データサイエンティストになるには? 必要な資格やスキルを紹介

データサイエンティストになるまでの道のり

データサイエンティストは比較的新しい職業ということもあり、なるための模範となるルートが確立されていない部分もあります。

必須の学歴や資格があるわけでもなく、さまざまな立場の人がデータサイエンティストになれる可能性があります。

たとえば「ITエンジニアとしての技術力を生かす」「コンサルタントのビジネススキルを強みにする」などの方法で、データサイエンティストへ転職している人もいます。

しかし、近年はデータサイエンティストを新卒で募集している企業も増えつつあり、その場合は「大学」もしくは「大学院」で統計学やデータサイエンスに関してアカデミックに学ぶことは大きな強みとなるでしょう。

さらにいえば、高校の段階から理系コースを進むと、データサイエンティストとして必要となる理系的な考え方や論理的思考を早くから養うことができるでしょう。

なお、2013年からは「一般社団法人 データサイエンティスト協会」が設立され、データサイエンティストを育てるためのさまざまな試みが行われています。

大学生であれば無償で受けられる養成講座などもあるため、そのようなサービスを併用してキャリアに繋げていくのも一つの方法です。

データサイエンティストになるまでのルート

20代で正社員への就職・転職

20代で正社員への就職を目指す

「Re就活エージェント」は、第二新卒・既卒・フリーター・ニート向けサービス。20代未経験OKの求人が多数。

20代登録比率No.1

データサイエンティストの資格・難易度

資格は必要?

データサイエンティストとして働くために、法律上必須の資格はありません。

特別な資格を持たなくともデータサイエンティストの業務を行えます。

とはいえ、資格があることにより対外的な評価が高まるのも確かで、「就職・転職がしやすくなる」「フリーランスであれば仕事がとりやすくなる」といったメリットも生まれます。

さらに資格の勉強を通じて実務にも通じる専門知識が学べ、入社後の現場で役立たせることもできるでしょう。

ただし、データサイエンティストは、統計学・ITスキル・ビジネス・マーケティングなど広範囲な知識・スキルが必要な仕事です。

したがって、一つの資格を持っているからといって、就職・転職で必ずしも有利になるとは限りません。

データサイエンティストを目指す人におすすめの資格として、主に次のようなものが挙げられます。

・統計検定(公的資格)
・基本情報処理技術者試験(国家資格)
・オラクルマスター(民格資格)
アクチュアリー資格試験(民間資格)

など。

これらの資格取得を通じて、データサイエンティストの業務にも通じるさまざまな専門知識を学ぶこともできるため、将来データサイエンティストになりたい人はチャレンジしてみる価値はあるでしょう。

取得しておくとよい資格1:統計検定

「統計検定」は、一般財団法人統計質保証推進協会が運営する公的資格です。

データサイエンティストにおいて必要不可欠な分野である「統計」に関する知識や活用力を評価する試験であり、国際通用性のある統計活用能力評価システムを用いて、試験評価を行っています。

統計検定は、以下7つの種別が用意されています。
・1級
・準1級
・2級
・3級
・4級
・統計調査士
・専門統計調査士
・データサイエンス基礎

レベルに応じていくつもの試験が用意されており、2~4級程度であれば初心者でも挑戦しやすいです。

また2019年より、データサイエンティスト向けの資格となる、統計検定「データサイエンス基礎」も新設されましたのでこちらも注目したいところです。

さらに今後は「データサイエンス発展」、「データサイエンス応用」といった上位レベルの資格も順次追加されていくとのことです。

参考:統計質保証推進協会 統計検定

難易度:★★☆☆☆ ※ただしレベル(級)による

取得しておくとよい資格2:基本情報処理技術者試験

「基本情報処理技術者試験」は、経済産業大臣が実施する国家試験「情報処理技術者試験」の1区分として実施される国家資格です。通称「FE」とも呼ばれます。

コンピュータの基礎・ネットワーク・データベース・セキュリティなど、ITやコンピュータに関する基本的な知識を体系的に学習可能です。

加えて午後試験はプログラム言語を題材としているため、プログラミングの基礎も学ぶことができます。

もともと基本情報技術者試験はIT業界で重宝されていた資格ですが、現在はさまざまな業界でITが普及しており、かつ国家資格でもありことから、幅広い業界にてプラス評価されやすい資格となっています。

とくにデータサイエンティストはITと密接な関係にある職業ですから、視野を広げるためにも取得しておくに損はないでしょう。

なお「基本」と名付けされているものの専門的な知識が問われるため、まったくITの知識がない人の場合、最低でも半年程度の勉強が必要となるでしょう。

参考:基本情報技術者試験 公式

難易度:★★★☆☆

取得しておくとよい資格3:オラクルマスター

「オラクルマスター」は、データベース管理ソフトウェアで巨大なシェアをもつ米オラクル社(ORACLE)が運営する民間資格です。

民間資格ながら世界的に高い知名度をもち、IT関連の業界では有名です。

具体的には、同社のリレーショナルデータベース製品「Oracle Database」に関連した資格となります。

資格取得を通じて、データサイエンティストとしても必要になる「データベース」の管理方法や「SQL」について学ぶことができます。

オラクルマスターは、以下4つの試験レベルがあり、最も下位のBronze(ブロンズ)
から順に取得していくステップアップ形式の資格試験となります。

・Bronze(ブロンズ)
・Silver(シルバー)
・Gold(ゴールド)
・Platinum(プラチナ

オラクルマスターもIT業界向けの資格ではあるものの、データサイエンティストも常にデータベースやSQL文を扱う仕事であり、関連性は高いです。

まったくデータベースの知識がない人であれば、Bronze(ブロンズ)でも数ヵ月~半年程度の学習時間が必要でしょう。

触らないとわかりくい部分もあるため、実際にお試し用のデータベースを作り、操作イメージを固めるところから始める必要があります。

参考:ORACLE 認定資格一覧

難易度:★★★☆☆ ※ただしレベル(級)による

取得しておくとよい資格4:アクチュアリー資格試験

「アクチュアリー資格試験」は、公益社団法人日本アクチュアリー会が実施する民間資格です。

保険の専門家である「アクチュアリー」向けの試験となりますが、数学や統計の要素が強く、データサイエンティストの仕事に生かせる部分も多いです。

ただし難関資格の部類に入ってくるため、データサイエンティストになるためにこの資格を取るというのは、あまり現実的でない部分もあります。

すべての科目に合格するまでには平均で8年程度、なかには10年程度かかる人もいるとされ、5年で達成できれば相当早い部類に入るといわれます。

データサイエンティストになるためにこの資格を取るというのは、あまり現実的でない部分もありますが、関連性は高い資格です。

参考:公益社団法人日本アクチュアリー会 資格試験情報

難易度:★★★★★

データサイエンティストになるための学校の種類

学校の種類と学費

大学に進んで統計学やデータサイエンスなどを学ぶと、データサイエンティストへの近道となるでしょう。

学費は、国立大学の場合は4年間で約250万円、私立大学の場合は4年間で約400万円~550万円が目安となってきます。

大学とは別に、データサイエンティストのスキルを学べる「スクール」も存在します。

スクールの学費は、無料のスクールもあれば数十万円のスクールもあり幅が広いです。

文系、理系どちらに進めばいい?

データサイエンティストの仕事では数字を常に用いることになり、「数学」や「統計学」な見解が必要です。

したがって、文系か理系かでいえば、理系寄りの仕事といえます。

文系ではどうしてもデータサイエンティストになれないというわけではありませんが、理系に進んだほうがデータサイエンティストに通じる知識や経験は得やすいでしょう。

また、データサイエンティストとして働く上では必要不可欠となる「論理的思考」についても、理系の環境のほうが養いやすいでしょう。

有利な学部・学科

統計学が学べる学部に進むと、データサイエンティストとして就職活動をする上で有利になることがあります。

統計学はさまざまな学部で学べます。

純粋な統計学となると理学部の数学科が中心ですが、他にも工学部情報学部、さらには経済学部や経営学部でも、統計学に関するカリキュラムが用意されていることもあります。

また昨今は、データサイエンスを専門的に学べる学部を設置する大学も増えてきました。

「大学卒業後はデータサイエンティストになる」と入学段階から固く決意している人であれば、データサイエンス学部に進学するのもよいかもしれません。

必要な学歴は?

データサイエンティストになるために、必須とされる学歴はありません。

とはいえ、データサイエンティストは専門的な職種となるため、大学で統計学等に関してアカデミックに学んだ学生のほうが有利になるケースが多いです。

またデータサイエンティストに限らず、大手企業に新卒で就職する場合には「4年制大学以上」の学歴をもつ学生が有利になりやすいです。

とくにデータサイエンティストの就職先となるのは、一部上場メーカーなどの大手企業、有名企業になるケースが多いため、最初の入り口で弾かれないためにも4年制大学に進んでおくに越したことはないでしょう。

データサイエンティストになるためにはどんな学校に行けばいい?(大学学部・大学院)

20代で正社員への就職・転職

20代で正社員への就職を目指す

「Re就活エージェント」は、第二新卒・既卒・フリーター・ニート向けサービス。20代未経験OKの求人が多数。

20代登録比率No.1

データサイエンティストに向いている人

分析が好きな人、広い視野でみられる人

データサイエンティストは、毎日のように大量のビックデータと向き合い、そのデータがどのような意味を持つかを深く考え探っていきます。

したがって、普段から「これはどうなっているのだろう?」と常に分析的な目線でみられる人、分析が好きな人がこの仕事に向いています。

また、一つの方向からではなくさまざまな角度から分析をしないと、よい結果を生み出すことはできません。

そのためにも、自分の興味のある部分だけでなく、普段から広く柔軟な視点で物事をみられる人がこの仕事に向いているといえるでしょう。

論理的思考ができる人

データサイエンティストは、データを分析し、最終的にはビジネス課題の解決にまで繋げていきます。

ときに柔軟な発想力やアイデアが必要になることもありますが、それ以上に重要になるのは、データを元に筋道を立てて考えていける論理的思考力です。

論理的思考ができないと、データに意味や説得力を与えられないため、データサイエンティストとして働くことは難しいでしょう。

地道な努力ができる人

データサイエンティストに対して、華やかなイメージを抱く人もいるようです。

会社の経営陣相手にデータに基づくビジネス戦略を提案する、カッコいい職業だと考え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実際のところ地味な業務も多く、1日中デスクに向かって細かなデータと睨み合う日々が続くこともあります。

また、専門性を高めるためにも常に自己研磨が必要な職業であり、帰宅後や休日などに自主的に勉強する必要もあります。

そのような見えない所でのコツコツとした地道な努力が苦にならない人が、この仕事に向いています。

データサイエンティストに向いている人・適性・必要なスキル

データサイエンティストのキャリアプラン・キャリアパス

一人前になるまでのキャリアパス

データサイエンティストの仕事は、学校を出たばかりの新人が一人で行えるほど簡単なものではないため、先輩や上司が付き、OJT教育が行われるのが基本です。

まずはデータの抽出やデータの管理などを、初歩的な部分の業務から指示を受けつつ行い、仕事を覚えていきます。

経験を積んだのちに、データ分析や課題解決の提案などの仕事を任されるようになっていきます。

データサイエンティストが一連の業務を一人で行えるようになるまで、何年もの年月が掛かることもあります。

なおデータサイエンティストはチームを組んで仕事をするケースが多く、一人前になった後は、チームを統括する立場を任せられることもあります。

一人前になったあとに必要な努力

データサイエンティストは、統計学の他に、IT・プログラミング・ビジネス・マーケティングなど幅広い分野の知識・スキルを身につける必要があります。

また、常に進化するAI・機械学習・ディープ・ラーニングの分野も理解しておく必要があります。

学ぶことはたくさんあり、またそれらの知識は目まぐるしいスピードでアップデートされていくため、とりあえず仕事の流れを覚えたからといってそれで終わりではありません。

一人前となった後も、仕事の質を上げるには常に幅広い分野にアンテナを張り勉強していく姿勢が求められます。

その先のキャリアプラン

データサイエンティストは、2007年に「データサイエンス」の新語が登場するとともに誕生したまだまだ新しい職業です。

職業の歴史が浅いため、キャリアのモデルケース自体が少なく、データサイエンティストがその後どのようなキャリアを歩んでいくかはまだまだ未知数な状況です。

とはいえ、統計分野に始まり、IT分野からビジネス分野まで幅広く精通するデータサイエンティストは、将来的にデータ分析以外の専門家としても活躍する道が描けてくるかもしれません。

また最近は経験を積んだ後に独立し、「フリーランス」として活躍するデータサイエンティストも登場してくるようになりました。

さらに、現状日本ではデータサイエンティストが不足していることもあり、人材不足解消のため大学などの教育機関が育成に積極的となってきました。今後はデータサイエンティスト向けの学校やスクールがより増える可能性が高いです。

経験を積んだデータサイエンティストであれば、そのような教育機関で教壇に立ち、「教師」や「インストラクター」として歩んでいく道も描けてくるでしょう。

未経験でデータサイエンティストを目指せる年齢は?

未経験で大手企業のデータサイエンティストを目指す場合は、できる限り新卒・第2新卒でこの業界に入り込んでおくのが賢明です。

大手企業の場合、既卒者向けの未経験求人というのはほとんど出されないため、新卒・第2新卒のタイミングを逃すと未経験として採用されるは難しくなるでしょう。

中小企業のデータサイエンティストを目指す場合は、大手企業より年齢的なハードルは低くなります。

なかには「年齢不問、未経験OK」の求人もあり、年齢を重ねてからでも挑戦できる可能性はあります。

ただし、30代や40代以上の人が目指す場合は、統計、プログラミング、データベース運用、SQLなどデータサイエンティストとして日常的に用いる知識に関して、最低でも基礎的な部分は理解しておくべきでしょう。

同じ未経験者であれば年齢の若い人材のほうが有利になるため、採用されるには何かしらのアドバンテージが必要になってきます。

データサイエンティストは女性でもなれる?

データサイエンティストは、もちろん女性でもなることはできます。

使うのは頭脳であり、力や体力が求められる仕事でもないため、男女の性別による差は生じにくい職業です。

また、女性ならではの視点からのアプローチがデータ分析に生きることもあります。

とくに化粧品など女性向けの商材や、女性の購買意欲が高いとされる商材を扱うメーカーなどでは「女性の感覚や視点」が重視されるため、女性のデータサイエンティストの需要が高まっているようです。

まだまだ女性のデータサイエンティストは男性に比べ少ないですが、女性でも十分に活躍できる職業といえます。

女性のデータサイエンティストのキャリアパス・結婚後の生活

データサイエンティストの働き方の種類・雇用形態

データサイエンティストの雇用形態

データサイエンティストの雇用形態は、大きく以下4タイプに分けられます。

・正社員
・派遣社員
・アルバイト、パート
・フリーランス

データサイエンティストの場合、正社員で働く人の割合が大きく、出されている求人も正社員向けのものが大多数を占めます。

派遣社員やアルバイト・パートに関しては、正社員よりは少ないものの、求人は一定数存在します。

また昨今は、データサイエンティストとして企業で働いたのちに独立し、フリーランスとして活躍する人も増えています。

正社員のデータサイエンティスト

正社員のデータサイエンティストの場合、収入面で有利になります。

平均年収は500万円〜600万円が目安となり、大手企業や外資系企業では年収1000万円を超えることもあります。

かつ、住宅手当・役職手当・退職金など充実した福利厚生が受けられるケースが多いです。

また、正社員は将来的に会社を背負って立つ人材として募集されるため、会社側から大切に扱われやすく、教育や育成もしっかりと受けられることが多いです。

一方、正社員のデメリットとしては、要求されるハードルが高くなることです。

正社員の場合、派遣社員やアルバイト・パートよりも、専門的で責任の伴う仕事を任されやすいです。

将来的にはデータサイエンティストチームをまとめるリーダーを任されることもあります。

会社側から要求される能力やスキルは高くなり、時には自主的に勉強などをして自己研磨に励む努力が必要となることもあるでしょう。

派遣のデータサイエンティスト

派遣社員のデータサイエンティストの場合、時給2,000円〜3,000円程度の求人が多く、月収換算ではひと月40万円を超える求人もあります。

派遣社員の仕事内容はデータ収集やレポート作成などが中心で、基本的には正社員の指示を受け、正社員をサポートするポジションとなることが多いです。

正社員に比べると仕事の難易度は下がり、かつ派遣契約期間が終了すれば気軽に仕事を辞められる自由さが派遣社員ならではのメリットです。

派遣社員のデメリットとなるのは、将来性です。

派遣社員は正社員に比べると経験やスキルも積みにくく、また正社員のように定年雇用が保証されているものでもありません。

会社の都合により、急遽「派遣切り」となる恐れもあります。

将来的に考えると不安な要素が多く、安定したキャリアを重視する人には不向きでしょう。

アルバイト・パートのデータサイエンティスト

アルバイト・パートのデータサイエンティストの場合、地域や能力にもよりますが、時給1,000円〜2,000円の求人が多いです。

アルバイト・パートの場合も、正社員の指示を受けながら、データ収集やレポート作成などの業務が中心です。

またアルバイト・パートの人向けに、シフト制の短時間勤務を用意している職場や、学生向けのインターンアルバイトを用意している職場もあります。

派遣社員よりもさらに働き方に自由が利きやすく、採用されるための知識やスキルのハードルもさほど高くないため、データサイエンティストを目指す人にとってはよい勉強の場ともなるでしょう。

アルバイト・パートのデメリットとなるのは、こちらも将来性です。

派遣社員と同じくアルバイト・パートも一時的な雇用とみなされているケースが多く、得られる経験やスキルも基礎的なものに限定されてきます。

延々とアルバイト・パートで生計を立てていくというのは現実的ではなく、あくまで下積みの場として考えておくのがよいでしょう。

フリーランスのデータサイエンティスト

フリーランスのデータサイエンティストの場合、収入は人によってさまざまです。

なかには、ひと月の単価が100万円近くにも及ぶ仕事案件もあり、実力次第では正社員以上の収入を得ることも可能です。

フリーランスの場合、お客さま先のオフィスに出社して働くタイプの案件もあれば、外部からのリモートワークで対応できる案件、定期的にお客さまに助言するアドバイザー的な案件などもあり、働き方は多彩です。

フリーランスのデメリットとなるのは、不安定さです。

実力主義の世界であり、経験が乏しいとまったく仕事が得られずに収入がゼロとなることもあります。

また、たとえ経験やスキルが豊富な人材であったとしても、お客さまの都合で急に仕事が打ち切られたりすることもあります。

さらにいえば、自分の身体が資本であり、病気などをすれば収入がばったりと途絶えてしまうリスクもあるため、不安定な部分も多い働き方といえるでしょう。

フリーランスのデータサイエンティストになるまでのキャリアパス

前提として、フリーランスのデータサイエンティストになる上で、必要となる資格や職務経歴などは特にありません。

極端にいえば、世の中の誰しもがフリーランスのデータサイエンティストを名乗ることは可能です。

ただし現実的にいえば、経験のない素人が仕事を得られる可能性は低く、企業に一定期間データサイエンティストとして勤め、実務経験を積んでから独立するのが一般的です。

目安としては、5年前後は企業で実務経験を積み、一通りの仕事ができるようになってからフリーランスとなるケースが多いようです。

フリーランスのデータサイエンティストのメリット・デメリット

フリーランスで働くメリット

フリーランスのメリットとしては、次のようなものが挙げられます。

・実力次第では高収入を目指せる
・会社に縛られず自分の好きな仕事を選べ、得意分野のスキルアップも図れる
・上司や部下などは存在しないため、人間関係的なストレスが溜まりにくい
・始業時間、就業時間、休日などを自分でコントロールできる(ただし案件にもよる)
・リモートワークの案件も増えてきているため、場所に縛られず働けることもある

「会社」という組織に所属しないため、よくも悪くも自由が利きやすく、自分の意志で選択できるのがフリーランスの大きなメリットです。

とくに、自分の腕や技術に自信があり、組織内の管理職ではなく、いくつになってもプレイヤーとして活躍していきたい人はフリーランス向きといえるでしょう。

フリーランスで働くデメリット

フリーランスのデメリットとしては、次のようなものが挙げられます。

・月々の安定した収入は保証されていない、収入に波がある
・実力が乏しいと収入がダウンする
・かばってくれる会社や上司はいないため、仕事の責任はすべて自分に圧しかかる
・厚生年金に加入できない
・正社員のように福利厚生の恩恵も受けられない
・孤独感に陥りやすい

フリーランスは、とくに収入的な面がデメリットにもなり得る働き方です。

完全に実力主義の世界となるため、実力が乏しいと仕事がうまく得られず、正社員時代に比べ収入が大きくダウンすることがあります。

さらに、たとえ実力のある人材であったとしても、お客となる会社が傾けば仕事を打ち切られることもあり、また自分が病気で倒れてしまっても収入の道は絶たれます。

そのような収入に波があり不安定である点が、フリーランスの大きなデメリットです。

フリーランスのデータサイエンティストの給料・年収

フリーランスの場合は正社員のように固定給はなく、給料や年収はその人の実力次第となってきます。

実際にひと月の単価が100万円近くにも及ぶ案件もあるため、実力のあるフリーランスであれば年収換算で1000万円以上を狙うことも可能です。

ただしその逆も然りであり、素人レベルの実力しかないと、仕事自体がまったく得られずに収入がゼロとなる恐れもあります。

なおフリーランスの場合、正社員のように「厚生年金」や「退職金」の制度がないため、正社員とまったく同じ収入額であってもトータルの生涯収入は劣ります。

したがって、正社員以上の収入を狙うのが基本であり、それができない場合は、正社員時代に比べ生活水準を落とす必要がでてきます。