匿名化・セキュアデータ環境での分析経験を記述することで、医療アナリストとしての倫理意識と実務対応力を示せる。
**4. 分析結果を医療意思決定・経営改善に繋げた実績を記述する**
「分析レポートを作成した」ではなく「再入院リスク予測モデルを実装し、ハイリスク患者への退院支援プロトコルを改定。30日再入院率を12.3%→8.7%に低減」のように、分析が実際の医療現場の変化に繋がった実績を示す。
**5. プログラミング・ツールの活用と医療知識の両立を記述する**
R・Python（lifelines・sklearn等）・SAS・STATA・SQL・SPSS・Tableauなどの使用実績と、医療用語・診療プロセス・薬効評価への理解を組み合わせて示すことで、医療アナリストとしての希少性が伝わる。
---
## STAR形式 例文：病院の再入院リスク予測と退院支援改善
**プロジェクト：心不全患者の30日再入院リスク予測モデル構築と退院支援プロセス改善**
**Situation（状況）**
病床数600床の急性期病院において、心不全患者の30日再入院率が14.2%と全国平均（12%）を上回り、DPC収益への悪影響と患者の生活の質低下が課題となっていた。退院支援は担当看護師の経験則に依存しており、リスクの高い患者を早期に特定する仕組みがなかった。
**Task（課題）**
医療データアナリストとして、電子カルテデータを活用した再入院リスク予測モデルを構築し、退院支援プロセスの改善に繋げることを担当した。IRB承認を前提とした倫理的なデータ利用が必須要件。
**Action（行動）**
① IRB申請資料を作成し、倫理審査委員会の承認を取得（4ヶ月）。② 過去5年分の電子カルテ（心不全患者3,400名）からBNP・EF・在院日数・服薬コンプライアンス・社会的背景（独居・要介護度等）の特徴量を抽出・前処理。③ ロジスティック回帰とLightGBMでモデルを構築・比較し、AUC 0.82のリスク予測モデルを開発（Pythonのlgbm・shap使用）。④ 予測スコアを電子カルテに組み込み、高リスク患者（スコア上位20%）に対して退院支援チームが自動的に介入するワークフローを設計・実装した。
**Result（結果）**
モデル運用開始6ヶ月で30日再入院率が14.2%→9.1%に低下（目標10%以下達成）。高リスク患者への退院支援介入率が41%→87%に向上。入院収益への影響は、再入院減少による患者満足度・評判向上が外来患者数増加（前年比+6%）に貢献。取り組みが学会発表（日本循環器学会）に採択された。
---
## NGパターン3選
**NG1：医療倫理・個人情報保護への対応を省略する**
医療データ分析においてIRB承認取得・インフォームドコンセント・データ匿名化プロセスを省略した記述は、医療倫理への無理解を示す可能性がある。「適切な倫理審査プロセスを経た上でデータを活用した」という記述を必ず加える。
**NG2：分析手法の名前だけ羅列して判断基準を示さない**
「ロジスティック回帰・ランダムフォレスト・XGBoostを使用した」という列挙だけでは、なぜその手法を選んだかという統計的・医療的な判断が伝わらない。「高次元データ・欠損の多い医療データの特性から、ツリーベースのモデルを優先し、SHAPによる解釈可能性を担保した」のような判断プロセスを記述する。
**NG3：医療業界特有の評価指標（感度・特異度・AUC等）を使わない**
「精度92%」という記述だけでは医療アナリストとして評価できない。陽性適中率・陰性適中率・AUC・ROC曲線など、医療の意思決定に使われる指標で分析の質を示すことが専門性の証明になる。
---
## 医療アナリストの差別化ポイント
医療・ヘルスケア業界のアナリストとして最も市場価値が高いのは「リアルワールドデータ（RWD）分析経験×因果推論の統計手法（傾向スコア・操作変数法等）×医療AIモデルの実装」の組み合わせです。製薬会社のリアルワールドエビデンス（RWE）生成・規制当局への提出データの作成、またはデジタルバイオマーカーの検証研究に参加した経験は、グローバル製薬会社・CRO（医薬品開発業務受託機関）・医療AIスタートアップへのキャリアパスを開きます。
---
## FAQ
**Q1. 医療統計の知識がないデータアナリストが医療業界アナリストに転職するには何を習得すべきですか？**
A. 最低限として生存分析（カプランマイヤー法・Cox回帰）・ランダム化比較試験（RCT）の設計原則・疫学研究の基礎（コホート研究・症例対照研究）の理解が推奨されます。「Rを使った医療統計」系の書籍、または日本医療情報学会・疫学会の入門資料で基礎を固め、その学習過程を職務経歴書に記載することで向学心をアピールできます。
**Q2. 製薬会社のバイオスタティスティシャンとヘルスケアスタートアップのデータアナリストでは、転職市場でどちらが優遇されますか？**
A. 評価される文脈が異なります。製薬・CRO・規制当局向けにはバイオスタティスティシャンの規制対応統計（SAS・CDISC標準・GCP準拠）が高く評価されます。スタートアップ・ヘルスケアIT企業向けにはPython・機械学習・アジャイル開発に親和したデータアナリストが好まれます。転職先のニーズに合わせて強みを前面に出すことが重要です。
**Q3. 医療データ分析の業務で学術論文・学会発表の実績は転職に有利ですか？**
A. 非常に有利です。査読付き論文への掲載・学会発表の実績は、分析の質と医療コミュニティへの貢献を客観的に証明します。特に第一著者としての論文掲載は、独立した分析・解釈・文章化能力の証明として採用担当者に高く評価されます。論文タイトル・掲載誌名・発表年を職務経歴書に記載してください。
---
## 医療・製薬×アナリストの採用市場データ（2026年）
医療・製薬のアナリスト求人はビッグデータ・RWD活用の潮流で増加。薬事規制（PMDA審査対応）の知識を持つアナリストは希少で高評価。臨床試験データ分析・医療経済評価の実績が最も訴求力があります。選考期間は6〜10週間。
---
## STAR形式 追加例文：医療・製薬での実績
### 例文2（応用）：部門横断プロジェクトのリード
**Situation（状況）**
医療・製薬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。医療・製薬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。医療・製薬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。医療・製薬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**：医療・製薬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
---
## 医療・製薬×アナリストの専門用語ガイド
**積極的に使うべき用語**: 医療経済評価（HTA）、RWD（Real-World Data）、コホート研究、薬価算定、HEOR（Health Economics and Outcomes Research）、GCP/GMP、PMDA対応
**避けるべき用語・表現**: 「医薬品の分析を担当した」（治験フェーズ・サンプル数・達成した成果を明記）
---
## 採用トレンド2026
2026年の医療・製薬採用では**デジタルヘルス・AIによる創薬支援**の実績が新たな評価軸です。電子カルテデータ・ウェアラブルデータの分析経験や、AI/MLによるバイオマーカー探索経験を持つ候補者は希少で高評価を受けます。