「データサイエンティスト」という職種を、最近耳にするようになった方も多いのではないでしょうか。
日本ではまだ新しい職種であり、業務内容についてもよくわからないという方もいらっしゃると思います。
この記事では、データサイエンティストの仕事内容、採用市場での需要や必要なスキルについて詳しく解説します。
データサイエンティストという職種にご興味のある方、データサイエンティストとしての転職を検討されている方は、ぜひ参考にしてください。
データサイエンティストとは何か？
データサイエンティストとは、企業の抱えている複雑な問題点に対してデータを解析・分析することで、改善点を提案する仕事を指します。主な業務内容は、下記の通りです。
・課題の抽出
企業の抱えている問題点を洗い出し、課題を抽出します。
・データの準備
抽出した課題を解決するため、収集したデータから必要なものを見極めて整理します。
・データの分析
準備したデータから問題解決につながる情報を見つけ出し、さまざまな角度から分析します。
・パターン認識、可視化
データ内から特徴や一定の規則を見つけ出して取り出す「パターン認識」や、データをグラフや図表にして見やすくする「可視化」を行います。
・結果を予測するためのアルゴリズムやデータモデルの作成
機械学習技術を使用して、データまたは製品の質を向上させます。Python、R、SAS、SQLなどさまざまなプログラム言語を含むデータツールを使用し、機械学習によるデータ分析によって最適な結果を導きます。
・レポート作成
データをレポートにまとめ、状況報告と改善点の提案をします。
ステークホルダーへのコミュニケーションとしてビジネスに与える影響を可視化し、発見・洞察・提案をビジネスステークホルダーに提供するのが最終的な目的です。
データサイエンティストとはデータの分析と解析のスペシャリストです。そのため、IT関連のテクニカルスキルはもちろん、問題を解決へ導くロジカルシンキングを含めたビジネススキルも問われます。また、IT関連の技術・分析スキル・ツールに加え、数学・統計学、アルゴリズム・機械学習、論理的思考・問題解決力、コミュニケーション能力も求められます。
データサイエンティストの需要は？日本のデータ市場はどうなっているのか？
データサイエンティストの需要は増加傾向にある
ここ数年の動向として、IT関連の企業だけではなく、金融・アパレル・流通・医療・政府関連など、あらゆる業界にDXの波が押し寄せています。
特に大企業において、その傾向は顕著です。これまでは社内のIT化で業務効率の向上やコスト削減、収益性の向上を図る取り組みがメインでした。しかし現在では、ビッグデータやAIを始めとしたデジタル技術の活用により、業務プロセスの改善や、ビジネスモデルそのものの変革が、本格的に進んでいます。
そのため、データ分析のスペシャリストであるデータサイエンティストは、各業界において需要が高まっていると言えます。
しかし、デジタル化が諸外国より遅れているとされている日本では人材育成が追い付いていないのが現状です。スイスの国際経営開発研究所が発表する「世界デジタル競争力ランキング」によると、2021年時点で日本の順位は64ヶ国中28位でした（※1）。アジア圏で見てもシンガポールや中国、韓国はトップ10にランクインしており、各国にかなり引き離されている状況だと読み取れます。
また、日本ではデータサイエンティストの仕事には明確な定義がなく、対応領域が決められていないことから、求職者と企業のミスマッチがあるのも人材不足の一因と考えられます。
そういった要因から、採用市場ではデータサイエンティストの供給が追い付かない状況となっています。
※1 出典：依然、世界中位に甘んじる日本のデジタル競争力 ～日本のDXへの取り組みの現状と課題～ 株式会社東レ経営研究所
日本のデータ市場の状況
ビッグデータ市場は、世界的に見て大きな発展を遂げており、今やデータ分析なくして新たなビジネスモデルの開発や経営戦略は成り立たないと言えます。
国内においてもスマホ決済やEC市場の広まりなどによって、デジタル化が各業界に進むにつれてデータ市場のニーズも高まっています。
IDC Japanが発表した国内のデータセンターサービス市場の2020年～2025年の年間平均成長率は12.5％（※2）と、非常に高い成長率を維持していると言えます。こうした状況を受け、大企業においては収集されたビッグデータを利用して、データ分析や経営改善に取り組む企業も増えてきています。
経済産業省もDX推進を後押ししていることから、今後においてデータ市場は拡大することが予想され、データ分析業務に対応できる人材の需要はますます高まりを見せるでしょう。
しかし、中小企業ではまだ本腰を入れてデータ分析をしている企業は少なく、データ利用よりも経験と勘に頼った部分が大きなウェイトを占めているのが現状です。
※2 出典：国内データセンターサービス市場予測を発表 - IDC
なぜデータサイエンティストはキャリアパスとして有利なのか？
データサイエンティストには、ITの専門知識や高度な分析能力 (通常STEM分野の修士号または博士号取得者）、優れたコミュニケーション能力、高い専門性と多様な能力が求められます。なかでもITの専門知識を持っている人材は他業種からの流入が難しく、需給バランスとしては売り手市場が続いているため、転職市場では非常に有利なキャリアパスとなるでしょう。
またデータサイエンティストという職業の歴史がまだ浅いため、人材育成が追い付いておらず即戦力となる人材が不足しています。大企業だけでなく中小規模の企業でも、今後データサイエンティストの採用が進むと予測されます。しかし、この分野は人材不足が顕著で主要ポストが埋まっていないのが現状です。そのため、先行してデータサイエンティストとして仕事を始めていると、それだけでも有利な状況となるでしょう。
今後の見通しとして、「AIの能力が高まるにつれてデータサイエンティストの仕事がなくなる」といった否定的な意見も見られます。正直なところ、データ収集や加工などの単純作業はAIに取って代わられる可能性は大いにあります。
しかしながらデータサイエンティストに求められるのは、データ分析をもとに状況に応じた解決策の提案をすることです。この部分は内容が複雑で負担が大きく、AIでは代替できない作業となります。そのため、将来的にデータサイエンティストの仕事がすべてなくなるとは考えにくいでしょう。
データサイエンティストは多彩な能力が問われる職種のため、将来的にはエンジニアやコンサルタントなど、多方面でのマネージャー職やスペシャリスト職が視野に入れられることも強みと言えます。
データサイエンティストになるには、どのようなソフトスキルやテクニカルスキルが必要なのか？
前途の通り、データサイエンティストは多様な能力が求められる職種と言えます。特に必要とされるのは、IT関連・コミュニケーション・ビジネスのスキルです。以下では、その具体的な内容についてご紹介します。
IT関連のテクニカルスキル
データ分析にはプログラミング言語を使用するため、プログラミングの知識やスキルがないと仕事が成り立ちません。そのため、IT関連のテクニカルスキルは必須です。
またビッグデータを取り扱う際には、データを操作するためのプログラムの知識、データの抽出やグラフ作成などのスキル、分析や統計の知識が必須となります。
具体的な例を、次に挙げます。
- プログラム言語：python、R、SAS、SQLなど
- データ可視化ツール：Power BI、Tableau、Domoなど
- クラウドコンピューティングサービス：AWS、Azure、Google Cloud Platformなど
IT分野は日々進化していますので、常に新しいスキルを身に付ける努力が大切です。
コミュニケーションスキル
データサイエンティストの業務は、周囲とコミュニケーションを取りながら進めることがほとんどです。課題の抽出には担当者とのミーティングは不可欠ですし、改善提案をする際はわかりやすく内容を伝えられるプレゼンテーションの能力も必要です。
ビジネススキル
データサイエンティストとして仕事をしていく上で、担当する業界・業種の知識は必須ですが、入社前に必ずしも業界知識が必要というわけではありません。データサイエンティストとしての問題解決マインドセット、ビジネスセンス、ハードスキルは汎用性が高いため、業界横断的に応用することが可能です。多くのデータサイエンティストは、入社後に特定の業界知識を習得しています。
また課題を解決に導くための論理的思考（ロジカルシンキング）も重要です。幅広いビジネスの知識や思考が多いほど課題を改善に導ける可能性が高くなり、自身の信用にもつながっていくでしょう。
知識を得るためには、資格試験の勉強をするのもひとつの方法です。例えば、一般社団法人データサイエンティスト協会が主催する「データサイエンティスト検定試験」などを受けてみるのも良いでしょう。
まとめ
データサイエンティストは、今後DXが進む社会のなかでますます需要が高まる職種です。現在は人材が需要に追い付いていないため、採用のチャンスに恵まれている分野だとも言えます。
データサイエンティストとしての職歴がなくても、これまでの経歴やスキルを活かすことで採用まで進むことは可能です。データサイエンティストに関する求人情報をお求めの方、キャリアアドバイスをお求めの方は、ロバート・ハーフまでお気軽にご連絡ください。
