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。

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。

※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。

>>Pythonエンジニア資格試験8種を解説 難易度やメリットは？

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・新卒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。

1. データサイエンティストの転職で失敗する人の特徴

データサイエンティストの転職で失敗する人の特徴を3つ解説します。

1. 憧れと実力が比例していない

憧れの気持ちから、業界をまたいでの転職や、未経験からの転職をした場合、企業の求めるスキルと転職者のスキルとの間にミスマッチが発生する可能性が高まります。自分のスキルレベルではこなせない仕事を任せられ、対応できずに周囲に迷惑をかけたり、そのことで落ち込んでしまうかもしれません。新卒採用であれば、努力する意思があれば、成長するための時間が与えられ、実力がつくまで周囲は待ってくれるかもしれませんが、転職の場合、即戦力を求められる場合が多いです。憧れの気持ちから選ぶのではなく、今の自分の実力に合った転職がおすすめです。

1. 退職の理由を会社のせいにしたまま転職する

退職する理由が、会社が嫌いだから、会社から逃げ出したいからなどのように、辞めたい理由についてもよく考えられていないまま退職し、転職をしようとした場合、転職がうまくいかなかったり、転職できたとしても次の職場でも同様の失敗を繰り返すケースがあります。というのも、多くの場合、転職は、転職者の求める条件だけでなく、企業側の求める条件が存在し、双方の条件がマッチすることで成立するからです。企業はできれば自社のメリットになる人材を欲しいと思っているため、転職の理由が、前職が嫌いだから、今すぐ働きたいから、などの理由では、企業は積極的に採用する理由はないと考える可能性が高いでしょう。できれば、負の感情により退職したとしても、感情の整理をつけ、転職先となる新しい環境では、貢献していこう、という前向きな気持ちになれるようになってからの転職をおすすめします。

1. 転職エージェントを活用しなかった

企業は転職者の募集をおこなう場合、自社の採用窓口からおこなう他に、転職エージェントを利用する場合があります。企業が転職エージェントを利用するメリットの一つとして、転職希望者が転職エージェントを活用することにより、マッチング率を高めることができるというものがあります。例えば、転職エージェントは、転職希望者の望む転職条件と、企業の条件から、客観的にマッチングしやすいか、ということを考えます。このことは、企業にとっても転職希望者にとっても、採用にかかる労力や転職にかかる労力を軽減してくれます。また、例えば、転職エージェントは、面接のやり方について転職者にアドバイスしたりします。このことは、転職希望者にとっては、自らをアピールしやすくなり、企業にとっても、自社にマッチしそうか判断しやすくなります。

このように、転職エージェントは、転職希望者にとっては、採用のスペシャリストとして、また自分に親身になってくれる存在として役立ち、企業にとっては、採用の労力を軽減してくれる存在として役立ちます。転職の際には、積極的に転職エージェントを活用していきたいところです。

1. データサイエンティストの年収は約500万円

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。

※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。

※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。

1. システム開発やコーディングスキル

データサイエンティストが、例えばデータ分析に関連するシステム開発などの企画、要件定義、設計などの上流工程や、開発などの下流工程をおこなう必要があるような現場では、システム開発やコーディングスキルが求められる場合があります。

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。

1. データサイエンティストの転職に有利な4つの資格

データサイエンティストの転職に有利な資格について解説します。

1. ①情報処理技術者試験

情報処理技術者試験は、難易度によりITを利活用する者、情報処理技術者、高度情報処理技術者の3つに分かれています。中でも、高度情報処理技術者に区分される資格のうち、データベーススペシャリスト試験は、データサイエンティストと親和性の高い資格となっています。難易度は非常に高く、直近の5年間の合格率は、13.9〜17.6％となっています。

1. ②統計検定2級

統計検定は、難易度によって4級、3級、2級、準1級、1級の4つに区分されています。このうち統計検定2級の資格を有する者は、統計学の知識を利用することにより、仮説に対してデータをもとに検証するという統計的問題解決が行えます。直近の5年間の合格率は、34.1〜45.6％となっています。

1. ③統計士・データ解析士

統計検定は、4級、3級、2級、準1級、1級、統計調査士、専門統計調査士、データサイエンス基礎（DS基礎）、データサイエンス発展（DS発展）、データサイエンスエキスパート（DSエキスパート）と複数の種別があります。いずれも、データに基づいて客観的に判断し、科学的に問題を解決する能力を証する資格となっています。難易度は、種別によって異なりますが、1級は20％程度となっています。

1. ④G検定・E資格

ディープラーニングの基礎知識を有し、適切な活用方針を決定して、事業活用する能力や知識を有しているか、ディープラーニングの理論を理解し、適切な手法を選択して実装する能力や知識を有しているか、を判定する資格です。直近5開催のG検定の合格率は、61.22〜66.17％、E資格の合格率は、71.79～78.44％となっています。

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

> この求人の具体的な募集要項はこちら

1. データサイエンティストの転職で後悔しないコツ

データサイエンティストの転職で後悔しないコツについて3つ解説します。

1. 転職したい企業の優先順位をつける

転職で後悔しないためには、自分が転職対象としている企業に対して、これだけは譲れないというポイントや、これを満たしていたら是非転職したいなどの条件を定めておくことです。例えば、自己実現、スキルアップ、キャリアアップ、職場環境、就労条件、給料などです。こうした条件を定めないまま転職すると、様々なメリットがあると感じていても、どこか不満を感じるという状態になることがあり、それが実は譲れないポイントだったと後から気づき、後悔につながるかもしれません。反対に、こうした条件を定めておけば、その条件を満たした転職が可能になり、その職場に多少のデメリットがあっても、後悔しない可能性が高まります。

1. 徹底した情報収集

転職する企業に対して可能な限り事前情報を収集し、転職した際の「こんなはずじゃなかった」をできる限り小さくしていくことで、後悔する可能性が低くなります。転職先の企業に対するイメージや、職種に対するイメージで転職すると、思わぬ落とし穴があるかもしれません。最低限、企業のホームページや、転職プラットフォームの口コミなどで情報収集し、可能であれば転職エージェントに相談するなどして、情報収集をすることをおすすめします。

1. 転職エージェントに依頼する

転職をする際は、転職エージェントを利用することで、後悔しない可能性が高まります。人生において、転職は重要なものであるにも関わらず、転職経験やノウハウが多くある人は稀です。自分一人でおこなうには限度があるため、そんな時は、転職のエキスパートである転職エージェントを活用がおすすめです。転職エージェントは、転職希望者の転職希望条件に沿った転職先を見つけてくれるだけでなく、キャリアについて相談に乗ってくれます。

転職エージェントの選び方は、国内大手の転職エージェントから選ぶのが無難ですが、転職エージェントによって、得意不得意があるため、自分の希望する業界や業種を得意とする転職エージェントを利用してみるのもおすすめです。

1. データサイエンティストに関するよくある質問

データサイエンティストに関するよくある3つの質問について解説します。

1. データサイエンティストでつらいことは？

・プレッシャーがある

成果を求められるものの、成果をすぐに出すことは難しく、成果に対するプレッシャーがあります。

・勉強が大変

数学や統計学は理系の大学レベルの知識が求められるうえ、プログラミングやAIなどの知識が求められる。

・作業が大変

データを収集し、分析し、仮説をたて、実行する、という作業の繰り返しです。プレッシャーがある中で、こうした作業をこなしていくのは大変な根気がいります。

・コミュニケーションが求められる

データや数字や結果などを言語化し、周囲に説明するコミュニケーションが発生します。コミュニケーションが苦手な場合、つらいと思う可能性があります。

データサイエンティストは、このようにつらいと感じる場面もあるかもしれませんが、プレッシャーが大きい分、大きな結果を出すことができた場合は、そのやりがいも大きいものとなります。

1. データサイエンティストの採用方法を知りたい

データサイエンティストになる方法は、大学や大学院で統計学、数学、情報工学を学び、卒業後にIT、製造業、サービス業などの企業のほか、データ分析専門の企業などに就職するか、社会人経験者が、それらの企業に転職するのが一般的です。また、企業から独立し、フリーランスとして活躍している人もいます。厚生労働省のjobtagによれば、9.1％の方がフリーランスとして活躍していると発表しています。

出典：厚生労働省「jobtag」

1. データサイエンティストは何年かかる？

データサイエンティストに求められる知識・ノウハウは、数学、統計学、プログラミング、AIなど多岐にわたります。もしいずれの知識もノウハウもない場合、最低でも2年はかかると見た方がよいでしょう。

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。