ビックデータを活用して社会が大きく変わりつつある今、データサイエンティストが注目されています。
データサイエンティストは日本に不足していると言われる一方で、なくなる職種だという声もあります。
本記事では、なぜデータサイエンティストがなくなると言われているのか、その理由や生き残るためのスキル、仕事内容や将来性について解説します。
データサイエンティストの今後について興味のある方はご参考にしてください。
目次
データサイエンティストとは？
データサイエンティストの概要
データサイエンティストとは、データサイエンスの知識を持ち、データベースの構築やデータ収集・分析を行い、施策立案を行う職種です。
膨大なデータを分析することで得られる知見をビジネスやサービスの開発等に役立て、新たな価値を生み出すことが求められます。
2010年代頃からスマートフォンが普及し始め、AIやIoTが台頭したことを背景に、データサイエンスに注目が集まりました。
そもそも、データサイエンスにはどのような意味があるのでしょうか。
データサイエンスとは、数学や統計学、アルゴリズムなどの情報学に基づき、データの傾向を分析したり予測したりして、社会にとって有益なソリューションを見つけ出す学問です。
データサイエンスは、主に以下の２分野の知識を用いてビジネスの課題への解決策を導き出します。
1つ目が統計学です。
統計学は、数値や符号で表されたデータを元に、データ集団の特徴や傾向などの性質を調べ、分析をしたり推測をしたりする学問です。
2つ目は、情報科学や情報工学の情報学、ITに関する学問です。
アルゴリズムなどのデータ構造やプログラミング、情報処理についての原理を研究します。
データサイエンティストは、これらの学問に基づいた知識を正しい場面で適宜組み合わせ、使い分けることで課題の解決策を導き出します。
出典元：「データサイエンティストとは」職業情報提供サイトjobtag
データアナリストとの違いは？
データアナリストとデータサイエンティストの違いが明確に分からない方が、多くいらっしゃるのではないでしょうか。
一言でいうと仕事内容と役割に違いがあります。
データアナリストはビジネスの課題解決のために、基礎的な統計学を用いてデータを抽出・分析し、専門知識のない人にもわかりやすいように可視化します。
また、分析結果をもとに施策を提案するところまで担当します。
データサイエンティストは、機械学習を用いてデータアナリストよりも高度な分析をします。
まず、分析のためにデータを機械学習で使える形に変換し、分析に適切なアルゴリズムを選定します。
機械学習の性能を活用するために実際のデータに合わせてパラメータのチューニングを担当します。
データアナリストがデータの統計的な分析を業務内容の主としているのに対し、データサイエンティストは、データの準備、分析、性質解析、予測などを幅広く行います。
データサイエンティストとデータアナリストのより詳細な違い、その他類似職種との違いは、下記の記事で解説しています。
ぜひご覧ください。
データサイエンティストの仕事内容
では、データサイエンティストは具体的にはどのような仕事を担っているのでしょうか。
データサイエンスは先述の通り、様々な学問を組み合わせているため、データサイエンティストのアプローチの方法は様々です。
以下に例を挙げて説明します。
データ・ビジュアライゼーション
データ視覚化ともいわれ、情報やデータをわかりやすく表現することを言います。
データサイエンティストは、データの分析を行う際の手段として、図形を使った表や散布図などを使う場合があります。
機械学習・ディープラーニング
コンピュータによるデータ分析の手法の一つである機械学習を用いて、データの性質を導き出します。
特にディープラーニングは、人間の思考回路の理論を用いて分析をするため、精度の高い分析が可能です。
これらはアプローチ方法の一部にすぎませんが、このようなアプローチによって、データや情報を収集・分析して新たな取り組みを提案します。
例えば、売れ行きに伸び悩む商品の解決策を考えるとき、以下のような手順・解決策があります。
データサイエンティストの業務手順
データサイエンティストの主な業務フローは次の通りです。
- 課題の策定
- データベース構築
- データ収集とデータの前処理
- データ分析
- レポート作成
まずはクライアントとしっかり打ち合わせを行い、解決すべき課題を設定します。
システム開発でいうところの要件定義にあたるイメージです。
次にデータ収集を行うための準備として、収集したデータを効率的に蓄積するためのデータベースを構築します。
そして、クローリングやスクレイピングなどの作業を行い、データを収集し、データの下処理を施してからデータを分析。
最後にクライアントへ分析結果を基に施策を提案するためのレポートを作成します。
どのようなデータを集めて、それらを何に活用するのかを策定するまでがデータサイエンティストの仕事内容です。
データサイエンティスト活躍の場
データサイエンティストの勤務先はIT業界だけではありません。
現在は様々な業界でデータサイエンティストの採用が進んでおり、業界としては、次のものが挙げられます。
- シンクタンク
- 総合メーカー
- 金融業界
- 人材ビジネス業界
- 自動車メーカー
- ゲーム開発会社
幅広い業界で名だたる企業がデータサイエンティストの求人を出しています。
2023年3月時点で、野村総研やスズキ、NECや日立製作所といった企業が求人情報を掲載しています。
出典元：
・「データサイエンティスト採用情報」NRI
・「データサイエンティスト採用情報」NEC
・「データサイエンティスト求人」マイナビ転職
データサイエンティストがなくなる？！
データサイエンティストは将来なくなる職種とも言われています。
それはなぜでしょうか。
最新技術が発達してきたため
人工知能などの最新技術が発達してきたことにより、データサイエンティストの仕事が減り、伸びしろがなくなったという意見があります。
データサイエンティストは、データの分析、解析や傾向分析以外にも、データの準備や予測などの仕事も行います。
しかし、最新技術が発達し、様々な自動化ツールが登場してきたことにより、データサイエンティストの仕事を技術の力によって解決できる場合もあります。
そのため、年々進化していく技術に対応でき、且つ突出したスキルがある人でなければ、飛躍できないという厳しい意見もあります。
より高度な技術とスキルが必要とされるため
先述の通り、データサイエンティストは、ITやアルゴリズムなどの情報に関する知識だけでなく、数学などの統計学に基づいたデータに関する知識も必要です。
これらの学問の習得には時間がかかり、内容が専門的で難しいという理由から、データサイエンティストを目指す人が減っていくのでは、という意見があります。
SEとして、新規案件獲得のための商談活動も行った経験がある筆者の周りでも、データサイエンティストは難しい学問を扱う職種であり、習得した後に仕事に専門性を反映できるかどうかが不安、仕事が大変、などといったマイナスなイメージを持つ方が多いです。
さらに、データサイエンティストの技術とスキルの幅の広さから、担当業務の範囲が曖昧であることも、大変そうなイメージがある理由の一つです。
単価が高いため
データの分析をデータアナリストが行い、分析したデータの解析や予測を機械学習に特化したエンジニアが行う、などといったように、データサイエンティストが行う業務を別の職種の人々で行う場合もあります。
データサイエンティストは希少価値が高いために単価も高く、データサイエンティストを配置すると、限られたプロジェクト予算をオーバーしてしまうリスクがあります。
そのため、データサイエンティストを雇わずにより単価の低いエンジニアなどを代わりに採用する例も多いです。
データサイエンティストの将来性
先述の通りなくなるとも言われているデータサイエンティストですが、将来の需要は今後も高いままで推移することが予想されます。
その理由は主に次の2点です。
- データサイエンティストの有効求人倍率が高い
- データサイエンティストを確保できていない企業が多い
それぞれ詳しく解説します。
データサイエンティストの有効求人倍率が高い
前述したようにデータサイエンティストの求人数は多く、需要が高い状態です。
厚生労働省の職業情報提供サイト「jobtag」で公開されているデータサイエンティストの有効求人倍率は2.33倍と高く、データサイエンティストの人材市場は売り手市場になっています。
また、IT人材の人材不足という観点でも、今後の需要が高いことがわかります。
経済産業省が実施した「IT人材需給に関する調査」では、2030年にはIT人材が最大約79万人不足する試算です。
中でもIoTやAIに携わる先端IT人材は同年に最大約55万人不足するとされており、データサイエンティストのような高い技術を持つIT人材は、今後も高い需要が見込まれます。
出典元：
・「データサイエンティストとは」職業情報提供サイトjobtag
・「IT人材需給に関する調査」経済産業省
データサイエンティストを確保できていない企業が多い
データサイエンティストを採用したい企業は多いです。
しかし、人材の供給が追い付いていないことから争奪戦のような状況が続いています。
一般社団法人データサイエンティスト協会が2022年3月31日に発表した「データサイエンティストの採用に関するアンケート」によると、2021年にデータサイエンティストを1名以上増やした企業は41%と多くの企業で採用が進んでいます。
一方、データサイエンティストを目標通りに確保することができなかった企業は62%に上り、企業の求人数に対してデータサイエンティストが不足している状況です。
また、総務省が公表している「令和2年度 情報通信白書」によると、ビッグデータを「経営企画・組織改革」や「マーケティング」、「製品・サービスの企画、開発」に活用している企業が多く、今後も必要とされる場面が多いと考えられます。
データサイエンティストは将来的に幅広い業界で活躍する存在になることが予想されます。
出典元：
・「データサイエンティストの採用に関するアンケート」一般社団法人データサイエンティスト協会
・「情報通信白書」総務省
生き残るためにすべきこと～経験や資格の取得～
では、データサイエンティストとして活躍し続けるためには、どのようなことができるのでしょうか。
「人」ならではの結果を残そう！
AIなどの最新技術が発達してきていますが、筆者の経験上、そのような最新技術を取捨選択し、最適に扱うことができる顧客はごくわずかです。
データサイエンティストは、その高い専門知識を活かして、顧客の要望に応じた最新技術やツールを最適に扱うコンサルティングができます。
あるビジネス課題について向き合う際、統計学や数学、情報学などのITの知見をもたない人が膨大なデータを前にしても、最適なデータ分析を行い、最適な解決策を見つけることは困難で、不安が大きいでしょう。
このような心理に寄り添い、顧客とコミュニケーションを取りながら最適な解決策を一緒に導き出すような、人ならではの「DXのコンサルティングスキル」を伸ばすことが、今後生き残っていくために重要となるでしょう。
スキルアップに努める
データサイエンティストとして活躍するためには、教育やセミナーなどの育成研修などに参加して、スキルアップを図ることが大切です。
その手段として、資格を取得する方法があります。
データサイエンティストにおすすめの資格については下記の記事で詳しく紹介していますので、ぜひご覧ください。
データサイエンティストのキャリアパス
データサイエンティストとして経験を積み、スキルを磨いた後はキャリアパスとして様々な選択肢が得られます。
本章では主な転職先3つを紹介します。
プロジェクトマネージャー（PM）
プロジェクトマネージャーは、プロジェクトチームの責任者としてチームを束ね、プロジェクトの進捗や予算管理を行う職種です。
データサイエンティストとしてのスキルや経験を活かして、チームの一員ではなくリーダーとして案件に関わる立場になります。
AIエンジニア
AIエンジニアはクライアントの課題をAIによって解決へ導く職種です。
データサイエンティストが用いるプログラミング言語PythonをAIエンジニアも活用することが多く、親和性が高いです。
また、機械学習においてはデータベースの運用方法やモデル化についてのスキルや経験が求められるため、データサイエンティストと近似する部分もあります。
ITコンサルタント
ITコンサルタントは、クライアントが抱えるビジネス課題に対して適切なIT戦略を提案する職種です。
データサイエンティストとして、ビッグデータの活用方法や、具体的にどのようなデータを収集・分析するかについてのノウハウを持って転職することで、クライアントにデータサイエンスの観点から企画立案を行うことができるでしょう。
フリーランスとして独立する
データサイエンティストとして十分なスキルがあり、これからもデータサイエンティストとして働いていきたいという方には、フリーランスとして独立するという道もあります。
データサイエンティストの独立については、下記の記事で詳しく解説していますので、ぜひご覧ください。
まとめ
本記事では、データサイエンティストはなぜなくなると言われているのか、その理由や生き残るためのスキルについて解説しました。
データサイエンティストは伸びしろがないという声もありますが、ビッグデータによる社会変革が予想される現代において、需要がある希少価値の高い職種です。
今後は育成会や検定などにより、高いスキルと経験を持つデータサイエンティストの登場に期待が高まりますね。
データサイエンティストとして活躍したい方へ案件はこちらから
✔高単価案件多数
150万円以上の案件が80％以上、200万円以上も！
✔フルリモート案件多数
リモートで完結するDX・戦略案件が見つかる
✔上場企業や優良企業から直接スカウトが届く
簡単なプロフィールを登録し、あとはスカウトを待つだけ
