📝 この記事でわかること
- この仕事の具体的な仕事内容と1日の流れ
- 給料・勤務時間・休日の実情
- 実際にきつかったこと
- この仕事で良かったこと
- 向いている人の特徴
今回は該当職種の仕事を経験された方に体験談をいただきました。
実際に働いてみて感じたリアルな声をお届けします。これから該当職種を目指す方、転職を考えている方の参考になれば幸いです。
| 雇用形態 | 正社員 |
|---|---|
| 勤務地 | 東京都新宿区 |
| 勤務時間 | 10:00〜19:00（フレックスあり） |
| 休日 | 土日祝 |
| 給料 | 年収600万円 |
| 必要資格 | 特になし（理系大学院卒が有利） |
| 業種 | IT・データ分析 |
| 主な業務内容 | 事業会社でのデータ分析・機械学習モデルの開発 |
| 性別 | 男性 |
| 年代 | 30代 |
始めたきっかけ
大学院で統計学を専攻していたとき、「データサイエンティスト＝21世紀で最もセクシーな職業」という記事を読んで興味を持ちました。PythonとSQLを独学で学び、Kaggleのコンペにも参加。修士卒業後にITベンチャーのデータサイエンティストとして入社しました。「AIで世の中を変える」と意気込んでいましたが、現実は少し違いました。
1日の仕事内容
10時に出勤。まずはSlackで各部署からの分析依頼を確認します。
午前中はデータの前処理がメイン。データベースからSQLでデータを抽出し、Pythonで欠損値の処理、外れ値の除去、特徴量エンジニアリングなど。正直、仕事の7割はこの「データのお掃除」です。華やかなモデル構築は全体の2割もありません。
午後はビジネスサイド（マーケティングや営業）との打ち合わせ。「このデータから何がわかるの？」「売上予測の精度をもっと上げて」。技術的に可能なこととビジネスの期待値をすり合わせるのが地味に大変です。
夕方からは分析レポートの作成やダッシュボードの更新。経営層に報告するための資料は、技術用語を噛み砕いてわかりやすくする必要があります。
この仕事できつかったこと
最大のギャップは「データがきれいじゃない」ことです。教科書やKaggleでは整備されたデータセットが用意されていますが、実務のデータは欠損だらけ、フォーマットはバラバラ、そもそもデータが存在しないことも。「分析以前にデータ基盤を整えるところから」という案件が多くて、想像していた仕事と全然違いました。
また、分析結果がビジネスに活かされないことも辛い。せっかく時間をかけて分析しても、「ふーん、で、どうすればいいの？」で終わってしまう。意思決定に使ってもらえなければ、分析の意味がありません。
常に新しい技術をキャッチアップしなければいけないプレッシャーもあります。論文を読む時間の確保が難しく、置いていかれる焦りを感じることもありました。
この仕事で良かったこと
分析結果が実際にビジネスに反映されたときの達成感は大きいです。需要予測モデルを導入して在庫ロスを20%削減できたときは、チーム全体で喜びました。
年収は同年代と比べて高め。3年目で600万円は、データサイエンティストの需要の高さを反映しています。リモートワーク可の会社が多いのも魅力。
技術的な知的好奇心を満たせる仕事でもあります。新しいモデルを試して精度が上がったときの快感は、研究室時代のそれに近いです。
この仕事を辞めた理由
3年間の実務経験を積んだ後、より大規模なデータを扱える大手IT企業に転職しました。年収は100万円以上アップ。ベンチャーでの「何でも屋」経験が、転職市場で高く評価されました。
この仕事が向いている人
統計やプログラミングが好きなのは大前提ですが、それ以上に「ビジネスの課題をデータで解決する」ことに興味がある人に向いています。コミュニケーション力も必須。技術力だけあっても、ビジネスサイドに説明できなければ価値を発揮できません。泥臭い前処理を厭わない忍耐力がある人が活躍します。
この仕事に就きたい人へ一言
データサイエンティストは人気の職種ですが、華やかなイメージと実務は大きく違います。「AIモデルを作る」よりも「データを集めて整える」時間のほうが圧倒的に長いことは覚悟してください。
それでも、データドリブンな意思決定の重要性は今後ますます高まります。Pythonと SQL は必須、加えてビジネス理解力があれば市場価値はかなり高い。最初はデータアナリストから始めて、実務経験を積むのがおすすめです。
よくある質問（FAQ）
Q. データサイエンティストに必要なスキルは？
A. Python、SQL、統計学の基礎は必須です。加えて、機械学習の基本的なアルゴリズム（回帰、分類、クラスタリング）の理解と、ビジネスの課題を構造化する力が求められます。可視化ツール（Tableau等）も使えると強いです。
Q. 文系からでもなれる？
A. 不可能ではないですが、統計学やプログラミングの基礎学習は必須です。まずはデータアナリストとしてSQLとExcelを使った分析業務から始め、徐々にPythonや機械学習を習得していくルートがおすすめです。
まとめ
データサイエンティストは高収入で将来性のある職種ですが、実務の大半はデータの前処理とビジネスサイドとのコミュニケーションです。華やかなイメージだけで飛び込むと現実とのギャップに苦しみます。泥臭い仕事を楽しめるなら、やりがいも報酬も十分な仕事です。
📌 転職を考えている方へ
プログラマーで培った経験やスキルは、他の職種でも活かせます。転職エージェントなら、あなたの経験を活かせる求人を無料で紹介してくれます。キャリア相談から面接対策まで、専任のアドバイザーがサポート。まずは情報収集から始めてみてはいかがでしょうか。
🔍 転職サービス診断をしてみる
5つの質問に答えるだけで、あなたの職種・希望条件に合った転職サービスがわかります。まずは無料診断で方向性を確認してみてください。
＼当サイトオリジナル転職サービス診断／
コメント