データサイエンティストとは？資格は必要？年収は？気になる職業のアレコレを徹底解剖
近年、「データサイエンス学部」を新設する大学が増えている。だけど、肝心のデータサイエンティストって、一体どんな仕事をしているんだろう。この記事では、データサイエンティストの具体的な仕事内容、役立つ資格、気になる年収、そしてデータサイエンティストをめざすにはどんな学部を選べばいいか、そのアレコレを徹底的に解説していくよ！目次
教えてくれたのは
佐伯 諭 さん
一般社団法人データサイエンティスト協会・事務局長兼スキル定義委員会副委員長。SIerでデータ分析システム開発エンジニア経験後、外資系金融で金融アナリストに転職。その後、電通にてデジタルマーケティング黎明期からアナリティクス、データサイエンス部門を担当。電通デジタル創業時にはCDOとして組織組成、データ戦略をリード。データサイエンティスト協会創立メンバーの1人。2021年に独立し、協会事務局長、事業会社のCMO、COOなどを兼任。
佐伯 諭 さん
一般社団法人データサイエンティスト協会・事務局長兼スキル定義委員会副委員長。SIerでデータ分析システム開発エンジニア経験後、外資系金融で金融アナリストに転職。その後、電通にてデジタルマーケティング黎明期からアナリティクス、データサイエンス部門を担当。電通デジタル創業時にはCDOとして組織組成、データ戦略をリード。データサイエンティスト協会創立メンバーの1人。2021年に独立し、協会事務局長、事業会社のCMO、COOなどを兼任。
データサイエンティストとは？
ただ、それだけ聞いても具体的にどんなことをしているのかまでは想像しにくいよね。そこで、より具体的な仕事の内容について、佐伯さんにお話を聞いてみたよ！
データを駆使して、あらゆることに最善の結果を導く
例えば、プロスポーツ選手がスマートウォッチを身に付けていますよね。あれは装着型デバイスで、選手一人ひとりの運動量や体の動かし方、心拍数や最大酸素摂取量などを計測し、選手の健康状態をリアルタイムで把握しているんです。そこから戦略的に、どんな動きをしたら勝率が上がるのかを考えたり、体の使い方をチェックしてケガの予測を立てたりもできます。
このように、膨大な調査データを解析した結果をもとに、最善の結果が出るようなアクションを起こしていく、その一連の仕事に関わるのがデータサイエンティストという仕事なんだ、ということです。（佐伯さん）
このように、膨大な調査データを解析した結果をもとに、最善の結果が出るようなアクションを起こしていく、その一連の仕事に関わるのがデータサイエンティストという仕事なんだ、ということです。（佐伯さん）
データから「ビジネス価値」を生み出す役割
では、そのデータの価値をビジネスに生かそうとすると、どうなるでしょうか。
もう一つ、例として音楽配信サービスのspotifyを挙げてみましょう。例えば、spotifyが自動で、あなたが気に入りそうな曲を提案したり、プレイリストを作成したりしてくれますよね。あれも、データサイエンティストがAIを活用している例なんです。聴く人の傾向を分析するだけでなく、歌詞やリズム、メロディなど、曲そのものも解析しています。そうして共通する要素を持った曲をおすすめすることで、ユーザー体験の価値が向上し、それが競合との差別化やサービスの継続利用につながったりしているんですね。
ほかにもネットショッピングや、動画配信プラットフォームなど、ありとあらゆる場面でじつはデータサイエンスが発揮されているんですよ。（佐伯さん）
もう一つ、例として音楽配信サービスのspotifyを挙げてみましょう。例えば、spotifyが自動で、あなたが気に入りそうな曲を提案したり、プレイリストを作成したりしてくれますよね。あれも、データサイエンティストがAIを活用している例なんです。聴く人の傾向を分析するだけでなく、歌詞やリズム、メロディなど、曲そのものも解析しています。そうして共通する要素を持った曲をおすすめすることで、ユーザー体験の価値が向上し、それが競合との差別化やサービスの継続利用につながったりしているんですね。
ほかにもネットショッピングや、動画配信プラットフォームなど、ありとあらゆる場面でじつはデータサイエンスが発揮されているんですよ。（佐伯さん）
データサイエンティストを目指せる大学を探す データサイエンティストを目指せる専門学校を探す
データサイエンティストが注目される背景
じゃあ近年、どうしてこんなにデータサイエンティストが注目されるようになったのか、佐伯さんに質問をしてみたよ！
ビッグデータが取得できるようになった
かつて、インターネットが普及していなかった時代には、例えば一つの買い物をしたときに取得できる情報が少なかった。せいぜい年代と性別、時間と商品くらい。それがインターネットでの買い物が当たり前になったことで、状況が一変しました。より細かな情報が取得できるようになったことで、消費者の行動や状況がより詳しくわかるようになったんです。
例えば「買い物かごには入れたけど買わない」となれば、消費者のその製品に対する購買意欲がより具体的に見えますし、「会員から2年経って、高額商品をよく買うようになった」となればライフステージが上がった、という推測が立つように。このように、まずインターネットの普及で取得できる情報が格段に増えたこと。そして、それを解析することで見えるものが、より具体的でビジネスに役立てられるものとわかったこと、データサイエンティストに対する注目がぐっと高まったのだと考えられます。（佐伯さん）
例えば「買い物かごには入れたけど買わない」となれば、消費者のその製品に対する購買意欲がより具体的に見えますし、「会員から2年経って、高額商品をよく買うようになった」となればライフステージが上がった、という推測が立つように。このように、まずインターネットの普及で取得できる情報が格段に増えたこと。そして、それを解析することで見えるものが、より具体的でビジネスに役立てられるものとわかったこと、データサイエンティストに対する注目がぐっと高まったのだと考えられます。（佐伯さん）
AI技術の発展や、AI活用に近い場所にいる
さらに近年では、AI技術が注目されていますが、データサイエンティストは、AIそのものの開発に携わったり、AIを駆使してビジネスや社会課題を解決したりする役割を担っていて、AIに非常に近い職業でもあります。AI技術を発展させるにもデータサイエンティストの力が必要ですし、AIを活用してより高度なデータ解析をしていく上でも、データサイエンティストのスキルは不可欠。そのため、ここ数年で特に注目が高まっている職業だと言えるかもしれません。（佐伯さん）
データサイエンティストの仕事の魅力
自分の知識や技術を駆使して直接的に貢献できる！
大規模なプロジェクトならば、数億円単位のプロジェクトの成否を握るデータ分析を、データサイエンティストがしなければならないこともあります。例えば、あるアパレルメーカーが新店舗を出店するとき。出店する場所選びから、面積、配置、スタッフの人数など、これまでの実績や失敗からデータを分析して、次なる最善の一手を選ばなければいけません。成功すれば大きな利益につながりますが、データの精度を少し見誤ると、逆に大きな損失を生むこともあります。だからこそ、分析・解析の結果からいくつもの仮説を立てて、最善作を導くことができたときの、自己効力感、達成感というのは非常に大きいと感じています。（佐伯さん）
最先端の技術に触れながら仕事する
技術進化が目まぐるしく起きている中で、データサイエンティストは、その先頭集団にいて、最新の技術をどう役立てるかを考えながら仕事をしています。常に新しいことにはアンテナを張っていなければいけないけど、逆に「それが面白い」と感じる人にとっては、大きな魅力があると思います。私の体感では、現代だと約2週間あれば、何かしらのアップデートがどこかで起こり、常に新しいサービスや技術が登場しています。今後、AIが本格的に活用され始めると、そのサイクルがますます早くなっていくかもしれませんよ。（佐伯さん）
データサイエンティストにしかできない役割がある
これまでの社会では、よく「経験や感覚、そして度胸」を頼りに判断するのが当たり前でした。例えば、お米作り。農家さんは経験と感覚を頼りに、今まで私たちに美味しいお米を届けてきてくれました。ですが、一年サイクルの仕事なので、どうしても「美味しいお米ができたかどうか」の検証は、1年に1回しかできない。とすると、一人の農家さんが経験できるのは多くて50〜60回。
ここにデータサイエンスが加わると、1年で数百〜数千もの米農家さんからデータを集めることができます。そのデータから「美味しいお米の作り方」がわかれば、もしかしたらこれから農家を目指す人に、より効率的なやり方をお伝えできるかもしれない。経験自体には大きな価値がありますが、一方で、まだまだ改善の余地もある。それを見つけ出し、科学の力でより良い方法へとアップデートしていくことは、データサイエンティストにしかできないことだと思います。（佐伯さん）
ここにデータサイエンスが加わると、1年で数百〜数千もの米農家さんからデータを集めることができます。そのデータから「美味しいお米の作り方」がわかれば、もしかしたらこれから農家を目指す人に、より効率的なやり方をお伝えできるかもしれない。経験自体には大きな価値がありますが、一方で、まだまだ改善の余地もある。それを見つけ出し、科学の力でより良い方法へとアップデートしていくことは、データサイエンティストにしかできないことだと思います。（佐伯さん）
データサイエンティストの年収事情は？
その結果によると、以下のことがわかっている。
- 2023年の平均年収は839万円
- 2016年の調査開始以来、つねに上昇傾向
データサイエンティストの仕事内容と流れ
1. 課題発見、ビジョン構想
データサイエンティストがプロジェクトに携わる場合、まずは過去のデータから課題を見つけ、そのプロジェクトのゴールとなるビジョンを構想するところから始まります。
例えば、あるアパレルメーカーが新店を出すときの立地戦略を考えてみましょう。まずは、過去のデータを解析しながらブランドとしての課題を発見します。そして見えてきたのが、「客単価が低く、高額商品があまり売れていない」。これが一つの課題になります。
新店を出すときに、この課題解決を目標にすれば、ブランドイメージを変えるチャンスになるし、利益アップにもつながります。ここから、新店舗のビジョン（目指すべき理想の姿）が見えてきます。あとは、このビジョンに向かってプロジェクトを進めていくわけです。（佐伯さん）
例えば、あるアパレルメーカーが新店を出すときの立地戦略を考えてみましょう。まずは、過去のデータを解析しながらブランドとしての課題を発見します。そして見えてきたのが、「客単価が低く、高額商品があまり売れていない」。これが一つの課題になります。
新店を出すときに、この課題解決を目標にすれば、ブランドイメージを変えるチャンスになるし、利益アップにもつながります。ここから、新店舗のビジョン（目指すべき理想の姿）が見えてきます。あとは、このビジョンに向かってプロジェクトを進めていくわけです。（佐伯さん）
2. データ収集、加工
ビジョンを達成するために、今度は必要なデータを集めていきます。例えば、店舗ごとの売上、高額商品がよく売れる店とそうでない店の違い、エリアの特徴、客層の違いなど。場合によっては店を飛び出して、街のデータも集めます。その街にどんな人が住んでいるのか（潜在顧客層）を測定していくわけです。集めたデータは、立地条件や人口などの特徴ごとに分けて、分析できる形に整えていきます。（佐伯さん）
3. データ分析
集めたデータをもとに、いろいろな仮説を立てながら必要なデータを抽出したり、足りなければ集め直したりします。実はこの段階では、データだけに頼らない仮説思考も大事。人の行動を読むには、現実の「人間や物事をどれだけ理解しているか」が問われます。
いろいろな仮説を立てて分析した結果、「潜在顧客が多い」「周りに競合店がいない」など、チャンスが大きそうなエリアを見つかったとします。そうすると続いては、実際に出店地を決めるのはデータサイエンティストだけじゃなく、関係部署との合意も必要なので、分析結果をわかりやすく伝えなければいけません。例えば、A、B、Cと3つの街があったら、それぞれの売上予測を比較しやすい形にして、プロジェクトに関わる人たちに共有していきます。（佐伯さん）
いろいろな仮説を立てて分析した結果、「潜在顧客が多い」「周りに競合店がいない」など、チャンスが大きそうなエリアを見つかったとします。そうすると続いては、実際に出店地を決めるのはデータサイエンティストだけじゃなく、関係部署との合意も必要なので、分析結果をわかりやすく伝えなければいけません。例えば、A、B、Cと3つの街があったら、それぞれの売上予測を比較しやすい形にして、プロジェクトに関わる人たちに共有していきます。（佐伯さん）
4. 実務への実装と効果検証
3の意思決定をもとに、実際に出店したときのより詳しいシミュレーションを行います。何人のスタッフが必要か、どのくらいの敷地面積が確保できるか、1ヶ月の営業費用はいくらか……細かく割り出していきます。それがOKなら、いよいよ実際に出店。
出店後も現場のデータを取り続けて、分析結果が効果を出しているか検証したり、売り場や運営の改善点を見つけたりしていきます。また、失敗したときのダメージを最小限にするために、撤退基準も決めておきます。万が一、売上目標に届かず撤退することになっても、そこで集めたデータは次の出店に役立ちます。だから効果測定は必ず行うんです。大きな企業になれば、世界中からそういうデータが集まるので、より精度が高まったり、傾向を発見しやすくなったりするんですよ。
（佐伯さん）
出店後も現場のデータを取り続けて、分析結果が効果を出しているか検証したり、売り場や運営の改善点を見つけたりしていきます。また、失敗したときのダメージを最小限にするために、撤退基準も決めておきます。万が一、売上目標に届かず撤退することになっても、そこで集めたデータは次の出店に役立ちます。だから効果測定は必ず行うんです。大きな企業になれば、世界中からそういうデータが集まるので、より精度が高まったり、傾向を発見しやすくなったりするんですよ。
（佐伯さん）
5. コミュニケーション
コミュニケーションは、これまで解説してきた1〜4すべての段階で必要になります。集めたデータや分析結果は、データサイエンティストだけがわかっていても意味がありません。いかに現場の人たちにわかりやすく伝えて、役立つ情報にするかが実は大事な仕事。わかりやすいのは、さきほどお話した、出店地を判断するために、社内のメンバーに根拠となるデータを示しながら全体の判断を束ねていくタイミングは、わかりやすい例のひとつといえます。
どんなにデータの精度が高くても、プロジェクトメンバーの理解が得られなければ、机上の空論として扱われてしまうこともあります。そういう意味では、常にデータとにらめっこしている仕事というより、社内の各部門との連携がとても大事な役割を担っている仕事だと言えます。
（佐伯さん）
どんなにデータの精度が高くても、プロジェクトメンバーの理解が得られなければ、机上の空論として扱われてしまうこともあります。そういう意味では、常にデータとにらめっこしている仕事というより、社内の各部門との連携がとても大事な役割を担っている仕事だと言えます。
（佐伯さん）
データサイエンティストを目指せる大学を探す データサイエンティストを目指せる専門学校を探す
データサイエンティストと「AIエンジニア」「データアナリスト」「データエンジニア」の違い
データアナリストとの違いとは？
データアナリストとは、さまざまなデータを集めて分析し、それらをもとに企業の課題解決や意思決定を形作っていく仕事をする人のこと。具体的には、売上やユーザー行動などのデータを整理して現状を把握し、改善策を提案したりするんだ。データサイエンティストとは、ほとんど仕事内容に違いがなく、企業や組織の方針でどっちで呼ぶかが変わったりするんだって。
データエンジニアとの違い
データサイエンティストが分析する人だとすると、データエンジニアは、データを分析するための土台となるシステムや環境を作っていく仕事をする人のこと。ネット上のビッグデータや、装着型デバイスのセンサーから収集したデータなど、データにも色々な種類があって、大量のデータを正しく安全に扱えるように、技術的に整備・整理したりするんだ。データサイエンティストが分析する前に、データを整える役割を持っているけど、佐伯さんが所属するデータサイエンティスト協会が定める「広義のデータサイエンティスト」の場合、データエンジニアもデータサイエンティストに含まれるものとして扱っているんだって。
AIエンジニアとの違い
AIエンジニアとは、最先端の技術で人工知能（AI）を開発し、製品やシステムに組み込む仕事をする人のこと。具体的には、大量のデータをコンピュータに学習させることで、目的に沿ったAIモデルを実用可能な状態にまで作り上げていくんだ。データサイエンスの知識や、それをプログラミングする技術力が必要となる。データサイエンティストとは、業務内容も範囲も重なる部分が多く、ほとんど同意義。AIを開発する企業だと、「AIエンジニア」と呼ばれるケースが多いんだって。
データサイエンティストに必要なスキルは？
価値想像力：課題背景を理解し、それをビジネスにし、価値を生み出す力
データサイエンティストがデータ分析の中でどんなに最善だと思える策を見つけ出しても、実際には実現できないケースがあったりします。例えば、さっきのアパレルメーカーの話で言えば、立地としては申し分ないけど、物流の関係で商品をその店舗に運ぶ手段がなかったり、運べても輸送費が高くなってしまったり。
自分が関わるビジネスの全体を理解して見渡したり、AIとデータを駆使して新しい発想でビジネスに変革をもたらすリーダーとして活躍したり、戦略を自ら考えだして、チームや組織の中でコミュニケーションを取りながら、価値を生み出すことがデータサイエンティストの本質的なスキルなんです。（佐伯さん）
自分が関わるビジネスの全体を理解して見渡したり、AIとデータを駆使して新しい発想でビジネスに変革をもたらすリーダーとして活躍したり、戦略を自ら考えだして、チームや組織の中でコミュニケーションを取りながら、価値を生み出すことがデータサイエンティストの本質的なスキルなんです。（佐伯さん）
データサイエンス力：情報技術やAI、統計学などを駆使する力
データサイエンス力は、もっと簡単に言えば「分析力」です。統計学などをビジネスに活用するには、高校・大学で学ぶ知識が当然前提になるし、加えて常に進化し続けるAIなどの技術を使う力も、常に磨き続けなければいけません。
色々なデータを正しく扱う力がなかったり、「分析力」が中途半端だと、どれだけデータを集めても求めるゴールには辿り着きません。さらに、分析には論理的思考とは別の、発想力が求められる場面もあります。一見、まったく関係なさそうに見えるデータ同士に、因果関係が隠れていたり、現実の中で見落としている要素があったり。そうしたことまで含めたデータサイエンス力は、データサイエンティストとしてとても大事なスキルになってきます。（佐伯さん）
色々なデータを正しく扱う力がなかったり、「分析力」が中途半端だと、どれだけデータを集めても求めるゴールには辿り着きません。さらに、分析には論理的思考とは別の、発想力が求められる場面もあります。一見、まったく関係なさそうに見えるデータ同士に、因果関係が隠れていたり、現実の中で見落としている要素があったり。そうしたことまで含めたデータサイエンス力は、データサイエンティストとしてとても大事なスキルになってきます。（佐伯さん）
データエンジニアリング力：データを活用し、業務に組み込む力
データエンジニア力は、データ分析を行うための基盤を作る力です。これから先、AIの活用やデバイスの変化によって、データ量が爆発的に増えることが予想されています。そのため、これらのデータを分析しやすいように整えていく力は、今後ますます重要なスキルになってくると言えます。データエンジニアリングでは、プログラミング言語やデータベースのスキルも求められます。（佐伯さん）
データサイエンティストに必要な資格は？
続いては、データサイエンティストになるために必要な資格だけど、結論から言うと、データサイエンティストと名乗るための条件となる資格はない。だけど、持っていると役立つ資格や、その勉強をする過程でデータサイエンティストとしてのスキルや知識が幅広く身に付くような資格はある。ここでは、その代表的な3つの資格について解説していくよ！
データサイエンティスト検定
データサイエンティスト検定は佐伯さんが所属するデータサイエンティスト協会が認定する資格。データ分析に必要な価値想像力、データサイエンス力、エンジニアリング力の3つの基礎スキルが必要で、持っているとデータ活用の基礎力が証明できる。G検定
G検定は、一般社団法人日本ディープラーニング協会（JDLA）が実施する、AI・ディープラーニングの活⽤リテラシー習得のための検定試験。データサイエンティスト検定よりも、内容がAIに特化していて、その活用方法を体系的に身に付けていることを認定する。ITパスポート
ITパスポートは、ITを使うすべての人を対象にした「情報処理の基礎知識」を証明する国家試験。直接的にデータサイエンティストのスキルや知識を認定する資格ではないけど、広くITの基礎知識を習得していることの証明になるため、前者2つの資格の前に取得しておく人も多い。データサイエンティストになるためには何学部に行けばいい？
また、情報科学や情報工学系の学部という手もある。情報科学の理論体系を学んでおくことは、仮説作りなどに役立つし、技術的な分野を重点的に学ぶ機会も多くなりそう。もう一つ、考えられるのは経営学・経済学系の学部。経営的戦略的視点はデータサイエンティストには必要だし、マクロ経済学のような市場動向を見ることも大事だといえる。
＼この記事をCHECK／
データサイエンスが学べる大学の学部学科を紹介！近年、注目される背景も解説
データサイエンティストを目指せる大学を探す データサイエンティストを目指せる専門学校を探すデータサイエンスが学べる大学の学部学科を紹介！近年、注目される背景も解説
まとめ：データサイエンティストは、変化を楽しむ仕事！
最後に、佐伯さんからもみんなにアドバイスをいただいたよ！
さきほど、「トレンドが常に変わっていて、2週間もあれば何かしらがアップデートされる」とお伝えしましたが、それは本当に事実で、とにかく変化が激しい業界なんです。もし皆さんの中に「データサイエンティストになりたい！」と考えている人がいるなら、私からはぜひ「変化を楽しめる人になってほしい」とお伝えしたいですね。データサイエンティストには、単純に知識やスキルだけでなく、そもそも人間理解を深めたり、自分の五感を鍛えたり、予測する力を身につけたりと、色々な力が必要になってきます。そして、それらを「頑張ってやる」のではなく、楽しみながらやってほしい。そうすると、すべては「変化を楽しむ」という言葉につながってきます。
今日よりも明日、明日よりも明後日……というふうに、日々変化し続ける世界と、自分自身を面白がるつもりで目指してみてください。それが楽しい人には、きっとたまらない世界が待っていると思いますよ!（佐伯さん）
今日よりも明日、明日よりも明後日……というふうに、日々変化し続ける世界と、自分自身を面白がるつもりで目指してみてください。それが楽しい人には、きっとたまらない世界が待っていると思いますよ!（佐伯さん）
取材・文／郡司 しう 取材協力・監修／佐伯 諭 構成／寺崎彩乃
※2025年10月の取材に基づいています。
＼関連記事をcheck！／
プログラマー(PG)とは？仕事内容、資格、やりがいなどを現役プログラマー103人に聞いた
ゲームプログラマーの仕事とは？『プロジェクトセカイ』の山口さんにインタビュー
大学の学部・学科の選び方｜後悔しない進路選択をするための５ステップ
将来何がしたいかわからない高校生へ！やりたいことのみつけ方【適職診断付き】
意外とカンタン!? 中高生もやっているアプリ開発
VR（バーチャル・リアリティ）に関わる仕事とは？ゲーム、エンタメ、医療etc.分野別に紹介
プログラミング+αが必要？日本の将来を支えるIT人材になるために大学で学ぶべきこととは
