こんにちは、ITプロマガジンです。
IT職の需要が高まるなか、年々需要が増えているのが「データサイエンティスト」です。エンジニアとして働いている人やこれからIT職を目指す人のなかには、データサイエンティストに興味を持っている人もいるでしょう。しかし、「データサイエンティストはやめとけ」という声も存在します。それは本当なのでしょうか?
本記事では、「データサイエンティストはやめとけ」と言われる理由から、仕事の魅力、将来性などを解説します。データサイエンティストに向いている人の特徴も紹介するので、仕事選びの参考にしてください。
ドンピシャ案件の探し方
「案件はたくさんあるはずなのに、なかなか自分の望む案件が見つからない…」
エンジニア市場は売り手市場であるものの、いまだに正しいマッチングノウハウが確立されておらず、多くの方が案件探しに苦労されています。
ですが、現在の市場感や企業側に刺さる経験・スキルを理解し正しく案件探しをすれば、誰でも自身のバリューを活かし単価を伸ばすことができる、というのも事実です。
ITプロパートナーズでは、
・9割がエンド直案件のため、高単価
・約6割が週3-4案件のため、柔軟に働ける
・事業会社の自社開発案件が多い
などの魅力的な案件を数多く保有し、マッチング能力の高い即戦力エージェントが完全サポートします。
初めてのフリーランス、情報収集段階でも大丈夫です。あなたの働き方にマッチし、単価も高く、最もバリューを発揮できる案件を探しませんか?
目次
- 1 そもそもデータサイエンティストとは
- 2 「データサイエンティストはやめとけ・後悔する」という声は本当?
- 3 データサイエンティストはやめとけと言われる7つの理由とよくある後悔
- 4 実際はどうなの?データサイエンティストの年収や将来性
- 5 データサイエンティストの魅力やメリット
- 6 データサイエンティストに求められるスキル・知識
- 7 データサイエンティストとして働いている人の体験談
- 8 データサイエンティストに向いている人の特徴
- 9 データサイエンティストに向いていない人の特徴
- 10 データサイエンティストのニーズがある業界
- 11 未経験からデータサイエンティストになる方法
- 12 データサイエンティストを目指せるおすすめのスクール
- 13 データサイエンティストにおすすめの資格
- 14 まとめ
そもそも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、データの収集・分析を行い、企業が抱えるビジネス課題の発見や解決の方法を検討・計画立案する職業です。
ビジネスにおいては、企業・個人が持つ膨大なデータ、いわゆるビッグデータを活用した事業戦略の策定や意思決定が当たり前になりつつあります。データサイエンティストは、膨大な量のデータを分析することで有益な示唆・仮説を発見したり仮説を統計的に検証したりしながら、ビジネス課題の解決を目指します。データをもとに、合理的な判断を行うためのサポート役と考えましょう。
データを収集・分析するという点において、データアナリストと近しい仕事ではありますが、データサイエンティストのほうがより広い領域を担当します。データサイエンティストは、ビジネス課題の解決を目的として動くため、課題の洗い出しや達成目標の設定、仮説の立案など従来のコンサルタントや企画部門の職務領域も担います。
「データサイエンティストはやめとけ・後悔する」という声は本当?
データサイエンティストは、現代のビジネスで重要な役割を担っています。しかし、インターネットの掲示板やSNSなどでは「データサイエンティストはやめとけ」という意見も散見されます。
データサイエンティストという職業にこのような意見が出る理由はいくつかありますが、人によって感じ方は異なるものです。どのような仕事にも向き不向きがあり、向いていない人に対しては「やめとけ」というのは自然なことでしょう。自分にとってデメリットになり得るのか、やめといたほうが良いと言われる理由を1つずつ考えることが重要です。特に、華々しい仕事に憧れている人や、細かな作業・計算が苦手な人は、仕事が続かない可能性があるため、よく検討してください。
データサイエンティストはやめとけと言われる7つの理由とよくある後悔
それでは、「なぜデータサイエンティストはやめとけ」と言われることがあるのか、その理由を確認しましょう。
- 技術の習得が難しい
- 責任が重く期待値も大きい
- 仕事が大変・きついと感じる場合がある
- 将来性がないという見方がある
- タスク管理を徹底する必要がある
- 文系出身だと就職・転職は困難
- 経営やビジネスへの理解が必要になる
一般的にやめとけと言われる理由はこの7つになります。それぞれ詳しく解説していきます。
1.技術の習得が難しい
膨大なデータを読み解き、有効に活用することは簡単なことではありません。データサイエンスでは、数学・統計学・論理学・プログラミング・AI(人工知能)など、さまざまな分野の知識・スキルが求められます。さらに、求められるレベル・難易度も高く、文系で専門的な学習をしたことがない人だと学習にも時間がかかります。例えば数学であれば微分積分・行列・回帰分析など理系大学レベルなどの深い知識、プログラミングであればPythonやRなどのプログラミング言語の知識が必要です。
2.責任が重く期待値も大きい
データサイエンティストの仕事は、細かい数値を扱ううえ、企業の事業運営や戦略の決定を左右します。小さなミスが大きな影響をもたらすこともあるため、企業側からは完璧なデータ分析を期待されやすく、それがプレッシャーになることがあります。また、データサイエンティストという職種の歴史が浅いことから、職務範囲が不明瞭になりやすく、本来の業務以外の仕事も任せられる職場もあるようです。
3.仕事が大変・きついと感じる場合がある
日本は、IT人材が大きく不足しており、そのなかでも新しく高いレベルの知識・スキルが求められる職種であるデータサイエンスはどこも人手が足りていません。人手不足ゆえに1人に割り振られる仕事量が増えてしまい、激務になることがあります。
また、知的能力や最新の知識を駆使してビジネス課題を解決する仕事に華やかなイメージを持たれることも少なくありません。しかし、実際にはデスクワークの地道な作業が続きます。何日も成果が出ないこともあり、仕事がつらいと感じる人もいます。
4.将来性がないという見方がある
現在高い需要があるデータサイエンティストですが、一部では将来性を心配する声もあります。
AIを高い精度で機能させるためには、判断材料となる学習データとデータを出力するモデル(数式や理論)が必要です。現在、データサイエンティストの大部分を学習データの準備やモデルの構築が占めていますが、技術の発展によりこれらの業務の自動化が進んでいます。すでにデータを分析・可視化するBIツールが登場しており、クラウド技術も向上していることから、企業は人ではなく新技術の導入によりデータの分析を行うようになることが予想されます。
5.タスク管理を徹底する必要がある
データサイエンティストは業務量が多く、タスク管理を徹底しなければ作業が追いつかず、仕事に追われるような生活になってしまうケースもあります。データをただ分析すればいいわけではなく、クライアントの経営課題の洗い出しや提案内容の検討なども必要で、計画的に進めなければ期限までに作業が終わらないこともあるかもしれません。
データサイエンティストが足りない現場も多く、多くの作業をひとりでこなさなければならないケースもあります。タスク管理の大変さや作業量の多さから、データサイエンティストになったことを後悔する人もいるでしょう。
6.文系出身だと就職・転職は困難
先ほどデータサイエンティストに求められる技術は習得が難しいと紹介しましたが、数学や統計など、文系出身の方にはあまり馴染みのない学問の知識も必要です。そのため、文系出身だとそもそもデータサイエンティストへの就職や転職は難しいかもしれません。
もちろん「100%不可能」というわけではありませんが、高校や大学でこれらの学問に触れてこなかった方は、技術の習得にかなりの努力が必要となります。
7.経営やビジネスへの理解が必要になる
データサイエンティストの仕事は、データ分析の結果を経営やビジネスに役立てることです。そのため、データ分析のスキルに加えて経営やビジネスへの理解も必須となります。いくら数学や統計、プログラミングなどの高度なスキルがあっても、それをもとにクライアントへ最適な提案ができなければ、データサイエンティストとして活躍するのは難しいです。
データサイエンティストのことを「データ分析だけをする仕事」と考えていると、想定していなかった経営やビジネスの知見を求められて、後悔することになるかもしれません。
実際はどうなの?データサイエンティストの年収や将来性
「データサイエンティストはやめとけ」と言われている理由から、職業としての安定性や将来性に不安を感じた人もいるでしょう。一方で、悲観される情報ばかりではありません。
年収目安は700万~800万円
データサイエンティストの年収目安は、正社員の場合で700万~800万円程度です。エンジニアの年収目安が550万円であることを考えると高い水準であることが分かります。
フリーランスになると、正社員として働くよりもさらに稼ぎやすくなります。例えば、「ITプロパートナーズ」に掲載されているデータサイエンティスト案件のうち、週4〜5日稼働のようなフリーランス向けの案件の単価相場は60万〜90万円程度。年収に換算すると720万〜1,080万円ほどになります。
AIやBIを駆使する人材として需要が高い
自動化ツールなどのITがさらに発展すれば、単なるデータの分析や解析におけるデータサイエンティストの需要は下がる可能性があります。とは言え、データを具体的な戦略としてビジネスに落とし込んだり、常識を覆す企画を提案したりと、機械が苦手とする創造的な分野は、機会を活用しつつ人が対応しなければなりません。つまり、データやAIなどを「使いこなせる人材」としてのスキルを身につければ、将来的な需要にも対応できます。
データサイエンティスト協会の調査によると、データサイエンティストが1人以上いる会社は全体の29%でした。多くの企業は社内にデータサイエンティストがいないため、データを分析して経営に役立てられる人材は今後も需要は高いままであると考えられます。
データサイエンティストの魅力やメリット
データサイエンティストは、しんどいと感じる人もいる反面、キャリア形成にプラスになる要素もあります。ここでは、データサイエンティストの魅力・メリットを確認してみましょう。
さまざまな業界で活躍できる
データ社会の現代において、顧客データ収集や業務の自動化、ビッグデータの活用が必須となりつつあります。そのため、データサイエンスを扱える人材はIT業界にとどまらず幅広い業界で重宝されている状態で、不動産・金融・製造・広告などさまざまな業界で活躍が期待できるのです。就職先の選択肢の幅が広く、自分に合う企業・希望が叶う企業を選択しやすいと言えます。
日本企業のIT化は世界的にみても遅れており、人材不足も深刻なので能力あるデータサイエンティストであれば就職に困ることはないでしょう。
ビジネスの上流工程に携われることがある
データサイエンティストは、ビジネスの上流工程(上流ビジネス)に携わることができます。ビジネスの上流工程とは、企業の戦略立案や業務改善など経営者に近い視点が求められる部分です。
企業が抱える大きく難解な課題は、解決が難しい分、試行錯誤の末に解決した時の達成感が大きくなります。自分の仕事が企業の行く末を左右すると考えると大きなやりがいがあるでしょう。経営に近い業務を行い、責任や緊張感が求められることもある上流工程の業務は、平均年収が高い点も魅力です。
フリーランスとして独立しやすい
専門的な知識・スキルを用いて企業の課題解決に貢献できる人材は、個人でも活動できます。人材不足の企業がほとんどでフリーランス向けの案件も多く、単価が高いため高収入が見込めます。
フリーランスになると、稼ぎやすいだけでなく、自由な働き方ができるというメリットもあります。仕事内容や条件を選んでキャリアアップを図ったり、働く時間を調整して家族との時間を大切にしたりと、自分らしく働けるでしょう。
将来的に独立したいという人は、こちらもご一読ください。
データサイエンティストに求められるスキル・知識
データサイエンティストには、以下のようなスキル・知識が求められます。
- プログラミング
- データ解析
- ビジネススキル
- コミュニケーション力
- 数学・統計学 など
プログラミングやデータ解析、数学・統計学のスキル・知識は、大量のデータを効率的に分析するために欠かせません。ビジネススキルは、分析結果をどのように経営やビジネスに活かすのかを検討したり、クライアントにプレゼンしたりする際に必要になります。
経営課題を洗い出したりクライアントから要望を引き出したりするには、丁寧なヒアリングを行わなければなりません。そのため、データサイエンティストにはコミュニケーション力も求められます。
データサイエンティストとして働いている人の体験談
実際にデータサイエンティストとして働く人の声を見ても、良い点と考慮しておきたい点の両方が見つかります。これからデータサイエンティストを目指す人は、どちらもふまえて判断しましょう。
良い口コミ
会社の人事制度が来年から変わるらしく、その中でAI・IoT・データサイエンティストなどは専用の給与テーブルで給料アップするらしい!?💰
— ヘラジカ (@losi987654321) September 22, 2022
うーむ楽しみすぎる💃
データサイエンスが扱える人材は重宝されるため、能力によっては正社員でも平均年収以上の高収入を狙うことが可能です。転職する時は、しっかり評価してもらえる企業をゆっくり選びましょう。
また、データサイエンティストとしてプラスアルファの能力があれば、日本だけでなく世界でも活躍できる可能性があります。より高いやりがいと収入を目指すことができる点も魅力ではないでしょうか。
やはり今の時代,「データサイエンスxプログラミングx英語」の組み合わせが最高にホットの様に思える
— かめ@米国🇺🇸AI開発/コミュニティ"DataScienceHub"やってます (@usdatascientist) September 18, 2022
アメリカで出会う日本人の多くがこの分野に興味がある様に思えるし,実際にデータサイエンティストの採用強化をしている会社が多いと感じる
待遇も年々インフレ状態だし,この流れは止まる気配なし
悪い口コミ
データサイエンティストの何が難しいかって「データサイエンスでビジネス課題を解決するぞ!統計学でも機械学習でも何でも聞いてください!」と意気込むものの、いざクライアントと対峙すると「売上を上げたいんだけど、どうすればいい?」って聞いてこられるところなんですよね。
— うとしん (@s1ok69oo) November 10, 2022
データサイエンティストの高い年収は、それだけ成果が求められていることを意味します。先述のように、責任と期待値が大きいことで、やはりプレッシャーに感じる人もいるようです。
転職の際面接官から40歳でデータサイエンティストになって貢献できているの?と聞かれたことがある。
— Koko@普段より少しレベルアップできる情報を発信する40代リーマン (@kodenkoden) September 21, 2022
私「現場の業務を知っているデータサイエンティストはあまりいません」
面接官「確かに」
AIの民主化が進みスキルの差はどんどん小さくなる
AI+@が必要#仕事#転職#社会人
また、どのような職業にも当てはまりますが、自分の希望する仕事・高収入の仕事を得るためにはライバルたちとの差別化が必要です。得意な分野や他の人にはないキャリアなど「強み」が求められていると言えるでしょう。
データサイエンティストに向いている人の特徴
データサイエンティストになるか迷っている人は、自分がデータサイエンティストに向いているのか確認してみましょう。
数学や分析が得意な人
データサイエンティストにとって、データ分析に用いる数学や統計学は欠かせない知識です。そもそもデータの多くは数字の塊。よって、計算や数字に苦手意識がある人は、データサイエンティストになるために勉強をする時点からかなり負担に感じることになるでしょう。
また、データ分析では、論理的な判断ができるかも重要な資質と言えます。一般論やこれまでの経験などから先入観を持ってしまう人だと、成果を出せない可能性があります。
エンジニアとしてのスキルが高い人
データサイエンティストは、「サイエンティスト」(科学者)という名称を持つものの、「エンジニア」としての知識・スキルも求められます。
例えば、BIツールやAIの仕組みを理解するのにはエンジニアの知識が必要です。また、集めたデータを整理し読み解くためのデータ加工も行うことがあり、機械学習のアルゴリズムのプログラミングなどではPythonやR言語などのプログラミング言語を用います。
ビジネススキルの高い人
データサイエンティストの目標は、ビジネス課題の解決です。企業の抱える課題をヒアリングしたり、経営層やクライアントに企画を提案したりすることもあります。そのため、汎用的なビジネススキルを持っていることも重要です。
ビジネススキルとは、コミュニケーションスキルや傾聴力、プレゼンテーション力、交渉力など多岐にわたります。ビジネスパーソンの土台となる部分で、専門的なスキルと同様に身につけるまでに時間と経験が必要です。
データサイエンティストに向いていない人の特徴
データサイエンティストに向いている人がいる一方で、残念ながら向いていない人もいます。ここでは、データサイエンティストに向いていない人の特徴を見ていきましょう。
数字や計算などが苦手な人
売上や顧客数など、データサイエンティストが扱うデータの多くは数字です。そのため、数字や計算などが苦手な人は、データサイエンティストの仕事そのものを苦痛に感じてしまう可能性が高いでしょう。
地道で細かな作業が苦手な人
データサイエンティストには「華やかな仕事」というイメージがあるかもしれませんが、実際は仮説を立ててデータ分析を繰り返す地道な仕事です。そのため、コツコツ細かな作業を繰り返すのが苦手な人も、データサイエンティストには向いていないでしょう。
忍耐力がない人
日々大量のデータと向き合うには、忍耐力も必要です。いつでも仮説どおりの分析結果が出るとは限らないため、根気強くデータ分析を続けなければなりません。忍耐力がない人には、難しい仕事といえます。
データサイエンティストのニーズがある業界
次に、データサイエンティスト人材を積極的に求めている業界のうち、主な3つを紹介します。
IT/Web業界
IT/Web業界では、特にサービス開発やマーケティング施策においてデータサイエンティスト人材を必要としています。
例えばBtoCのサービスを提供するIT/Web系企業の場合、ユーザー動向・ニーズを調査するにあたって、高度なデータ分析スキルを持った人材が必要です。また、何百万人ものアクティブユーザーを抱えるWebサービス企業の場合、膨大な行動履歴からユーザーの動向を分析し、売上やLTVを高めるための施策を導き出す際に、データサイエンティストの知見が役立ちます。
金融・保険業界
金融商品や保険商品は、統計データから収益性やリスクを確率的に分析することで成り立っています。データサイエンティストは、新商品開発や既存商品の設計最適化を行うにあたって欠かせない人材で、高いスキルを持った人材であれば需要は高いでしょう。
製造業界
製造業界は、特に生産管理において、品質、効率、コストなどをめぐってさまざまな数値データが蓄積されています。データサイエンティストの高度な知見をもってそれらのデータを分析すれば、品質、納期やコストといった観点で改善策を導き出せる可能性もあり、活躍が期待されている業界の1つです。
未経験からデータサイエンティストになる方法
完全な未経験からデータサイエンティストを目指す場合は、最低でも2〜3年は必要だと考えましょう。中長期的に取り組み、徐々にステップアップしていくことが重要です。
まずは十分な知識を身につける
ここまでの話で、データサイエンティストは、数学や統計学からプログラミングまで幅広い専門知識が求められることが分かったでしょう。知識に乏しければ、データサイエンティストとして仕事をこなすことは困難です。そのため、まずは十分な知識をつけるところから始めましょう。
独学でも不可能ではありませんが、完全な未経験者であれば、何をどう学べばよいかも分からないものです。大学や専門学校のほかに、Webサイトやプログラミングスクールなどを利用して学習を進めるのがおすすめです。
関連分野の実務経験を積む
学んだ知識を自分のものにするためには、実務で使うのが1番です。そこで、関連性の高い仕事をして、データサイエンスで求められるスキルを身につけましょう。
AIエンジニアやデータエンジニア、プログラマーなど関連する知識を使う職業に転職する、または副業向けの案件などハードルの低い仕事を受けることで、稼ぎながらもスキルが身につきます。例えば、データサイエンスで使われるPythonは、Web開発やアプリ開発などでも広く使われていて、副業でも可能な案件が多くあります。R言語は、統計解析用の言語でAIとの相性が良いため、習得していればAIエンジニア向けの案件で経験を積むことができます。
データサイエンティストとして副業を考えている方は以下の記事も参考にしてください。
人材紹介エージェントを利用する
データサイエンティストを含めた高度な専門職に就くには、人材紹介エージェントの利用がおすすめです。人材紹介エージェントは、正社員向けやフリーランス向けなど、希望する雇用形態や職種ごとにタイプが分かれています。
データサイエンティスト関連の仕事はあらゆる業界で募集されていますが、IT職に含まれるため、ITジャンルの案件を多く扱うエージェントの利用が向いています。例えば、ITプロパートナーズは、IT/Web案件専門のエージェントで、副業・フリーランス向けの案件紹介に特化しているので利用しやすいでしょう。
データサイエンティストを目指せるおすすめのスクール
データサイエンティストには高度なスキルが求められるため、技術の習得にはスクールを活用するのがおすすめです。ここでは、データサイエンティストを目指せるおすすめスクールを3つ紹介します。
キカガク
キカガクは、未経験からデータサイエンティストへの転職に成功した実績が多くあるスクールです。「未経験から6ヶ月でAIやデータサイエンスのスキルを習得できる」と謳っているため、未経験からデータサイエンティストを目指したい人におすすめ。転職エージェントのdodaと提携していて、スキル習得後の転職もサポートしてもらえます。
Aidemy
Aidemyは、先端技術についてオンラインで学べるスクールです。プログラミング学習に必要な実行環境を構築する必要がなく、ブラウザからすぐに学習をスタートできる手軽さがメリットです。会員登録をするとAIに必要な数学やPythonの講座を無料で受講できるため、「まずは無料で気軽に始めたい」という人におすすめ。Aidemyなら、3ヶ月でAI人材が目指せます。
DMM WEBCAMP
DMM WEBCAMPは、学習コースのラインナップが豊富なスクールです。未経験や初心者向けの「はじめてのプログラミングコース」や、統計学などを基礎からしっかり学べる「AIコース」「データサイエンスコース」など、データサイエンティストを目指す人におすすめのコースが多く用意されています。受講開始から8日間の返金保証や、利用していない期間の全額返金など、安心して受講できる制度が整っているのも特徴です。
データサイエンティストにおすすめの資格
データサイエンティストとして経験が浅いとなかなか実力を証明しにくいこともあります。そこで、アピール材料として資格を取得するのも一手です。
OSS-DB技術者認定試験
OSS-DB技術者認定試験(オープンソースデータベース技術者認定試験)は、オープンソースのデータベース管理システム「PostgreSQL」の技術力を証明できる試験です。技術力ごとに、データベースの設計・開発・導入・運用ができる「Silver」と、大規模システムの設計・開発・導入・運用・コンサルティングができる「Gold」の2段階のレベルがあります。難易度自体はそれほど高くないため、基礎的な知識・スキルがあることを証明できる資格と言えます。
統計検定
統計検定は、統計に関する知識と活用力を証明できる試験です。統計検定は試験内容とレベルによって10の区分に分かれており、「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)」に合格することで、企業にデータサイエンティストとしての実力をアピールできます。ちなみに、DS基礎は大学入試レベルなので、DS発展・応用の取得を目指したいところです。
ディープラーニング検定
ディープラーニング検定は、AIや機械学習に関する知識を測る試験です。データサイエンティストとは、AIを実現するための技術の1つである機械学習の代表的な分析手法です。ディープラーニング検定にはビジネス職向けのジェネラリスト検定(G検定)と、エンジニア向けのE資格(エンジニア資格)が存在します。G検定はディープラーニングを使う人向けの試験で、E資格はディープラーニングを実装する人向けの試験なので、データサイエンティストであればE資格の取得を目指しましょう。
データサイエンティストが活用できるその他の資格は、こちらの記事で確認できます。
まとめ
今回は「データサイエンティストはやめとけ」と言われる理由を中心に、基本情報からなり方まで詳しく解説しました。データサイエンティストの需要は高いため、未経験からでも目指す価値がある職業です。
ただし、求められる知識やスキルの専門性が高く、十分な学習と実務経験が欠かせません。関連職で知識・経験を深めたり、副業案件で実績を積んだりして、必要なスキルを身につけましょう。また、将来的にAIに代替される可能性がある業務も存在するため、コンサル領域にも従事できる能力を持つことが重要です。
「やめとけ」と言われる理由と職業としての魅力の両方を考慮して、今後の進み方を判断してください。
- 高額案件を定期的に紹介してもらいたい
- 週2日、リモートワークなど自由な働き方をしてみたい
- 面倒な契約周りはまかせて仕事に集中したい
そのような方はぜひ、ITプロパートナーズをご利用ください!
まずは会員登録をして案件をチェック!