トレインズメディア特集「AIと人のコレカラ」。今回は実態がわかりにくいデータ分析について、編集部が記事を執筆しました。
“ビックデータ解析”や、”DX（デジタルトランスフォーメーション）”など、データ分析に関連する仕事が現在注目されています。
ただ、データ分析をビジネスで活用するにはいくつもの障壁があり、まだまだ発展途上というのが現状ではないでしょうか。「将来的に必要なことはわかっているけど、なかなか…」。そんなふうに考えている方は少なくありません。また、具体的な仕事内容がわかりにくいことも、その原因の一つといえます。
とはいえ、データ分析は大量のデータから論理的な結論を導く達成感のある仕事です。今回は、そのようなデータ分析とはどのような仕事であり、どのようにして目指せるのかをご説明します。
仕事内容は大きく分けて処理、分析、提案の３種類
まずはおおまかなデータ分析の仕事について、理解しましょう。
広義では「与えられたデータを分析し、その結果に基づいてビジネスの意思決定やサービス提供を支援する」仕事といえるでしょう。データを分析するだけでなく、結果からどんなことが言えるか？までを考える仕事です。
たとえば、SNSでつぶやかれている大量の情報から、今はどんなトレンドで、何をしたほうがいいのかを考えることもれっきとした「データ分析」の一つです。
ほかにも、売れる商品の組み合わせを過去の売上データから読み取ることもデータ分析といえるでしょう。
こう考えると、みなさんが普段無意識で行っている行動は、どれもデータ分析といえるでしょう。
データ分析の３職種
これらの仕事はデータ分析とひとまとめにされていますが、実際にはいくつかの職種に分類が可能です。
では、DODAやマイナビ、リクナビで「データ分析」として掲載されている求人をふまえて、以下の3種類に分類したいと思います。
- AIエンジニア
- データエンジニア
- コンサルタント
このうちAIエンジニアとデータエンジニアは、まとめて「データサイエンティスト」と呼ばれることもあります。
また、データ分析は以下のステップで進められます。
- どのようなデータ分析をするか取り決める(要件定義)
- 必要なデータを集める(データ収集)
- データを加工する(データ処理)
- 加工されたデータを分析する(データ分析)
- ビジネスへ反映する
3と4の工程は分析内容によっては繰り返されることもあります。
以下では3つの職種は、どの役割を担当しているのかも踏まえて詳しくご紹介します。
データの”分析”を担当する「AIエンジニア」
実際に機械学習のロジックなどを組み立て、データ分析を担当するのがAIエンジニアです。
データ分析の対象となるものを、適切なロジックで処理するエンジニアです。上記の役割では「1.要件定義」「4.データ分析」を主に担当します。
データ分析はクライアントの意思決定などを支援することが仕事であるとご説明しました。この意思決定に必要となる根本的なデータを作成する仕事であるとイメージすると良いでしょう。
データ分析を担当するAIエンジニアのことを、広くデータサイエンティストと呼ぶこともあります。
AIエンジニアの基本的な情報や身に付けるべきスキルは、以下の記事で詳しく解説しています。
出力されたデータの”処理”を担当する「データエンジニア」
AIエンジニアと連携してデータの処理などを担当するのがデータエンジニアです。
出力されたデータの分析や加工をします。上記の役割では「2.データ収集」「3.データ処理」が該当します。
また、AIエンジニアに提供するために「どのようなデータを用意しなければならないのか」を考えることもあります。他にもどのようなデータをAIエンジニアに提供すれば、思うような結果を得られるのか検討する仕事にも対応しています。
データエンジニアの基本的な情報や身に付けるべきスキルは、以下の記事で詳しく解説しています。
データ分析の結果から顧客に寄り添う「コンサルタント」
データ分析の結果を基に、クライアントの課題解決などをすすめるのがコンサルタントです。
上記でご紹介したデータサイエンティスト寄りの仕事とは異なるものです。上記の役割では「5.ビジネスへ反映する」が該当します。
コンサルタントはクライアントが居る場合もそうではない場合も、具体的な行動を示すことが役割です。AIエンジニアやデータエンジニアがデータ分析をした結果から、経営方針などの行動指針を作り出すとイメージしましょう。
コンサルタントですので、データ分析以外の知識も求められることが特徴です。例えばマーケティングの知識などがデータ分析と併せて求められます。
コンサルタントの基本的な情報や身に付けるべきスキルは、以下の記事で詳しく解説しています。
データ分析を仕事にする場合の働き方
ここまで、データ分析の内容、職種について説明いたしました。次は「どうやったらデータ分析を仕事にできるのか？」について、ご紹介したいと思います。
データ分析を扱う就職先
まず手っ取り早いのはデータ分析を扱う企業、職種に就職・転職することです。
ただ、データ分析とうたってはいるものの、実態は「データの処理だけだった…」ということも往々にしてありますので、自分の求める内容に適した就職先を選ばなければなりません。たとえば、以下のような就職先があります。
- データ分析を専門とする企業
- 大手IT企業
- 研究機関
- 大手企業のデータ解析部門など
実際に、データ分析を行っている企業は多くあります。もちろん、データ分析のレベルに差はありますが、たとえば大手IT企業である「NTTデータ」などは専門の部門を用意しています。
また、研究機関やITに関係ない企業でもデータ分析の部門を有していることがあります。その規模は会社の規模によっても左右されますが、スペシャリストを集めているような企業もあります。
データ分析をするためには専門の企業に就職する必要があると感じるかもしれません。しかし、実際には就職先の選択肢は幅広くあります。
データ分析を仕事にした場合の年収
データ分析の仕事はいくつかに分類されますが、データサイエンティストと仮定します。DODAのサイトより平均年収は522万円です。
また、実際の求人を確認してみると未経験でも年収300万円から400万円、実務経験が豊富など、スキルの高い人は1,000万円弱です。年収1,000万円以上を得ているのは、データ分析のスキルに加えて、管理スキルなども有している場合です。平均は522万円ですが、スキルによって年収は大きく左右される印象ですね。
なお、IT業界全体の平均年収は上記同様のサイトで確認すると457万円です。比較すると、データ分析の仕事は年齢平均よりも高い年収を得られます。
この背景はデータ分析の仕事に専門知識が求められることがあるでしょう。IT業界の他の職種よりも、より高度な知識が求められますので、それが年収に反映されていると考えられます。
出典：平均年収ランキング【最新版（2019年）】by duda
データ分析に関わる人の残業や休日
働く上で欠かせないのが「休日」。
休まずに働くよりも適度に休憩をとったほうが生産性が上がるのは、多くの方がすでに理解されていることでしょう。
データ分析業務についても同様で、基本的には分析の活用先が社内かクライアントかによって左右されます。
たとえば、社内でデータ分析を活用する場合、基本的に計画にしたがって進められます。
他の業務などを踏まえて、余裕を持ったタイムラインで仕事ができます。
また、社内でデータ分析を活用するのであれば、緊急性が求められていないこともあります。そのような背景もあり、社内でのデータ分析は残業も休日出勤も少ない傾向にあります。
実際、ITコンサルタントである筆者が一緒に働いたメンバーは、多忙というわけではありませんでした。平均すると残業時間は10時間程度であり、休日出勤をしていることもほとんどありませんでした。
これは、筆者が共に参画したプロジェクトが、社内向けのプロジェクトであったからだと思われます。
逆にクライアントがデータ分析を活用する場合、計画したペースが前倒しされることがあります。クライアントの都合がありますので、そもそも余裕を持ったタイムラインではないこともあります。
たとえば、データ分析は意思決定などの判断材料を生み出すことが求められています。
思ったような分析結果が得られず判断材料を生み出せなかった場合は、残業をしてでも対応が必要です。クライアントからお金をもらって仕事をしていると、それが影響して残業してでも期日厳守で働かなければならなくなってしまうのです。
データ分析の仕事は「やめとけ」と言われている？
マーケティングやSNSなど近年様々な場所で活躍するデータ分析ですが、データ分析の仕事に就くのは「やめとけ」と言われることも少なくありません。
データ分析の仕事は一定の難しさやハードルがあるため、誰でも簡単に入り込める仕事ではありません。
この章ではそんな「やめとけ」と言われる理由を解説いたします。
①常に最新の技術を追う必要がある
データ分析の分野は、常に新しい技術やツールが開発されております。
最新の技術やツールを使いこなすためにも高い学習意欲や向上心が求められます。
例えば、データ収集や前処理、モデルの構築や評価に使用する技術は多岐にわたります。
最近ではAI技術やクラウドコンピューティング、ビッグデータ分析、自然言語処理などの分野も急速に進化しています。
そのため、常に最新の知識やトレンドにアンテナを張りアップデートしていくことが求められます。
このように、データ分析の仕事で長期的に活躍するためにも、データ分析の仕事に就いた後も最新の技術を身につけなければいけません。
仕事をしながらも、勉強をし続けなければいけないことから「やめとけ」という方も少なくないでしょう。
②必ずしも計画通りに仕事が進むわけではない
データ分析の仕事において、データの品質や収集方法などで想定外の問題が発生することも少なくありません。
例えば、データが欠損していた、異常値が存在したり、収集したデータが意図したものと異なっていたりなどのトラブルに遭うこともあるでしょう。
予想外の問題が発生しても、予算や期限が決まっている場合もあります。
その中で、何か問題が発生すると計画通りに仕事が進まない場合も多く、就業時間が自然と増えてしまうことから「やめとけ」と言われることがあります。
③求められる技術レベルが高い
データ分析の仕事には様々なスキルが必要です。
例えば、統計学やプログラミングの知識が必要だったり、場合によってはデータの品質管理や課題設定、仮説検証などに精通しなくてはいけないケースもあります。
このため、データ分析の仕事に就くためには高い技術レベルが求められます。
常に高い技術レベルを求められながらも、最新の技術動向を追い続け自己学習を継続的に行う必要があるため勉強が好きでないと辛いと感じる可能性があります。
データ分析の仕事は、やりがいや成長を感じられる仕事ではありますが、求められるレベルの高さについていけない場合「やめとけ」と言われることもあるでしょう。
データ分析を仕事にするために持ちたい3つのスキル
ここまでデータ分析の業務内容、仕事への取り組み方をご紹介しました。
次は、データ分析を仕事にするために、どんなスキルがあればよいのでしょうか。
ビジネスの理解から、データの理解、エンジニアリングまで幅広いスキルが求められるデータ分析ですが、その中でも特に注目したい3つのスキルをご紹介します。
① ロジカルシンキング
データを論理的に見れるロジカルシンキングのスキルが必要です。データ分析は根拠に基づいて理論を展開しますので、論理的な思考が求められています。
ただ、全てを論理的に考えるガチガチのロジカルシンキングが求められているわけではありません。
クライアントの要望に応じて、妥協案を出すなどの柔軟性も必要です。ロジカルシンキングのスキルを中心に、妥協する応用的なスキルも必要です。
例えばロジカルシンキングは上記の「2.データ収集」で必要とされます。欲しい結論を得るためには、論理的に考えてどのようなデータを用意する必要があるのかを検討します。
また、「4.データ分析」でも必要とされます。多くのデータから導き出された結果を踏まえ、論理的にどのような結論を導き出せるのかに活用されます。
データ分析にAIを利用するのであれば、こちらでもロジカルシンキングが求められます。データ分析全般に必要なスキルであると考えても良いでしょう。
② データ整理スキル
データを整理するスキルも問われます。これはクライアントに提示する資料を綺麗にまとめられるかどうかです。
基本的にデータ分析は多くのデータを取り扱います。
ただ、データ量があまりに多いと、クライアントは状況を飲み込めなくなってしまいます。相手はデータ分析のプロではなく素人だと考えられますので、それに適した資料を作らなければならないのです。
つまり、データ分析をするだけではなく、分析結果を素人に伝えるスキルまで必要なのです。
例えば上記の「1.要件定義」や「5.ビジネスへ反映する」では、クライアントにデータや関連する情報を提示しなければなりません。
このときに、クライアントでも理解しやすいようにデータを整理するスキルが求められます。
具体的にどのような資料を作らなければならないのかは、その都度左右されてしまう部分です。
ここでは、データ分析のプロではなく素人でも理解できる資料作成スキルが必要であると捉えてください。
③ ビックデータ解析やAIに関するスキル
ビッグデータ解析やAIに関するスキルも必要です。AIエンジニア、データエンジニア、コンサルタントそれぞれが持っておくべきスキルです。
例えばこれらに関するスキルとして、機械学習が挙げられます。データ分析にもAIに機械学習をさせる場面がありますので、持っておかなければならないスキルです。
これらのスキルは上記の「2.データ収集」や「3.データ処理」「4.データ分析」と幅広い場所で問われます。
データ収集にはビックデータ解析に基づいた理論が役立つことがあります。
また、データ処理や分析をするためには、処理をさせるAIの知識がなければ歯が立たないこともあります。
複雑ですのでそれぞれのスキルの詳細は割愛します。ただ、ビックデータ解析やAIに関するスキルも求められていることは理解しましょう。
データ分析を仕事にしたい人が取るべきキャリアパス
データ分析を仕事にしたい人のキャリアパスはどのようなものがあるのでしょうか。
今回は例として以下のキャリアパスをご紹介します。
また、キャリアパスごとのメリットとデメリットまとめました。
| キャリアパス | メリット | デメリット |
| 大学・大学院からの就職 | 幅広い知識を身につけられる 新卒で就職できる可能性がある |
基本的には4年間必要となる 専門外の学習も求められる |
| 専門学校からの就職 | 短期間で知識を身につけられる 専門知識に特化しやすい |
短期間で詰め込むため負荷が大きい |
| スクールで学んでからの転職 | 短期間で知識を身につけられる 仕事をしながらでも通いやすい |
比較的費用が高額となる |
| 独学で学んでからの転職 | 自分のペースで知識を身につけられる 費用が安い |
質問する相手がいない 学習方法が正しいか検証できない |
それぞれについて詳しくご説明をします。
大学・大学院からの就職
大学や大学院からデータ分析を仕事にできる会社へ就職する方法があります。一般的な就職活動でデータ分析を仕事にするのです。
データ分析を仕事にしたいのであれば、大学ではデータ分析に役に立つ統計解析やAIの利用に役に立つ数学的なことを学ぶと良いでしょう。
これらは必須ではありませんが、学んでおくことでひとつのアピールポイントになります。
また、大学での授業以外に学ぶ時間を取れるのであれば、BIツールなどデータ分析ができるツールについて学ぶのもおすすめです。やや難しいツールもありますが、経験値を持っておくに越したことはありません。
なお、大学や大学院でデータ分析に関連するものを学んでいれば、転職の際にハードルが下がる可能性もあります。改めてデータ分析の学習をしなくとも、大学の学びからポテンシャル採用で転職できる可能性があります。
専門学校からの就職
専門学校でデータ分析について学び、そのまま就職する方法があります。
データ分析に特化した学校はありませんので、IT系の専門学校で学びます。データ分析以外も学ぶ必要はありますが、自分のスキルが増えますのでプラスに考えましょう。
専門学校に通う場合、期間は2年間か3年間です。選択する学校によって期間は異なります。
期間が短くなるとそれだけ授業は濃縮されますので、学習の負担は大きくなりがちです。叩き上げでスキルアップしていくのです。
また、専門学校は就職を保証していることも多々あります。学校と企業のつながりでデータ分析の仕事につけることもあります。
スクールで学んでからの転職
プログラミングスクールなどに通い、データ分析を学ぶ方法もあります。データ分析だけの講座は実施されていないこともありますので、AIなどの講座で合わせて学ぶことが一般的です。
スクールであれば会社などで働きながら通うことも可能です。社会人向けの時間帯でも授業が実施されていますので、仕事をしながらデータ分析の知識を身につけられます。
期間については通うスクールによって左右されます。概ね半年から1年程度であると考えてよいでしょう。短い期間で集中して通うことも長い期間で少しずつ通うこともあります。仕事とのバランスを取れるようにもなっています。
スクールによっては、就職や転職が保障されていることもあります。データ分析に関する実践的な知識を身につけて、それを活かせる会社に就職できるのです。
独学で学んでからの転職
独学でデータ分析を学ぶ方法もあります。スキルを身につけた後はフリーランスとして活躍をしたりスキルを持った人材として転職したりします。
データ分析を独学で学ぶのであれば、書籍やインターネット講座を利用した学習が中心です。
データ分析が網羅された書籍を中心に、分からない所は追加の書籍を購入するなどして学習すると良いでしょう。独学であれば書籍の購入やインターネット講座の受講料はかかるものの、全体的な支出は安く抑えられます。
ただ、データ分析を独学で学ぶのは簡単なことではありません。
学習しなければならない場合は広く深いものですので、自力で全てを理解をとするのは困難を極めます。独学の道もありますが、基本的には誰かしらの指導を受けられる方法を選びましょう。
データ分析の仕事がおすすめな人
データ分析の仕事がおすすめな人は、論理的思考が得意な人や問題解決能力が高い人、人間関係調整能力がある人におすすめの職と言えます。
データ分析は、データから意味を読み取るために論理的思考力が求められる仕事です。
もし不測の事態が発生した際に、問題をいち早く発見し解決を目指せる問題解決能力も重要となります。
クライアントワークでは、納期が設定されているため、問題をなかなか発見できないと作業がどんどん遅れてしまいます。計画通り進めるためにもそういったスキルは非常に大切と言えるでしょう。
また、そもそもデータが不十分な場合は、お客様のお役に立てるインサイトを発見することが難しいです。
従来のシステム開発案件と比べてやってみないとわからない面が大きいため、機械学習モデルを作成した結果、そこまで性能の良いモデルが出来上がらないこともあります。
そのため、お客様にうまく説明し、期待値をコントロールしながら仕事を進める能力が必要です。
他には、好奇心旺盛な人もデータ分析の仕事がおすすめです。
データ分析は、データから新たな発見をすることができるため、好奇心旺盛な人は仕事を楽しいと感じる傾向があります。
好奇心旺盛な性格は、最新の技術やスキルアップを目指すためにもメリットになるでしょう。
データ分析の仕事の将来性は？
データ分析の仕事は、ビッグデータの増大や人工知能・機械学習の発展に伴い、データ分析の重要性が高まっていることから将来性がある仕事と言えるでしょう。
例えば、ビジネス分野では企業が保有する膨大なデータを分析することで、顧客ニーズの把握や商品開発、マーケティング施策の改善などより精度の高い意思決定を行えるため需要が高まっています。
さらに、AI技術の進展に伴ってデータ分析における機械学習や深層学習の技術がますます重要となっています。
AIによる自動化の進展によって、データ分析の業務がなくなる可能性も懸念されていますが、データ分析や解釈には人間の洞察力や判断力が必要不可欠です。
そのため、データ分析の仕事がすぐになくなるとは考えにくいでしょう。
これからさらに求められ将来性の明るい仕事
データ分析はこれからさらに求められる仕事だと考えられます。そのため将来性は明るいといって良いでしょう。データ分析を仕事にするにあたり特段の心配は必要ありません。
例えば現在はビックデータ解析やクラウドの活用が広がっています。データ分析に関するサービスも増えていますので、導入のためにデータ分析できる人材が求められています。
また、急激に普及してきているIoTでもデータ分析が進むと考えられます。現在は多くの情報を集める状況にありますので、これらを利用して次の一手を検討するためにデータ分析を利用するのです。
ただ、冒頭でも触れたとおり、データ分析のビジネスへの活用は発展途上であるのも事実です。これからどの程度のペースでビジネスの場で利用されるのか、誰にも分からない状況ではあります。
とはいえ、大手求人サイトではデータ分析に関する求人が増えている事実もあります。また、需要の高まりも含めてIT人材の中でも比較的高い年収が設定されている事実もあります。
そのようなことを踏まえると、データ分析の仕事はやはり将来性の明るいものだと考えてよいでしょう。
未経験からでもチャレンジする価値はあり
未経験からデータ分析を仕事にするのも良いでしょう。将来性の明るい仕事ですので、今のタイミングで思い切ってチャレンジしてみる選択肢もあります。
上記でも触れたとおりデータ分析を仕事にするためのキャリアパスは様々あります。大学に入り直すなどは難しいとは思いますが、スクールの活用などでスキルを身に付けることは可能です。
ただ、未経験からチャレンジはできるものの、険しい道のりであることは間違いありません。途中で挫折してしまうことも十分に考えられます。未経験からデータ分析を仕事にしようとするのは、多少なりともリスクがある点に注意が必要です。
また、未経験からデータ分析を仕事にしようとするのであれば、27歳までには決断することをおすすめします。スクールや専門学校に通い直すなると1年から2年は必要となり、歳を重ねてしまうからです。
未経験の場合あまり歳を重ねていると、リスクが大きくなってしまいます。その点も踏まえ、未経験からチャレンジするかどうかは決定しましょう。
データ分析の仕事は文系からでもなれる？
文系出身の人でもデータ分析の仕事に就くことは可能です。
データ分析には、数学的な知識やプログラミングのスキルが必要とされますが最近では学習できる環境が整えられています。
実際に、データ分析を学べるオンライン講座や専門学校、大学の講義なども増えており、初心者でも学びやすい環境も多くあります。
また、文系出身者はデータを分析する際に独自の視点やアプローチを持つことができるため、文系出身が強みになることも少なくありません。
データ分析の仕事は文系出身者も活躍できるチャンスがあると言って良いでしょう。
データ分析の仕事内容を踏まえ適したキャリアパスを歩んでみよう
データ分析の仕事内容は大きく分けて3つあります。
仕事にしたいと考えている場合は、この中のいずれかにやりたいことが含まれているかどうか確認しましょう。AIエンジニアとコンサルタントとは仕事内容も大きく異なります。
やりたいことが含まれており仕事にしたいと考えるのであれば、具体的なキャリアパスの検討が必要です。
どのような方法でデータ分析を身につけるのかを決定して行動をしていきましょう。
▼エスタイルの業務や環境が知りたい人はこちらも参考にしてみてください！
