영문 이력서 직무별 정량화 예시 — HR·디자이너·PM·법무 등 8직군 치트시트

정량화의 원리(PMTVQ 5축·3단계 방법)는 기본편에서 다뤘습니다. 문제는 그다음입니다 — "그래서 내 직무엔 어떤 숫자를 써야 하지?" 마케터의 ROAS, 개발자의 latency 예시는 어디에나 있지만, HR·디자이너·법무·기획 직무는 딱 떨어지는 headline 지표가 없어 매번 막힙니다.

이 글은 정량화가 특히 어렵다고 느끼는 8개 직무별로, 잘 맞는 PMTVQ 축 · 대표 X-Y-Z 임팩트 불릿 · 흔한 지표 · 추정 단서(숫자 출처) 를 한 장으로 정리한 치트시트입니다.

기본편: 영문 이력서 정량화 첫걸음 — 성과를 숫자로 만드는 5가지 관점과 3단계 방법

읽는 법

각 직무마다 네 가지를 붙였습니다. 잘 맞는 축(PMTVQ 중 어디에 주로 잡히는지) · 대표 불릿(X-Y-Z 임팩트 형식, Google 표준) · 흔한 지표 · 추정 단서(수치가 기억 안 날 때 어디서 역산하는지). 예시 수치는 형식을 보여주기 위한 것이니, 본인 상황의 실제 숫자로 바꿔 쓰세요.

1. HR / People Ops

잘 맞는 축: Time · Quality · Volume

"Cut time-to-hire 51 → 26 days across 7 teams by rebuilding the sourcing-to-offer funnel."
- 흔한 지표: time-to-hire, offer-accept rate, 90-day retention, 온보딩 ramp 소요
- 추정 단서: ATS 파이프라인 export, LinkedIn Recruiter 카운트, 분기 리텐션 리포트

2. Product Design (UX/UI)

잘 맞는 축: Quality · Volume · Money

"Lifted new-user activation 34% → 46% through 3 A/B tests on a 1.1M-user signup flow."
- 흔한 지표: activation·task completion, error rate, A/B 테스트 수, D7/D30 retention
- 추정 단서: Amplitude·Mixpanel 퍼널, UserTesting 세션 수, Figma 버전·코멘트 이력

3. Product Management / 기획

잘 맞는 축: People · Money · Quality

"Led 4 cross-team launches (~$5M pipeline); 3 shipped within 2 quarters, adding 12% to net retention."
- 흔한 지표: 출시 수, 매출 기여, activation·retention lift, 협업 팀 규모, 의사결정 사이클
- 추정 단서: 분기 제품 리뷰, 로드맵 문서 이력, Jira·Linear 티켓 처리량

4. Legal / 법무

잘 맞는 축: Volume · Time · Money

"Reviewed 180+ vendor contracts/yr at a 2-day median turnaround, flagging ₩900M in aggregate liability."
- 흔한 지표: 계약 처리 건수, turnaround, 회피한 분쟁, flag한 리스크 금액, 템플릿 재사용률
- 추정 단서: 계약 관리 시스템 export, 법무 ops 대시보드, 분기 리뷰

5. Finance / FP&A

잘 맞는 축: Time · Quality · Volume

"Automated 6 recurring reports, compressing monthly close 8 → 5 days and freeing ~90 analyst-hours/month."
- 흔한 지표: 마감 소요 단축, forecast 정확도, 예산 편차, 모델 정확도, 자동화한 시간
- 추정 단서: ERP 감사 로그, 마감 캘린더 이력, 애널리스트 타임시트

6. Operations / 운영

잘 맞는 축: Volume · Time · Quality

"Held SLA at 98.7% while cutting per-order fulfillment cost 24% across 2 DCs over 10 months."
- 흔한 지표: SLA %, 단위 원가, 처리량, error rate, 정시 배송률, 가동률
- 추정 단서: WMS export, 캐리어 스코어카드, 월간 운영 리뷰

7. Customer Success · Support / CS

잘 맞는 축: Quality · Time · Volume

"Resolved 1,100+ tickets/quarter at 92% CSAT and 74% first-contact resolution; onboarded 5 agents to quota in 6 weeks."
- 흔한 지표: CSAT·NPS, FCR(first-contact resolution), TTR(time-to-resolution), ramp 소요, churn save
- 추정 단서: Zendesk·Intercom 애널리틱스, 분기 CS 리포트, NPS 설문

8. DevOps · Platform / 인프라

잘 맞는 축: Time · Quality · Money

"Cut deploy time 38 → 7 min and change-failure rate 15% → 5% across 9 services, trimming infra spend ~25% YoY."
- 흔한 지표: deploy 빈도·실패율, MTTR, 인프라 비용, uptime, 분기 인시던트 수
- 추정 단서: Datadog·Grafana 대시보드, CI/CD 로그, 클라우드 청구 이력

팀 프로젝트라면 팀 지표에 본인이 주도한 단계를 얹어 씁니다. "Co-led a 7-person launch; owned GTM ($2.1M ARR)."

실전 Before/After 예시 — 직군별 영문 이력서 사례

위 치트시트가 "형식"이라면, 실제 지원자의 영문 이력서가 Before → After로 어떻게 바뀌는지 통째로 보고 싶을 수 있습니다. 직군별 전체 예시는 아래에서 확인하세요.

• 개발자·엔지니어: Senior Backend Engineer 영문 이력서 Before/After 사례
• 마케터·그로스: Growth Marketer 영문 이력서 Before/After 사례
• 데이터·분석: Senior Data Analyst 영문 이력서 Before/After 사례

발굴한 예시를 이력서에 적용하기

직무별 축과 예시를 골랐다면, 남은 건 본인 수치를 넣어 X-Y-Z 임팩트 불릿으로 다듬는 일입니다. SmartBullets의 Bullet Creator는 축을 고르고 한국어로 AI 인터뷰에 답하면 입력 수치를 그대로 보존한 채 영문 X-Y-Z 불릿을 만들어 주고, Resume Generator가 채용공고 키워드에 맞춰 회사별 이력서로 조립합니다.

관련 편

• 정량화 기본편: 영문 이력서 정량화 첫걸음 — 성과를 숫자로 만드는 5가지 관점과 3단계 방법
• X-Y-Z 공식 전문: 한국 경력을 영문 이력서 임팩트로 바꾸는 법
• 채용공고 키워드 추출: 채용공고 한 장에서 핵심 키워드 추출하는 5가지 방법

---

예시 수치는 형식 설명용입니다. 실제 이력서에는 본인이 근거를 댈 수 있는 수치만 쓰세요.