こんな悩みや疑問はありませんか?
データサイエンティストやデータアナリストは未経験でも目指せる?
どうやって勉強したらいいかわからない。今の勉強方法があっているか不安、、
今からデータサイエンティストを目指しても今後AIに仕事を奪われたりしない?将来性はある?
僕も前職で「データサイエンスを仕事にしたい!」と考えた際にこんな疑問が湧いてきました。
そこからデータサイエンティスト、データアナリストのことについて詳細に調べ、データサイエンティスト職にキャリアチェンすることを決意。
専門のプログラミングスクールに通い始めてから、5ヶ月で未経験ながらデータアナリストとしてDXコンサル会社への転職に成功しました!
この記事ではそんな僕の実体験に基づき、同じように未経験・異業種からデータサイエンティストやデータアナリスト方向けに僕の転職までの流れを紹介します。
この記事を読んでわかることはこちら。
- データサイエンティスト、データアナリストの将来性
- 未経験からデータサイエンス職を目指す方法
- プログラミング(Python)の学習方法

個別のご相談はTwitterのDMでも受け付けています!
データサイエンティスト、データアナリストの将来性
結論、データサイエンス領域の将来性は十分あります。
AIに仕事を奪われる確率はとても低いです。
その理由を解説する前に、まずはデータサイエンティストとデータアナリストの違いを確認しておきましょう。
厳密な定義は会社や人によって変わりますが、大きくは次のように分けられます。
データサイエンティスト:機械学習や深層学習といった高度な技術を用いてビジネス上の課題に取り組む。
データアナリスト:基本的な統計学の知識を用いてビジネス上の課題に取り組む。
ポイントは機械学習や深層学習といった手法を積極的に使うか否かです。
詳しくはこちらのサイトにもまとめられていますので参考にしてみてください。



今回の記事では、データサイエンティストとデータアナリストはまとめてデータサイエンス職と定義します。
IT分野の将来を考える上で気になるのはChatGPTに代表される生成系AIでないでしょうか。
最近ニュースでもChatGPTのような生成系AIが話題に上がっていますよね。
既にマイクロソフトの検索エンジンであるbingやオフィスソフトに搭載されたり、人の代わりに要約やメモの作成、はたまた画像の生成まで自由自在です。プログラミングコードも適切に指示を出すことで、経験の浅い人でも難しい機能を書くことが可能です。



こんな状態だと今からデータサイエンス職を目指しても意味なんてないんじゃない?



たしかにChatGPTといっAIの成長は著しいですが、データサイエンス職の需要がなくなることは考えづらいです。
理由は2つあります。
- ビジネス上の課題や仮説の設定には多角的なものの見方、思考力は人間の方が有利
- AIはあくまで補助ツール
まず1番目の理由についてです。
データサイエンス職に求められることは、いわゆるビックデータから新たな価値を創出、またはビジネス上の課題を解決することです。
データサイエンス職はこの目的を達成するために、クライアントとの会話を通してビジネス上の本質的な問題点(イシュー)や、問題解決に向けた仮説の設定を初めに行います。
クライアントが満足する質の高い成果を出せるか否かはこの最初の段階で適切な課題、仮説の設定を行えるかどうかにかかっています。
もしここで行き先を間違えてしまうようなことがあれば、全く別の目的地に辿り着いてしまい、クライアントからの信頼を失ってしまいます。
ビジネスは人材、もの、資金、情報といった複数の要素が相互に影響し合っています。
AIは現在の市場の情勢や、会社の財務状況、会社内部の雰囲気、ステークホルダーとの関係等をすべて把握しているだけではありません。あくまで入力された表面上の数字から判断します。
そのため、AIが「この方法が御社にとって最適です」と提案をしたからといってそのまま鵜呑みにしてしまうと、まったく役に立たない単にコストと時間を浪費しただけで何も成果が得られない可能性が高いです。
この点人間であれば、ヒアリングの中でクライアントがふと言葉にした本音や、会社を取り巻く状況、条件等を総合的に判断し、限られた予算の中で最適な提案をすることが可能です。



以上が理由の1つ目です!
続いて2つ目の理由です。
ChatGPT等の生成系AIを使ってコードを書かせたことがある人ならわかると思うのですが、AIが出力するコードは万能ではないということです。
実際僕自身もスクレイピングというWebサイトから任意の情報を取得するためのPythonコードを作成するよう、ChatGPTに指示を出してみたのですが、出力されたコードをそのままコピー&ペーストするだけではエラーとなりました。
AIにコードを書かせたものの、バグやエラーが生じた場合の解決は専門の知識を持ったデータサイエンス職の人が行う必要があるため、先ほどの理由と合わせてデータサイエンス職の仕事がなくなる可能性が極めて低いと言えます。



ただしリスクもあると考えています
それは、AIが補助ツールとして優秀ということは、簡単なコードしか書けない人材はどんどん淘汰されていく可能性が高いことです。
AIに代替される可能性の低いスキルを伸ばすためには、データサイエンティスト協会が設定しているデータサイエンティストに求められる3つの素養のうち、特にビジネス力とデータサイエンス力を鍛え、「顧客が抱える本質的な課題は何か?」、「AIが作り出したコードは本当に最適なのか?」といったことを判断できるだけの専門性を伸ばしていく必要があると言えそうです。
結論、データサイエンス職の将来性は十分ありますが、生成系AIの登場で今後はより専門的な知識とビジネスに対する理解が求められると言えます。ただし専門性について心配しすぎることはなく、解決策はあります。
ビジネス上の課題を解決する場合、ある特定のジャンルについて深い理解(これをドメイン知識といいます)を持っている必要がありますが、未経験からデータサイエンス職を目指される方はすでにこういったドメイン知識を有しているため、その分野で活躍できる可能性が高いと言えます。
これからデータサイエンス職を目指す方は、現在のドメイン知識とデータサイエンスを掛け合わせたキャリアプランを考えてみると良いです。
データサイエンス職を目指そうと考えたワケ
Pythonとの出会い
僕は現在DXコンサルティング会社のデータアナリストとして仕事をしています。
学生時代はプログラミングを学ぶことはほとんどなく、唯一エクセルのVBAを高校の時に触れた程度で、データサイエンスという言葉も聞いたことがなく働き続けていました。
ある時業務でPythonを学ぶ必要性を感じた時がありました。
当時パソコンを使って解析を行い、出力されたデータをエクセルを使って一つずつグラフ化する作業も担当していました。
出力される結果は何十パターンとあり、とても人の力で全て手作業でグラフにするのは無理だと思いました。
グラフ化の作業は単純作業だったため、もっとクリエイティブな仕事に集中したいと考えていました。
そんな時、近くにいた先輩職員がPythonを使用して一気にグラフを作成しているのを見て衝撃を覚えました。



え、僕が数時間かけていたのにこんなに早く終わるんですか!?
といった具合に当時の僕にはかなり衝撃的でした、、。
この出来事がきっかけで、まずPythonを学んで業務を効率化したいと考えるようになりました。
データサイエンスとの出会い
Pythonを学んで業務を効率化するぞ!と意気込んだものの、



プログラミングは大学で学んだ人でないと専門性が高すぎてできないんじゃないか?自分に本当にできるのか?
といった不安もありました。
一人で学ぶと続かないかもしれないと思い、たまたま同じ寮の同期と話していた時に「これからPythonを学ぼうと思うんだけど一緒に挑戦してみない?」と提案したところ一緒に学んでみようということになりました。
ちょうどこの時期はコロナが猛威を振い始めた時期で外での活動は制限されていたこともあり、時間はあったため何かを学び始めるにはいいタイミングでした。
手始めに初心者向けの参考書を購入。毎朝寮の食堂で勉強をしていました。使用した参考書はこちらです。
学習中は覚えることもあり少し大変でしたが、書籍の内容が会話調で書かれているところが多く、初心者にとって理解しやすかったです。
書籍で基礎を学んだ後は業務での活用にチャレンジしました。
Pythonにはモジュールという概念があり、自分が行いたい操作が個別にパッケージ化されています。このモジュールを使うことでゼロからコードを書かなくとも手軽に高度な操作を実行することができます。
エクセルをPythonで操作するための専用のモジュールもあります。
基礎を学んだだけだったのでサイトの解説を見ながら試行錯誤し、時間はかかったもののなんとか自動で数字の羅列からグラフを作成することに成功しました!努力が実った瞬間です。
この時の成功体験が自信となり、「もっとPythonについて学びたい!」と考えるようになりました。
Pythonの活用方法についてあれやこれやと調べる中でデータサイエンスという言葉に出会いました。
職業柄分析が好きだったということもあり、AIや統計的な手法を使って人間の目では見つけることが難しい新たなビジネスチャンスをデータの中から見出し、ビジネスに活用するということに魅せられました。
また、前職は残業が多く平日に自由なことをできる時間がないこと、特定のスキルが身につかない環境であったため、将来転職したいと考えた時に他者にアピールできるスキルがないことに焦りを感じていました。
この時点でまだ転職を決意してはいませんでしたが、転職という選択肢を確保するためにもデータサイエンスを学ぶことにしました。
とはいえデータサイエンスを学ぶとなると、いよいよ専門性が高くなるため何から始めるべきか悩んでしまいました。
そこで「未経験 データサイエンス 学習方法」のようにネットで検索したところ、いくつかのプログラミングスクールがヒットしました。
そこで見つけたスクールがオンラインプログラミングスクールのAidemyです。
データサイエンス職を目指す前に確認したこと
スクールの候補はいくつかありました。
スクール選びで重要視したことは、次の点です。
- 費用が安いこと
- 初心者でも学びやすい体制が整っていること
- Pythonに特化した講師が多く在籍していること
- 働きながらでも続けられること
- 実務として通用する(転職に活かせる)レベルのスキルが身につくこと
- オンラインで受講可能であること
プログラミングスクールの価格はピンキリです。
一ヶ月数千円から利用できるものもあれば、1回の支払いで数十万円必要になるスクールもあります。
比較サイトを調べる中で教育訓練給付金という制度を利用することでお得に受講することができることを知りました。確実にスキルを身に付けたかったため、多少高くとも質の高い講義、教材を提供しているスクールを選ぶことにしました。
その時特に重視したことが「Pythonに特化した講師が多く在籍していること」と、「実務でも通用するレベルのスキルが身につくこと」です。



これらはAidemyの無料カウンセリングを受講した際に教えていただきました。
Pythonに精通した人が講師として多く在籍していれば質問をしてもすぐに質の高い回答を得られます。
他のスクールもPythonを学ぶことができる体制は整っているものの、他の言語も扱っているためPythonを用いたデータ分析に特化したスキルを身に付けられるのは、他スクールのヒアリング結果も含めてAidemyだと考えました。
ちなみに他にはDMM WEB CAMPや、テックキャンプといったスクールの無料カウンセリングを受けました。
正直なところ「費用」、「オンライン環境」、「働きながらでも受講可能か」といった要素は、スクール同士で大きな差はありませんでした。Aidemyは自社の教材について東大教授の監修を受けていることや、在籍している現役のデータサイエンティストの情報を積極的に開示していること、メインコースを受講後、本来有料である他のコースも受講可能なこと、オリジナルの成果物を作ってポートフォリオにできるといったメリットからAidemyを受講することにしました。
Aidemyのメリットについてはこちらの記事に詳しくまとめているため、気になる方はぜひ参考にしてみてくださいね。
【体験談】「Aidemy premium」を6ヶ月利用した感想
スクール選びで迷っている方、気になる点がある方はぜひ一度無料のオンラインカウンセリングを受けてみてください!
スクールでの学習方法



Aidemyでは6ヶ月のデータ分析講座を受講しました!
データ分析講座では、主にAIを用いた将来の販売予測や株価の変動を学び、最後にkaggleと呼ばれるデータ分析のコンペティション上の問題に取り組む内容になっています。
残業があったため平日は1時間、休日に8時間以上学習に充てていました。
普通の人なら3ヶ月程度で完了する内容になっていますが、僕の場合は平日にまとまった時間を確保することが難しかったこと、途中で転職活動と統計検定2級の勉強を始めたことで、結局6ヶ月直前に成果物を提出することとなりました。
当初の計画ではデータ分析講座の成果物までを4ヶ月程度で完了し、残りの期間をE資格というデータサイエンスに関する資格の講座の受講に充てるつもりが大幅にずれてしまいました。
しかしAIや機械学習といったデータサイエンスに関するスキルは身につけられたと感じています。
受講前はPythonの基礎(条件分岐や繰り返し処理)といった基本的なことだけを知っている程度でしたが、成果物提出時には次のような知識、スキルを身につけていました。
- データの前処理に必要となるNumpy、Pandasといったモジュールの操作
- AI、機械学習の基本、及び各モデルの概要の理解
- 未来予測に必要となる時系列モデルの概要と基本的な操作
- Twitterのテキストから感情を数値化する技術
- kaggleの取り組み方の理解
- 予測結果の評価方法
振り返ると、とても独学ではカバーしきれない内容を短期間で学習することができました。
独学でもどんどん学習できる方は問題ないと思いますが、僕は圧倒的にスクールの利用をおすすめします。
スクールを利用することのメリットの一番は「時間の削減です」。
プログラミングやAIについて学んでいると躓くポイントがたくさんあり、ネットを使えば解決方法を確認することができるものの、それには時間がかかります。
一方、Aidemyのようなスクールでは、疑問に思ったところやわからないところは講師にチャットやオンラインカウンセリングを通してがんがん質問することができます。
例えるなら、独学の人は徒歩で目的地を目指すのに対し、スクールに通っている人は自動車で目的地に向かって進むようなイメージです。数ヶ月後に差が出るのは明らかですね。
特に社会時になると学生の時と比べてまとまった時間を確保することは非常に難しいです。
プライベートの予定もありますし、そもそも平日は仕事で疲れているため集中して学習することは難しです。
スクールには他の受講生と交流して切磋琢磨し合える場や、期限内に成果物を提出できなければ給付金を受けることができないといったことがあるため、短期間のうちに集中して取り組むことができます。
ぜひこれからデータサイエンスを学ぶ方はAidemyに限らずスクールを利用し、自動車に乗って最速でスキルアップを目指すことをおすすめします。
転職活動
僕はスクールに通い始めてから4ヶ月目に転職活動を始めました。
当初は半年間の受講を終えてから始める予定だったのですが、入社後に研修を設けている企業の多くが4月入社で募集をしていたため開始を早めました。
転職活動では転職エージェント(マイナビ、Doda)と、Aidemyの転職サービス、データサイエンスに特化した求人を紹介するNishikaというサイトを利用しました。
転職活動時はAidemyの転職サービスに本当にお世話になりました。
Aidemyは未経験からでも転職可能な求人をいくつか保有しており、カウンセリングを通してその人にあった求人を紹介してくれます。
カウンセリングはとても丁寧で、求人を強く勧められることは全くありませんでした。むしろAidemyの求人だけだと転職先候補が狭くなるため、転職エージェントの利用まで勧めてくれました。
また、履歴書や職務経歴書の内容も丁寧に見ていただき、より良いものを仕上げることができました。
連絡は基本的にラインだったため、手軽に相談できる点も良かったです。
転職エージェントはやはり求人の数が圧倒的でした。
ただし送られてくる求人票の中には自分が伝えた条件とは全く異なる求人も含まれており、かつ大量に送られてくるため企業同士を比較することに時間がかかってしまいました。
マイナビとDodaの2つのエージェントを利用しましたが、両者の求人に大きな違いはなかったため、求人の確認を最低限に抑えたい方はUIの方で優れているDodaの利用をおすすめします。
Nishikaはこちらから求人を確認できるだけでなく、各企業の採用担当からスカウトメッセージが届きます。
実際に僕もこの機能を利用し、複数の採用担当の方とカジュアル面談を実施させていただきました。
Aidemyの講座を修了していなくともスカウトが来るため、如何にデータサイエンティストの需要があるかがわかりますね。
Aidemy、転職エージェント、Nishikaを利用し、27社に応募し最終的に5社の最終面接に進みました。
もっとも行きたかった会社から先に内定もらえたため、残りの4社は辞退しました。
内定後は会社に退職する意を伝え(なかなかすんなりいかなかったのですが)、無事に4月から働き始める形で退職することができました。
まとめ
未経験からデータサイエンス職に転職するまでの流れを実体験に基づきまとめてみました。
Aidemyには30代の方も多く、僕と同じように異業種から転職に成功された方は大勢いらっしゃいます。
興味のある方は思い切ってまずはPythonの学習から始めてみましょう!
最後までご覧いただきありがとうございました。
コメント