データサイエンティスト転職の現状と年収、必要なスキル

企業がビッグデータをうまく活用していくためには、データサイエンティストの存在が欠かせません。データサイエンティストは今、急速に需要が伸びている職種であり、転職マーケットでは優秀なデータサイエンティストの争奪戦が始まっています。今回は、データサイエンティストにフォーカスして、その仕事内容や需要、必要なスキルや将来性、平均年収などについて解説していきます。実際の求人例も掲載していますので、データサイエンティストとして転職をお考えの方はぜひ参考にしてください。
Contents
データサイエンティストとは
データサイエンティストとは、ビッグデータなどを分析することで有用な知見を見い出し、それをビジネスに活用する専門職のことです。まだ新しい職種なので明確な定義は存在しませんが、一般社団法人 データサイエンティスト協会では、これからの時代に求められるデータサイエンティストを以下のように定義しています。
|
※参考:データサイエンティスト協会、データサイエンティストの ミッション、スキルセット、定義、スキルレベルを発表|一般社団法人データサイエンティスト協会
また、厚生労働省が運営する職業情報提供サイト(日本版O-NET)では、データサイエンティストを以下のように説明しています。
(以下省略) |
※参考:データサイエンティスト – 職業詳細 | 職業情報提供サイト(日本版O-NET)
ビジネスにおけるビッグデータの利活用がクローズアップされるなか、高度なデータ分析から有益な知見を導き出せる人材としてデータサイエンティストに注目が集まっています。
データサイエンティストの仕事内容
データサイエンティストは自社の業務として従事する場合と、クライアント企業に対してサービスを提供する場合があります。いずれの場合も、基本的な業務は以下のような流れで進んでいきます。
要件定義
自社やクライアント企業が抱えている課題を洗い出し、担当者から現状や要望、データから明らかにしたいことなどをヒアリングします。
データ分析環境の構築
課題を解決するためのデータ分析基盤を構築します。データを収集できる環境を整え、収集したデータを保管するデータベースを構築します。
データの収集
精度の高い分析をおこなうために目的に合ったデータを収集し、データベースに保存します。
データの加工
収集したデータを分析しやすくするために、統合や整理、不要な部分を取り除くなどの加工をおこないます。
データの分析
適切な分析手法を用いて、さまざまな観点からデータを分析します。自社やクライアント企業の課題を解決できる答えを見つける作業とも言える工程であり、データサイエンティストとしての腕の見せどころです。
レポーティング・提案
データ分析の結果をまとめ、社内で、もしくはクライアント企業に報告するためにレポートを作成します。また、経営陣や担当者に課題解決に向けた具体的な施策を提案することもあります。
データサイエンティストの各業界における需要
データサイエンティストというとIT業界で活躍する職種だと思われがちですが、昨今は業界を問わず、さまざま様々な領域でデータサイエンティストが活躍するようになっています。
あらゆるモノにセンサが搭載されるようになり、ネットワークの接続スピードも高速化して情報トラフィックが激増しました。従来であれば得られなかったような粒度のデータでも、今はリアルタイムで収集できるようになっています。あらゆるビジネス分野で膨大なデータが蓄積されるようになり、データ分析・活用の重要性がますます高まるのに比例して、データサイエンティストが求められる領域も拡大しているのが現状です。
分野でいうと、金融、保険、製造、小売、物流、インフラ、医療、広告、コンサルティングなどは、特にデータサイエンティストの需要が高い分野です。また、行政においてもデータサイエンティストのスキルが求められるようになっており、募集が増えています。
データサイエンティストに転職する人の特徴
データサイエンティストに転職する人の特徴としては、以下のような点が挙げられます。
機械学習の知識がある・専攻してきた
データサイエンティストとして働くためには、機械学習の知識が必須です。そのため、大学・大学院で機械学習を学んだ人はデータサイエンティストとして就職・転職する人が多い傾向にあります。
PythonやR言語を触ったことがある
データサイエンティストはAIを活用することで膨大なビッグデータを効率的に扱い、精度の高い分析をおこないます。AIを活用するためにはPythonやR言語を使ったプログラミングスキルが必要になるため、PythonやR言語を習得しているエンジニア・プログラマはデータサイエンティストに転職しやすいと言えます。
データサイエンティストの転職事情
データサイエンティストの転職事情についてご説明します。
30代・40代でデータサイエンティストに転職できる?
30代、40代でもデータサイエンティストに転職できるだろうか?と不安に思っている方もいるかもしれませんが、十分に可能です。データ分析スキルが同程度であるならば、若い20代の人材のほうが有利になりますが、データサイエンティストとして活躍するためにはデータ分析以外のスキルも重要になってきます。
データサイエンティストが仕事を進めていくうえでは、社内外でさまざまなステークホルダーと関わるため、コミュニケーション能力は非常に重要です。また、プロジェクトを牽引するマネジメント能力も高いに越したことはありません。このようなスキルは経験が物を言うため、30代・40代の転職者はアドバンテージにすることができるはずです。
未経験からデータサイエンティストに転職できる?
未経験からデータサイエンティストとして採用される人もいますが、まったく知識・スキルを持たない人は難しいでしょう。データサイエンティストとしての実務経験がなくても、データサイエンスやAIに関する基礎知識、統計学に関する知識、PythonやR言語を使ったプログラミングスキルは必要です。未経験からデータサイエンティストを目指すなら、独学、もしくはスクールに通うなどして、基本的なITスキルや統計学などに関する知識・スキルを身に付けることから始めるのがよいでしょう。
まったく畑違いの職種からデータサイエンティストに転職するのは難易度が高いと言えますが、クオンツアナリストやWebアナリストなど分析系の職種に就いている人なら、未経験でもデータサイエンティストに転職しやすいと言われています。
データサイエンティストの年収
いくつかのソースをもとに、データサイエンティストの平均年収をご紹介します。
データサイエンティスト協会では、一般(個人)会員向けに毎年アンケート調査を実施しています。2020年に実施したアンケート結果によると、データサイエンティストの平均年収は791万円となっています。2016年は729万円、2018年は809万円、2019年は769万円、そして2020年は791万円と、高い水準で推移しているのが分かります。
※参考:データサイエンティストのリアル|データサイエンティスト協会 調査・研究委員会(2021年4月7日)
カカクコムが運営する求人情報に特化した検索エンジン、求人ボックスによると、データサイエンティストの平均年収は697万円となっています。全体の給与幅としては396万円〜1,223万円と広くなっています。勤務先や経験・求められるスキルによって大きな差があることが分かります。
※参考:データサイエンティストの仕事の平均年収は697万円|求人ボックス(更新日:2022年1月24日)
求人情報専門検索エンジンのIndeed(インディード)によると、日本のデータサイエンティストの平均年収は5,082,128円となっています。
※参考:日本のデータサイエンティストの平均年収・給与|求人情報専門検索エンジンindeed(最終更新日 2022年2月16日)
データサイエンティストに必要なスキルと知識
一般社団法人 データサイエンティスト協会は、データサイエンティストに求められるスキルセットとして以下の3点を挙げています。
1. ビジネス力(business problem solving) 課題背景を理解した上で、ビジネス 課題を整理し、解決する力 2. データサイエンス力(data science) 情報処理、人工知能、統計学などの情報科学系の知恵を理解し、使う力 3. データエンジニアリング力(data engineering) データサイエンスを意味のある形に使えるようにし、実装、運用できるようにする力 |
※参考:データサイエンティスト協会、データサイエンティストの ミッション、スキルセット、定義、スキルレベルを発表|一般社団法人データサイエンティスト協会
また、総務省の情報通信白書(平成26年版)では、データサイエンティストに必要なスキルとして以下のように説明しています。
求められる能力としては、統計学に関する知識、分析ツールやデータ処理基盤を使いこなす能力、ビジネスを理解した上で問題を発見し解決できる能力、データ分析で得られた知見を他人に伝えるコミュニケーション能力、といったものが挙げられる。 |
※参考:総務省|平成26年版 情報通信白書|データ活用を推進する上での課題
一般的に重要だとされているデータサイエンティストのスキルとしては、以下の5つが挙げられます。
プログラミングスキル
データサイエンティストがデータ分析をおこなう際は、プログラミングスキルが必要になってきます。習得しておきたいプログラミング言語は、PythonもしくはR言語です。Pythonは、統計・機械学習・データ分析などのライブラリが充実しているのが特徴です。R言語はデータ解析・統計のために開発されたプログラミング言語であり、データ分析や統計解析をおこなうには非常に有用です。
現状ではPythonを使っている企業が多いため、どちらかを選ぶとしたらPythonを先に習得するのがよいでしょう。Pythonを使いこなせるようになれば、R言語の学習もスムーズに進みます。
業務系ツールの活用スキル
近年は、自社でデータ活用を進めるために、BIツールやETLツールを導入する企業が増えています。そのため、データサイエンティストにもBIツールやETLツールを活用するスキルが必要になります。
BIツールはビジネスインテリジェンスツールのことで、蓄積された大量のデータを分析し、最適な意思決定を導くためのツールです。BIツールの代表的な製品としては、Tableau、Power BI、Oracle BIなどが挙げられます。
ETLツールは、複数のシステムに含まれているデータを抽出(Extract)し、用途に応じて変換・加工(Transform)したうえで、データウェアハウスなどの格納先に送出(Load)するツールです。ETLツールの代表的な製品としては、ASTERIA Warp、IBM InfoSphere DataStage、Syncsort DMExpressなどが挙げられます。
ビジネススキル
データサイエンティストは、単にデータを収集して処理するだけではなく、そこから有用な知見を引き出したうえで企業の意思決定に活かすことのできる人材でなければいけません。最終的なミッションは、データ分析結果をもとに企業の課題をいかに解決するか?、ビジネスにどう生かしていくか?、ということなので、クライアント企業のビジネスモデルや経営戦略に対する理解が不可欠です。
また、データサイエンティストはデータの分析結果をまとめ、経営陣や担当者に対して報告・提案をおこないます。その際は、分かりやすいレポートを作成する能力も重要ですし、説得力をもってビジネス施策を提案するプレゼンスキルも重要になってきます。
論理的思考力
データサイエンティストが企業の課題を解決するためには、論理的思考力、いわゆるロジカルシンキングも欠かせません。ロジカルシンキングとは、課題を整理し、結論を導き出すための思考法のことです。
ロジカルシンキングをする際はMECE(モレなく、ダブりなく)という考え方が重要になります。MECEを満たすことで課題をもれなく洗い出すことができ、より精度の高いデータ分析・提案ができるようになります。
データサイエンススキル
データサイエンススキルとは、AIや統計学、情報処理などに関するスキルのことです。データサイエンススキルがあれば、目的に対して最適な分析設計ができますし、膨大なデータのなかから有用なパターンや新たな知見を見つけやすくなります。
データサイエンティストの将来性
ビッグデータを活用することで業務課題を解決できるだけでなく、新たなビジネスやサービスを生み出せるということに多くの企業が気付き始めています。今後も、さまざまな業界でビッグデータの活用が進んでいくはずです。ビッグデータの活用を支えるデータサイエンティストの需要は、ますます高まっていくものと考えられています。
大学をはじめとする各種教育機関はデータサイエンティストの育成に力を入れていますが、まだまだ人材が不足しているのが現状です。それゆえ、市場価値が高く、将来的にも高収入が見込める職種だと言えるでしょう。
データサイエンティストの求人例
IT業界・Web業界・ゲーム業界に特化した転職エージェント弊社R-Stoneにおいて、実際に掲載されているデータサイエンティストの求人例をご紹介します。
【想定年収】
500万円~1,000万円
【業務内容】
当社が運営する全サービスのデータを用いて、各事業部ごとに課題を抽出し、それに応じた分析や機械学習による効率化を行います。扱えるデータの種類は事業部ごとに異なるため、課題に応じて様々なアプローチを考えていただきます。テーブルデータだけでなく非構造データを扱う機会が多いため、自然言語処理を駆使したりと特徴量作成の観点でいろいろとやり込める環境です。データ分析や機械学習のアルゴリズム開発を行った際は、直接ビジネス現場の担当者にプレゼンテーションをしたり導入支援をしたりするため、作って終わりではなく、実際にデータ活用のその瞬間までプロジェクトに関わっていただきます。
【求められるスキル・経験】
<必須経験・必須スキル>
・PythonやRなどを使用したデータ分析の経験、知見
・機械学習の基礎知識
<歓迎スキル>
・GCPやAWSの環境内で分析した実務経験
・Linuxなどの環境下での実務経験
・自然言語処理の基礎知識ないし実務経験
・音声データの分析実務経験
・プログラム処理などの高速化、並列化
・ベイズ統計学の基礎知識ないし実務経験
・デジタルマーケティングの基礎知識
・Webスクレイピング、自動化関連のツール開発、ETL関連のコーディング等の実務経験
まとめ
従来の経営資源はヒト、モノ、カネの3つでしたが、今はここに情報が加わっています。企業が情報をうまく活用するためにはデータサイエンティストの存在が不可欠であり、転職マーケットではデータサイエンティストの争奪戦が始まっています。
データサイエンティストとして有利な転職をしたい方は、IT業界に強い転職エージェントに相談するのがおすすめです。R-StoneはIT業界に特化した転職エージェントです。業界を熟知したコンサルタントが、あなたの転職を成功へと導きます。ぜひ、お気軽にご相談ください。