データサイエンティストへ転職！押さえるべきポイント徹底解説

最近耳にするようになった、データサイエンティストという職業。IT系の専門家ということは理解できても、具体的な仕事内容やどうしたらなれるのか、興味・関心のある方も多いのではないでしょうか。

本記事では、データサイエンティストの業務内容・どのようなスキルが必要なのか・採用されるための方法について、解説します。

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、企業活動の中で、様々な意思決定の場面において、データに基づいて合理的な判断を行えるように意思決定者をサポートする、または意思決定自体を行う職務です。

職務のカバー領域は広く、数学者、コンピュータ・サイエンティスト、トレンドスポッターの素養を併せ持っています。ビジネスとIT、どちらの世界にも精通するスペシャリストであるため、今や引く手あまたとなっており、将来性と高収入が魅力です。

データサイエンティストの将来性が高い理由

データサイエンティストとは、企業の持つ膨大なデータや統計学を駆使して状況を分析し、ビジネスの最適化を図る専門技術者です。

AI開発や、様々な物のIoT化の進む中、高精度に効率化を図るためには無くてはならない職業です。

近年注目の高まっている職業ですが、まだデータサイエンティストを育成する土壌が発展途上の状態にあるため、人材は不足しています。今後、求人件数の伸びていく職業であると言えるでしょう。

ビッグデータの活用が進んでいる業界が多数見られるため

ビッグデータの活用は、様々な業界で進んでいます。IT業界のみならず、物流・サービス、製造、小売、金融、広告、不動産、コンサルティング、行政にまで波及しています。効率的に確実な事業戦略を進めるために、ビッグデータの解析・活用は不可欠となっています。

AI化の加熱やIoTの発展に伴い、扱うデータはより大量化しています。近年コンピューターに学習を重ねさせるディープランニングという技術が発展していますが、精度向上のためにはビッグデータが欠かせません。効率的にデータを集めてインプットし、最適化してアウトプットすることが肝要です。

これには、スキルの高いデータサイエンティストの存在が重要です。現状、実務経験を積んだ人材が不足しているため、優秀なデータサイエンティストの獲得は、競争が過熱しています。

ビッグデータの活用の一例として、自動車の走行などの情報を利用した自動車メーカー、保険会社の「テレマティクス」関連サービスが挙げられます。テレマティクスとは、自動車から得られる情報を使って、事故の情報や渋滞状況をシェアするサービスです。

また、保険会社ではこの技術を自動車保険に応用して、走行速度や急ブレーキなどの運転情報を解析し、運転者が安全運転をしているかをジャッジして、保険料に反映するという、新たなサービスを生み出しています。

データサイエンスの教育が強化されているため

文部科学省は、2019年に「AI戦略などを踏まえたAI人材の育成について」という資料で、大学などの専門教育機関で、データサイエンティストを育成するための教育を重点的に強化していく方向性を示しています。

資料の中で、「数理・データサイエンス・AI教育の全国展開」における協力校を設置し、まずは10校の国立大学を協力校として、実効性のある教育の実施を掲げています。

また、2025年には、文理を合わせて、25万人の大学・高専生に、自らの専門分野への数理・データサイエンス・AIの応用基礎力を習得することを目標としています。加速度的に、普及・展開が進んで行くと言えるでしょう。

とはいえ、ビッグデータの活用の需要に対して、即戦力となる人材育成の供給が追いついていない現状を鑑みて、今後もデータサイエンティストの求人は、売手市場が続くものと考えられます。

参照元：文部科学省「AI戦略などを踏まえたAI人材の育成について」

年収が高く、今後も高まる可能性があるため

IPA（独立行政法人情報処理推進機構）の「IT人材白書2020」によると、データサイエンティストを含む先端IT従事者の年収は、1,000万円～1,500万円未満が全体の15.2%を占めているほか、600万円～700万円未満が13.6%、700万円～800万円未満・800万円～900万円未満が10.8%となっています。

他方で、先端IT非従事者の年収は、500万円～600万円未満が15.2%とボリュームゾーンとなっており、続いて400万円～500万円未満が14.8%、300万円～400万円未満が10.0%を占めています。

さらに、将来の目標年収も差が開いています。先端IT従事者の4割以上が年収1,000万円～3,000万円を目標としているのに比べて、先端IT非従事者の同じ年収を目指す割合は約22%と半分程度に抑えられています。

また、データサイエンティスト業界では、人材不足であることから、人材を確保するために今後は年収が上昇する傾向にあると、予想できます。

参照元：IPA（独立行政法人情報処理推進機構）「IT人材白書2020」

人間にしかできない仕事であるため

ビッグデータを扱うデータサイエンティストの仕事は、進化するAI技術に取ってかわるのではとの声も上がっています。AIは、大量のデータを集計したり分析したりするのを得意としています。

しかし、現状のAIでは、まだ課題設定や課題解決、それを踏まえたビジネスモデルの提案までは行うことができません。クリエイティブな面において、人間の発想が必須であるので、AIに全てが代替されることはないでしょう。

企業のキャンペーンや、新規事業の立ち上げに必要なデータを導くのが主な仕事ですから、マーケティングスキルが必須です。機械学習を使用した予想モデルを構築するためには、高精度な専門知識とスキルが必要不可欠であるので、人間を排してAIに全てを掌握させるのは、難しいと言えます。

未経験でもデータサイエンティストに転職できるのか？

データサイエンティストは、AIに欠かせない学習データを収集・分析する役割を担っている職種であり、プログラマーやSEといった従来のITエンジニアとは似て非なる存在です。

プログラミングやSEの実務経験はこの礎となり得ますし、IT業界での経験が皆無な方にはハードルが高いですが、ビッグデータをビジネスに必要かつ最適化された状態で応用するには、加えてウェブマーケティングの要素や研究職としての側面も必要です。

経験者が重用されるのはもちろんですが、現状、人材が不足しているため、未経験でも研修を前提として採用される求人案件があります。ただし、IT業界経験者、統計学の知見、募集企業に即した専門的な資格の所持者など、関連するスキルを持っていない人には厳しいでしょう。

データサイエンティストになるための3つのスキル

ビックデータを解析し、ビジネスに有用なデータとして最適化していくためには、次の3つのスキルが必要だと考えられます。

ITに関する全般的なスキルや知識

膨大な量のデータを分析・解析する上では、ITスキルを有して処理の効率化を図ることが欠かせません。

ITスキルは、主に以下の3つに大別できます。
「プログラミングスキル」は、データの形式の統一、データを収集する際のバッチ処理（大量のデータを一括処理すること）、BI表示（見える化するためにExcelなどのアプリケーションに表示すること）に必要なスキルです。

「データベース知識」は、単純なデータベースの知識だけでなく、効率的な収集・処理・データベース設計をするための知識です。これが不足すると、サーバーに大きな負荷をかけ、最悪の場合サーバーがストップしてしまうリスクが生じます。

「大量データの処理知識」は、Hadoop（データを複数のサーバーに分散し、並べ替えて処理するソフトウェア基盤）など、大容量のデータを高速処理するのに適した技術の知識を指します。

その他にも、シェアの高いoracle社のデータベースソフトウェアの基本知識や操作について習得すると、簡易的なプログラム作成が可能になり、大変有用です。

統計学に関するスキルや知識

データサイエンティストは、ビックデータを扱うため、正しくデータを解析するためには、統計学や統計結果をもとに問題解決に努めるスキルが必須となります。統計学に関するスキルは、主に次の3つです。

データ分析の世界では、共通言語が「数学」であり、ほぼ全てのデータ分析書籍は、数学の知識を前提に書かれています。確率・統計、微分積分、行列などがその基礎と言えます。

次に必要なのは、「データ分析手段」です。分析を行う際には分析モデルに従って処理を進めていきます。よって分析に適した統計処理や、統計学・人工知能・パターン認識の技法を網羅的に適用するデータマイニングの手法を理解する必要があります。状況によって適宜の分析手段が使えるように知識を持っておくと、現場で困りません。

更に必要なのは、「データ分析ツールの活用」です。代表的な分析ツールは、IBM社の「SPSS」です。SPSSは、簡単な操作で統計結果を求めることができます。プログラミングも必要がなく、優れた操作性を発揮し、テーブルの編集機能やグラフ出力も可能です。Excelを分析に用いる企業も、あります。

データをどのように活用するかを見出すビジネススキル

データサイエンティストには、膨大な量のデータをどのように活用してビジネスに応用するかという観点が必要です。
データをより良く活用するためのスキルは、主に次の3つで構成されています。

例えば、これから新規事業を立ち上げようとしている企業に、既存サービスを利用している顧客の年齢層を分析するなど、企業の課題解決に向けて、ビジネスモデルに有用なデータを絞る「ビジネスへの活用方法」の観点が必要です。

また、課題を整理して最適解を導くための、「論理的思考力」が必要です。

最後に、データサイエンティストには、結論を訴求する「プレゼン力」が必要です。分析した結果が、いかに企業にとって有用であるかを伝えられるのかが、自身の成果に繋がるからです。ここでは、ITの知識に乏しい人にも、わかりやすく説明することが求められます。

データサイエンティストになるためには？

ここまで、データサイエンティストに必要な資質や取り巻く環境について、述べてきました。では、具体的にデータサイエンティストになるためにはどのような道があるのでしょうか。

専門知識が学べる大学を卒業して就職する

文部科学省の方針により、国公立大学にはデータサイエンス系に特化した専門の学部が開設されるようになってきました。
さらには、専門職大学もあり、専門科が開設されている大学の一つとして、情報経営イノベーションが挙げられます。情報経営イノベーション学科では、プログラミング・AI・ビッグデータなど、幅広いカリキュラムを提供しています。

データサイエンティストは、専門知識や高度なスキルが必要であるため、全くの未経験から就職するのは、難易度が高いです。新卒でなくて、特に文系である場合には、未経験の状態から挑戦するよりも部分的にも知識や経験を積んで中途採用を目指す方が、成功率が高いと考えられます。

エンジニア職やマーケッター、アナリストから転職する

データサイエンティストを求めている場合、即戦力となる経験者を求めていることが殆どです。まずは、周辺職種に身をおいて、必要なスキルを身に着けていくのも、ひとつの手法です。

エンジニアは、大量のデータを恒常的に扱っており、データサイエンティストに近い職種です。また、マーケッターは、マーケティング理論や調査に必要な専門的な知識を装備した戦略立案者です。

アナリストは、金融機関や投資会社において市場調査や経営状況の把握まで、幅広くデータ分析をする専門家です。マーケッター・アナリストは恒常的に市場調査やビジネスにおける課題のピックアップを行っているため、即戦力となり得る力を備えています。

社内公募等を利用してキャリアチェンジする

企業の中には、社内でキャリアチェンジプログラムを用意し、データサイエンティストを育成するところもあります。

とはいえ、狭き門となっているのが現状です。社内制度を利用して、データサイエンティストへのキャリアアップを図るためにも、これまでの実績や即戦力となる経験や知識、実力がなければ難しいでしょう。

データサイエンティストの需要がある業界

データサイエンティストは、IT業界が主流の職種であると思われがちですが、実は、求められる範囲は多岐に渡っています。

具体的には、「IT業界」「不動産協会」「金融業界」「製造業界」「広告業界」「コンサルティング業界」などが、挙げられます。この他にも、アパレル・電力・ヘルスケアなど、さまざまな業界で活躍の場が設けられています。

とりわけ、広告業界はマーケティングに注力しており、膨大なデータを取り扱うため、求人のニーズが高くなっています。

まとめ

ここまでみてきたとおり、データサイエンティストは、企業の課題解決のために高い専門性を発揮できる職業であり、エンジニアなどと並んで需要は多いものの、絶対数が少なく供給が追いついていないことがわかりました。

IT系の中でも、自分の手で課題を解決し、会社の利益に直結して貢献できる点が魅力であり、レイヤの高めな仕事です。今後の将来性とやりがいを兼ね備えた仕事だと言えるのではないでしょうか。

興味を持たれた方は、キャリアアップの手段として、データサイエンティストを目指すこともおすすめします。

よくある質問

未経験でもデータサイエンティストに転職できますか？

実際は未経験でも研修を前提として採用される求人案件がありますが、IT業界経験者、統計学の知見、募集企業に即した専門的な資格の所持者など、関連するスキルを持っていない人は厳しいと判断できます。詳細は「未経験でのデータサイエンティストへ転職」で説明しているので確認ください。

データサイエンティストの需要がある業界を教えてください。

データサイエンティストは、IT業界が主流の職種であると思われがちですが、実は、求められる範囲は多岐に渡っています。詳細は「データサイエンティストの需要がある業界」で説明しているので確認ください。

関連記事

データサイエンティスト・データベースエンジニア・

• データベースエンジニアに転職！ 失敗しない転職のコツや資格を紹介
• データベースエンジニアとは? 必要なスキルや年収や将来性を解説！
• データサイエンティストになりたい人向け！職務内容や必須スキルを紹介
• データサイエンティストの平均年収とは？年収アップに必要なスキルも紹介
• データサイエンティストへ転職！抑えるべきポイント徹底解説

エンジニアの転職

• QAエンジニアに転職! キャリアパスや転職のポイントを解説
• データベースエンジニアに転職！ 失敗しない転職のコツや資格を紹介
• クラウドエンジニアに転職！年収相場や役立つ資格を解説
• AIエンジニアに転職するには？未経験から学ぶためのポイント
• アプリケーションエンジニアの転職事情は? 将来性や転職成功のコツを解説
• プロジェクトマネージャーに転職するには? 向いている人や将来性を解説