Techトレンド Vol.873

データサイエンティストとは?平均年収・将来性・目指し方を解説!

NEW! 

「データサイエンティストという職業について興味はあるけどよく知らない」という方に向けて、データサイエンティストとは何をするのか、資格は必要なのか、年収と将来性はどうなのかといった全体像をご紹介します。本記事を読めば、データサイエンティストの全体像と具体的な内容を理解することができます。

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ビッグデータを分析し、実務の場で分析結果から導かれた手法を活用することで企業に貢献する職業です。時には利益を飛躍的に成長させることもあります。

ビッグデータを扱っていれば、さまざまな企業でデータサイエンティストのクライアントとなる可能性がありますが、代表的なクライアントとしてはwebポータルサービス、ソーシャルゲームサービスなどの企業が挙げられます。

企業にとってデータサイエンティストは重要な存在であり、その価値は計り知れません。

■データサイエンティストの仕事とは?

データサイエンティストとは数学者やコンピューターサイエンティスト、トレンドスポッターなどの素養をあわせ持つことで10年ほど前に誕生した新しいタイプのデータ分析の専門家です。

企業が保持・収集しているデータには一貫性のないことが多々あります。
それはデータを収集するまでのプロセスに戦略や一貫性がないことに起因します。

結果的に集まったデータは不完全であったり、分類にばらつきがあったりします。

しかし、このようにデータが不完全であったとしてもそこには貴重な情報が隠れていたりします。

データサイエンティストはそんな不完全かつ膨大なデータを統計解析・ITスキルを駆使して、構造化して整理します。

さらに整理したデータに意味を与え、これらのデータを活用して事業戦略の手法を導きだします。

決して簡単な仕事ではありませんが、客観的なデータの観点から事業戦略を考えられる能力は企業にとってとても大きな意味を持ちます。

■本来のデータサイエンティストは一人で全てを行う

本記事の冒頭で、データサイエンティストは膨大な量のデータを統計学とITスキルを駆使し、データに意味を与え、その上で事業戦略に役立たせるとお伝えしました。

これを3つに分けると、

①データを分析して課題を発見する

②分析したデータに意味を与える

③そのデータから事業戦略を導き出す

つまり、課題発見から課題解決までの一連の流れを一人でこなすことになります。

ただし、データがあるところから始めるか、あるいはデータを集めるところから始めるかは企業によります。

また、データから事業戦略を導い出しても、それを実行するのは上司かもしれません。
しかし一連の流れの重要な部分を担っていることに間違いはありません。

それに①〜③の前後もやることになれば、一人で全てを行っていることになります。

そう考えると起業家に近い部分があるかもしれません。

■真のデータサイエンティストはいないと言われる理由とは

データサイエンティストの発端はビッグデータが登場したことに関係します。

ビッグデータによりこれまで解決することのできなかった課題が解決されるようになりました。
この課題解決に繋がるビッグデータを扱っていたのがデータサイエンティストです。

誇大な言い方ですが、逆説的に言うならデータサイエンティストしかビッグデータを扱えませんでした。

それゆえにデータサイエンティストは、21世紀において最もセクシーな職業と言われるまでになりました。

しかし、一部の方々の間ではデータサイエンティストはいらないとも言われています。

なぜこのように言われるようになったのでしょうか?ここではその理由をご説明します。

■データサイエンティストのスキルを持つ人はいない?

「セクシー」として取り上げられたデータサイエンティストは,多くの人が就きたい職業として注目を浴びることになりました。 ビッグデータというキーワードもそれ以前から流行していましたので,企業がデータ分析できる人材を探す時期ともマッチしていました。 ふだんデータに関わることのあるエンジニアやマーケッターだけでなく,さまざまな人たちがデータサイエンティスト職を志望したのです。 しかし,実際の仕事は地道な作業が多く,プログラミング技術も必要です。 これらは,すでにデータ分析を仕事にしている方々からは明確な事実でしたが,志望者の多くは自分のスキルとのギャップに戸惑うことになります。 メディアはデータサイエンティストを注目の職業として取り上げ続けたためバズワード化する一方で,ギャップの激しさを嘲笑して本当のデータサインティストのスキルを持つ人はいない,とまで言われることにもなります。(中略) 技術的な内容に触れていない書籍をたよりにデータサイエンティストを志した方は,残念としか言いようがありません。 引用:データサイエンティスト(本物)は決して幻の職業などではない

21世紀において最もセクシーな職業と言われる裏には、高度なスキルと仕事における地道さが必要ということです。

メディアの誇張と志望者の現実とのギャップが「データサイエンティスのスキルを持つ人はいない」、ひいては「データサイエンティストはいらない」と言われるようになった原因です。

■AIがデータサイエンティストの代わりになる?

2016年にバズワードとなったAI(Artificial Intelligence:人工知能)ですが、果たしてAIはデータサイエンティストの代わりになるのでしょうか?

結論を先に述べると将来的には考えられますが、すぐにそうなるとは思えません。

なぜなら、AIは過去のデータを蓄積することで、答えを求められた時にそれまで蓄積してきたデータの中から即座に最適解を導きます。

一方でデータサイエンティストのように分析したデータに対して新たな意味を与えることは過去のデータから導くことはできないからです。

市場を分析し、消費者のニーズを理解し、データからニーズに対応できるように対策を練る。これはまだAIにはできないことです。

ただし、続きがあります。
あなたはシンギュラリティという言葉をご存じでしょうか?

シンギュラリティとは技術的特異点を意味し、具体的には機械が人間を超える瞬間のことと言われています。

シンギュラリティは2045年に起こると言われ、これは2045年問題とも言われています。

シンギュラリティの後では機械の方が人間よりも知能が高いので、それまでは人間が機械を開発していましたが、機械が機械を開発することになります。

現時点においてAIは人間のようにクリエイティブなことを考えられないので、データサイエンティストの代わりにはなれません。

しかし、シンギュラリティの後では人間以上の知能を持つことになるので、その頃にはAIがデータサイエンティストの代わりになっているかもしれません。

データサイエンティストが扱うビッグデータの定義

データサイエンティストはその名前から連想できる通り、データを分析して事業戦略を考える職業です。

ではどのようなデータを、どのように分析し、どのような成果を導き出すのでしょうか?

■ビッグデータの定義

狭義のIT用語としては、通常のデータベースでは扱えないほど巨大なデータのこと。 具体的なデータ量がどのくらいなのかは、新しい概念でもあり、定義されていないが、数百テラバイトやペタバイト以上を指すことが多い。 ビッグデータを定義する要素として3Vがあげられる。 ペタバイトやエクサバイト級の巨大なデータ量(Volume)だけではなく、これまでと比較にならない、その発生頻度(Velocity)とデータの多様性(Variety)が揃っていることが従来との違いといわれている。 データの発生元は、フェイスブックやツィッターなどのSNS上で日々大量に発信される情報やスマートフォンのGPS情報などが挙げられる。 今後IPv6が普及し、家電製品を始めとするあらゆる製品にIPアドレスが振られるようになれば、各製品のセンサー情報、監視カメラなどの情報も含め、爆発的なデータが発生する。 これにより、人々の個別の行動パターンをこれまで以上に詳細にリアルタイムに解析することができるようになり、渋滞解消や省エネルギーなど社会的・環境的な課題の解決にも役立てることが可能となる。 引用:ITトレンド ビッグデータとは

つまり、ビッグデータとはデータ量(Volume)・データの発生頻度(Velocity)・データの多様性(Variety)が同居し、その活用次第でこれまで解決することのできなかった課題を解決するきっかけとなるデータのことです。

■ビッグデータの質的側面

ビッグデータはその量よりも、どのようなデータから構成されているか、もしくはそのデータをどのように活用できるかといった質的側面が重要になってきます。
量が多い=ビッグデータではないということです。

上述のビッグデータの定義でもご説明した通り、その発生頻度(Velocity)とデータの多様性(Variety)をどう扱うかが重要です

また、ビッグデータは一部でAny Data(エニイデータ)とも呼ばれています。

直訳すれば「どんなデータ」ですが、実際には「どんな意味を持つかはデータを扱う者次第」と認識する方が適切です。

データサイエンティストの平均年収と将来性

ここではデータサイエンティストの平均年収と将来性について見ていきましょう。

■データサイエンティストの平均年収

転職サービス「doda」のデータによると、2018年のデータサイエンティストの年収は515万円でした。

会計士や弁護士など高額な給与が与えられている人たちには明確な資格がありますが、データサイエンティストには資格がありません。

そのためデータサイエンティストと名乗ってもその能力がどれくらいなのかが判断しづらいのが現状です。

1,000万円を上回る年収を得ている人もいるのですが、資格がなくても過去の実績や経験からその能力を大手の企業から判断してもらい報酬を受け取っている、またはフリーランスとして企業と直接交渉している場合が多いでしょう。

■データサイエンティストの将来性

21世紀において最もセクシーな職業と言われているデータサイエンティストですが、その将来性はいかがでしょうか?

「真のデータサイエンティストはいないと言われる理由とは」で前述したように、これからその市場価値は上がるという意見もあれば、一過性のトレンドで終わるのではないかとも言われています。

しかし現状では引く手あまたであり、募集している企業も増え続けていますので、しばらくは心配ないとも思われます。

データサイエンティストになるには

データサイエンティストには、ビジネススキル・ITスキル・統計解析スキルといった幅広い能力が求められます。

そのようなスキルを身に付けて、データサイエンティストになるにはどのような方法があるのか以下で新卒とキャリアアップの2つの観点から解説しますので参考にしてください。 後ほど必要なスキルと習得方法については解説します。

■新卒なら統計学やデータ分析の学習がおすすめ

新卒の方はテキストから学んでも、いざ現場では使えないといった可能性もありますので、座学よりも実際に分析を行うトレーニングをすることが大切です。

ですが、新卒の場合ポテンシャル採用もあります。何かを絶対にやっておかないといけないこともないので、就業先で学ぶ意識があれば十分でしょう。

意欲がある方は、社会人になってから必要になる統計学やデータ分析の基礎知識は学んでおくとよいでしょう。知識がない方よりも有利に就職活動が進められるのでおすすめです。

■データサイエンティストへのキャリアアップを図る

ここではキャリアアップを考えている人の代表的なパターンとして「エンジニアから目指す場合」「統計解析のスペシャリストから目指す場合」「ビジネスアナリストから目指す場合」の3つを紹介していきます。

1、エンジニアから目指す場合

エンジニアから目指す場合は、ビジネス知識を学び、統計学や機械学習の勉強をするとよいでしょう。

システム開発や運用の知識とスキルはありますので、その他のデータサイエンティストに求められるスキルを重点的に補う必要があります。

そして、データサイエンティストはプレゼンテーション能力も必要になりますので、もし経験がなければその練習もしておくとよいでしょう。

2、統計解析のスペシャリストから目指す場合
統計解析のスペシャリストから目指す場合は、R・Ruby・Python・SQLなどのプログラミングの技術と知識を学び、分析基盤構築ができるようになればデータサイエンティストとして活躍できるでしょう。

それに加え知識の衰えがないように、データマイニングや機械学習などの最新情報や論文は日々チェックするということも忘れずにおいて下さい。

3、ビジネスアナリストから目指す場合

ビジネスアナリストから目指す場合は、プログラミングや統計解析の基礎知識から幅広く学ばなくてはいけないので、他の2例よりも学習が大変です。

ただ、データの新たな活用による課題解決を目指すデータサイエンティストには、ビジネスへの理解力とコミュニケーション能力も重要なスキル。

ビジネスアナリストやコンサルタントとして働いてきた方はその能力が優れているので、頑張って知識をつけることで大きな強みをもったデータサイエンティストになれるでしょう。

※こちらの記事は、『TECH::NOTE』コンテンツから一部抜粋して転載をしております。
>>元記事はこちら

この記事が気に入ったらいいね!しよう

エンジニアtypeの最新情報をお届けします

RELATED POSTS関連記事

JOB BOARD編集部おすすめ求人

この記事に関連する求人・キャリア特集

エンジニア転職フェア開催 IT&モノづくりエンジニアを求める優良企業が大集結!
記事検索

サイトマップ



記事ランキング

SIerって本当にヤバいの? ひろゆきが語る、業界ごと沈まないためのキャリア戦略

SIerって本当にヤバいの? ひろゆきが語る、業界ごと沈まな...

英文メールでよく見る「略語」の意味は?アメリカ&シンガポール企業で働くエンジニアが解説

英文メールでよく見る「略語」の意味は?アメリカ&シンガポール...

Appleが認めた82歳の新米エンジニア・若宮正子さんのモノづくり人生「“定年後はロスタイム”の時代じゃない」

Appleが認めた82歳の新米エンジニア・若宮正子さんのモノ...

フリーランスエンジニアに聞く、最速で「時給5000円以上」人材になるために最も大切なこと

フリーランスエンジニアに聞く、最速で「時給5000円以上」人...

元COBOLプログラマから見た、最近の「COBOL狂騒曲」に関する考察【連載:澤円】

元COBOLプログラマから見た、最近の「COBOL狂騒曲」に...

TAGS

「type転職エージェント」無料転職サポートのご案内