データサイエンティストはやめとけと言われる本当の理由｜つまずきやすい3タイプと見送る前に試せること

数学や統計から離れて久しい文系の未経験者

文系出身であること自体は問題になりません。ただ、仮説検定、回帰分析、確率分布といった統計の基礎が実務では毎日のように出てくるため、学び直しの量が想像より多くなります。たとえばA/Bテストの結果を報告するとき、p値の意味を事業部門に噛み砕いて説明できなければ、分析の価値は伝わりません。

大学の教養課程で統計を学んだ程度の人が、数か月の独学で転職市場に出ると、書類選考の段階で苦戦しやすいのが現実です。このタイプには、いきなり応募するより、土台づくりの期間を見込むことをすすめます。

独学の成果物だけで応募する転職希望者

Kaggleのタイタニック号の生存予測や、公開データでの住宅価格予測を並べたポートフォリオは、学習の証拠にはなりますが、実務の再現にはなりません。実務では、きれいに整えられたデータは存在せず、そもそも何を予測すれば事業に効くのかを決める工程が最も重いからです。

採用側が見たいのは、精度の数字よりも、課題の切り分けと、結果を使う人に届ける姿勢です。成果物の作り方はデータサイエンティストのポートフォリオに載せるべき内容で整理されているので、応募前に見直しておくと差が出ます。

分析経験がないまま社内で任命された人

「データ活用を進めたいから、君がデータサイエンティストをやってくれ」と、営業や企画の担当者が急に任されるケースがあります。教えてくれる人も、整ったデータ基盤もない状態で始めると、数か月は集計表づくりに終わり、本人は何を成果とすればよいのか分からなくなります。

このタイプに限っては、やめとけと言うより、役割の範囲を上司と文書で合意することが先決です。分析の目的、使えるデータ、期限を決めたうえで小さな案件から始めれば、状況は大きく変わります。

未経験可と書いてあっても職種の中身が異なる

データサイエンティストの求人で未経験可とされているものには、実際にはデータ入力に近い業務や、既存のBIツールでレポートを出すだけの仕事が含まれていることがあります。仕事内容の欄に、使用する言語や統計手法、モデルを作る頻度が具体的に書かれているかを見てください。ここがあいまいな求人は、入社後に想定とのずれが生まれやすくなります。

必須要件にSQLと事業理解が並んでいる

多くの求人で、PythonやRに加えてSQLでのデータ抽出経験が求められています。さらに、担当する事業の指標に関する理解も要件に入ります。モデルの精度が高くても、売上や解約率といった事業の言葉で成果を語れなければ、評価されにくい職種です。待遇面の目安は経験年数ごとの年収の相場を見ておくと、入口の厳しさと釣り合いが取れているか判断できます。

SQLで業務データを触った経験がある人

営業企画やマーケティングの現場で、SQLを使って売上や会員のデータを抽出し、集計していた人は、すでに実務の入口に立っています。足りないのは統計と機械学習の知識なので、学ぶ範囲が絞りやすく、現職の経験もそのまま強みになります。

理系の研究で実験と検証を回してきた人

大学院などで、仮説を立て、データを取り、結果を統計的に検証する流れを経験した人は、考え方の型がすでに身についています。実務のデータに慣れる必要はありますが、課題の切り分けは得意なはずです。

事業側の知識を持ち、数字の意味を説明できる人

小売、金融、製造といった業界で数年働き、現場の課題を肌で知っている人は、分析のテーマを自分で見つけられます。技術は後から補えますが、業界の知識は短期間では身につかないため、この組み合わせは採用市場でも評価されやすい傾向があります。

1か月で自分の適性を確かめる

現在の仕事を続けながら、次の3つに取り組んでみてください。

• SQLの入門課題を30問解く
• 統計検定2級の過去問を1回分解く
• 公開データで集計から可視化までを1本やり切る

この3つを苦痛なく進められたなら、適性はあります。途中で強い抵抗を感じたなら、その感覚は大切な判断材料です。学習の順番に迷うなら、データサイエンティストを目指す道筋を段階で示した記事が参考になります。

隣り合う職種から入るという選択

いきなりデータサイエンティストを狙わず、データアナリストとして集計や可視化の実務を積んでから移る道もあります。職種の境目は会社によってあいまいで、分析職の経験がそのまま次の応募に使えます。入口の選択肢はデータアナリストになるまでの流れを読むと具体的に描けます。