あなたのスキルはダイレクトに収入につながる

ITフリーエンジニア専門エージェント レバテックフリーランス

無料登録はこちら

転職市場や年収の今後の推移も解説
データサイエンティストの年収相場

  • このエントリーをはてなブックマークに追加

メイン画像

最近、データサイエンティストという職種をよく目にするようになったという人は多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しているという人も増えていると言われています。

ただし、転職することでより多くの年収を得られるのか、未経験でもデータサイエンティストになれるのか、などさまざまな疑問があるでしょう。今回は、データサイエンティストの平均年収や転職市場の動向を解説するとともに、データサイエンティストに必要なスキルやより高い年収を得るためのポイントについて解説します。

データサイエンティスト案件を提案してもらう

フリーランスの収入見込みをチェック

 

簡単60秒! 無料登録

目次

データサイエンティストの年収相場
フリーランスのデータサイエンティストの年収相場
データサイエンティストのアメリカ年収相場
データサイエンティストとは
データサイエンティストの仕事内容
データサイエンティストに求められるスキル
データサイエンティストの今後の年収
データサイエンティストの将来性
データサイエンティストで年収1000〜2000万円を稼ぐ方法
未経験からでもデータサイエンティストになる方法
まとめ

データサイエンティストの年収相場

企業で働くデータサイエンティストの平均年収の参考データとして、厚生労働省による「令和元年賃金構造基本統計調査」を確認してみましょう。社員数10名以上の企業で働くシステムエンジニアとプログラマーの平均年収は以下の通りです。

  • システムエンジニアの平均年収:約568万9,000円
  • プログラマーの平均年収:約425万8,000‬円

システムエンジニアの平均年収は高く、プログラマーとの差は約143万1,000円、一般労働者と比較すると約199万6,600円もの差があります。経験年数やスキルなどにより、年収の幅はかなり大きいことが分かるでしょう。

関連記事 : フリーランスのプログラマー・SE(システムエンジニア)で年収800万円以上稼ぐための16のヒント

データサイエンティスト案件を提案してもらう

フリーランスのデータサイエンティストの年収相場

では、フリーランスのデータサイエンティストの年収の相場はどのくらいなのでしょうか。レバテックフリーランスにおける2020年5月時点の公開案件の平均月単価をもとにしたフリーランスデータサイエンティストの年収は、約828万円(平均月額単価約69万円×12ヶ月分)です。

データサイエンティストの求人・案件一覧

なお、会社員とフリーランスとでは社会保険料や税金の計算が異なる、フリーランスデータサイエンティストは案件を継続して獲得できるとは限らないなど、年収を単純比較できないことには注意が必要です。

データサイエンティストのアメリカ年収相場

アメリカでは、データサイエンティストの平均年収相場はどの程度でしょうか。2020年2月3日の「Market Watch」の記事では、アメリカで人気の職種とその平均年収について紹介されています。人気職種の1位はフロントエンドエンジニアで、平均年収は10万5,240米ドル(1米ドル108円換算で1,136万5,920円)でした。

一方、データサイエンティストは第3位にランクインしており、平均年収は10万7,801米ドル(1米ドル108円換算で1,164万2,508円)とフロントエンドエンジニアよりも2,561米ドル(1米ドル108円換算で27万6,588円)高い結果です。

データサイエンティストは、アメリカの口コミサイトGlassdoorで2017年度に人気の職業として第1位に選ばれたこともある人気の高い職種です。2020年にはフロントエンドエンジニアとJavaエンジニアに続いて3位となっていますが、その人気は健在だと言えるでしょう。

データサイエンティストとは

日本におけるデータサイエンティストとは、企業の経営をサポートするコンサルティング業務の側面も持つエンジニア職です。経営戦略の立案や企業の課題を提示し、課題解決のためにデータマイニングや抽出したビッグデータの分析を実施し、最終的には問題を解決に導くまでサポートする役割を担うことがあります。

ただし、企業によっては業務の範囲が異なり、データ分析だけを行う場合や、課題の抽出や経営戦略の立案などから問題解決までを担当する場合もあります。

関連記事 : データサイエンティストとは?仕事内容やフリーランス事情を解説

データサイエンティストの仕事内容

データサイエンティストの仕事内容は、主に以下の4つです。

  • 経営課題の把握と戦略立案
  • データの集約とフォーマットの最適化
  • レポートの作成
  • 仮説検証を繰り返し提言する

以下、それぞれの業務について詳しく説明します。

経営課題の把握と戦略立案

まず、データ収集・加工・分析の前に経営課題の把握と戦略立案を行います。実際にデータを扱う前に課題の抽出と問題解決(ゴール)を明確に定めることが重要だからです。

企業は事業活動の中で、顧客データや会計・経理情報、販売データや営業情報など、さまざまなデータを蓄積しています。しかし、そのデータをうまく扱えず、経営戦略や現時点で抱える問題点について見過ごしている場合も少なくありません。部門ごとにデータが分断してしまい、活用しづらくなっているケースもあります。

データサイエンティストは経営やマーケティングなどのビジネス関連知識を駆使して、経営課題の把握と戦略立案を行うことがあります。これらの業務を遂行するためには、経営陣だけでなく、営業・経理・企画など部門を横断した状況のヒアリングを進め、社内に蓄積されたデータの確認・精査が必要です。

データの集約とフォーマットの最適化

情報を収集して、課題や経営戦略に対して仮説を立てたあと、次の工程として仮説の立証に必要なデータについて検討します。各部門で収集しているデータのフォーマットを確認し、データの集約とフォーマットの最適化などを進めて、効率的かつ必要な情報を素早く検索できるようなデータ構造に組み替えるのが主な仕事です。

仮説を立証するデータを求めて検証することも考慮しながら課題解決という目的を達成できるよう、必要なデータは漏れなく取り込みつつ、冗長なデータの整理も進めます。この工程では、データモデリングや格納先のデータベース・クラウドシステムなどの幅広い知識が求められるのです。

データをまとめ過ぎると検索スピードが遅くなるため、場合に応じて冗長なデータフォーマットにするなど、データ格納先の特徴を深く理解していなければなりません。仮説を立証するという機能面と、検索スピードを早くするという性能面のバランスを取る重要な工程です。

レポートの作成

実際にデータ分析を行ったら、仮説を検証してレポートを作成し、経営陣や関係部署に対して説明します。そのため、経営戦略や課題の解決方法などをデータの分析結果をもとにまとめなければなりません。わかりやすい説明を求められるため、プレゼンテーション力も必要です。

パワーポイントなどを使い、専門用語などは分かりやすく言い換え、課題のポイントと解決方法を明示します。まとめたデータは、グラフや図、時にはインフォグラフィックスなどを駆使して、データのどこがポイントなのかを上手に見せる工夫も必要です。

仮説検証を繰り返し提言する

課題解決を提案し、企業がその提案を受け入れて事業活動に取り入れたら、データ分析によって仮説の検証を繰り返し、次の施策や解決策を提言することもデータサイエンティストの重要な仕事です。仮説の検証によって新たな問題が見えてくることも多くあります。

データ分析では、統計学やデータマイニング、機械学習などの知識も総動員して、仮説の精度を高めていきます。データ分析を続ける中で、現在のデータモデルで良いのかどうかの検証が必要なこともあるでしょう。何度も仮説と検証を繰り返すことで扱うデータも絞り込まれ、さらに仮説と検証のサイクルを早めることが可能です。その結果、課題解決のスピード化に貢献できます。

仮説と検証を1回やっただけで満足してしまうと、次につながらないことも少なくありません。企業側の理解が十分でなかった場合、データサイエンティストは、仮説と検証を繰り返すことのメリットを提言し、企業活動をより良くするためにできることを粘り強く経営陣に伝えていく役割も求められるでしょう。

関連記事 : データサイエンティストの仕事内容

データサイエンティストに求められるスキル

データサイエンティストに求められる基本的なスキルとして、以下の4つは必須と言えます。

  • 統計学
  • プログラミングの知識
  • 機械学習の知識
  • データベースやクラウドの知識

上記の4つの知識は、データサイエンティストとして業務を行う前提として備えていることが求められます。
これに加えて、さらに以下の3つのスキルも必要です。

<データサイエンティストに求められるスキル>

  • ビジネス力
  • データサイエンス力
  • データエンジニアリング力

以下、データサイエンティストに求められる3つのスキルとは、具体的に何を指すのかについて解説します。

ビジネス力

データサイエンティストに求められるビジネス力とは「課題の背景を理解し、そのうえでビジネス課題を整理して解決する力」です。ビジネス課題を整理して仮説を検討するためには、企業経営・会計関連・マーケティング関連といった企業経営に関わる基礎知識や、担当案件の業務に関する知識が必要となります。

データモデルを考えるときに、どのような業務で蓄積され、そのデータをどう活用できるかの検討の品質は、業務知識の有無によって大きく変わります。業務知識については、仕事を進めていく中でクライアントとやり取りすることで身につく場合が多いでしょう。

しかし、会社経営に関する知識は、ただ会社員として勤務しているだけではなかなか身につきません。これらの知識が足りないと感じたら、別途社内研修や独学で身につける必要があります。また、案件自体をコントロールする力やプレゼンテーション力、交渉力などのヒューマンスキルもビジネス力の範疇です。ヒューマンスキルについては、実際に業務を遂行していく中で意識を高く持ち、身につけていけるとよいでしょう。

データサイエンス力

データサイエンス力とは、数量的な分析力、統計数理、情報科学の知識のことです。具体的には、学術分野で使われる統計解析手法を駆使し、グラフや表などを作成して、分かりやすい形でデータを見せる力が求められます。データサイエンス力によって、仮説検証手法の検討や対象データの明確化、課題解決策の立案、解決策実施後の結果確認と報告などが可能です。

データサイエンス力を高めるためは、専門性の高い知識が必要となります。そのため、大学などで専門的に情報工学や統計学、数理学といった分野を学んできたデータサイエンス力の高い人が、データサイエンスチームのメンバーとして必要とされるのです。

データエンジニアリング力

データエンジニアリング力は、3つのスキルの中では最もIT技術に近い部分です。ビジネス力とデータサイエンス力で業務設計を行ったあと、その設計をコンピュータ上に実装し、運用するためのITスキル全般を指します。論理データを、データベースあるいはクラウド上に、どのように構成して格納するかの物理的なデータモデリングの工程には、データエンジニアリング力が必要です。

分析環境の構築・提供から実際のデータを抽出するロジックの作成、結果データの抽出・レポートの元ネタ作成などは、すべてデータエンジニアリング力が必要なのです。データエンジニアリング力を身につけるには、大学で情報工学やソフトウェア工学を学ぶ、専門学校でソフトウェア開発に関する技術を身につけるなどの方法があります。

新卒の場合は、新入社員研修で基礎的なエンジニア力を身につけ、後は現場と独学でデータエンジニアリング力を身につける、という流れで身につけることも可能です。

関連記事 : データ分析の仕事とは

データサイエンティストの今後の年収

今後、データサイエンティストの年収は上がっていくことが見込まれます。たとえば、2019年にNECは新卒研究職の年収が1,000万円超となる可能性があることを発表しました。また、2018年にNTTデータはデータサイエンティストなどを採用する「アドバンスド・プロフェッショナル制度」を新設し、その制度では、年収として最高3,000万円を提示しているのです。

このように、日本の大手有名IT企業は、優秀な人材がGAFAなどの外資系企業に奪われることを警戒して、これまでにない思い切った給与額を提示するようになってきました。データサイエンティストの年収は、今後ますます伸びていくと予想することができるでしょう。

データサイエンティストの将来性

経済産業省の「IT人材需給に関する調査(概要)」(2019年4月)では、2018~2030年までの間に、IT人材およびAI人材の需給ギャップが発生し、人材不足の可能性があると警鐘を鳴らしています。2030年までにIT人材全体で45万人が不足し、AI人材は12万4,000人が不足するという試算結果です。データサイエンティストは、AI技術も駆使したデータ解析などを行うことがあるため、貴重なIT・AI人材としてこれからますます需要が高まるでしょう。

データサイエンティストは、アメリカでも収入が高いとされる職種のひとつです。ビッグデータの解析は、今後も需要が高まると予想されるため、ビッグデータの解析などを業務として行うデータサイエンティストの将来性は、今後も高まっていくと考えられます。

関連記事 : AIエンジニアとは?仕事内容やフリーランス事情を解説|AIエンジニアの需要・将来性

データサイエンティストで年収1000〜2000万円を稼ぐ方法

データサイエンティストで年収1,000万~2,000万円プレイヤーになる方法を紹介します。

<データサイエンティストで稼ぐ方法>

  • 年収の高い企業に転職する
  • 英語を身につけ世界で戦う
  • フリーランスとして独立して稼ぐ

以下、それぞれの方法について説明していきましょう。

年収の高い企業に転職する

同じデータサイエンティストでも、企業によって年収は大きく異なります。転職する際、年収の高い企業を目指すことは、年収を上げるために重要な作戦です。一般的に外資系企業は実力主義ですが、その分年収が高い傾向にあります。

日本企業でも、今後の人材不足を懸念して優秀な人材を高い年収で採用しようという動きが広がっている状況です。年収の高い企業の求人を転職サイトや転職エージェントで探して、積極的に応募してみましょう。

フリーランスとして独立して稼ぐ

フリーランスとして独立して働き、複数の企業と契約することで1,000万円以上稼ぐデータサイエンティストもいます。転職して1企業に属すると、どうしてもその企業の年収の範囲内に縛られますが、フリーランスとして仕事のマネージメントができるなら、複数の案件を請け負うのには何の問題もありません。

フリーランスのデメリットとしては「仕事がすべて無くなってしまう可能性もあり得る」という点が挙げられます。仕事が無くならないよう、IT専門のエージェントを使って仕事を得ることも対策の一つとしておすすめです。フリーランスとして働くなら、デメリットを補う方法として、エージェントの存在も念頭に置いておきましょう。

英語を身につけ世界で戦う

英語が身につけば、海外の仕事を日本にいながらにして請け負うことも可能です。データサイエンティストは、アメリカで社会的地位も高いため、海外の仕事を請け負うことができれば働ける場や年収、仕事内容などの選択肢が一気に広がります。

日本人エンジニアの中には、英語を身につけて世界に出て活躍している人も多数います。GAFAなど有名なIT企業で働くことができれば、日本円で1,000万円以上の年収を得ることができる可能性はあります。

関連記事 : フリーランスエンジニアの年収・収入|年収1000万円を目指すための働き方とは

未経験からでもデータサイエンティストになる方法

基本的に、データサイエンティストは統計学などの高度な教育を受けてきた学部・院卒の人が就く職種と言えるでしょう。そのため、知識がない状態から未経験でデータサイエンティストになることは、かなりハードルが高いと考えるのが妥当です。それでも、未経験からデータサイエンティストを目指したい場合は、以下の方法があります。

  • 新卒採用やインターン研修など
  • 研究職や専門職の分野から転職する
  • 民間スクールなどで勉強する
  • 未経験でもOKなデータサイエンティストの募集に応募する

新卒でデータサイエンティストを目指す場合は、インターン研修に積極的に参加して、新卒採用を目指しましょう。学部が情報工学などの理系でない場合は不利になることも考えられるので、ダブルスクールで民間の専門学校などに通い、基礎的なエンジニアリング力を身につけるといったことも価値のある方法の一つです。

情報工学系や経済学部などを出て研究職や専門職に就き、データサイエンティストに転職する人もいます。生物工学などの分野でデータ分析手法を身につけている研究職の人も、データサイエンティストへ転職するケースがあるのです。

また、転職サイトで「未経験でもOK」と明示している求人に応募するのも一つの方法です。ヒューマンスキルや会社経営の知識など「データサイエンティストに求められる素養がある」「足りない知識は学ぶ意欲がある」といった点をアピールして、転職活動を進めましょう。

関連記事 : 未経験からプログラマーに転職する方法|年収や勉強しておきたいおすすめの言語も紹介

まとめ

ビッグデータの活用ニーズは、今後さらに高まることが予想される中、データサイエンティストはますますその能力を求められる存在です。1,000万円以上の年収を目指せる環境も現実のものとなりつつあります。ただし、未経験からすぐデータサイエンティストになることは、かなり難しいのが現状です。データサイエンティストへの転職を成功させるためには、自分の現状を分析するとともに、転職サイトや転職エージェントを利用して情報を収集し、未経験の採用枠を探してみましょう。

最後に

簡単4ステップ!スキルや経験年数をポチポチ選ぶだけで、あなたのフリーランスとしての単価相場を算出します!

※相場算出に個人情報の取得はおこないません。

データサイエンティスト案件を提案してもらう

  • このエントリーをはてなブックマークに追加
いきなり相談するのは不安な方へ フリーランスになった時にどんな案件を提案されるのかメールでわかる! 詳しくはこちらから

関連案件

もっとデータサイエンティストの案件を見る

プライバシーマーク

© 2014-2020 Levtech Co., Ltd.