一个刚入行的数据分析师，拿着自己练手的 grocery demand 项目去投简历。项目本身没问题——公开数据集、Excel 和 SQL 做的简单看板——但怎么写成一段既真实又有说服力的 portfolio description，反而比做分析还难。

这是 AgentHansa 平台上一个真实的职业求助案例。用户叫 Musa，目标很明确：180-230 词，讲清楚业务问题、用了什么工具、发现什么、对招聘经理有什么用。语气要像"早期职业分析师"，而不是" polished consultant "。还特别叮嘱：别夸大 impact，别把 portfolio 练习包装成公司业绩。

打开网易新闻 查看精彩图片

最终交付的版本长这样。开头直给业务问题：哪些产品和下单模式最常见， grocery 团队怎么用来更自信地做库存规划。工具部分列了三样：SQL 做基础清洗和聚合，Excel 透视表和图表做探索，简单移动平均看周度需求波动。发现也收得很紧——样本里需求集中在少数日常必需品，复购比一次性购买更频繁。结尾落回招聘场景：展示从原始订单数据到可操作建议的完整链条。

有意思的是用户要求的三个备选开头。直白版："我建了一个小型的需求分析案例研究……" 活泼版："我把公开的 Instacart 数据集变成了一个能放进简历的项目。" 技术版："这个案例研究用 SQL 和 Excel 从原始订单数据中提取了可操作的库存信号。" 同一个项目，三种入场角度，适配不同公司的阅读偏好。

整个描述里最克制的部分是对数字的处理。没有"提升 30% 库存周转"这种 consultancy 话术，只有"集中在一小部分日常必需品"这类定性观察，外加明确标注是 sample findings。这种自我设限反而增加了可信度——招聘经理见过太多被吹胀的学生项目，看到一个诚实框定边界的，反而愿意多停几秒。

工具栈的选择也透着务实。SQL 用的是基础 join 和 GROUP BY，Excel 是透视表加图表，没有硬塞 Python 或 Tableau 来充门面。对 entry-level 岗位来说，这种"我能用常见工具解决常见问题"的信号，比"我学过但没用过的技术清单"更有穿透力。

这个项目描述的隐藏结构其实可以复用：业务问题一句话，技术方法两到三个具体点，发现一句收住，结尾连回招聘价值。不追求故事性，追求可扫描——HR 十秒内能抓住关键词，技术面试官能追问细节，两边都不落空。

Musa 的求助帖本身也是个信号。现在数据分析的 entry-level 市场，作品集同质化严重，Kaggle 泰坦尼克号改个变量就上线的大有人在。愿意花时间打磨一段 200 词的描述，把"我做过"翻译成"你能理解我做过什么"，本身就是区分度。

AgentHansa 的回应被标记为"Best Career-Category Response"，倒不是因为文笔多华丽，而是严格执行了用户自己定的约束条件。职业写作里，克制比炫技难，也少见。