ビッグデータや機械学習を活用したビジネスの普及に伴い、大規模なデータを扱えるデータサイエンティストの需要が高まっています。データサイエンティストは、今後も需要が伸びていくと考えられている職種であり、スキルを修得すれば年収アップが期待できます。

ここではデータサイエンティストの仕事内容と求められるスキル、おすすめの資格について紹介します。

データサイエンティストの資格を知る前に：
そもそもデータサイエンティストって何？

データサイエンティストとは、大量のデータを収集・分析する人のことで、比較的新しい職業です。データの収集、管理、仮設検証、結果報告などを行い、情報をビジネスなどで役立てる「データ」として整えることが主な業務です。

最近では企業の「ビッグデータ」への関心も高く、データを専門的に扱うデータサイエンティストの需要も拡大しています。

データサイエンティストは、データの処理を専門に行う職業であるという点で、一般的な「エンジニア」とは異なります。データサイエンティストになるために必要となる資格はありませんが、スキルアップや、スキルを保有していることを証明するために、いくつかの資格を取得することもおすすめです。

まずは、データサイエンティストの具体的な仕事内容や年収を紹介した上で、おすすめの資格についてもご紹介しましょう。

 

データサイエンティストの資格を知る前に：
具体的な仕事内容と年収を解説

データサイエンティストの仕事内容は「デ―タサイエンス」という学問に基づいています。データサイエンスとは、データ分析や、その分析手法に関する学問のことです。

詳しくは「【データサイエンス入門】必要なスキルや資格は？」をご覧ください。

データサイエンティストは新しい仕事であるため、仕事内容は会社によってまちまちです。しかし、どのような会社でも、基本的な業務の流れは以下の通りです。

• データの収集
  必要となるデータを収集し、データベースに保存する。
• データを利用しやすく加工
  収集されたデータを利用しやすいように、不要な部分を取り除くなどの加工をする。
• データを実際に集計・分析
  ビジネスに活かしやすいように、データをさまざまな視点から集計・分析する。
• 整理、レポート化
  分析されたデータを整理し、レポートを作成して報告する。

これらの作業に先立ち、データから明らかにしたいことなどの要望をヒアリングする要件定義段階を設けることもあります。

また、データ分析の結果を踏まえた改善策の提案や、データを今後も継続して使えるようにするために、企業のIT部門などとの連携も行います。

さて、気になるデータサイエンティストの年収ですが、こちらも会社によって異なります。

パーソルキャリアが調査した「平均年収ランキング 最新版」によると、データサイエンティストの平均年収は「507万円」であるとされています。こちらは、あくまで平均年収ですが、中には年収1000万円を超えるデータサイエンティストもいるようです。

 

データサイエンティストの資格選び。求められるスキルから選ぼう

データサイエンティストに必要とされる知識やスキルを６つ紹介します。

プログラミングスキル

データの分析基盤として用いられるPython、R言語、Ruby、SQLなどのプログラミング言語のうち、1つ以上の言語のスキルが求められます。各言語の詳細については、以下のページをご覧ください。

• Python：Pythonとは？何に使えるの？Pythonの特徴や使い道を詳しく解説！

• R言語：【R言語入門】統計学に必須な”R言語”について1から解説！

• Ruby：Rubyとは？初心者向けプログラミング体験もできる記事！

データの分析手法に関する知識

データマイニングや統計学（統計処理）に関する知識です。データマイニングとは、統計学を使って大量の情報を分析する技術のことです。データマイニングや統計学の詳細については以下のページをご覧ください。

• ５分でわかる！データマイニングの意味と手法
• 統計学入門！文系でもわかる基本知識とおすすめの勉強法

データ分析ソフトウェアに関する知識・スキル

データ分析を専門に行うソフトウェアに関する知識・スキルも必要です。例えば、Excel、R、SPSS、Tableauなどのスキルです。

• Excel
  ご存じの通り、マイクロソフト社による、データの計算、分析、グラフ作成などの定番ソフトウェアです。
• R
  オープンソースの統計処理のための計算やグラフ作成の言語・環境を指します。
• SPSS
  IBMが販売している統計解析ソフトウェアです。プログラミングを必要としない操作性で、簡単に統計分析を実行できます。
• Tableau
  タブローソフトウェア社が販売するBI（ビジネスインテリジェンス）に特化したデータの可視化ツールです。データ分析の専門知識がなくても、マウス操作で簡単にデータ分析できるソフトウェアです。
• 

データベースに関する知識・スキル

データサイエンティストには、大規模なデータ処理に使われる、HadoopやSparkなど知識・スキルも求められます。

• Hadoop
  大規模なデータに対して、分散処理技術を活用して蓄積、分析するオープンソースのミドルウェアです。
• Spark
  分散処理技術を活用する点ではHadoopと同様ですが、データをリアルタイムで高速に処理できます。

機械学習に関する知識

データサイエンティストには、AI開発に欠かせない「機械学習」に関する知識も求められます。

機械学習については、「【機械学習とは？】種類別に簡単にわかりやすく紹介！ディープラーニングとの違いやDQNについても解説！」で詳しく解説しています。

ビジネスに関する知識・スキル

ビジネスモデルや経営戦略に対する理解や、レポートを作成して分析結果をクライアントに正確に伝えるためのコミュニケーション能力も必要不可欠です。

 

データサイエンティストの勉強におすすめの資格8選

データサイエンティストになるための必須の資格があるわけではありませんが、転職などでスキルを証明するためや、スキルアップ・勉強の目安として資格を取得するのもおすすめです。

ここでは、8つの分野の資格について簡単に紹介します。

① Python3 エンジニア認定データ分析試験

一般社団法人Pythonエンジニア育成推進協会が運営している、プログラミング言語Pythonのデータサイエンティスト向けの試験です。Pythonを使ったデータ分析の基礎や方法が問われます。

※2019年10月現在では、まだ準備中の段階で、一度も試験は実施されていません。

Pythonの資格としては、この他に「Python3エンジニア認定基礎試験」があります。詳しくは「Pythonの資格「Python 3 エンジニア認定試験」はどんな資格？海外の資格も紹介！」をご覧ください。

② 統計士・データ解析士

一般財団法人実務教育研究所が開講している講座を修了することで、「統計士」と「データ解析士」の資格を取得できます。「統計士」の取得には「現代統計実務講座」を終了し、「データ解析士」の取得には「多変量解析実務講座」を終了する必要があります。

現代統計実務講座は、統計を基礎から体系的に理解し、統計的手法を身に付けたい人向けの講座です。一方、多変量解析実務講座は、統計の基礎知識のある人で、統計的技法を仕事に活用したい人を対象としています。

③ 統計検定

統計検定は、一般財団法人統計質保証推進協会が実施している検定です。4級から1級までありますが、データサイエンティストには準1級程度の知識が必要です。

準1級は大学で学ぶ基礎的な内容からさらに発展して、応用的な統計学の諸手法の取得することを目的としています。2019年6月16日に実施された準1級試験の合格率は21.0%です。

また、「統計検定 データサイエンス基礎」「統計検定 データサイエンス発展」「統計検定 データサイエンス応用」の3つの検定が、現在準備中です。

「データサイエンス基礎」は大学入試レベル、「データサイエンス発展」は大学教養レベル、「データサイエンス応用」は大学専門レベルの内容となっています。これらは2020年以降に試験が開始される予定です。

④ 基本情報技術者試験／応用情報技術者試験

IPA（独立行政法人 情報処理推進機構）が実施している国家資格です。データサイエンティストに限らず、一般的なエンジニアを対象とした試験です。また、基本情報技術者試験のステップアップ版として、応用情報技術者試験が実施されています。

基本情報技術者はマークシート方式の試験で合格率は30%前後です。応用情報技術者は、午前がマークシート方式で、午後が記述式の試験です。こちらは合格率20%前後です。

⑤ データスペシャリスト試験

先ほど紹介した応用情報技術者試験から、さらにステップアップし、データベースに特化した試験が「データベーススペシャリスト試験」です。

データベースに関する専門的な知識が問われる試験であり、難易度も向上します。合格率は10%前後です。午前はマークシート方式で、午後は記述式の試験です。

⑥ オープンソースデータベース技術者認定試験

特定非営利活動法人エルピーアイジャパン（LPI-Japan）が実施している、オープソースデータベースに関する資格です。技術力と知識を中立的な立場で認定しています。データベースの運用管理技能が問われる内容で、「Gold」と「Silver」の2つの試験区分が設けられています。Gold、Silverともに合格率は非公開ですが、60%～70%程度だろうと言われています。

注意点として、こちらの試験には有意性の期限（再認定ポリシー）が設定されていることが挙げられます。履歴書などでの有意性を維持するためには、認定日から5年以内の再受験と再合格が必要となります。

⑦ オラクルマスター

日本オラクル社が運営している「Oracle Database」シリーズを扱う技術力を認定する資格です。「Bronze（ブロンズ）」「Silver（シルバー）」「Gold（ゴールド）」「Platinum（プラチナ）」の4つの区分の試験が設けられています。

BronzeからPlatinumに行くにつれて、難易度が上がります。合格率は非公開です。

⑧ G検定・E資格

一般社団法人日本ディープラーニング協会が実施している、機械学習や深層学習（ディープラーニング）の知識・技能を有しているか確認するための試験です。

試験は「G検定」と「E資格」の2つに区分されています。G検定は「ジェネラリスト」のための試験であり、ディープラーニングの基礎知識が問われます。一方、E資格は「エンジニア」のための試験であり、ディープラーニングの理論を理解し、実装する能力が問われる試験となっています。G検定の合格率は60%から70%程度、E資格の合格率は60%程度です。

G検定については「G検定（ジェネラリスト検定）とは？概要から試験対策まで」で詳しく解説していますので、ご覧ください。

ビッグデータや機械学習の発展に伴い、データサイエンティストの需要はこれからもますます高まっていくことが予想されます。すでにエンジニアとして働いている人にとって、データサイエンスの技術を身に付けることができれば、スキルアップだけでなく、転職にも有利になることは間違いありません。

 

今回紹介したように、一言でデータサイエンティストと言っても、幅広い知識とスキルが求められます。まずは、現在の業務に関連する分野や、興味のある分野の勉強から始めることがおすすめです。

 

AI・機械学習を学びたい方におすすめの講座

AIとは何かを理解し、機械学習と数学の基礎を理解

データサイエンスの一連の流れを体験！

AIの初歩「チャットボット」を自作してみよう！