IT系の専門職として昨今注目されている、データサイエンティスト。企業からのニーズも高く、急速にIT化の進む中、引く手あまたな人気の職業です。年収アップも期待できるため、データサイエンティストへの転職を視野に入れている人も多いのではないでしょうか。
そこで本記事では、データサイエンティストが具体的にどのような仕事内容なのか、どうすればデータサイエンティストに転職できるのか解説します。
データサイエンティストの興味があるならば、キャリアアドバイザーとともにスキルや今後についての整理をしてみませんか？
ウィルオブテックは専属2名体制で今後についてお悩みのあなたをサポートしします。
TOPICS
データサイエンティストとは？
そもそもデータサイエンティストとは企業活動内での意思決定において、データに基づいて合理的な判断を行い、意思決定者のサポートや意思決定自体を行う職業です。
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が生まれた背景
データサイエンスという用語が一般的に注目されたのは2010年代以降ですが、その存在は50年以上前に端を発します。リサーチャーと呼ばれる彼らは、統計分析をして業務に活用していました。
2004年にFacebook、2005年にYouTube、2006年にTwitterがサービスを開始し、そして2007年にはiPhoneが誕生して、生活の必需品となるにつれ、データ量が爆発的に増え続けました。
こうした流れの中で、データサイエンティストはビジネスの課題解決に際してデータ活用の技術が顕著な成果をあげることから、多様化するニーズの中で複雑化した課題解決につながる提案を求めて生み出された職業だといえます。
データアナリストとの違いは？
データアナリストの職務は、データを収集し分析するのに特化しています。一方データサイエンティストは、コンピューターサイエンスや統計学に基づいてビジネスの課題解決までを包括して請け負う仕事です。
データアナリストの守備範囲は主としてデータの「収集」と「分析」に徹していますが、データサイエンティストの領域は、データの「課題抽出」「収集と分析」「仮説構築」「アルゴリズムや予想モデルの実装」と、広範囲に及びます。
そのため、機械学習エンジニア、AIエンジニア、データアナリストというさまざまな顔を持つオールラウンダーとして、データサイエンティストが呼称されることもあります。
データサイエンティストの需要は？
昨今ではAIの成長が著しく、特定の領域においてはAIが人間を凌駕しつつあります。根幹技術とされるディープランニングだけでなく、データを操るデータサイエンティストという職業は、さらに注目度が増しています。
国の方針によって、2012年から国立大学を中心にデータサイエンス学部を設置する大学が増加傾向です。修士号や博士号を取得できる大学院も増えており、データサイエンスの価値や人的資本の重要性が認知されてきたといえます。
データサイエンティストは何をする職業なのか
ここでは、データサイエンティストの具体的な仕事内容や仕事の流れについて、解説します。
経営における課題を把握し改善の戦略を立てる
データサイエンティストは、データを収集する前段階として、問題点を把握するところからスタートします。ビジネスに充分貢献し得るデータ分析を行うためには、問題設定が要です。
元々問題設定は、企業の事業企画部門やコンサルティングファームが担っていました。しかし企業の課題解決にデータが必須な時代になったため、問題設定がデータサイエンティストの領域になりつつあります。
目的に合ったデータを収集して分析の準備をする
問題を掴んで仮説を立ててから、目的に合ったデータを収集します。次に、高精度なデータ分析のために、データを整理して下準備をします。分析のためのデータベースを整えるのも、地味ですが大切な作業です。
集めたデータをもとに分析を開始する
データベースやデータ分析基盤をととのえたら、いよいよ分析に入ります。組み合わせたデータを解析し、大量のデータから有意な項目をみつけて、特定していきます。
分析した結果をもとに、最初に立てた仮説が合っているかを検証する段階です。さまざまな分析手法の中から、最適解を導き、問題解決のための答えを見つけ出す作業といえます。
課題を解決し企業にアドバイスをする
最後に、企業に問題解決のための道標を提示します。例えば、膨大なデータの中から、購買頻度のような分析対象であるデータ項目を見やすく整理し、重要指標として設定する段階です。
KPI（重要業績評価指標）※として設定された項目の推移をレポートにまとめて、解決策を提示します。ここで、さらなる課題を明らかにし、次のデータ分析の施策につなげるケースもあります。
※KPI：売上や利益率等の目標達成するために実行すべきプロセスが適切に実施されているかを定量化して評価するための指標
データサイエンティストに必須のスキルは？
データサイエンティストを目指す場合、どのようなスキルを身につける必要があるのでしょうか。
IT全般に関する知識
データサイエンティストには、言うまでもなくIT全般に関する知識が求められます。IT知識の中でも、「プログラミング」「データベース」「大量データの処理知識」が特に重要です。
例えば、データの形式を統一したり、データ収集をしたりする際のバッチ処理、情報分析を行うためのBIツールへ表示させる処理などにおいて、プログラミングの知識が不可欠です。
また、データを扱うデータサイエンティストは、データベースに関する知識も欠かせません。取り扱うデータは、通常データベースに格納されているため、利用する際にも深い知識が求められます。
単純なデータだけでなく、容量が非常に多いビッグデータを取り扱う機会が多いので、データを収集・蓄積・操作する際には高度な技術が必要です。
統計学に関する知識
統計学に関する知識は、「数学」「データ分析手段」「データ分析ツールの活用」の3つに大別されます。
データ分析の世界では、前提条件として数学の知識が欠かせません。また主に活用するデータ分析のツールとして、oracleがあります。oracleの周辺知識にも習熟しておくとよいでしょう。
データの活用方法を見出すためのビジネススキル
ビジネススキルの例としては、「ビジネスへの活用方法」「論理的思考力」「プレゼン力」などが挙げられます。
データサイエンティストには、ITや数学・統計学などの理系の知識に加えて、コンサルティング的な要素も求められます。データ分析をするだけでなく、分析したデータの活用方針を企業に訴求するところまでが着地点です。企業の課題を知り、どのようなデータを用いれば課題解決につながるのかを明確に把握する必要があるでしょう。
また、データサイエンティストは、最終的にレポートやプレゼンテーションという形で、成果物を提示する場合がほとんどです。納得のいく説明をするためにも、論理的思考力やプレゼン力は必須といえます。
データサイエンティストの平均年収はいくらなのか
データサイエンティストは、現在、引く手あまたな状況となっており、売手市場です。また、専門性の高い業種であるため、高収入を見込むことができます。
日本のデータサイエンティストの平均年収は約650万円です。月給ベースで換算すると約58万円、初任給では24万円程度が一般的です。全業種の平均年収が約420万円なので、全般的に高めの報酬を得ているといえるでしょう。ちなみに、マーケッターの平均年収は、約570万円です。
一方、アメリカのデータサイエンティストの平均年収は1,270万円です。アメリカでは、年間4,000人のデータサイエンス関連の修士号所持者が輩出されています。このことからも、データサイエンティストは、スペシャリストであり、花形職業だといえます。
というのもアメリカでは、日本国内よりも早くからデータサイエンティストという職業が確立されており、3年連続でベスト・ジョブに選ばれています。デジタル化が進む日本でも、今後このような傾向が進んでいくでしょう。
※参照元：求人ボックス「データサイエンティストの仕事の年収・時給・給料」
データサイエンティストになるには？
ここまで、データサイエンティストの概要から業務内容・年収まで詳しく紹介してきました。データサイエンティストは、魅力的な仕事です。データサイエンティストに興味を持ち、ぜひその職に就きたいと思った方もいるのではないでしょうか。
ここからは、データサイエンティストになるための４つのルートについて、解説します。
大学や大学院を卒業して就職する
データサイエンティストになるためには、理系の大学や大学院を卒業して新卒で就職する方法が近道です。
近年、文部科学省の方針から、国公立大学を中心にデータサイエンスに特化した専門の学部や大学院の課程が新たに設置されてきています。例えば、滋賀大学や横浜市立大学のデータサイエンス学部、東京大学の数理・データサイエンス教育プログラムが代表的です。
さらには、専門職大学も開設されています。その中のひとつに、情報経営イノベーション専門職大学があります。このカリキュラムでは、プログラム・ビッグデータ・AIなど、広範囲にわたって、体系的・網羅的に学ぶことができます。
また、データサイエンティストが不足していることから、民間のスクールでも、データサイエンスを学べる土壌ができ始めています。文系で未経験の状態からデータサイエンティストを目指すのは大変困難なため、専門の教育機関で学ぶとよいでしょう。
マーケッターやアナリストから転職
マーケッターやアナリストは、データサイエンティストと取り扱う領域が被っています。そのため、マーケッターやアナリストからデータサイエンティストに転職する方法があります。
もし、データサイエンティストとしての就職・転職に失敗したとしても、近い職種に就いて経験を積んでおけば、後にデータサイエンティストへの転職の道が開けます。
企業がデータサイエンティストを募集する折には、経験者優遇であることがほとんどであるため、まずは周辺の職種に就いてスキルを磨いて置くのが得策です。
エンジニアから転職
上記と同じ観点から、エンジニアからの転職もおすすめです。データベースエンジニア、データマイニングエンジニア、Web系エンジニアなどを経れば、データサイエンティストに転職しやすいといえます。
前職にてPythonを用いたアプリケーションの開発経験や、ライブラリを使った機械学習・深層学習の経験など、実務経験がある場合には、企業から重宝されるでしょう。
ただし、「ビジネス力」「データサイエンス力」などのソフトの部分をカバーすることができないため、補強するための学習やスキルの習得が必須です。
社内制度を用いてキャリアチェンジする
一部の企業では、社内制度を利用してデータサイエンティストにキャリアチェンジできます。社内公募として、自社でデータサイエンティストを育成しようと試みる企業も少なくありません。
例えば日立製作所では、自社にて3,000人のデータサイエンティストを育成することを目標に掲げ、所属するSEを対象に研修を実施しています。
全体的に人材が不足しているため、データサイエンティストの育成が早急の課題となっています。このような企業の試みは今後増えていくかもしれません。
データサイエンティストの将来性
AIの発展が著しいなか、データサイエンティストが行っている仕事はAIに代替され、激減するのではないかと懸念されていました。確かに、集計や法則性のあるデータの抽出など、一定の部分はAIが担っています。
しかし、AIは過去のデータからの予測や機械的な部分は得意ですが、自発的に新しいものをつくりだすことは不得意であるため、人間にしか請け負えないモデルの作成や開発の仕事は減ることはありません。むしろ、データサイエンティストの需要は伸びつつあります。
今後はデータの分析だけではなく、業界の周辺知識や問題の解決能力を有し、データをハイレベルに応用できるスキルを持った人材が求められています。
まとめ
データサイエンティストに興味がある人や転職を考えている人向けに、データサイエンティストの仕事内容や必要なスキル、データサイエンティストになる方法を解説しました。
データサイエンティストは専門職で需要も多く、高収入が望める職業です。しかし、データサイエンティストへの転職を一人で進めることに不安を抱いている人もいるでしょう。そこでおすすめなのが、転職エージェントの活用です。
特にウィルオブテックは、IT領域の転職支援を得意としています。データサイエンティストへの転職を効率よく進められる絶好の機会です。ぜひウィルオブテックの無料キャリア相談に一度参加してみませんか？
データサイエンティストの興味があるならば、キャリアアドバイザーとともにスキルや今後についての整理をしてみませんか？
ウィルオブテックは専属2名体制で今後についてお悩みのあなたをサポートしします。
よくある質問
データサイエンティストの具体的な仕事内容を教えてください。
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。詳細は「データサイエンティストの内容」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必須スキルは何になりますか？
基本的なことにはなりますが、まずは「IT全般に関する知識」「統計学に関する知識」「データの活用方法を見出すためのビジネススキル」などがあげられます。詳細は「データサイエンティストになるには」で説明しているので確認ください。
