データサイエンティストはやめとけ？学部の実態と向いている人の特徴

データサイエンティストはやめとけは本当？

結論として「データサイエンティストとしてやりたい仕事がある」という強い気持ちを持っているのであれば、まわりからの「やめとけ」なんて声を気にする必要はないでしょう。

どんな仕事でも万人に受け入れられるものはないからです。中には「AIに仕事を取られる」なんて具体的な意見もあるものの、データサイエンティストはむしろAIを活用する側。

AIを扱える人材はまだまだ不足している状態のため、将来性も申し分ありません。

一方で、当然ながらデータサイエンティストには向き・不向きがあることも確か。

なお「データサイエンス学部はやめとけ」という声も同じようによく見かけます。

学部の話は記事の中ほどで別に扱いますので、進学を考えている方はそちらもあわせてご覧ください。

記事後半では「どんな人にデータサイエンティストがおすすめか？」といった内容にも触れていますので、ぜひ参考にしてみてください。

データサイエンティストはやめとけと言われる理由

ここでは、なぜ「データサイエンティストはやめとけ」と言われているのか、その理由について探ってみました。

実際にデータサイエンティストとなったときのことを想像してみて「これは耐えられなさそうかも…」といったポイントがないか、チェックしてみてください。

高度な理系知識が求められる

一言で「データ分析」と聞くと簡単そうに聞こえますが、データを分析・活用するためにはさまざまな理系の知識が求められます。

• 統計学
  数学、各種データ分析手法
• 情報工学
  プログラミングスキル、ビッグデータ処理、データベース
• その他ビジネススキル
  プレゼン作成、データ共有など　

高校卒業～理系大学初級レベルの数学・解析学はほぼ必須と言われているため、数学に力を入れてこなかった人、そもそも文系の学校に通っていた人などは、まずスタート地点に立つまでが相当な壁になるでしょう。

もちろん理系を専攻していた人であっても、必ずしもデータサイエンティストに必要な知識をすべて網羅しているとは限りません。

高度なデータ分析手法、未習得のプログラミング言語など、根気強く学習を継続していける人でなければ、たどり着けない仕事と言えそうです。

データサイエンスを独学で習得したいと考えている方は、下記記事をご覧ください。

初心者の方におすすめの勉強方法やデータサイエンティストになるまでのロードマップなどを詳しく解説しています。

データサイエンスは独学で習得可能？おすすめの勉強方法やロードマップを解説

業務の責任が重い

データサイエンティストが分析したデータ類は、企業の運営や経営戦略といった上流工程で扱われる場合がほとんど。

ほんのちょっとミスを起こしてしまうだけで、誤った結果をもとにビジネスを回してしまい、その結果企業の経営悪化…なんて最悪の事態も起こりかねません。

それだけデータサイエンティストは重責を担うことになるため「周囲からの圧力が強すぎて耐えられない」「ミスが心配で気が気ではない」といった理由から、やめとけと言われてしまっているようです。

上流工程を担う仕事に「不安」よりも「やりがい」を強く感じられるかどうか。

この点がデータサイエンティストを目指すうえでは重要となるでしょう。

もっとも、この重さは裏を返せば「会社全体の売上・経営を管理できるほど規模の大きい仕事をできる」というメリットとも取れます。

「下流工程での仕事は企業に貢献できているのかわかりづらい」といった悩みを抱える人も多いはず。

その点、企業の経営陣と一緒に「会社をよりよくするためにはどうするか？」を模索していくデータサイエンティストの業務内容は、やりがいが大きく魅力的です。簡単にはいかないからこそ、良い成果が出たときの喜びはひとしおでしょう。

「会社を動かすほど大きな仕事をしたい」「責任の大きい業務で自身を成長させたい」といった野心がある人は、データサイエンティストが向いているかもしれません。

膨大なタスクを一人で抱えがち

データサイエンティストの仕事は、なにもデータ分析だけに留まりません。

分析したデータをもとにした解析・提案業務、新規データ収集・分析に向けたプロジェクト立ち上げ、データ活用以前の経営の課題点の洗い出し、などなど…やらなければいけない業務が非常に多い仕事なのです。

請け負える人が複数いるのであれば分担ができるのですが、昨今のデータサイエンティストの需要の増加に対して、残念ながら供給は追いついていない状況。

経済産業省の調査によれば、AI人材は2030年に12.4万人が不足すると試算されています（IT需要の伸びが「平均」の場合）。

参考：IT 人材需給に関する調査 ｜経済産業省

マルチタスクを要領よくこなせる人でなければ、過大な業務負荷に押しつぶされてしまうかもしれません。

人との交流が少ない

データサイエンティストの仕事は、さまざまなデータを整理・分析したり、データベースの構築、資料の解析など、基本的にデスクワークが主体となります。

人と会話しない時間が必然的に多くなるため、人と話すのが好きという人にとっては苦痛な働き方と言えるかもしれません。

またリモートワークが可能な職場も増えていることから、社内だけでなく社外の人と交流する機会も少なくなる可能性があります。

ただし、一日中誰とも話さない仕事というわけではありません。

キカガクの技術統括マネージャー・木下涼さんが公開している1日の流れには、社外担当者との打ち合わせや社内勉強会の時間が含まれています。

データを分析する時間と、その結果を人に伝える時間の両方があると考えておくとよいでしょう。

（データサイエンティストの仕事内容や1日のスケジュールは？キカガクに取材）

 AIや自動化ツールが普及している

近年はAIや自動化ツールの技術革新が目覚ましく、広く普及することでデータサイエンティストの仕事自体が必要なくなるのではないかと心配する声も聞かれます。

このような危機感が、データサイエンティストはやめとけと言われる一因になっていることは間違いありません。

しかしデータサイエンティストの仕事には、データの分析や加工を通じて課題を抽出したり、課題に対する解決策を検討・提案するなど、人間の思考が必要な部分も多々あります。

この先技術がさらに進化することで、AIや自動化ツールを活用する機会は増えると考えられますが、だからといってデータサイエンティストの仕事が完全になくなることはないと言えるでしょう。

とはいえ、自動化が進んでも人が担う領域は残ります。

「データサイエンティストはなくなる？将来性や生き残りに必要なスキルを解説」で将来性を掘り下げて解説しています。

データサイエンス学部はやめとけ？進学して後悔しないための判断材料

データサイエンス学部への進学で後悔しないためには、「やめとけ」と言われる理由を正しく理解し、4年間学び続けられるかを基準に判断することが重要です。

ここでは、学部進学に迷う方に向けて、客観的な判断材料を解説します。

データサイエンス学部が「やめとけ」と言われる3つの理由

データサイエンス学部が「やめとけ」と言われるのには、実績の浅さ、学習内容のギャップ、そして学びの選択肢の広がりという背景があります。

1つ目の理由は、学部そのものの歴史が浅く、卒業生の実績がまだ積み上がっている途中であることです。

日本初のデータサイエンス学部として知られる滋賀大学でも、1期生を社会に送り出したのは2021年3月です。

卒業生が社会に出てからまだ日が浅いため、キャリアパスのモデルケースが少なく、将来像を描きにくいことが不安視される要因となっています。

2つ目の理由は、学部名から受ける先進的な印象と、実際に学ぶ内容の負荷にギャップが生まれやすいことです。

データサイエンスの基礎は、高度な数学、統計学、そしてプログラミングです。

流行りの分野だからと軽い気持ちで入学すると、地道で難解な学習内容についていけず、挫折してしまうリスクがあります。

3つ目の理由は、データサイエンスを学べる場所が学部だけに限定されないことです。

文部科学省の「数理・データサイエンス・AI教育プログラム認定制度」では、大学全体で開講しているプログラムと、特定の学部・学科で開講しているプログラムの両方が認定の対象になっています。

大学全体で開講されている場合は、他学部に所属しながらでもデータサイエンスの基礎や応用を学ぶ道が用意されているのです。

データサイエンス学部からデータサイエンティストになれるのか

卒業生の実績が浅いとはいえ、データサイエンス学部から専門職へ進む道が閉ざされているわけではありません。

実際に、滋賀大学データサイエンス学部の卒業生は、NECや日立製作所などの情報通信業をはじめ、金融、電子部品、輸送機械の分野や、地方公務員など幅広い業界へ就職しています。

また、より高度な専門性を身につけるために、滋賀大学大学院データサイエンス研究科や、東京科学大学、名古屋大学などの大学院へ進学する道も開かれています。

進学を検討する際は、ネット上の「データサイエンス学部はやめとけ」という声に過剰に反応する必要はありません。「学部に行けば自動的になれるか」ではなく、「数学・統計・プログラミングの学習を4年間継続できるか」という適性を基準に判断することが大切です。

学部に行かずにデータサイエンティストを目指す道もある

データサイエンティストになるために、特定の学部の卒業や特別な資格は必須要件ではありません。

実際に社会に出てからデータサイエンスを学び始める人の中心は26〜35歳であり、そのうち7〜8割を未経験者が占めています。

30代から50代で学習をスタートする人もおり、社会人になってからスクールなどで学び直し、専門職へ入る道が現実として存在しています。

未経験からの挑戦に対して「データサイエンティストはやめとけ」と言われることもありますが、それは職種に求められるスキルの高さゆえであり、学部を出ていないからなれないというわけではありません。

学部進学はひとつの有効な選択肢ですが、それが唯一の正解ではありません。

適性に迷いがある場合は、まずは別の分野を専攻し、将来的にスクールや転職を通じてデータサイエンティストを目指すという柔軟なキャリアプランを描くことも可能です。

データサイエンティストを目指した人は、実際どれだけ学んでいるのか

「やめとけ」と言われる理由の多くは、勉強量の多さと「今から始めても遅いのではないか」という不安に集まります。

ここでは一般論ではなく、実際に未経験からデータサイエンティストを目指した人と、その人たちを指導しているスクール側の数字を並べます。

未経験からの学習時間は500〜1,000時間が目安

データラーニングスクール代表の村上智之さんは、未経験者に必要な学習量について「未経験からだと500〜1,000時間ほどの学習時間が必要だとお伝えしています」と話しています。

「簡単かどうかでいくと、正直かなり大変です」という前置きつきの数字です。

（データラーニングスクール代表の村上智之さんに取材！）

では、その時間を実際にどう捻出しているのでしょうか。

同スクールから営業職を経てデータサイエンティストに転職した卒業生は、「学習期間の半年ぐらいは、平均すると1日2時間ぐらいだったと思います」と振り返っています。

そのうえで「平日仕事が立て込んでいて1時間しかできなかったときは、土日にまとめて時間をとって取り組むこともありました」と続けます。

（データラーニングスクールに取材！1年間の学習サポートでデータサイエンティストにキャリアチェンジ）

Aidemy Premiumの卒業生は、0歳児を育てながら受講し、早朝の時間を学習にあてていました。

「朝や夜に、落ち着いて取り組める時間をなんとか確保できる方でないと難しいかも知れません」と話しています。

（Aidemy Premium体験談！30代や40代受講もおすすめ？）

いずれも、まとまった時間が毎日取れる環境で学んだわけではありません。

平日に確保できなかった分を土日や早朝で埋めながら、1日あたり2時間前後を続けています。

「やめとけ」の理由として語られる勉強量は、量そのものより毎日の生活の中に2時間を置き続けられるかという形で表れます。

平日にまとまった時間を取れないぶんを週末で埋めるのは、この受講生に限った話ではありません。

休日は「2〜4時間程度」（32.6%）と「4〜8時間程度」（31.8%）で6割を超える一方、平日は「30分〜1時間」「1〜2時間」の層が合計約42%を占めています（下図）。

出典：スクール選びの決め手は “寄り添うメンター”と“見える成長実感”！プログラミングスクール受講生の口コミ分析調査を実施

受講者の中心は26〜35歳で、30代からの挑戦も珍しくない

「もう年齢的に遅い」という不安についても、スクール側が把握している受講者の年齢層がそのまま答えになります。


Aidemy Premiumは「ご年齢としては、26歳〜35歳がボリュームゾーンで、およそ半数を占めます。あとは、35歳〜50歳ぐらいの方が残り半数」と説明しています。

（（取材）Aidemy Premium｜Python特化型スクール！AI/データ分析を学べる）

データラーニングスクールでは受講者の7〜8割が転職をゴールにしており、男女比は男性8割・女性2割です。

どちらのスクールでも、学び始めの中心は20代後半から30代です。

新卒でそのまま就く職業というより、社会人が働きながら学び直して入っていく職業だと分かります。

先ほどの卒業生も、大学院を修了したあと生産技術の開発を1年半、技術営業を3年ほど経験してからスクールに入っています。

ただし、転職そのものは学習と別に時間がかかります。

この卒業生の場合、転職活動の期間は半年ほどで、関西で働きたい希望に対して求人が東京に集中している点が壁になりました。

学習を終えれば即転職、という順番にはなりにくいことは、あらかじめ織り込んでおいたほうがよいでしょう。

データサイエンティストが向いている人の特徴

ここまでデータサイエンティストのメリット・デメリットを解説してきましたが、具体的にどんな人に向いているのか「データサイエンティストがおすすめな人の特徴」を3点にまとめました。

• 数学・統計の学習を続けられる人
• 論理的に考えて筋道を立てられる人
• 周囲を巻き込んで成果を伝えられる人

数学・統計の学習を続けられる人

何度も説明してきた通り、データサイエンティストと数学・統計学といった知識は切っても切り離せない存在です。

高校・大学レベルの数学は問題なくこなせる、数字を扱うこと・学習することが苦ではないという人は、データサイエンティストとしての適性が高いでしょう。

また、データ分析にはAI・機械学習が用いられるので「プログラミング」ができる人も有利。

特に「R言語」「Python」の2つはデータサイエンティスト必須ともいえる言語のため、すでに習得済みだと軌道に乗せやすいはず。

Pythonのスキルを習得したい方は、下記のPythonが学べるプログラミングスクール一覧をご覧ください。

Pythonが学べるプログラミングスクール一覧

論理的に考えて筋道を立てられる人

ビジネス力とは、論理的思考や組織マネジメントなど、事業を円滑に進められるスキルのことを言います。

データサイエンティストの仕事には課題の解決や提案などがあり、企業や組織と深く関わる機会があるため、高いビジネス力も求められるでしょう。

ビジネスアーキテクトを理解し、課題解決に向けて的確なアドバイスを行い事業を円滑に進めることができれば、データサイエンティストとしての評価が高まります。

身につけた力を客観的に示す手段として、資格を取っておくのも有効です。

「データ分析資格おすすめ5選！取得に必要なスキルや知識についても解説」で目的別に選べるようまとめました。

周囲を巻き込んで成果を伝えられる人

そのほか、分析したデータをもとにプレゼン資料を作ったり、経営陣とディスカッションしたりするのもデータサイエンティストの仕事。一般的なビジネススキルもしっかり身につけておきたいところです。

データサイエンティストを目指せる、サポートが手厚いスクールおすすめ3選

データサイエンティストは、特別な資格や経験が必要なものではないため、未経験からでも目指すことができます。

ただし未経験から目指すには、まず情報処理や統計学などのデータサイエンスに関わる知識が欠かせません。

書籍やオンライン教材で独学しても良いですが、内容が難しいため挫折しやすく、継続して学習できる環境づくりが要になります。

独学が難しいと感じたら、オンラインスクールを検討するとよいでしょう。

データサイエンススクールについて詳しく知りたい方は、下記記事もあわせてチェックしてみてください。

下記記事ではデータサイエンススクールの費用相場や安く通う方法についても解説しています。

データサイエンススクールおすすめ講座20選比較

侍エンジニア

侍エンジニアは、実践型を謳うプログラミングスクールです。

データサイエンティストを目指す人には、同スクールが提供する『データサイエンスコース』の受講がおすすめ。

データの取得、データクレンジングなど実務で必須となる前処理を経験できる他、データからビジネス課題に結び付ける考え方や課題解決法まで学びます。

なお、学習期間は半年間となっており、最後の1ヶ月間はじっくりと実践学習に取り組みます。

実践学習では、テーマ選定からデータ分析、報告レポート作成までを一気通貫で取り組むため、一連の流れも学ぶことができるでしょう。

さらに転職サポートも提供されているため、データサイエンティスト転職を目指す人は、ぜひ受講を検討してみてはいかがでしょうか。

.Pro

.Proは、未経験からAIスキルを学べるPython特化型のITスクールです。

同スクールが提供する『AIリスキリングコース』は、最先端の技術が学べるにもかかわらず、受講料は228,000円（税込）のみ。

リーズナブルな価格ではありますが、講義は全て対面で行われる他、講義以外の時間もチャットサポート機能でしっかり学習をフォローしてくれます。

加えて、転職活動やフリーランス活動に必要なポートフォリオ制作・転職サポートも提供しているとのこと。

また、カリキュラムの後半は、学習したい内容に応じて講師がオリジナルのカリキュラムを組み立ててくれるそうです。

目的に応じて、臨機応変に学びたいスキルや技術をチェンジできるため、卒業時にはなりたいエンジニア像に必要な基礎スキルが身に付いている状態になっていることでしょう。

SHIFT TERAS CAMPUS(旧:DMM WEBCAMP)

独自カリキュラムで未経験からでもスピーディーに上達を目指せるのはSHIFT TERAS CAMPUS(旧:DMM WEBCAMP) 学習コースです。

独自カリキュラムでは学習内容を、教材で知識を学ぶ段階、各チャプターごとの課題を通してつながりを見出し生かす段階、獲得した知識を用いて応用問題にチャレンジする段階に分けて学んでいきます。

データサイエンティストが向いていると感じた方におすすめの転職エージェント

「データサイエンティストが向いている」と感じているのであれば、転職エージェントを活用してみましょう。
適性があっても未経験から自分の力だけで転職するのは難しいため、転職エージェントを活用して成功率を高めるのがおすすめです。

マイナビ転職 IT AGENT

マイナビ転職 IT AGENTには、豊富なIT・Webエンジニア求人が揃っています。

そのため、希望条件や価値観に合う求人が見つかりやすいでしょう。

キャリアアドバイザーがサポートしているため、求人の探し方や転職の軸、転職活動の進め方がわからない人でも心配いりません。

ヒアリング内容にもとづく求人紹介はもちろん、応募書類の添削や面接対策なども一貫してサポートしてもらえます。

キャリアアドバイザーはさまざまな業界に精通しており、未経験からデータサイエンティストを目指せる求人の紹介も可能です。

興味があるなら、面談を通して今後のキャリアプランから相談してみましょう。

面談は、夜間や土曜も対応してもらえます。

データサイエンティストとして働くメリット

データサイエンティストのネガティブな部分ばかり触れてきましたが、当然魅力的な部分も多々あります。

ここでは、データサイエンティストとして働くことのメリットをまとめました。良い点・悪い点を総合的に判断したうえで「自分はデータサイエンティストとしてやっていく自信があるか」を自問自答してみるといいですね。

• 実力次第で高年収を狙える
• 需要が高く転職・独立しやすい

実力次第で高年収を狙える

専門的な知識を要するうえ、上流工程の業務を請け負うデータサイエンティストは、その難易度に見合った報酬を受け取れる場合が多いです。

データサイエンティストの平均年収を、各種求人サイトなどのデータをもとにまとめてみました。


いずれのサイトに掲載されている数字も、全国の平均給与である478万円を上回っていることがわかります。

出典：国税庁『民間給与実態統計調査』

実力次第ではあるものの、年収1,000万円を超える案件も珍しくはありません。

当然一筋縄ではいきませんが「ハイスキルが求められるIT・AI系の職業に挑戦したい」「できれば高収入も狙っていきたい」という人は、データサイエンティストに挑戦する価値は十分あるでしょう。

厚生労働省の統計情報によると、データサイエンティストの年収は約554.3万円です。

年齢別で見ると50～54歳が689.03万円ともっとも高く、平均値に近いのは35～39歳の585.43万円、40〜44歳は598.56万円とほぼ600万円です。

出典：職業情報提供サイト jobtag｜厚生労働省

また有効求人倍率は2.83倍と非常に高く、多くの企業がデータサイエンティストを求めている現状が分かります。

需要が高く転職・独立しやすい

先述したように、データサイエンティストは需要に対して供給がまだまだ追いついていない状態。

どこの企業もデータサイエンティストを欲しているため、実務経験を積み十分なスキルを習得した人であれば、別業界への転職やフリーランスとして独立することもそう難しくはないでしょう。

以下は、フリーランス向け求人検索サービスに掲載されている、データサイエンティスト案件の数をまとめたものです。

決して少なくないことがわかります。


また総務省の『令和2年版 情報通信白書』（2020年公表）によれば、中小企業621社のうち、実に50.6%が「データ活用を始めたものの、データ分析が専門でない人が担当している」と回答したとのデータが出ています。

多くの中小企業でデータ分析担当が不足していることは明らか。データサイエンティストの需要の高さがうかがえるでしょう。

参考：情報通信白書｜総務省

データサイエンティストはやめとけ？向いているなら挑戦しよう！

当記事では、データサイエンティストが「やめとけ」と言われている理由について、仕事のメリット・デメリットに触れつつ詳細に解説してきました。

高度な数学知識やプログラミングスキルが求められるデータサイエンティストは、当然簡単な仕事ではありません。

文系出身で数字を扱うことに抵抗がある人、足りない知識を習得する時間や意欲のない人は「やめとけ」と言われてしまうでしょう。

一方で「自分は絶対データサイエンティストになる」「データサイエンティストを目指して勉強を積み重ねてきた」といった熱意溢れる人であれば、周りが何と言おうと突き進んでOK。

データサイエンス学部への進学を迷っている場合も、見るべきところは同じです。

学部に入れば自動的になれるわけではなく、数学・統計・プログラミングの学習を続けられるかどうかが分かれ目になります。

学部を出ていなくても、社会人になってから学び直して入っていく道は現実にあります。

将来性も申し分なく、活用の幅も広い職業なので、見事実現できれば自身のキャリアが大きく開けるはずですよ。