【完全攻略】データサイエンティスト就活の教科書【現役採用担当が執筆】

2024年1月10日 04:06

＝＝＝＝＝＝＝
あなたの就活を応援したい。そんな想いから、現在「全文を無料公開」しています。3万字超えの内容となっています。「スキ」の多さを見て、好評なら続編を公開します。あと単純に私の制作の励みになるので、ぜひ今「スキ」していただけると嬉しいです！
＝＝＝＝＝＝＝

こんにちは、みおです！人生の分岐点とも言える就活は、「知っているか知らないか」が運命を分けます。あなたの人生を変えるきっかけになることを願って、このnoteを執筆しました。

このnoteはDS志望者に向けて、選考基準や行うべき対策を徹底的に解説したものになります。以下は読者の内定先の一部です。

<コンサル>
・アクセンチュア
・アビームコンサルティング
・big4
<外資IT>
・IBM
・Amazon
・Microsoft
<メガベンチャー>
・メルカリ
・LINE
・Yahoo
・リクルート
<日系大手>
・NTT
・ソニー
・トヨタ
・サントリー

DS就活で結果を出した複数の友人にも協力してもらい、DS就活に特化して網羅的に解説しています。DS就活を扱ったコンテンツとしては、日本最大の情報量が詰まっています。なんと3万字以上のnoteに仕上がりました。DSの選考に関する知識や経験はこのnoteに全て出し切りました。

またこのnoteを購入しているか否かで内定率が大幅に変わるのではないかと考える程、本当に自信を持ってオススメ出来るnoteになっています。

執筆メンバーの中には、非体育会・ゼミ無し・留学経験無し・資格無し(免許すら無し)・浪人経験ありなど経歴に自信がない人も多かったです。しかし面接・選考対策を徹底的に行う事で他の就活生と差別化をし、内定を得ることができました。正直、DS就活は情報戦です。「知っているか知らないか」が一生を分けます。

「データサイエンティストの就活が辛い」
「新卒でデータサイエンティストになりたいけど普通の就活と違うところがたくさんある」
そう感じているあなたに向けたnoteです。データサイエンティストとして就活する上で、無限に悩みは出てくると思います。それらをすべて解決します。

なお、このnoteは随時更新をしていきます。例えば以下の内容が詰まっています。
・DS就活が難しい理由と解決策
・DS就活のスケジュール
・文系でも内定できるか
・March以下卒でも内定できるか
・資格などは必要か
・ほとんどの人が知らない具体的な選考対策方法
・データサイエンティスト新卒採用をしている企業リスト(約100社)
・データサイエンティスト職種別インターンシップをしている企業リスト

ありがたいことに、読者からの感謝のメッセージをたくさんいただいています。一部を掲載します。

では以下で内容に入っていきます。

★どうしてDS就活は難しいのか★

DS就活が難しい理由を以下で説明します。

ネット上には間違った情報も多い

データサイエンティストの就活についてネット上で調べると間違った情報が多いことにびっくりします。
データサイエンティストとして職種の理解や実際の働き方の理解をしようと思った時に、ネット上の情報を参考にしているとイメージと実態がずれてしまうことが多いです。間違った情報を仕入れていることが新卒就活の際に企業側にばれてしまうと、面接の通過率が悪くなります。
ここまで間違った情報がネット上に多いのは、現役のデータサイエンティスト以外の人が積極的に情報発信をしているからです。具体的にどんな人が情報発信をしているのでしょうか。

バズワードに乗っかりたいインフルエンサー

まず多いのはパスワードに乗っかりたいだけのインフルエンサーの人です。こういった人はなんとなくデータサイエンティストをかっこいいイメージで広めたがります。イケてる仕事であることをアピールして、いかに将来性があるか面白い仕事かといったことを語ります。しかしこういった人はデータサイエンティストの負の側面に触れることはありません。またあくまで個人の体験を話していることが多いので本当に自分の進路に役立つとも限りません。
データサイエンティストという言葉を使えば再生数が取れるために、YouTubeでもこういった発信をしている人は一部います。発信内容については合っている部分もたくさんありますが負の側面をあまり語っていないのでこういった人の発信を見た人がデータサイエンティストになるとギャップに苦しむことになります。
もちろん一次情報に近い正確性で発信してくれる人もいますが、それを見極めるのは就活生の立場では容易ではありません。実際にデータサイエンティストとして働いた人でないとわからない負の側面についても理解を深めることが大事です。

エージェント

就職や転職系のエージェントも情報発信をしていますが基本的にポジティブな情報ばかりになっています。その理由としては転職エージェントや就活エージェントは基本的にデータサイエンティストのことを良い職業だと思ってもらった方が都合がいいからです。
彼らのビジネスモデルとしては1人を就職させたり転職させることにいくらという報酬体系です。なのでデータサイエンティストを目指してもらった方が儲かるわけです。そのためデータサイエンティストについての負の側面を知らせずに良い面だけを語ってキラキラしたイメージを持たせるような記事も量産されています。またこういった記事を書く人はデータサイエンティストの経験がない、あるいは浅いことも多く、実態を反映していないような記事もたくさんあります。
例えば年収についての記述で簡単に1000万円を超えるような記述があったり平均年収が高いといった記述があることがありますが実際に働いてきた立場からすると就活生の勘違いを招く内容だと思っています。
もちろん働き方やスキル次第で高い年収を目指すこともできるのですがそういった前提条件が抜け落ちている記事からインプットしてしまうとキャリアデザインに悪影響を与える心配もあります。
休日の勉強時間まで含めると、人生における多くの時間をデータサイエンスに充てることになります。年収目的で転職する職業としてはあまりお勧めしません。データサイエンスに興味があり、努力もしたいという人がやる分には、しっかり年収は上がっていくと思います。

n=1の愚痴（主にツイッターやブログ）

ではマイナスの情報をどこから得たらいいのかという話ですが、Twitterやブログなどの個人でライトに発信している人を当てにすることになるかと思います。オープンチャットやネット上の匿名掲示板を使う人もいるかもしれません。データサイエンティスト個人が発信をしている場となるとそういったところになってしまうのです。
なぜならデータサイエンティストは守秘義務が強いことが多いため自分の実名を出して発信したり公の場で語ることは難しい職業なのです。企業のオフィシャルなイベントにおいて自分の業務内容や成果について語ることはありますが、そういったところではデータサイエンティストの負の側面については話されることはほぼありません。企業側からの目があるので当たり前ですね。
なので利害関係がない愚痴の吐きどころとなるとTwitterやブログになってくるのです。しかしこれはこれで問題があります。特にTwitterが顕著なのですがあくまでその人本人の体験でしかないのにデータサイエンティスト一般に言えるかのような言及をしているパターンがよくあるのです。
例えばデータサイエンティストなんてほとんど雑用みたいなものだよと言った出張や、データ数学を使えないといった主張です。あるいは文系からデータサイエンティストになるなんて無理だよと言った主張もあったりします。
これらはあくまでその人本人の体験によるところなので真偽のほどは定かではないのですがそれを真に受けた就活生が毎年混乱している様子を見かけます。実際のところはデータサイエンティストの中でもいろいろな会社があり色々な職務があるので、雑用みたいな仕事もあればそうでない仕事もあります。そして面白い仕事は実力のある人のところにやってきます。また、高度な数学を使う職場もあれば使わない職場もあります。文系からデータサイエンティストとして就職可能な企業もあればそうでない企業もあります。
就活生として考えるべきなのは、「ではどこの企業に進めば面白そうな仕事ができて自分のような文系で学部卒の人でもデータサイエンティストになれるのか」と言った具体的な問いのはずです。
なのに感情的な愚痴をTwitterで見たことをきっかけに自分の目標に対して自信をなくしてしまうのはもったいないことです。

データサイエンティスト就活生向けのメディアが少ない

上記のようにデータサイエンティスト新卒就活生に向けた情報源はかなり限られている上に偏っています。ではオフィシャルなメディアとして情報を集めるために使えるものはないのでしょうか。正直現時点で満足のいくようなものはありません。理由を以下で説明します。

ニッチすぎて運営者も儲からない

データサイエンティストを志す就活生は人数的にとても少ないためぶっちゃけメディアを運営してもそこまで儲かりません。私自身も本格的に儲けたいと思ったら別のことをすると思います。今現在データサイエンティストに向けた発信している人の多くは、データサイエンティストがもっと社会で活躍できるようになってほしいとか、他のデータサイエンティストの勉強に役立ちたいとか、そういった社会貢献に近い人が多いのではないかなと思います。あるいは先ほどのように大手企業が片手間で記事を書いたり、嫌なことがあった時にTwitterに吐き出したりといった程度です。
少なくともデータサイエンティストを専門にした大手のプラットフォームのようなものはないです。これが一般的な就活と比べて情報収集を難しくしています。

総合職採用の人向けのメディア見ても待遇など違う

データサイエンティストの年収などは他の総合職の人と似たようなものだということを別の記事で説明しましたが、「だったら総合職採用の人向けのメディアを見ればいいじゃん」と思う人も多いかもしれません。確かに一部においてはそれでも役立つ情報を得ることはできます。例えば事業内容によっておおよそもデータサイエンティストの対象範囲や生み出せる価値については予想ができますし、社風についてもデータサイエンティストの部署とその他の部署でめちゃくちゃ大きな差が出ることはそうそうありません。
しかし問題はデータサイエンティスト特有の悩みです。例えば以下のようなものです。
「kaggleなど自己研鑽の時間は取ってくれるのだろうか」
「マネジメントのルートのみではなくデータサイエンティストのスペシャリストとしても道はあるのだろうか」
「使う技術レベルはどの程度のものだろうか」
これらの疑問をネット上の情報で解決しようとするのは至難の技です。しかし高度な技術レベルを身につけたいと思っている人ほどこういったデータサイエンティスト特有の悩みについて敏感であり企業選択の軸にしています。中長期的なキャリアを考える上で必要な情報がネット上に全くないというのがデータサイエンティストの新卒就活の特徴なのです。

企業によってレベルや扱う内容の差が大きい

データサイエンティストは企業によって扱う技術のレベルや内容について最も差が大きい職業の一つではないでしょうか。

「データサイエンス」は広すぎる

そもそもデータサイエンスとは何でしょうか。一般的なビジネスマンでも社内説得を試みるときは根拠となるデータを持ってきますし、簡単な分析を行ったりします。ではどこまで高度なデータを使ったらそれはデータサイエンスなのでしょうか。ディープラーニングを使ったらいいのか、ビッグデータを使えばそれはデータサイエンスなのか、明確な定義はありません。
画像解析もあれば文章の解析もあります。データサイエンスをやる目的としても、売上の向上もあれば業務効率化もあります。データサイエンスというものの扱う分野が広すぎて企業ごとにばらつきが大きすぎるのです。なので自分のレベルに合いかつ自分が働きたいと思える業界を見つけることはとても大変です。

企業側もわかってない

そもそも企業側もデータサイエンスをあまりよくわかっていない人が採用担当をしていたりします。ここ数年は募集条件はだんだん整備されてきましたが、データサイエンティストの新卒採用における選考活動で企業側も悩みながらやっている様子が見て取れます。例えば技術面接で聞かれる内容は企業ごとにまだ毎年いろいろ変わっていますし、選考フローもあまり固まっていません。過去数年見てきているとデータサイエンティストの選考が強い企業についてはフローや採用基準が外側から見ていてもちゃんとしてきていますが、まだ手探りの企業が多いのが実態でしょう。

調べる業界が多岐に渡り情報収集が大変

データサイエンスはあらゆる業界に存在するので情報収集が大変であるという悩みもあります。

あらゆる業界で採用活動がされている

データサイエンティストを採用している業界はほとんど全ての業界と言っても過言ではありません。金融業界からヘルスケア業界、メーカーやコンサルに至るまで、あらゆる業界でデータサイエンティストの求人を見つけることができます。そして自分で応募したい求人を見つけていく必要があるのです。普通の業界研究は例えば金融業界志望であれば金融業界についてのみを行えば良いのですが、データサイエンティストの場合は志望企業が多様な業界に渡ることが多いため、全ての企業の業界を研究しなければいけないのです。下手したら普通の人の10倍の時間を業界研究だけに費やすことにもなりかねません。この時点でデータサイエンティスト就活には早めのスタートラッシュが不可欠であることがわかるでしょう。業界軸でなく職種軸の就職活動はこういった大変さがあるのです。

毎年採用企業が増えている

では前年度に就活をした先輩に話を聞けばいいのではないかという説もあります。これは一部正解であり一部間違いです。データサイエンティストの人材採用は年々加熱しているので毎年採用する企業が増えています。どこの企業が新しくデータサイエンティストを採用し始めたのかまでチェックしなければいけません。そしてその情報は前年度以前の内定者は知りません。ましてや5年以上年上の人に話を聞いても何が何やらさっぱりでしょう。つまり頼れる人がいないのです。今年の情報は自分自身で今年集めなければいけません。

網羅的な情報収集を一人で行うのはかなり厳しい

では1人で情報収集を行うことができるのかというと当然のことながら厳しいです。データサイエンティスト就活をする上で研究や長期インターンを頑張る必要があります。なぜならそちらで成果を出さないと新卒就活において望む企業に入れる確率が低くなるからです。データサイエンティストとしてメガベンチャーや一部の人気コンサルに入るためには学生時代にデータサイエンティストを通して成果を出すことが必須になってきます。なので就活にも時間を割きながらきっちり研究や長期インターンでも成果を出すために計画を立てる必要があります。タイムマネジメントの難しさが他の就活の比ではないのです。

環境の差が露骨に成果に出る

一般的な就活においても、地方の学生を振りと言われますが、データサイエンティストの就活においては、それがかなりのレベルで効いてきます。

就活仲間がいない

データサイエンティストを目指す学生は全国的に増えているとは言え、まだ少数派です。同じ大学にデータサイエンティストを目指す人がいると言う人はまだ少ないのではないでしょうか。データサイエンティストを目指す学生は、実は一部の研究室に固まっています。例えば、近年、新設が進んでいるデータサイエンス専門大学院の学生です。あとは数理情報系の研究室で先輩のコネがあり、データサイエンティストに話を聞くこともできる環境も、日本の中でたくさん存在します。そういった恵まれた環境にいる人と、たった1人で競争しなければいけないのです。これは孤独でもあり、情報やモチベーションの面で不利でもあります。特に地方に住んでる人はこれが顕著です。

インターン先がない

地方に住んでいる学生がどこに悩むことなのですが、近くにインターン先がないのです。データサイエンス系のインターンシップは東京に集中しており、地方で探そうとすると、近くに全く会社がないと言う事態に陥りがちです。しかし悲しきかな、データサイエンティスト新卒就活の人気就職先になっている企業では、学生の時点で長期インターンシップで成果を出すことが事実上必須の会社も多いのです。
住んでいる土地が地方と言うだけで、データサイエンティストになると言う夢が潰れてしまうと言うのは非常に悲しいことです。しかし、事実として地方に住んでいる人は、圧倒的に不利な就活になることが多いです。

データサイエンス就活は異常な辛さ

以上のようにデータサイエンス就活は異常な辛さを誇ることがわかるかと思います。これはデータサイエンスという分野が職種軸の就活になることからの特殊性もありますし、データサイエンス新卒就活がここ数年なので情報が揃っていなかったり企業側の体制が揃っていないことも原因です。この状況の中でもデータサイエンティストとして将来的に活躍したいのであれば新卒就活を乗り越える必要があります。

カオスはチャンス

ここまで読んで自分にとってデータサイエンティスト就活は無理なのではないかと思ってしまった人も多いのではないでしょうか。確かにデータサイエンティストとして採用されることはとても難しいです。しかし実はこの状態はチャンスでもあるのです。競争相手である就活生たちも同じ悩みを抱えています。そんな中で自分が情報を得ることができれば競争相手に対して優位に立つことができるのです。

★どうすればDS就活を乗り切れるのか★

では、どうすればこのDS就活を乗り切ることができるのでしょうか？

新卒がデータサイエンティストになるために必要な知識・スキル

まず結論から述べると、データサイエンティストになるために必要な知識やスキルについては画一的なものはありません。それを理解していただいたうえで、今何をすれば良いのかわかるように解説します。
数年前までは企業の採用要件がまだ定まっていなかったため最低限の統計学の知識とプログラミングスキルがあれば採用されることができました。しかしその後多くの企業がデータサイエンティストの採用ミスマッチを感じる中で採用要件はより精密に設定されるようになったのです。この経緯についてはTJOさんのブログが詳しいので参照してみてください。
あなたがデータサイエンティストになるためにまずやるべきことは、画一的な基準がない以上、どのようなデータサイエンティストになりたいのかを明確にして、それを実現できる企業を探すことです。
そのためには実際に働いている人の情報を得ることが大事です。インターネット上に転がっている情報だけだとデータサイエンティストの実際の働き方をイメージすることが非常に難しくなっています。
例えば職場によっては Python 以外の言語に詳しい人が求められますし、データ分析を Excel VBA などで行なっている会社もあります。実際ディープラーニングで分析を行っていたり本格的なデータサイエンティスト業務ができる会社はそこまで多いわけではありません。名ばかりデータサイエンティストも多いので注意が必要です。
どのレベルのデータ分析をしたいのかを明確にした状態で就活を始めないと、「こんなはずではなかった」と後悔することになるでしょう。実際そういったミスマッチを感じて転職してしまうデータサイエンティストは後を絶ちません。
実際働いている人に話を聞くための手段としてはインターンシップへの参加や説明会への参加が主な手段となります。新卒採用において求められるスキル要件はここ数年の間でもだいぶ変化があり、昨年の状況と今年の状況でも違うことが多くあります。それどころか昨年は新卒で募集をしていなかったのに今年から募集を始めるような企業もたくさんあります。
最新のフレッシュな情報を手に入れるためには一般的な就活における情報収集の手段だけでは間違いなく不十分です。例えばワンキャリアや就活会議を見ても過去の ES や面接の記録はデータサイエンティスト就活に絞って言えばほぼありません。

データサイエンティストとしての就職先と就活方法

データサイエンティストとして必ず活躍をしたいのであれば、データサイエンティスト枠が設けられている企業を受けることが必須です。
就活生からの人気が高い大手企業ではデータサイエンティストという枠で採用が行われていないことも多いです。データサイエンティストにもなれると言われて入社してみたらシステム部でデータとは全然関係のない仕事をしていたなんてこともよくあります。職種別の採用をしているという最低条件を設けた上で自分の希望に合った企業を選ぶようにしましょう。
また、全社的にデータサイエンスを強みにしている企業もオススメです。例えばデータ分析系のコンサル会社に入社すればよっぽどのことがない限りデータサイエンスに関わることができるでしょう。データサイエンティストとしてのキャリアを歩めるかどうかは最初の就活の時点で大きく変わってきてしまい、その後の転職などでの挽回はかなり難しくなってきます。なぜならデータサイエンティストになるためにはデータサイエンティストの経験がないといけないというジレンマがあるからです。これを唯一未経験の状態から変えることができるのは就活の特権です。
以下のリンク先にも、実際に具体的な社名付きで業務内容が語られているので読んでみてください。

*22社、52人のデータサイエンティストに聞いてみた！「どんなお仕事してますか？」 | Da-nce**本稿では、企業で働くデータサイエンティストたちの"リアル"を調査。データサイエンティストを志した理由や興味深かった論文、普段の業務、自社で働く魅力などを22社、52人のデータサイエンティストに聞きました。da-nce.jp

!https://logical-optimisation.com/wp-content/uploads/cocoon-resources/blog-card-cache/621e37a3058ae1e39d14b075956bc614.jpg
https://www.google.com/s2/favicons?domain=da-nce.jp

★データサイエンティストの年収が低いのは本当か・将来性はあるのか★

「データサイエンティストの年収のリアルを知りたい」
「実際何歳でいくらくらい稼げるの？」
そんな質問をよくいただくので答えます。
データサイエンティストの年収は一般的には増加していくと言われています。しかし現場で働く身としてはこれは一部正しく一部間違っていると思います。

データサイエンティストの年収に関するネット上での意見

データサイエンティストについてネット上で調べると年収がとても高いという意見をよく見かけます。しかし実際にデータサイエンティストとして働いてみるとそれほど年収が高いわけではないことがわかります。
データサイエンティストになれれば高収入になれると思い込んで目指したものの実際のところの収入は大したことがなかったという後悔をする人がよくいるので、この記事はそういった勘違いを正したいという思いで執筆をしています。

原因は平均年収のからくり

どうしてデータサイエンティストの平均年収は高いと噂されるようになったのでしょうか。情報ソースにもよりますが見る限りではデータサイエンティスト職についている人の平均年収を挙げている人が多いかと思います。
データサイエンティスト職についている人の平均年収は高いのでデータサイエンティストになれば高収入が手に入るという主張のものです。
確かに職種別で見た時にデータサイエンティストの平均年収は高くなっています。しかしここにはからくりがあります。データサイエンティストになろうと思う人はそもそも高学歴や理系の人が多いです。こういった人は就活市場でとても人気があるため有名企業など高収入の会社に入りがちです。つまりデータサイエンティストを目指すような人の母集団自体が一般的な就活の母集団とは全く異なるものなのです。
就活生全体を母集団としてみたときとこういった優秀層のみを母集団として見た時で平均年収が違ってくるのは当然のことではないでしょうか。またデータサイエンティストを雇うくらいにデータが豊富にあるような企業は大手企業が多いことも事実です。大手企業ではなくても高度な専門的なコンサルティングを行う企業など一般的な就活生では入れない企業が多いです。
つまりデータサイエンティストの平均年収が高いということは、データサイエンティストになれば高収入になれるという因果関係ではなく母集団の違いを表しているのだと私は感じています。

実際のデータサイエンティストの年収

では実際のデータサイエンティストの収入はどのくらいなのでしょうか。結論を言うと他の総合職と変わりはありません。つまり平均年収が600万円の企業に入ったデータサイエンティストの平均年収は600万円ですし平均年収が1000万円の企業に入れば1000万円になります。
これには例外があってデータ分析系の専門企業やメガベンチャーにおいては個人単位の専門性によってジョブ型雇用に近い形で給与が支払われることが多いのでこういった高度の専門性を持つ方はまた別の評価指標になります。
ただ今日本で働いているデータサイエンティストの中で体感で8割以上の方は他の総合職と同じような待遇ではないかと思います。私は大手企業2社でデータサイエンティストをしてきたこととフリーランスとして様々な企業のデータサイエンティスト系の支援をして来たことから、多くの会社を知っていますがデータサイエンティストだけが給与水準において差がつけられている会社はそこまでありません。
これは人事制度設計を考えればわかることですが人気の職種において給与を必要以上に上げる意味はあまりありません。なぜなら会社としては人材が集まりかつ他社へ転職しなければいいわけですから、就活性人気の高いデータサイエンティストという職業をわざわざ高い給料にする必要はないんですね。残酷ですが給与設計というのは会社側の視点に立てばこのように専門性の高度さだけではなく需要と供給の関係によって決定します。

年収を上げるにはどうすればいいのか

では年収を上げるにはどうすればいいのでしょうか。結論、「転職or出世」です。この章では、これをデータサイエンティスト目線でさらに解像度高く理解できるように説明していきます。
社会人としてデータサイエンティストで働いていると年収を上げるキャリア形成にはいくつかのパターンがあります。基本方針としては以下の3つがあります。
・業界を変える（小売業界からコンサル業界など）
・会社を変える（業界3位から業界1位など）
・出世する（これはそのまま会社内でのしあがる）

業界を変える

業界を変える方法は大変ですが大きく年収を変えられる可能性があります。また、一般的な転職活動で業界を変えることは難しいですが、データサイエンティストは専門性があるので他業界でも受け入れられる確率は高いです。その意味で、転職の選択肢を含めて期待できる年収という軸では、一般的な会社員より上です。（ただし個人の能力や人材市場の環境にもよるので、常にアンテナは張っておきましょう）
例えば今小売業界でデータサイエンティストをしている人がコンサルティング業界でデータサイエンティストをすると年収は100万円や下手したら200万円レベルで変わってきます。これは業界ごとに利益率が異なっているので平均給料が変わることから生じる差です。
業界ごとの平均給与は意外と差が開いているので興味がある方は調べてみてください。
ただし業界を変えると扱う製品が変わるのはもちろんのことですが社風や独特の文化が変わったりもするので転職直後はかなり大変な思いをすることになります。可能であれば新卒の時点で平均年収の高い業界に入っておくのをおすすめします。また業界を変えやすい受託系の会社に入るのも手です。例えばデータ分析の専門系企業やコンサルティング会社などに入ると後から業界を変えることは事業会社に比べると容易です。
何をしたいのかまだ定まっていないのでコンサルに行く、という人は近年かなり多い印象です。実際そういう人は、キャリアにおいて30歳前後で後悔している人は少ないです。その後のキャリアとして、自分の望む形でコンサルに残るなり事業会社に行くなりできています。給料が高いという意味でも、コンサルはおすすめの進路です。ただし学歴重視なところも多いので、学歴に自信がない人は自分の学校のOBが在籍していることを必ず確認しましょう。学歴の差を逆転して内定するには入念な計画が必要です。

会社を変える

会社を変えるという手もあります。同じ業界の中でも会社ごとに平均年収には差があり会社を変えただけで年収が上がるというのはよくある話です。ただし業界内で小さい会社から大きい会社に移るのは簡単なことではありませんしタイミングにも左右されます。
業界内順位の高い会社に転職することは簡単なようで実際は難しいことも多いのです。その点でただ年収を上げたいだけなのであれば業界を変えることをおすすめすることが多いです。
例外的に、新規事業の立ち上げタイミングなどでは大きく採用が動くのでチャンスです。データサイエンス分野は新たに立ち上がったり急拡大することも多いので、各社の情報を常にウォッチしておくといいでしょう。中途でも新卒でも、毎年採用の状況が激しく動くのがデータサイエンティストの人材マーケットの特徴です。新卒就活に比べてコンスタントな採用活動は行われていないところも多いので、「運とタイミング」の要素が強いのが転職活動です。そして、転職活動においてデータサイエンティストという専門性があると運を掴みやすいのは間違いありません。
会社ごとの収入の差については、残業時間や家賃補助など細かいポイントまで含めて、できるだけ現役社員の人に話を聞きましょう。外からではわからないことも多いです。強いていうなら、ネット上ではopenworkの平均年収情報は当てになります。知り合いからの情報は所詮n=1ですが、このサイトでは多くの社員からの口コミをもとにして平均が割り出されています。ただし役職や年次がバラバラなので、注意しましょう。統計リテラシーの高いみなさんなら大丈夫かと思いますが、意外と使い方が難しいサイトでもあります。
会社ごとの情報をしっかりと調べた上でなら、望む年収アップも可能なのが、会社を変えるという選択肢です。

出世する

出世をした人はもちろん年収が上がります。ただ気をつけたいのは出世をすると労働量も上がるので時給換算でむしろ下がる人もたくさんいます。この点についてはなぜ自分が年収を上げたいのかをあらかじめ考えておかないと後で後悔することになるので注意が必要です。
またマネジメントサイドに回ると技術にあまり触れられないこともデータサイエンティストとしては留意しておかなければいけません。技術や数学が好きでデータサイエンティストになった人は一度マネジメント側になってしまうとそういったものに触れられずひたすら社内調整に明け暮れる可能性もあります。年収は高くなってもデータサイエンスができないと嘆いている人は予想以上に多いです。
スペシャリストとしてのキャリアを歩むことができればマネジメントをしなくても収入を上げることはできますがスペシャリストとして出世ができる会社は今の日本ではごくわずかです。もしスペシャリスト路線に行きたいのなら、新卒就活の時点で、そういった出世をしているベンチマークできる先輩が在籍していることを確認しましょう。
新卒就活の時点から自分は将来的にどの程度出世がしたいのか考えておくことで入社後のキャリアパスを描きやすくなるでしょう。

データサイエンティストの年収は意外と低い

データサイエンティストの年収は結局その会社の平均年収程度になることが多いです。もしそれ以上に稼ぎたい場合は業界や会社を変える必要があります。（ただし一般的な会社員に比べて、専門性があるぶん転職活動は有利に進みやすいです）
一部の専門系企業では年収がかなり高いところもあるので専門性の高い人はそういった企業を目指してみても良いでしょう。
また、20代のうちに市場価値を伸ばしておけば、年収の高いポジションにつくことも可能です。成長できる会社の選び方は以下の記事を参照してください。

★時期別のtodo★

以下では、就活生向けに時期別のtodoをまとめました。

5月：ざっくりとした志望業界や企業の設定

この時点ではざっくりとした仮説でいいので志望業界や企業を狭めておきます。
自分が興味があるのはどの業界なのか明らかにしておくことでサマーインターンシップ応募の時点で迷わなくてすみます。
基礎的なデータサイエンティストの職種に関する知識もこの時点で仕入れておきましょう。例えばデータアナリストと機械学習エンジニアの違いやそれぞれの必要スキルに関しては最低限理解しておく必要があります。
冬以降にこれらの区別ができない状態では間違った求人に応募してしまい入社後のミスマッチが生じる可能性が高くなるので注意しましょう。
業界や職種の軸で大体の方向性を定めるのがこの時期です。あくまで仮説ですので後々変わるようなことがあっても問題はありません。仮説を持っていた方がサマーインターンシップを通しての学びをたくさん得ることができたり社員に適切な質問をぶつけることが可能なのでこの時点である程度の仮説を持っておくことが大事なのです。

6-8月：サマーインターンシップ

6月になるとデータサイエンティスト就活生は本格的に動き始める人が多いかと思います。というのもサマーインターンシップの応募が始まるからです。6月の上旬に応募を締め切る企業もあるので注意をしてください。

応募

サマーインターンシップの応募では企業ごとのホームページを見てインターンシップの開催情報をまず見つけるところから始まります。自分の行きたい業界の希望職種について参加できるインターンシップが開催されているのかを確認しましょう。
大学院を卒業していないといけないインターンシップや扱えるプログラミング言語によっては参加できないインターンシップがあるので自分が参加条件を満たしているのかも合わせて確認します。
その上で応募する企業をリストアップしてエクセルやnotionでまとめておきましょう。応募する数としては10社ほどは応募することをおすすめします。例えばメルカリやLINEなどの人気企業のインターンシップは3名ほどの採用者に対して数十名の応募が押し寄せられると言われています。
数打ちゃ当たるの精神も少しは必要です。

選考

インターンシップの選考が始まるのは6月中旬頃です。企業にもよりますがインターンシップの面接時点で3回ほど面接があるのが平均的です。
合わせてウェブテストや技術面接もあるのでこの時点で対策をしっかりとしておきましょう。

参加

参加できた企業数によって今後の有利さが変わってきます。あまり参加できなかった人も9月以降の対策次第で挽回することが可能ですのでまだ諦めないでください。
インターンシップの中で評価を得られた場合は本選考の一部免除もあります。1ヶ月ほどの長いインターンも多いですが全力で乗り切りましょう。

9月：秋以降の計画を立てる

サマーインターンシップも終わって一段落するのがこの頃です。ここまではサマーインターンシップに参加することと成果を出すことに注力してきましたがここからは長期計画を立てて本選考までに爪を研ぐ必要があります。

自己分析

サマーインターンや説明会で参加した企業についてどこの部分に魅力を感じたのか言語化して、自分の好みや得意分野を明確にしましょう。必要に応じて過去の体験やガクチカからも自分の個性を見いだし、就活全体の方針に反映させましょう。

面接対策

データサイエンティストの新卒就活において対策しなければいけない面接は通常の面接に加えて技術面接です。技術面接では研究の内容やトレンドの技術について質問をされます。やることが多くて大変ですがデータサイエンティストの内定者や現役のデータサイエンティストからの意見を聞けると一番効率的に対策ができます。

業界研究

データサイエンティストの就活の特徴として多くの業界を受ける人が多いということが挙げられます。例えば金融業界とヘルスケア業界と不動産業界を併願する人は普通はほぼいません。しかしデータサイエンスという職種軸で就活を進めているのでこういった他業界の併願をする人はとても多いです。
業界研究には普通の就活よりも多くの時間を費やす必要があるので早めに始める必要があります。通常の業界研究に加えてデータサイエンティストとして働きやすい環境かどうかなど特有の要素についてしっかりと研究をしましょう。

志望企業の優先度づけ

業界研究の結果を踏まえて志望企業に順位付けをします。
ウィンターインターンシップ以降は予定が重なることも増えるため秋時点で優先度を決めておくのです。これによって後々迷わないで済むようになります。もしこの時点で志望順位が明確にならない場合はインターンシップでどんな情報を得たいのか前もって言語化しておき、実際に会社の人に会った時に逆質問をするチャンスを逃さないようにしましょう。ウィンターインターンシップ以降はこういった自分のやりたいことを熟考する機会はほぼなくなると言っても過言ではありません。ゆっくりと就活のことについて考えられるのはこの秋の時期までだと思ってください。。

12-2月：ウィンターインターンシップ

サマーインターンシップ同様に応募と選考対策と参加をします。
この時点まで来るとだいたいの自分の想定到達点が分かってくるかと思います。
一部の人は内定を獲得し始めます。また超優秀層は秋時点でもう内定を獲得して就活市場からいなくなります。サマーとは全く違った雰囲気の中で緊張感のあるインターンシップに参加することになります。

3-5月：本選考

いよいよ本選考が始まるのがこの時期です。
選考フローとしてはインターンシップとそこまで変わりはありません。ESを出した後には数回の面接があり別途コーディングテストか技術面接が挟まれるケースが多いです。
コンサル企業の場合はケース面接やフェルミ推定が入ることもあります。自分の志望企業の本選考のフロアについては早めに把握をしておき秋のうちに対策をするのが必要です。

全体像を把握して早めのスタートを

早めのタイミングで就活のタイムスケジュールを把握することで、無駄のない就活が可能になります。今回ご紹介した全体感をもとにして、気になる部分を深掘りしましょう。就活のフェーズごとのtodoについてはこのサイトの他の記事もぜひ参照してみてください！

★Q&A：文系からでもDSになれる？★

なぜ文系からデータサイエンティストになりにくいのか

文系からデータサイエンティストになれない理由としては大きく分けて2つの理由があります。

理系の知識がない

まず理系の知識がないことです。ここでいう理系の知識とはデータサイエンティストの3大能力におけるビジネス力以外の2つです。つまり数学的な能力とエンジニアリング能力です。
データサイエンティストは理系的な知識を持っている前提で働くことになる職種なので、ここに対する適性がないと判断された瞬間に書類で落ちてしまいます。
文系学部に在籍している人と理系学部に在籍している人のESが人事部の前に並べられて、どちらか1人を採用するか選ぶ場合を想像してみてください。自分がもし人事部の担当者であっても理系の方を採用したくなってしまうのではないでしょうか。
バックグラウンドによる先入観の力は思った以上に強力です。

理系的なポテンシャルの証明ができない

これから勉強を頑張って理系に追いつくこともできるかもしれないと思っている人も多いと思います。そしてポテンシャルを企業に見て欲しいと思うことでしょう。しかし残念ながら文系として大学に在籍している立場からポテンシャルの証明ができないということも大きな原因です。
つまり理系の知識がないという現時点での状態プラス、ポテンシャルの証明手段も持っていないという状態から、論理的に考えると将来的に期待はできないと思われてしまうのです。
上記からわかるように「今ある程度スキルがあること」それが無理なら「これからスキルを身につけることができるポテンシャルがあること」を証明することができればここの壁を乗り越えることができるとわかります。では具体的にどのようにしていけばいいのでしょうか。

どうすれば文系からデータサイエンティストになれるのか

以下ではどのようにすれば文系からデータサイエンティストになれるのかを説明していきます。

就活時点でスキルを身につける

一番手っ取り早いのは就活の時点でスキルを身につけておくことです。では具体的にどのようなスキルをどのように身につけていけば良いのでしょうか。以下で解説いたします。

インターン

一番手っ取り早いのは長期インターンに応募することです。文系であってもデータサイエンティスト人材の長期インターンには受かることができることが多くあります。特に学歴のある人は有利です。最低限のドキュメンテーション能力や地頭が評価されるので、ベンチャー企業のデータサイエンティストインターンであれば数打ちゃ当たります。
そこで一度データサイエンティスト経験を積めれば占めたもの。その後は芋づる式に企業の採用直結インターンに行けたり、本選考も通ります。
文系の人はまだ就活まで時間があるようであればインターンシップへの参加をしましょう。

kaggle

すでに機械学習や数学の知識はあるけれど証明する手段がないと思っている人はおすすめです。明確で客観的な指標の下で機械学習のスキルが可視化されるため、ただ単純に自分は詳しいですと面接官に言って聞かせるよりもはるかに説得力があります。

研究

可能であれば統計学を用いる研究テーマを選んで短い間だけでも研究してみると良いでしょう。研究という形で厳しければゼミで統計学を用いるなどです。例えば心理学や社会学における調査手法では統計学を用います。この他にも文系の分野で理系的な知識を用いようとすると案外いろんなフィールドで使えるものです。大学で理系の勉強はできないと諦めずに研究テーマ選びで少しでも統計学に近いものを選びましょう。

ポテンシャルを示す

現時点で力を証明する手段がないようであれば将来的なポテンシャルを示すことになります。このポテンシャルは必ずしも理系的なスキルに限らないものでも構いません。企業のニーズとしては理系的な知識以外にもたくさんの能力が求められています。

ビジネス能力

まずビジネス能力です。これは相手の立場に立って考える力であったりお金の感覚、マーケティングなどの特定の分野のスキルなどです。ガクチカの中にこういった能力を盛り込んでもいいですし、過去の選考通過者のESをワンキャリアなどで参考にしてアピールポイントを自分も考えてみてもいいでしょう。

地頭

コンサルでは特に地頭が見られます。技術面接でもメガベンチャーほどの難易度の高い質問はまれで、ロジカルに話せることやコミュニケーション能力が見られます。技術力ゴリゴリの人よりも下手したら地頭力のある人の方が受かりやすいので、データサイエンティストとして採用されることを文系から目指すのであればコンサルはおすすめの進路です。

学習能力

データサイエンティストは絶え間なき学習の必要とされる職業なので、学習習慣がついていることはプラスに働きます。もし他分野で勉強を頑張った経験があるのであればその力をアピールすることでポテンシャルを示せる可能性もあります。

院進も強力な候補

ここまで文系からデータサイエンティストとして就職するために役立つ情報を説明してきましたがどうしても大学院に進まないといけない企業も存在します。人生に一度の新卒就活なので大学院への進学も一つの候補として入れてみても良いでしょう。
最近はデータサイエンティスト専門の大学院もたくさんできています。例えば滋賀大学や横浜市立大学です。
文系からの受験が可能なところもたくさんあるので一度こちらも合わせて調べてみると将来的な選択肢が広がるでしょう。

文系からでも道はある

自分は文系だから将来的にデータサイエンティストになるのは無理だと諦めている人をよく見ます。しかしこの記事の中で述べたようにあなたが今文系でもデータサイエンティストになるための道はたくさん存在します。
今回は一つ一つの分岐について深く語ることはしませんでしたが人によって最適なパターンを選択して計画を立てることで就活までに間に合わせることは可能です。

★Q&A：March以下卒でもDSになれる？★

March卒でDSになりたいという人も多いので、以下で解説します。

なぜ学歴がないとデータサイエンティストになりにくいのか

学歴がないとデータサイエンティストになれない理由としては大きく分けて2つの理由があります。

理系の知識がない

まず理系の知識がないことです。ここでいう理系の知識とはデータサイエンティストの3大能力におけるビジネス力以外の2つです。つまり数学的な能力とエンジニアリング能力です。
データサイエンティストは理系的な知識を持っている前提で働くことになる職種なので、ここに対する適性がないと判断された瞬間に書類で落ちてしまいます。
Marchに在籍している人と東大に在籍している人のESが人事部の前に並べられて、どちらか1人を採用するか選ぶ場合を想像してみてください。自分がもし人事部の担当者であっても東大の方を採用したくなってしまうのではないでしょうか。
バックグラウンドによる先入観の力は思った以上に強力です。

理系的なポテンシャルの証明ができない

これから勉強を頑張って高学歴の人に追いつくこともできるかもしれないと思っている人も多いと思います。そしてポテンシャルを企業に見て欲しいと思うことでしょう。しかし残念ながら今の大学に在籍している立場からポテンシャルの証明ができないということも大きな原因です。
つまり理系の知識がないという現時点での状態プラス、ポテンシャルの証明手段も持っていないという状態から、論理的に考えると将来的に期待はできないと思われてしまうのです。
上記からわかるように「今ある程度スキルがあること」それが無理なら「これからスキルを身につけることができるポテンシャルがあること」を証明することができればここの壁を乗り越えることができるとわかります。では具体的にどのようにしていけばいいのでしょうか。

どうすればMarch以下の学歴からデータサイエンティストになれるのか

以下ではどのようにすればデータサイエンティストになれるのかを説明していきます。

就活時点でスキルを身につける

インターン

一番手っ取り早いのは長期インターンに応募することです。学歴に自信がなくてもデータサイエンティスト人材の長期インターンには受かることができることが多くあります。ベンチャー企業のデータサイエンティストインターンであれば数打ちゃ当たります。
そこで一度データサイエンティスト経験を積めれば占めたもの。その後は芋づる式に企業の採用直結インターンに行けたり、本選考も通ります。
就活までまだ就活まで時間があるようであればインターンシップへの参加をしましょう。

kaggle

研究

可能であれば統計学を用いる研究テーマを選んで短い間だけでも研究してみると良いでしょう。研究という形で厳しければゼミで統計学を用いるなどです。これは文系でも可能です。例えば心理学や社会学における調査手法では統計学を用います。この他にも文系の分野で理系的な知識を用いようとすると案外いろんなフィールドで使えるものです。大学で理系の勉強はできないと諦めずに研究テーマ選びで少しでも統計学に近いものを選びましょう。

ポテンシャルを示す

ビジネス能力

地頭

コンサルでは特に地頭が見られます。技術面接でもメガベンチャーほどの難易度の高い質問はまれで、ロジカルに話せることやコミュニケーション能力が見られます。技術力ゴリゴリの人よりも下手したら地頭力のある人の方が受かりやすいので、ここで勝てると思う人はチャレンジしてみてください。

学習能力

院進も強力な候補

ここまでMarch以下からデータサイエンティストとして就職するために役立つ情報を説明してきましたがどうしても大学院に進まないといけない企業も存在します。人生に一度の新卒就活なので大学院への進学も一つの候補として入れてみても良いでしょう。
最近はデータサイエンティスト専門の大学院もたくさんできています。例えば滋賀大学や横浜市立大学です。一度こちらも合わせて調べてみると将来的な選択肢が広がるでしょう。学歴自体を塗り替えることができるので、一番根本的かつ確実な解決策です。

学歴に自信がなくても道はある

自分は低学歴だから将来的にデータサイエンティストになるのは無理だと諦めている人をよく見ます。しかしこの記事の中で述べたようにあなたがデータサイエンティストになるための道はたくさん存在します。
今回は一つ一つの分岐について深く語ることはしませんでしたが人によって最適なパターンを選択して計画を立てることで就活までに間に合わせることは可能です。

★Q&A：資格は必要？★

資格はデータサイエンティスト就活に必要なのでしょうか？

資格はなくてもいい

結論として資格はなくても大丈夫です。
ここでなくても大丈夫という言い方をしたのは資格があると最低限の証明にはなるがそれは必要でも十分ではないという意味です。
以下で理由を説明します。

理由1：過去の実績

まず過去の就活生の事実ベースで話をします。難関と言われるデータサイエンス系の企業に内定した人でも資格を持っている人もいれば持っていない人もいます。そして通過率は資格によって大きく変わることはありませんでした。ここからも資格による優遇が大きく働いているとは考えにくいです。

理由2：人事の話

次にデータサイエンス系の会社で人事をやっている知り合いから聞いた話ベースで話をします。近くについては持っているに越したことはないがそれで採用がどうこう決まる話ではないと言っていました。
選考フローの中で書類の時点で落とすかどうかには若干使われるようです。例えば文系の学部卒で書類の中でプログラミング言語経験がなし資格もなしという状態ですと、他の理系大学院卒の人の方が優先して通ることは感覚的にもわかるでしょう。このように書類時点で明らかにスキルがないから弾くというのを避けるためには資格の取得は有効かもしれません。しかしこの目的で資格を取得するなら後述するkaggleの方が費用対効果が高いので、わざわざ資格の方面をやる必要はあまりありません。
しいて言うなら統計検定の2級を持っていると最低限の証明にはなるので文系の人は持つと役立つかもしれない程度です。長期のインターンシップ経験がある人はこの辺はどちらでもいいです。また、統計検定という話だと、準一級くらいは持っているのが望ましいです。例えば滋賀大学のデータサイエンス研究科でも、統計検定の準一級を持っていることは事実上入学に必須になっています。世間的にも、統計検定を持っているDS就活生は増加しています。ここから、データサイエンス選考のベースラインとしてこのくらいの水準が就活にも求められるようになるのではと予想しています。「証明」として使うのなら、現在の就活市場の基準値を把握して、自分の能力の不足している分野で資格取得を取る場合は、有効です。
理系の大学院生についてはそもそも大学院の入試時点で統計検定2級ぐらいの試験は受けているはずですし面接官もそんなことは分かっているので資格を取るための努力はコスパ悪いです。証明は一つで十分です。

就活ではどのような問われ方をするのか

実際の就活でどのように資格が問われるのかをイメージつかない人も多いと思うので軽く説明します。エントリーシートを提出する際に保有資格を書く欄がある企業が多いです。そこにデータサイエンス系の資格を書いたりTOEICの点数を書いたりします。
ちなみにそのほかには、使えるプログラミング言語や、kaggleやAtCoderの成績を書く欄もあります。（こちらは任意記入がほとんどです）
なので保有している資格については一応企業側に伝わるという考えをした方がいいでしょう。この記入欄があることから資格が重要視されているのではないかという仮説を持つ人が例年多いです。（実際は大きく選考に影響は与えていません）
また面接内でも聞かれることはあります。事務的に必ず保有資格を聞かれるということはあまりなく、会話の流れで資格の有無について聞かれることはあります。ただ理系の方はあまり聞かれることはない印象です。
文系の方が最低限のスキルを持っているかの確認として聞いてくる人がいるくらいです。

資格よりも有効な技術力の証明方法

kaggle

資格を取るよりもkaggleをやった方が圧倒的に効率がいいです。というのもデータサイエンス業務への親和性が高いからです。また客観的な指標として結果が出るのも良いところです。資格試験の良いところは客観的に成果がわかることですがkaggleは個人的にはその上位互換になると思っています。
データサイエンスをやっている人ならほとんど知らない人はいないので、少なくとも業界内では国家資格くらいの力を持ちます。
データサイエンス系で今日本に存在する資格はどうしても実務というよりは机の上のお勉強という感じがします。一方でkaggleの場合は実務で使うようなデータを扱うことになるので仕事での成果に直結するという考えの人が多いです。

長期インターン

長期でのインターンシップ参加は他の何よりも強いかもしれません。実務で成果を出したということが仕事能力の直接的な証明になるからです。実際メガベンチャーなどにデータサイエンティスト職として採用される人はインターンシップで何かしらの成果を出している人が多いです。
例えばビジネス上の課題に気づいてやり方を提案して実際に実装まで進めたような人はデータサイエンティストの間で人気の高いメガベンチャーに就職していました。ここまで一気通貫でやることができなくても分析業務において自分の研究を生かして高い技術力を見せた場合など、強みの生かし方次第で色々なやり方はあります。
どちらにせよ長期のインターンシップに参加しないと始まらないので、まだインターンシップを経験していないという就活生は参加できるところを探してみましょう。まだある程度の時間が残っているのならインターンシップは絶対に参加するべきです。

研究実績

理系の大学院生の場合は研究実績を必ず聞かれます。ここで成果を出しているのかどうかはとても大事になってきます。当たり前のことですが就活と並行して研究もちゃんと頑張りましょう。また大事なのは研究を頑張ることそれ自体だけではなく研究をうまく伝える技術も身につけることです。これは技術面接という先行フローにおいて生きてきます。このように資格よりも有効な自分の実力の証明方法がたくさんあるので無理して資格を取る必要はありません。

「資格信者」になってはいけない

資格試験を取得するということは日本では大きな権威性になっています。また結果が出るまでの過程が明確であり他の人からも認められやすいため資格試験を獲得するために全力を費やしてしまう人をよく見ます。
しかしあくまで就活をゴールとするのであれば資格試験の取得はゴールではなく手段に過ぎません。資格という明快な目標に向かって頑張ることはやりがいもあることですが、実際に就活で評価されるのは長期のインターンシップで泥臭く結果を出した方です。
世の中には資格試験の取得をおすすめするような人が多くいますがデータサイエンティストという観点からすると入社後に活躍するのも学生時代から長期のインターンシップなどで実務的なデータに触れてやってきた人です。
机の上のお勉強ももちろん大事ですが早めに実践的な現場に行くことをおすすめします。

★「データサイエンティストはやめとけ」と言われる理由★

データサイエンティストはやめとけと言われる理由1
データサイエンティストをやめとけと言われる理由の1つめは、「仕事内容のイメージと現実の違い」です。
皆さんはどのような理由でデータサイエンティストを目指したのでしょうか？
・数学を活かして仕事ができるから
・プログラミングスキルを活用できるから
・高度の専門性が身に付くから
上記のような理由で目指す人も多いかもしれません。しかし、現実として上記が満たされる職場は少数です。順に解説していきます。

データサイエンティストは数学を活かして仕事ができるか

データサイエンティストというと数学を活かして仕事をしているイメージを持つ人が多いでしょう。実際それは間違ってはいません。データサイエンティストは一般的なサラリーマンの中では数学を多く使っていますし、一部の方は研究者並みの数学を使っている方もいます。
しかし留意して欲しいのは世の中でデータサイエンティストとして働いている人の業務は、想像の何倍も泥臭いという事実です。この点に落胆する人も多いでしょうが将来的な職業選びを誤ってほしくないのであえて素直に書こうと思います。
理由は単純で、データを使うにはいくつもの工程を経なければならないからです。例えば、データの収集から困難にぶち当たることが多いです。他の部署の人がデータをくれないことや、せっかくもらったデータが、汚いために前処理に膨大な時間を使うと言うこともザラです。かっこいいデータ分析作業はあくまで一部であり、仕事の大半は泥臭い作業になってしまうのです。
そこまでして必死にデータをかき集めたとしても、いわゆるデータサイエンティストっぽい高度な分析ができるとは限らないのです。企業において大事なのは周りの人を納得させることです。理解できないことに納得する人はいないので、高度な数学を用いても「何を言っているの」と言われてお終いになってしまいます。なので社内で使う数学のレベルも下げざるを得ないというのが実情です。
データサイエンティストは、ビジネスマンである以上、周りの人を納得させることの方が高度な手法を使うことよりも重要なのです。もし高度な手法をそれでも使いたいと言うのであれば、その手法を使うことによって、利益が生まれることを周りに説明しなければいけません。ただ、技術力が高いと言うだけではなく、業務の計画について、きちんと社内政治ができる力がとても大事です。
もちろん企業によって、周りのレベルが高いところでは数学力を発揮できます。具体的には、ブレインパッドやアクセンチュア、エクサウィザーズなどの専門企業では高度な数学が必須になります。

データサイエンティストはプログラミングスキルを活用できるか

次にプログラミングスキルを活かせるかどうかという問題です。この点についてはどこの企業に所属するかが大きく影響します。プログラミングを活かしたい場合は大手企業への就職はあまりお勧めしません。というのも大手企業ではほとんどの人はコーディングをせずにマネジメントよりのことをするからです。
プログラミングスキルを活かしたいという人は自分でコーディングしたい人が多いと思いますが、この点は大企業だと叶えることができません。
プログラミングスキルも数学と同様で、どんなに美しいコードを書いたとしても周りの人が文系ばかりだと理解してくれる人はいません。理系の大学院などにいた人がこの点はイメージしにくいかと思いますが、理解できない技術に価値はないとみなされます。
ただこの限りではないような環境も一部存在するので後述します。

データサイエンティストは高度の専門性が身に付くか

データサイエンティストという専門性があれば一生食いっぱぐれないと思っている人も多いでしょう。この点について実務をこなした経験から語らせてもらいます。
結論、データサイエンティストを高度の専門性として身につけるためには一定レベルの才能と不断の努力が必要です。
データサイエンティストとして優秀になろうとすると数学かプログラミングのどちらかにおいて周りを凌駕するほどの能力が必要です。そしてそういったことができる人たちは学生時代から、「勉強しなくても数学はできた」といったタイプの人が多いです。近年データサイエンティスト分野への興味を持つ人が多いですが、実際活躍して技術力を発揮できる人は、やはり限られた人なのだと認識しておきましょう。
別の業界で状況が似ているのは、コンサルティング業界です。コンサルティング業界が人気ですが、一般的にイメージされるようなかっこいい仕事はできる人がごく一部であることに似ています。ビジネス上の意思決定ができるのは、戦略コンサルや、特定領域に高度な専門性を持っている人になります。活躍できるのはごく一部、そういった心構えがデータサイエンティストでも大事です。
一流の環境に行くほどこの点を実感することになります。それでも自分は頑張ることができるのかをしっかりと考えておきましょう。もちろん、意思決定ができないような作業者として、一生データサイエンティストをやっていくのであれば、食っていくだけなら可能かと思いますが、そこを目指している人はほとんどいないはずです。
競争が激しい中で、高度な専門性を身に付ける覚悟を持ちましょう。周りの人は、データサイエンスが好きで趣味感覚でやっている人や、休みの日もずっとコンペをやっているような人も多いです。

データサイエンティストはやめとけと言われる理由2

データサイエンティストをやめとけと言われる理由の2つめは、「データサイエンティストを活用できる会社の少なさ」です。

データサイエンティストを活用できる会社とそうでない会社の違い

データサイエンティストとして幸せな人生を歩みたいのであれば就職先選びはとても大事です。データサイエンティストという一言でまとめられてしまいますが企業によってやっていることは全く違うということが多いです。
データサイエンティスト活用できる会社と活用できない会社は明確に分かれています。活用できていない会社は一時期のビッグデータブームに乗っかったものの現在は社内でデータサイエンティスト人材を持て余している状態です。
データサイエンティストが入社して幸せになれる会社、つまりデータサイエンティストを活用できている会社の特長は以下のようです。
・豊富なデータを取得することができる
・データサイエンスが社内で説得力を持つ
そうでない会社は、上記に当てはまらないものです。

データサイエンスを社内で活かす条件

上記の条件について、ひとつずつ解説します。
豊富なデータを取得することができる
データから導かれるアウトプットの質は元のデータに比例します。データサイエンスはよく料理に例えられますが、腐った食材から美味しい料理を作ろうとしても限界があるのです。逆に良い食材があればある程度手を抜いていても美味しいものは出来上がります。
豊富なデータを取得できる企業の例は以下のようなものです。
・データ分析を専門とするコンサルティング企業
・社内連携の円滑なメガベンチャー
・データ分析で PDCA を回す文化が根付いている Web マーケティング企業
逆に豊富なデータを取得できないのは、部署間で壁がある大企業などです。どの程度のデータを元にして分析を行うことができるのかを調べてから入社することでミスマッチがなくなるでしょう。
データサイエンスが社内で説得力を持つ
データサイエンスが社内で説得力を持つこともとても大事です。
先ほど述べたようにデータサイエンスに対して理解がない人が多いと、社内のプレゼンにおいてもデータサイエンスを用いることができなくなってしまいます。すると力学的に考えて、データサイエンスに対して上司は稼働を割いてくれなくなります。
データサイエンスが社内で説得力を持つ、という条件を満たす企業の例は以下のようなものです。
・理系大学院出身のメンバーが多い。顕著なものだとIT系企業の研究所など
・中小企業の場合は社長や役員が理系出身
・データサイエンスを用いた成功事例がある
データサイエンスの「地位」が会社によって異なるので注意しましょう。

それでもデータサイエンティストになりたい人は何をすれば良いのか

ここまで読んでもデータサイエンティストになりたいと思った人には、今から以下に取り組むことをおすすめします。

業界・企業研究をする

今やるべきことはプログラミングではなくビジネスへの理解です。データサイエンティストを目指す人はもともと数学やプログラミングに興味がある人はほとんどだと思うので今更そちらをやることを私からはおすすめしません。
むしろビジネスへの理解を深めた方が将来的に仕事をしていて幸せになれるでしょう。どの業界はどんな方法で価値を生み出しているのか、興味の持てる業界はどこか。データサイエンスの将来的な伸びが期待できるのはどこか。
スキルは持っているだけでは意味がなく使い方が全てなので、興味の持てる業界について徹底的に研究をしてください。

実際にデータサイエンティストに会いに行く

データサイエンティストに10人以上会って話を聞きましょう。まだまだデータサイエンティストについて一般的に公開されている情報は少ないです。
ネット上には情報が転がっているものの、専門家ではない人が執筆していたり、浅い知識に留まるものも多いです。やはり実際に働いている人に聞きに行くに越した事はありません。
その際に気をつけて欲しいのは、特定の業界や会社規模の人に集中してしまわないようにすることです。様々な業界の様々な会社規模の、様々なポジションの人に聞いてみましょう。
それぞれの視点からデータサイエンティストというものについて理解を深めることで、今までのイメージが変わっていくことに気づくことでしょう。

★データサイエンティスト新卒就活における技術面接の対策★

データサイエンティストを目指して新卒就活をしていると技術面接にぶち当たることがあります。データサイエンティストの職種別採用を行うほとんどの企業ではコーディングテストか技術面接のどちらかを課しています。これは入社時点である程度のデータサイエンスの素養があることを確認するために用いられます。
職種別採用の場合は入社時点で即戦力が求められることも多いので入念な対策が必要とされます。
しかしネット上には技術面接に関する情報はほとんどありません。もし情報があったとしても一般的なエンジニア職の技術面接の内容でありデータサイエンス色の技術面接の内容はほぼありません。これはデータサイエンティスト新卒採用が近年始まったものであるためまだネット上に情報が出るほど十分な歴史がないからです。毎年DS就活をする母数自体が少ないことも原因です。

想定される質問内容と対策方法

過去何年かデータサイエンティスト就活を見てきて技術面接の相談もたくさん乗ってきました。そんな中でよくある質問内容だと感じたものをいくつかあげます。

研究に関すること

まず研究に関する質問はとても多いです。特に情報系やデータサイエンス系の研究をしている人はほぼ間違いなくそのことを聞かれます。
対策方法としては研究の内容について知識がゼロの人でもわかるように説明できるようにしましょう。普段の研究室の環境においては相手が自分の研究内容を知っている人でありかつ近い分野の専門性がある人であることが多いです。ここでの説明をベースにして考えてしまうと全く知識のない人に対して説明が分かりにくいと思われてしまう可能性があります。
そしてデータサイエンティストの採用基準の1つに分かりやすい説明ができるということがあります。これはデータサイエンティストという職業柄専門的なことを扱うのですがビジネス系の人と協力して仕事を進める上で意思疎通を図ることが必須だからです。そして難しい専門用語を使うようなデータサイエンティストはビジネス系の人をうまく巻き込むことができず会社の中でうまく価値を出せないことになりがちです。
研究内容の高度さをアピールしようとする人が多いのですがどちらかというと相手に対して伝わりやすいように噛み砕いて説明することを考えるといいでしょう。
そのための練習として自分の研究内容について詳しくない人に説明をしてみて違和感がないかどうか確認してもらうと良いでしょう。

データサイエンス関連の簡単な知識

研究内容とは関係なくともデータサイエンス関連の簡単な知識を問われることはよくあります。例えばディープラーニング系の用語であったり基礎的な統計の公式について問われることがあります。データサイエンティストを用いて基礎的な勉強をしていれば問題ないことが多いですが、しばらく研究に没頭していて幅広い勉強をしていない人は知識の抜け漏れがないかあらかじめ確認しておき軽く復習しておくと良いでしょう。
もし文系学部卒の方でこういったことを勉強していない人がいれば市販の本でいいので知識を入れておくことをお勧めいたします。理系の大学院卒の人に比べてすでに経歴でビハインドを持っている状態なのでせめて技術面接におけるこういった質問には完璧に答えられるようにしたいところです。

業界研究や会社研究との結びつけ

多くの人がつまずくのはここのポイントだと思っています。
自分の研究内容やデータサイエンスの学問的な領域だけではなくビジネスとの結びつけについて聞かれるのです。
例えばこの会社の事業に対してデータサイエンスの課題を指摘して解決案を述べてくださいと言ったものです。これは実際に2023年のサマーインターンシップ選考で有名企業で問われた問題です。
この質問の難しいところは技術的なことだけをマスターしていても答えることができないことです。会社の業務内容についてきちんと理解してビジネスの現状を把握しさらに問題点まで指摘できるぐらいでないとすらすら回答を述べることはできません。サマーインターンに応募する時点で企業研究についてもある程度しておいてねという企業がわからのメッセージが感じられます。
早いうちから自分の身につけた技術が社会でどう生かされているのかについて関心を持ちインプットする姿勢が本番では生きてきます。単純に答えればいいというわけではなく面接官からのツッコミが入ることもあるので業界研究とデータサイエンスという両面からビジネスを語れるようになっておきましょう。

対策方法について補足

データサイエンティスト新卒就活における技術面接はかなり高いウェイトを占めています。コーディングテストと違うところはその場で瞬発的に答えを返さなければいけないところです。
そして多くの人は難しく答えようとしすぎたり一度の説明量が多くなりすぎたりして面接官を混乱させてしまいます。知識を入れることはもちろんですが人に伝えるという部分について入念な対策が必要です。
普段研究をしていたり長期のインターンシップをしているだけでは気づかないような視点が面接官からすると非常に大事だったりします。一般的な面接とは違う技術面接ですが、ちゃんと対策を行っていくことで通過率を高めることが可能なので是非頑張ってください。
企業によって質問の系統が異なるので過去問を調べておくのも大事です。想定される質問についてはエクセルなどで回答をまとめておきその場で瞬時に出てくるようにしましょう。

コーディングテストの概要

コーディングテストは新卒採用のフローにおいて入ることが多いです。大体はエントリーシートを出した後に1次面接の前後のタイミングで挟まれます。その後面接が複数回あり内定という流れが一般的です。
コーディングテストは課される会社もあればそうでない会社もあります。普通の面接みたいな形式で技術面接というものが課されることもあります。この場合は会話の中で技術に関する知識や経験を問われることになります。今回の記事のテーマはコーディングテストなのでこちらの形式についてより深く掘り下げます。
データサイエンティストのコーディングテストには競技プログラミングのAtCoderに出るような問題が出ます。3問か4問程度の問題で構成されているのが一般的です。
1問目や2問目は簡単な問題が多いです。ラストの問題はどの会社も難しいことが多く、AtCoderで言うC問題とかD問題のレベルになります。
ちなみにLINEの場合は例外的に最初の方の問題から難しいことも多いです。データサイエンティストにバキバキに寄った内容というよりかは一般的なプログラミング能力を測るような問題であることが多いです。その意味でデータサイエンティストに特化した対策を行うというよりは一般的なコーディング的な対策をした方が費用対効果は高くなります。
使用するプログラミング言語はAtCoderのように様々な言語の中から選べます。自分の得意な言語を使えばいいですかデータサイエンティスト志望者ではPythonを使う人が多い印象です。
一部の会社ではSQLを使うこともあります。例えば2023年のメルカリのサマーインターンシップではSQLが必須になっていました。普段kaggleなどでPythonしか使っていなかった人はここに面食らっていたようです。データサイエンスに関する周辺の知識、例えばデータベースなども広く浅くていいので対策をしておくことをおすすめいたします。
意外と対策していない人が多いのはアルゴリズム問題です。
例えばLINEにおけるデータエンジニアのコーディングテストではアルゴリズム問題が課されることが公式ホームページに書かれています。
引用元：https://linecorp.com/ja/career/newgrads/engineering/flow
単純にPythonに秀でていればいいというわけではなく情報系の様々なスキルが必要とされることがここからわかります。

対策方法

ではどのように対策をしていけばいいのでしょうか。
一番手早いのはAtCoderやkaggleをこなすことです。また可能であれば長期のインターンシップに行くのがおすすめです。
実際に問題を解いたり実務に携わることで自然と実力が身についていく状態が理想的です。この過程で技術力を証明できる客観的な実績も手に入るので一石二鳥です。文系からデータサイエンスの勉強をする場合よくある間違いとして市販の本を買ってそれをマスターしようとしてしまうというものがあります。
着実に技術が身についている感じがして達成感はもてる方法ですがあまりおすすめしません。なぜなら実際に分析で使う技術というのは本に書かれているうちのごく一部であり、本に書かれていないような問題への対処こそがデータサイエンティストの難しさであるからです。
この部分を実感できていない段階で新卒就活に突っ込んでしまうとコーディングテスト以外に面接においてデータサイエンティストの人と話す中でもそれが伝わってしまいます。
長期のインターンシップにできれば参加して、それが無理なようであればプログラミングコンテストに参加しましょう。

志望動機について：分割して考える

基本的な方針としてはデータサイエンティスト的な志望動機と一般的な志望動機を両方用意しておき必要に応じて両方説明できるようになっておくことが大事です。

業界や企業についての一般的志望動機

一般的な志望動機とはデータサイエンティスト職以外の総合職の人も使っている志望動機です。今の時代はワンキャリアや就活会議で調べればこの点の情報は出てくるので特に大手企業志望者の人はそこまで苦労することはないでしょう。だいたい型が決まっています。もちろん一般的に総合職を受ける程度の難易度はありますがデータサイエンティスト新卒就活特有の高度さは必要ありません。

データサイエンティストならではの志望動機

多くの人にとって悩ましいのがこちらの部分です。
その企業特有のデータサイエンスの取り組み
ESを提出する企業は今データサイエンスでどんな取り組みを行っているでしょうか。例えばデータサイエンス系のコンペに出場した人のインタビュー記事がネット上に出ていたら必ず読みましょう。その上でその人の所属部署に関して公式サイトで調べて、コンペで活かすようなデータサイエンスが実際にどのように現場で使われているのかを理解します。さらにその事業部自体の歴史を調べ上場企業であればIR資料などを調べて、会社全体の方針の中でデータサイエンティストがどのような役割を果たしているのかを調べます。無論ここまで深く調べるのは志望度の高い企業に限った話でも良いですが、このくらいまで調べるとデータサイエンティストの観点から事業全体にどのような貢献ができるのかを深い解像度で語ることができるようになります。近年のデータサイエンティスト新卒就活においてはES時点で切られることもとても多いのでここの部分のリサーチは大事になります。
その企業のデータの特徴
業界や企業によって集まるデータの種類はかなり違ってきます。例えば企業向けECサイトの大手であるモノタロウでは、ECサイトなので顧客ごとの購入データが多く集まっています。レシピサイトであるクックパッドでは、料理やレシピの莫大なデータとそれぞれのレシピへの口コミが集まっています。自動車の自動運転事業においては、画像解析などのデータが集まっているでしょう。その企業によって集まるデータは様々です。自分の研究分野にどのように結びつくのかを把握しておき、その上で貢献できる場所を明確にすることが大事です。
その業界におけるデータ活用の特徴
自分の目指す業界は他の業界に比べてデータの活用が先進的でしょうか。それとも遅れているのでしょうか。またデータの活用にはどのような課題があるでしょうか。業界によってこの点はかなり異なります。データが正しくストックされていないからデータが活用できない業界もあれば、セキュリティ体制が課題であることもあります。効率よくデータ分析のリターンを得られるようなビジネスモデルがまだない場合もあります。せめて自分の目指す業界だけでもいいので業界全体としてどのような課題があり自分の目指す会社がどのようにそこを解決しようとしているのかを把握しましょう。
自分の研究分野とその企業でのデータ事業の結びつき
志望動機を作る上ではここが一番大事になります。自分の研究分野を使ってどのようにその会社に貢献できるのかを語ることがデータサイエンティストとしての志望動機の作り方と言っても過言ではありません。一般的な文系の就活のようにサークル経験やアルバイト経験を語ることではなく、即戦力として自分のデータ解析の経験をどのように活かせるのかを語る必要があります。この部分については大学院入試の研究計画書の作成にも似ているかもしれません。感覚的なものではなく実績に基づいて論理的に語る必要があります。自分の研究では何をやってどんな成果を出してきたのか、どんな手法を用いてきたのかを把握して、この記事内で述べてきたような企業研究を行えば、どこかで自分の企業への貢献方法が見えてくるはずです。過去のエントリーシートを参照していても、この部分は千差万別なので、自分である程度オリジナルで考える必要があります。

過去の出題例

2023年のM3やリクルートのサマーインターンシップ選考の面接においてはやはり研究内容をどのように事業に活かせるのかについて聞かれたようです。メガベンチャーということもありこの辺りはビジネスベースでシビアに見られるのでしょう。これらの会社のビジネスモデルや業界内での立ち位置を十分に把握していないと自分の研究内容を活かす方法は分からないはずです。ここで答えに詰まってしまい落ちた人もたくさんいるようです。もちろんその年度によって質問内容は変わってくるのであくまで参考程度に考えて欲しいのですがデータ分析専門企業ではなくこういったビジネス系のメガベンチャーにおいても研究内容については聞かれることを認識しておいてください。その上で自分の研究内容と結びつけた上で志望動機を作る必要があります。
ここがデータサイエンティスト就活の難しさであり一般的な志望動機の作り方と間違いなのです。

研究内容の整理と事業内容との結び付けが大事

ここまで話してきたことをまとめます。
自分のやってきた研究内容を整理して事業内容と結びつけることがデータサイエンティストならではの志望動機の作り方です。そして研究内容を事業にどう結びつけるかを考える上で必然的に業界研究から企業研究に至るまでの応募先のリサーチは必須になります。文系であれば漠然とした志望理由でもある程度通るかもしれませんが理系はそうはいきません。この点にデータサイエンティスト就活の特異性があります。
簡単な作業ではありませんが着実にやっていけばできることです。

★特典：データサイエンティスト新卒採用、インターンシップを行っている企業リスト★

以下からダウンロードができます！このリストを使って、就活を効率的に進めてください！

★まとめ★

DSになるためにはしっかりと正しい情報を掴んでいくことが大事です！
あなたがDSとして、やりがいを持って働けることを応援しています！
このnoteが良いと思ったら、ぜひ「スキ」をお願いします！好評であれば、続編を制作します！また、公式LINEもやってます。有益情報を無料でお届けするので、ぜひ登録しておいてください！
https://lin.ee/HGEIRVb

この記事が気に入ったらサポートをしてみませんか？