フリーランス求人を探す未経験からデータサイエンティストになる方法
未経験からデータサイエンティストになるにはどのような方法があるのでしょうか。データサイエンティストは、統計知識やITスキルを扱う理系の職業というイメージが強いですが、文系出身や女性のデータサイエンティストも活躍しています。
この記事では、データサイエンティストを目指す転職のキャリアプランやキャリアパス、スキルを身につける学習方法、資格やスクールなどについて紹介します。
目次
データサイエンティストになる難易度は？
現在どのような仕事に就いているかや学歴・経歴などによってデータサイエンティストに転職する難易度は大きく異なります。データアナリストやアクチュアリーといった数理統計を扱う職種からデータサイエンティストへのキャリアパスは一般的といえますし、機械学習エンジニアやAIエンジニア、データエンジニアといったデータサイエンスに近いエンジニア職種からのキャリアチェンジも妥当なキャリアプランです。
一方で、同じホワイトカラーの仕事といっても営業職や企画職、事務、経理、総務、人事などの職業からデータサイエンティストへの転職は容易ではありません。データサイエンティストの採用選考に通らないケースが多いため、一度エンジニアやアナリストに転職して実務経験を積んだ後に、再度キャリアチェンジを目指す必要が出てくるでしょう。
とはいえ、中途採用でも新卒採用と同様にポテンシャル採用の枠はあり、すくなからず未経験でデータサイエンティストへの就職に挑戦して内定を獲得している人材も存在します。可能性はゼロではありませんので、まずは求人に応募してみるという大胆さも時に必要となります。
以上を踏まえたうえで、データサイエンティストを目指すキャリアプランについてみていきましょう。
データサイエンティストへのキャリアプラン
未経験からデータサイエンティストになることは決して簡単なものではありませんが、20代・30代など若手であればやり直しも聞きやすく挑戦のしがいもあるでしょう。例外的な条件や素養の点で有利な求職者も存在します。
新卒採用で入社する
データサイエンティストになるための正攻法は、新卒入社でデータサイエンティストの仕事に配属されることです。職種別採用に応募しデータサイエンティストとして内定をもらうことが確実ですが、エンジニアとして採用されてから社内異動や配置転換でデータサイエンティストになるパターンも含まれます。
最初のキャリアでデータサイエンティストに近い仕事に就けるかどうかでその後のデータサイエンティスト転職の難易度は大きく異なるため、場合によっては就職浪人なども視野にいれるとよいでしょう。
データサイエンティストに近い仕事とは、データアナリスト、ビジネスアナリスト、マーケターなどデータ分析を行う職業やデータ基盤技術をあつかうエンジニア、コンサルタントなどの職業です。
研究職やアカデミックな分野から就職する
データサイエンティストに求められるデータを科学する姿勢や論文やアルゴリズムなどの理論を読み解く力は大学などの研究機関で培われます。
そのため、統計・解析学やマーケティング学、情報科学などの研究職やアカデミックな分野から、データサイエンティストとしての就職経路が見直されてきています。
ポスドク・博士・研究者からビジネス分野への転身を考える際に、データサイエンティストという仕事を視野に入れてもよいでしょう。その際の就活で必要なのは、自分が研究で培ってきたものをデータサイエンスに応用する力です。
民間スクールでの勉強やKaggle枠で転職する
大学・大学院などの教育機関でなくともデータサイエンスを学ぶことはできます。需要の高まりから、民間スクールでもデータサイエンスを取り扱うところが少しずつ増えています。
具体的には、滋賀大学の「データサイエンス学部」、東京大学の「数理・データサイエンス教育プログラム」などが例として挙げられます。これらは大学生を対象とした教育機関ですが、政府主導で開催されている「数理・データサイエンス教育強化拠点コンソーシアム」など社会人でも参加できる学校は増えています。
そのように卒業後に働きながら学習しスキルを身につけたうえで転職するルートもデータサイエンティストへのキャリアパスとして考えられます。
また、世界中の機械学習・データサイエンス関係者が集まるプラットフォーム「Kaggle（カグル）」を利用することでデータサイエンティストとしての道が開けることもあります。
企業によってはKaggle内で行われるコンペで優秀な成績を収めた人向けに採用枠を用意していることがあるため、データサイエンティストとしての実務経験がなくとも、このKaggle枠で採用されることは十分あります。
社内養成や公募を利用してキャリアチェンジ
キャリアチェンジプログラムなどを社内で用意している企業ならば、プログラムに応募することでデータサイエンティストになる方法もあります。ただし、このようなプログラムを用意している企業は多くなく、あったとしても応募者全員が受け入れられるとも限りません。
社内の課題をデータ分析で解決し、実績をつくることで徐々にその業務にシフトしていくような実践型の社内異動を試みることも方法のひとつです。会社規模が小さくデータを扱う仕事がない場合やそもそもホワイトカラーの職種でない場合は、複数回の転職が必要となります。
自主学習でスキルアップをしながらの転職になるため、勉強した内容やプログラミングなどのアウトプットをポートフォリオにまとめるなど根拠をつくりながら転職活動をすすめることが重要です。
データサイエンティストに学歴は必要？文系でもなれる？
データサイエンティストになるうえで資格や学歴は必須ではありません。ただし、データサイエンスの仕事は、統計や数学、コンピュータ計算などのうえに成り立つという性質上、文系よりも理系出身者が優遇されます。
同様に、東京大学や京都大学など旧帝大クラスの学歴や理系大学院の修士・博士課程など修了実績があれば、エンジニア未経験だとしてもデータサイエンティストへの転職や就職には有利といえます。新卒採用も含め学歴は評価の対象になるため、学生であれば偏差値の高い大学を目指してください。
データサイエンティストの出身大学として、東京大学、京都大学、大阪大学などの統計や機械学習を学べる理系大学は有名です。一方で、専門学校や文系出身のデータサイエンティストも一部では存在しています。
そのように社会人として働きだしてからOJTや社会人向け教育などで実務を学びデータサイエンティストに転職することも不可能ではありません。現状の経歴やスキルで転職可能性があるかどうかは、エージェントに相談してみるとよいでしょう。
データサイエンティストに転職する際のキャリアパス
次は、転職でデータサイエンティストを目指す方法です。同じデータサイエンティストでも、「エンジニア寄り」と「ビジネス寄り」の2つのキャリアパスがあります。それぞれについて具体的にどのようなルートでキャリアプランを描けばよいのかを見ていきましょう。
エンジニア寄り（機械学習エンジニア）
機械学習ライブラリやフレームワークを利用したAI開発の需要がふえており、求人市場でのニーズが高いのが、IT開発のスキルを備えたエンジニア寄りのデータサイエンティストです。分析スキルに加えPythonでのコーディングや機械学習の環境構築、データベース・SQLなどのスキルが必要とされます。
エンジニア寄りデータサイエンティストへのキャリアパスとして、データベースエンジニア、データエンジニア、データマイニングエンジニア、Pythonエンジニア、Webプログラマーなどエンジニア職種からのルートがあります。DBやデータ基盤、データマイニングに関連する職種は日々大量のデータを取り扱うため、データサイエンティストの基礎となるエンジニア力を養うことができます。
そのようにエンジニアやプログラマーとして職務経験を数年積んだうえで、機械学習・ディープラーニングを独学するか、データサイエンティスト向けのスクールなどを卒業するなどして転職の可能性をあげていくことはできます。
ビジネス寄り（コンサルタント、マーケター、アナリスト）
データサイエンティストのなかには、経営戦略の立案やビジネス提案などを期待されるビジネス寄り立ち位置で仕事をするプロフェッショナルも存在します。そのようなデータサイエンティストへのキャリアパスとして、コンサルタントやデータアナリスト、マーケッターなどが挙げられます。データ分析や統計の知見によって課題を解決するためデータサイエンスの専門家であることに加え、プレゼンや交渉などのビジネス力が重視される役割です。
また、ビジネスアナリストなど事業上の意思決定に必要な分析・レポートをおこなう職種からステップアップしたデータサイエンティストもビジネス寄りのスキルセットを備えていることでしょう。SPSSやSASなど統計ツールをもちいた分析では、機械学習やITスキルがそこまで必要とされないこともあります。
そのため、エンジニアではない職種からデータサイエンティストを目指す場合は、ビジネス寄りのポジションで転職をしていくことも方法の一つです。ただし、エンジニア寄りのデータサイエンティストに比べ、相対的に需要が少ないため、未経験者にとって狭き門であることは意識しておきましょう。
マーケッター・アナリストもデータ分析を仕事でおこなうという点から見れば、データサイエンティストに近い職種と言えます。市場調査やビジネス課題の抽出などによって、データサイエンティストに必要なビジネス力が養われているからです。しかしその一方、データを取り扱うためのエンジニア力に関してはマーケッター・アナリストの経験ではなかなか培われません。エンジニア寄りのデータサイエンティストを目指すのならば、AIのアルゴリズムやシステム開発についての知識を深めておく必要があります。
社会人がデータサイエンティストを目指す前に
ここまでデータサイエンティストのキャリアパスやキャリアプランについてみてきました。ここからは、社会人がデータサイエンティストを目指す場合の注意点を解説していきます。
未経験者が転職成功する難易度は高い
データサイエンティストに求められるデータ解析や統計に関する専門知識は、一朝一夕で身につくものではありません。また、莫大な量のデータを企業が求める形で分析するには、知識だけでなく経験も必要になってきます。
そのため、データサイエンティストはもちろんのことエンジニア・マーケッター・アナリストなどの経験もない人がいきなりデータサイエンティストを目指しても、なかなか採用してもらえないのが実状です。
まず普通に転職活動を行っても、採用の可能性は低いという点を理解しましょう。そのうえで、職務経歴書・スキルシートの用意、スクールの受講、面接対策など工夫できる点をしっかりと対策したうえで戦略的に転職に取り組むべきです。
理系大学院卒・情報科学系学部出身や20代の候補者は比較的採用されやすい
未経験者がデータサイエンティストへの転職に挑戦した場合でも、採用されやすい求職者と採用されにくい求職者にわかれる点には注意が必要です。未経験者はポテンシャル採用枠に応募していくことになるため、第二新卒などの20代が有利な傾向にあります。また、未経験でもデータサイエンティストに採用されやすい属性として情報科学系学部・大学院の出身者があげられます。
理系大学の出身者は講義や研究でプログラミングを習得していることが多いため、データサイエンティスト転職で有利になることがあるでしょう。エンジニアやコンサルタントに転職する場合でも大学卒業からあまり期間があいておらず、新しいことも吸収しやすい20代は比較的採用されやすい状況にあります。
データサイエンティストになるには周辺実務の経験や素養の証明が必要
データサイエンティストは、知識はもちろんのこと経験も重要になってきます。そのため、採用側はデータサイエンティストとしての活躍が見込めそうな経験や素養を重要視します。ただし、未経験者が実務経験を積むのは、就職試験を突破する必要があります。そこで重要になるのが、自主学習やQiita、Githubなどでのアウトプットです。
データサイエンティストとしての経験はなくとも、周辺実務の経験や素養を証明することができれば転職は可能です。逆を言えば、周辺実務の経験すら皆無であれば、転職は困難だと言えるでしょう。その場合は、スクールの受講や資格取得などで素養を証明する工夫が必要になります。
未経験からデータサイエンティストになる方法
ここからは、いよいよ未経験からデータサイエンティストになるための具体的な方法を説明していきます。
未経験者は周辺職種からデータサイエンティストを目指そう
先ほども触れた通り、全くの未経験から転職活動をしてデータサイエンティストになれるのは全体からすると極一部の例外ケースといえます。そのため、多くの方はデータサイエンティストに関りがある周辺職種を一旦経験してから、データサイエンティストを目指す2段階、3段階の転職が現実的です。
転職開始の年齢も重要ですが、現在の職種も重要です。まずは、今の職業がエンジニアか非エンジニアかで、転職活動の方向性をきめていきましょう。
まずはエンジニアを目指す
エンジニア経験のない方や社会人経験がない若手の方は、まずはエンジニアへの転職を目指すことが無難でしょう。20代・30代であれば研修付きの求人に応募して転職してもよいですし、プログラミングスクール受講からの就職もおすすめです。エンジニア転職に成功した場合は、エンジニアとして実務経験をつみながら仕事外で機械学習や統計の勉強をします。Kaggleへの挑戦や自主学習など成果が認められれば、データサイエンティストへのキャリアチェンジを目指すことも十分に可能です。
エンジニア転職に失敗したり、なかなか就職先が見つからない場合は、マーケッター・アナリスト・コンサルタントを目指すことから始めましょう。これらの職種でもデータサイエンティストに必要不可欠なマーケティングや統計解析の経験を積むことができます。
そのうえで、業務をしながらプログラミング学習をおこない、もう一度、エンジニア転職へ挑戦したり、ビジネス寄りのデータ分析職への転職活動を続けることが重要です。
エンジニアは、データサイエンス周辺職種を目指す
すでにITエンジニアやプログラマーとして働いている人で、未経験可のデータサイエンティスト求人に応募して選考に通らない人は、機械学習やPythonのポートフォリオを充実したり、Kaggleに取り組みながら、データサイエンスの周辺職種を目指しましょう。データサイエンティストに近いエンジニア職種としては、データアナリスト、データエンジニア、Pythonエンジニアなどがあります。
エンジニアのなかでもデータサイエンス周辺分野の職務経験を積んでおくことで、データサイエンティストに転職しやすくなります。採用する側としてもやはり実務経験があるほうが採用しやすいという点はあります。また、継続的に学習にとりくみ、スクールの受講や大学院進学などの勉強をこなすことで、データサイエンス力が鍛えられるのはもちろんのこと、分析力も身につきやすくなります。
データサイエンティストになるスキルの身につけ方
未経験者が転職に成功するためには、業務外の学習が重要です。また、転職の素材として選考に利用するには勉強成果をアウトプットにまとめる必要があるでしょう。ここでは、データサイエンティストに必要なスキルの身につけ方について説明していきます。
前処理やデータクレンジングに必要な技術を覚える
データサイエンティストの仕事の８割を占めるとも呼ばれるのが、データの前処理やクレンジングと呼ばれる解析に必要なデータを準備するためのデータ抽出・整形処理です。そのため、データベース操作やデータ基盤技術はデータサイエンスにおける必須スキルとなっています。
データベースや環境の構築ができなければ、そもそも分析や検証などをおこなうことができません。最低でも、データベースを扱うためのプログラム言語であるSQLやJupyter Notebookでの環境構築などの技術は習得しておきましょう。
また、実際のデータに目をとおして、欠損値の確認やデータの特徴など傾向を掴むことで、実践的な力を身につけることができます。
データマイニングや機械学習・ディープラーニングを学ぶ
データマイニングは大量のデータを分析し、有用なパターンや傾向をつかむための技術です。データベース操作やインフラ基盤技術を習得してデータの取り扱いに慣れたら、今度はそのデータを実際に分析できるようにしていきましょう。分析ツールとして、主流となっているPythonや分析ライブラリが豊富なRなどのプログラムを実際に触りながら勉強することで、学習しながらスキルを身につけることができます。
また、データサイエンティストに必要なスキルとして、機械学習やディープラーニングなどのAI技術があります。機械学習での問題解決に取り組みながら数学や統計学を勉強していきましょう。こちらも書籍やオンライン学習サイトなどを活用したり、データセットを使用してプログラムを動かしながら学習していくとよいでしょう。
機械学習を学ぶなら「AIジョブキャンプ」
「AIジョブキャンプ」を利用すると、データサイエンティストに必要な機械学習のオンライン講座を無料で受講することができます。AIジョブキャンプとは社会人向けの「AI教育講座」と業務委託の案件紹介をする「エージェント」サービスがセットになった無料の研修プログラムです。機械学習を学びたい意欲がある方は、利用してみることをおすすめします！
実務でデータ分析に取り組む
どんなにたくさんのデータを分析しても、実際のビジネスにおける課題と関係がなければ、実務に必要なスキルをみにつけるのは難しいでしょう。そのため、統計スキルを活用してビジネス上の課題解決に取り組むことが、データサイエンティストになる近道です。ビジネスでの課題に対してデータサイエンスのアプローチがとれそうな箇所や機会を探しチャンスがあれば手をあげてみましょう。
コンサルティングやマーケティングを行う部署やデータを扱う部署が存在しない会社では、仕事でデータ分析に取り組むことが難しい場合もあるでしょう。また、年齢的に転職が難しいこともあるかもしれません。そのような場合は、クラウドソーシングや知人の会社など身元を問わず仕事を請けられる場所を探すとよいでしょう。最もメジャーなプラットフォームはKaggleです。
自分の分析結果がどのような結果に結びついたのかを実際に知ることが大切です。分析によりどのような行動を起こし、それが顧客や社会にどのような影響を与えたのかを見るという経験を繰り返すことで、将来的に企業が抱える課題を解決できるようなデータサイエンティストに近づけます。
データサイエンティストになるための資格
持っていることでデータサイエンティストになるうえで有利に働く資格がいくつかあります。それぞれ見ていきましょう。
統計検定
統計検定は統計学の基礎に関する資格試験で、一般財団法人統計質保証推進協会が主催しています。統計検定では習熟度によって、1級～4級の5段階の級と、統計調査士、専門統計調査士の2つの資格を取得することが可能です。AIの発達などにより分析自体は難しくなくなっている中で、データサイエンティストとして求めらるのは、「分析結果から何を読み取ることができるのか」という点です。データの分析結果と実際の課題を結び付けられるよう、統計検定を通して統計に触れてみるのも良いでしょう。
情報処理技術者試験
情報処理技術者試験はその名の通り、IT技術者向けの検定試験です。情報処理推進機構（IPA)が主催しています。IT技術への理解が不足していると思われがちなマーケッターやアナリストがデータサイエンティストを目指す場合、「基本情報技術者試験」「応用情報技術者試験」「データベーススペシャリスト試験」などに合格することで、自分のエンジニア力を証明することができます。
データベース（DB）系資格
データを構築し管理・運用するうえで必須とも言えるDB技術に関する資格もいくつかあります。「オラクルマスター」ならば一般的に使われているようなオラクル製DBの知識を、「OSS-DB技術者認定試験」ならばOSS（オープンソースソフトウェア）のDB知識を、受験を通して習得することが可能です。
データサイエンティストになるための学校・スクール
自力でデータサイエンスの知識・スキルを習得するのはとても大変なことです。この段落では、データサイエンスの専門家にアドバイスをもらいながら勉強できるスクールや教育機関を紹介していきます。
滋賀大学データサイエンス学部/研究科
学生だけでなく社会人でもデータサイエンスを学ぶことができるのが、滋賀大学のデータサイエンス部研究科です。2019年度の入学者は社会人が8割も占めるという実績もあるほどです。しかし、2019年度の合格者数は24人と少なく、さらにその大半は地方自治体から派遣されている社会人であるため、とても狭き門であると言えるでしょう。
数理・データサイエンス教育強化拠点コンソーシアム
北海道大学・東京大学・滋賀大学・京都大学・大阪大学・九州大学の6校から構成される、数理とデータサイエンスの教育強化を目的としたコンソーシアムです。このコンソーシアムの協定校ならば、社会人でもデータサイエンスに関する講義を受講することが可能になります。
データミックス
データミックスは上記2つとは異なり、民間企業が運営しているデータサイエンス専門のスクールです。未経験者を対象とした「データサイエンティスト準備ステップ」「データサイエンティスト育成コース」の2つのコースが用意されています。データミックスは通学が基本となっています。修了までにデータ分析における即戦力レベルになることが目標として設定されているため、未経験者が一からデータサイエンティストを目指すのに向いているスクールと言えるでしょう。
AIジョブカレ
AIジョブカレは、機械学習、Pythonなどの講座が受講できる民間のスクールです。日本ディープラーニング協会（JDLA）のE資格や経済産業省の「第四次産業革命スキル習得講座」の対象講座が用意されています。対面講義とオンライン受講の両方を提供しており、国内でもトップクラスの実績をもつAIエンジニア・データサイエンティストが講義を担当します。講座修了時には仕事を紹介し、決定すると講座費用が無料になる転職サポートがあります。
Udemy
Udemyはオンライン型のスクールで、ビジネスやITスキルなど幅広いジャンルの講座を開講しています。そんなUdemyでも「データサイエンティスト養成講座」が開講されています。Udemyの特徴はマーケッター・コンサルタント向けやエンジニア向けと複数の講座に分かれている点で、自分に足りないスキルだけを選んで受講することが可能です。
まとめ：データサイエンティストになるには
この記事では、未経験者がデータサイエンティストになる方法について解説してきました。ここでは、本文中でポイントとなる箇所を以下にまとめます。
データサイエンティストになるには、新卒か中途で採用される必要がある
データサイエンティストになるには、企業が募集する求人に応募して採用されることです。雇用形態としては、正社員のほか、派遣、業務委託、アルバイトなどがあります。
学生の場合は、新卒入社を目指し、社会人の場合は、キャリア採用での転職を目指しましょう。高校生なら進学先を工夫してインターンやアルバイトなどで実績を積めば新卒でデータサイエンティストとして入社することも十分視野に入るでしょう。
既卒者や社会人としてすでに働いている場合でも、転職や社内異動に成功すればデータサイエンティストへのキャリアチェンジは可能です。ただし、現在の年齢や職務経験、学歴などにより転職の難易度は大きく異なる点は注意しておきましょう。
一度の転職に拘らず 2ステップ・3ステップでのキャリアチェンジを意識する
データサイエンティストが職種として徐々に定着してきているとはいえ、データサイエンティストを募集する企業は決して多くはありません。学生の場合も、社会人の場合もデータサイエンティストを目指す際は、一度の転職で挑戦するのではなく、「エンジニアとして働いてからデータサイエンティスト」や「データアナリストとして働いてからデータサイエンティスト」など２ステップでのキャリアパスを意識しましょう。
また、エンジニアのなかでも単純にWebエンジニアやITエンジニアよりも、Pythonエンジニアやデータマイニングエンジニア、データエンジニアといったエンジニア職種はより分析業務に近いといえます。マーケターやコンサルタント、アナリストなどの職種のなかでも、SQLをたたいて分析するようなより専門的なポジションがあります。
未経験からデータサイエンティストへの転職がうまくいかない場合は、未経験可の周辺職種（エンジニア、マーケター、アナリスト）になり、その職種で経験を積み、もう一度データサイエンティスト転職へ挑戦し、それでもうまくいかない場合は、さらに分析に近い周辺職種への転職を挟んでから3度目の挑戦にトライしましょう。
実務経験がない場合も、実務経験相当を身につけながら転職する
未経験者がデータサイエンティストを目指す際に、そのまま転職活動をおこなって採用されることはほぼありません。実務経験がないなかで、転職を成功するためにはスキルレベルや知識を証明できるアウトプットや学習が必須となります。
そのため、転職活動や業務と並行して、スキルをみにつけるための学習とアウトプットが必須となります。必要なスキルとしては、Pythonでのプログラミング、機械学習ライブラリを扱うスキル、SQL・データベース・環境構築などのITスキルがあげられます。また、機械学習を行うために必要なデータ処理、統計・数学、クラウドなどの知識も必要に応じて身につけましょう。
最後に、データサイエンティストへの転職はあくまでスタートラインであり、ゴールではない点は意識しておきましょう。転職した後こそがデータサイエンティストとしてのキャリアの始まりなのです。
AIを仕事にするためのキャリアノウハウ、機械学習・AIに関するTopics、フリーランス向けお役立ち情報を投稿します。
