データサイエンティストの平均年収｜転職後に見込める給料の相場は？ | レバテックフリーランス
データサイエンティストの平均年収｜転職後に見込める給料の相場は？
厚生労働省の「職業情報提供サイト（日本版O-NET）」によると、令和元年分の「賃金構造基本統計調査」にもとづくデータサイエンティストの平均年収は666.9万円です。また、2021年4月時点におけるレバテックフリーランスの求人・案件のデータをもとに算出したフリーランスデータサイエンティストの平均年収は840万円でした。
目次
データサイエンティストの平均年収
厚生労働省の「職業情報提供サイト（日本版O-NET）」によると、「令和元年賃金構造基本統計調査」にもとに算出したデータサイエンティストの平均年収は666.9万円です。
※参考 : 厚生労働省職業情報提供サイト（日本版O-NET）「データサイエンティスト」
※参考 : 厚生労働省「令和元年賃金構造基本統計調査 結果の概況」
同サイトで「ビックデータの分析や活用のニーズが高まっており、データサイエンティストの人材不足は顕著であり、好条件を提示する会社が出てきている」と紹介されているように、一般的にデータサイエンティストの年収水準は高いといえます。
比較対象として、「令和元年賃金構造基本統計調査」をもとに、同じIT系職種であるシステムエンジニア（SE）とプログラマーの平均年収を紹介すると、社員数10名以上の企業で働くシステムエンジニアの平均年収は約569万円、プログラマーの平均年収は約426万円でした。
また、国税庁の「令和元年分民間給与実態統計調査」によれば、日本国内の民間企業で働く給与所得者の平均年収は約436万円です。データサイエンティストは、IT系以外の職業と比較しても、高収入が期待できる仕事といえるでしょう。
※参考 : 国税庁「令和元年分 民間給与実態統計調査」
関連記事 : ITエンジニアの平均年収と給料事情｜年収1000万円を目指すには？
フリーランスデータサイエンティストの平均年収
フリーランスデータサイエンティストの平均年収の参考として、レバテックフリーランスが取り扱っているデータサイエンティストの求人・案件の単価をもとに算出した年収相場を紹介します。
2021年4月時点でレバテックフリーランスに公開中のデータサイエンティストの求人・案件は約180件あり、平均月額単価が70万円、最高単価が115万円、最低単価が40万円でした。それぞれ12ヶ月分を年収と考えると、以下が年収の目安となります。
| 平均年収（フリーランス） | 840万円 |
|---|---|
| 最高年収 | 1380万円 |
| 最低年収 | 480万円 |
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、会社員は月給のほかにボーナスもあるなど、収入の計算の仕方には違いがあるため、両者の金額を単純比較できないという点はご注意ください。
関連記事 : フリーランスの種類別・職種別平均年収｜年収1000万円を目指す方法も解説
アメリカのデータサイエンティストの平均年収
アメリカの企業口コミ・求人検索サイト「Glassdoor」に掲載されているデータによると、2021年4月時点でアメリカのデータサイエンティストの平均年収は114,673ドルです。同時点のレートで日本円に換算すると約1250万円になり、日本のデータサイエンティストと比較しても年収水準は高いといえます。
※参考 : Glassdoor「Salary: Data Scientist」
同サイトでは、毎年「50 Best Jobs in America」というランキングを発表しており、データサイエンティストは2016年～2019年まで4年連続で1位に選ばれています。2020年、2021年についても、それぞれ3位、2位と上位をキープしており、人気が高い職業であることがうかがえます。
※参考 : Glassdoor「Best Jobs in America」
なお、データサイエンティストに限らず、アメリカではIT人材の年収が高い傾向にあります。経済産業省が2016年に発表した「IT人材に関する各国比較調査結果報告書」という資料によると、アメリカのIT人材の平均年収は約1157万円で、日本のIT人材の平均年収（約598万円）の2倍近い金額になっています。
※参考 : 経済産業省「IT人材に関する各国比較調査結果報告書」
関連記事 : AIエンジニアの平均年収｜未経験から目指す方法や注意点、役立つ資格も紹介
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タントのような側面も持つ職種といえます。経営戦略の立案や企業の課題分析などに関わり、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。
データサイエンティストとデータアナリストの違い
データサイエンティストと比較される職種として、データアナリストがあります。前述のとおり、データサイエンティストの役割は企業によって幅があり、データアナリストもコンサルティングファームや企業のマーケティング部門などで働く「コンサル型」や、IT企業などで働く「エンジニア型」に分類されることがあります。
そのため、明確な違いを説明することは難しく、実際の働き方には重なる部分も多いと考えられますが、一般的にはビジネス、データサイエンス、データエンジニアリングの幅広いスキルを求められるデータサイエンティストのほうが、より広い業務領域を担当する職種とされる場合が多いようです。
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としては、主に以下のようなものが挙げられます。
- 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
- レポート作成とプレゼンテーション
- 仮説検証の繰り返しと提言
それぞれの業務についての詳細は、以下でご確認ください。
経営課題の把握と戦略立案
データサイエンティストは、データを収集・加工・分析する前に経営課題の把握と戦略立案を行うことがあります。実際にデータを扱う前に課題を抽出し、問題解決のゴールを設定することが重要なためです。
企業は事業活動のなかで、顧客データや会計・経理情報、販売データ、営業情報など、さまざまなデータを蓄積しています。データをうまく扱えなければ、現時点で抱える問題点を見過ごしてしまうばかりか、適切な経営戦略を練れない可能性があるでしょう。また、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少なくありません。
データサイエンティストは、企業の膨大なデータを活用するために、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役割を担う場合があります。業務を遂行するには、営業・経理・企画といった部門や役職を越えて状況をヒアリングし、社内に蓄積されたデータの確認・精査をすることが求められるでしょう。
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視野に入れながら、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、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ます。
また、データをまとめ過ぎると検索スピードが遅くなることもあるため、ケース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ることが必要です。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といえます。
レポート作成とプレゼンテーション
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。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ていきます。分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な工程です。
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、とき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。
仮説検証の繰り返しと提言
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るでしょう。
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をもとに、仮説の精度を高めていきます。データ分析を続けるなかで、現在のデータモデルで良いのかどうか、検証が必要になることも考えられます。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となり、課題解決のスピード化に貢献できるでしょう。
仮説と検証を1回行ったのみ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に得られなかった場合、データサイエンティストには、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必要なスキル
データサイエンティストに必要とされる基本的なスキルとしては、以下のようなものが挙げられます。
- 統計学・数学の知識
- プログラミングスキル
- 機械学習の知識
- データベースやクラウドを扱うスキル
上記のようなスキル・知識は、データサイエンティストとして業務を行うための前提として備えていることが求められるでしょう。このようなスキルを習得するには、情報処理技術者試験の基本情報技術者試験やデータベーススペシャリスト試験、データ解析士、統計検定、OSS-DB技術者認定試験、Python3エンジニア認定データ分析試験、AWS認定試験などの関連資格の取得を目指すのも役立ちます。
また、一般社団法人データサイエンティスト協会とIPA（独立行政法人情報処理推進機構）が発行した「データサイエンティストのためのスキルチェックリスト/タスクリスト概説」では、データサイエンティストに必要な3つのスキルセットとして、以下を挙げています。
- 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
※参考 : 一般社団法人データサイエンティスト協会・IPA（独立行政法人情報処理推進機構）「データサイエンティストのためのスキルチェックリスト/タスクリスト概説」
この3つのスキルが具体的に何を指すのかについて、下記で解説します。
ビジネス力
「データサイエンティストのためのスキルチェックリスト/タスクリスト概説」で定義されているデータサイエンティストに必要なビジネス力とは「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、どのような業務でデータが蓄積され、そのデータをどう活用できるかを検討する作業の品質は、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、仕事を進めていくなかでクライアントとやり取りすることで身についていく場合も多いといえます。
しかし、会社経営に関する知識は、会社員として日々の仕事をこなしているだけではなかなか身につきづらいでしょう。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マネジメント力やコミュニケーション力、プレゼンテーション力、交渉力といった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なかで意識を高く持ち、身につけていけるとよいでしょう。
データサイエンス力
「データサイエンティストのためのスキルチェックリスト/タスクリスト概説」で定義されているデータサイエンス力とは、「情報処理・人工知能・統計学などの情報科学系の知恵を理解し使う力」です。具体的には、学術分野で用いられる統計解析手法を駆使する力のほか、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となります。
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、大学や大学院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は、データサイエンティストとしての需要が高い傾向にあります。
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つのスキルのなかでは最もITスキルに近い部分といえます。「データサイエンティストのためのスキルチェックリスト/タスクリスト概説」の定義では、「データサイエンスを意味のある形として扱えるようにして、実装・運用する力」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。
また、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も、すべてデータエンジニアリング力が必要な業務といえます。データエンジニアリング力を身につけるには、大学や大学院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。
新卒で就職した場合は、新入社員研修で基礎的なエンジニア力を身につけたうえで、現場経験を積むことと新しい知識を独学していくことを並行しながらデータエンジニアリング力を学んでいくことになるでしょう。
関連記事 : データサイエンティストに必要なスキル｜求人案件で求められるスキルレベルは？
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年収は、今後さらに上がっていくことが見込まれます。経済産業省が2021年に発表した「我が国におけるIT人材の動向」という資料では、AI・データサイエンスなどに関する高いスキルを持ったデジタル人材の採用にあたって、アメリカをはじめとした海外で高水準の給与を提示することが増えていることを背景に、日本でも新卒や中途採用時に高い年収を提示されるケースが見られるようになったことを紹介しています。
※参考 : 経済産業省「我が国におけるIT人材の動向」
たとえば、「データサイエンティスト」という単語を含む求人で最高3900万円の年収が提示されたという大手求人サイトの事例や、ビッグデータ解析や決済関係のサービス開発などに高い専門性を持つ人材の想定年収が3000万円という大手企業の事例などが示されています。
このように、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、日本国内の企業も、これまでにない高水準の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できるでしょう。
関連記事 : データサイエンティストになるための勉強方法｜就職・転職に役立つスキルや資格
データサイエンティストの将来性
経済産業省が2019年に発表した「IT人材需給に関する調査」の報告書によると、IT需要が引き続き拡大していくと予測されるなか、少子高齢化の影響などもあって日本の労働人口、特に若年人口は減少が見込まれ、今後IT人材の需要と供給の差（需給ギャップ）はますます大きくなり、2030年には最大で約79万人に拡大する可能性があると試算されています。
※参考 : 経済産業省「ーIT人材需給に関する調査ー調査報告書」
特に「AIやビッグデータを使いこなし、第4次産業革命に対応した新しいビジネスの担い手として、付加価値の創出や革新的な効率化等により生産性向上等に寄与できるIT人材」の確保が重要になると説明されており、データサイエンティストの需要は今後も伸びていくと考えられます。
実際にビッグデータを活用している企業は増加傾向にあり、総務省が発行した「令和2年版情報通信白書」によれば、近年はIoTの導入が進み、特にPOSやeコマースによる販売記録、MtoMデータを含む自動取得データの活用などが大きく進展しています。
※参考 : 総務省「令和2年版 情報通信白書｜日本企業におけるデータ活用の現状」
このような理由から、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高いといえるでしょう。
関連記事 : データサイエンティストの将来性｜需要はなくなるって本当？必要なスキルや資格
データサイエンティストが年収1000万円・2000万円を稼ぐ方法
IPA（独立行政法人情報処理推進機構）が発行した「IT人材白書2020」には、「データサイエンス」を含む先端IT技術を業務で扱う「先端IT従事者」のうち、約19.2%が年収1000万円以上、約2.2%が約2000万円以上を稼いでいるというデータが掲載されています。
※参考 : IPA（独立行政法人情報処理推進機構）「IT人材白書2020」
調査対象者には年収が高い傾向にある40代、50代が多く、20代～30代の場合は全体の年収相場がもう少し下がると考えられますが、スキルが高いデータサイエンティストは年収1000万円や2000万円を稼ぐことも不可能ではないといえるでしょう。
データサイエンティストとして年収1000万・2000万円を稼ぐ方法の例として、以下の4つを紹介します。高収入を実現するためにデータサイエンティストを目指している方や、データサイエンティストとしての経験が浅くなかなか貯金ができないという人は、参考にしてみてください。
- 年収の高い企業に転職する
- 副業収入で年収アップを狙う
- フリーランスとして独立して稼ぐ
- 英語を勉強して海外で働く
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、企業によって年収の相場は大きく異なります。今の職場で思うような年収を得られない場合は、高収入を得られる企業へ転職するのもひとつの方法です。たとえば、一般的に外資系企業は実力主義の傾向が強いとされていますが、その分、成果を出せば大幅な年収アップを実現できる可能性もあります。
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。
副業収入で年収アップを狙う
今の会社に勤めながら、高時給のアルバイトや、フリーランスのデータサイエンティストとして副業をこなし、収入を増やすという方法もあります。
副業をすれば、基本的に働いた分だけ今の年収よりも多く稼ぐことができますが、勤務先によっては副業を禁止している場合もあります。無断で副業すれば問題になる恐れがあるため、事前に副業可能かどうかはしっかり確認するようにしましょう。
フリーランスとして独立して稼ぐ
フリーランスとは、会社と雇用契約を結ばない働き方です。すでに十分なスキルや実績があり、正社員の雇用形態にこだわらないという方は、フリーランスとして独立して高収入を狙える可能性があります。契約によりますが、在宅ワーク、リモートワーク、ノマドワークといった自由度の高い働き方がしやすいことも、フリーランスの魅力です。
昨今のIT人材不足から、インハウスのデータサイエンティスト人材も不足傾向にあり、フリーランス案件も比較的豊富にあります。会社員と比較すると、セルフマネジメントや税金・保険料の手続きなど、大変な点も増えますが、作業量やスキルの高さが収入に直結しやすく、社内の給与バランスなどにも縛られずに済むため、フリーランスになることで年収が上がる人は多くいます。
ただし、フリーランスは継続的に案件を獲得できるとは限らないため、月給制の会社員と比べると収入が安定しづらい点はデメリットといえます。独立する前にあらかじめ人脈を作っておく、フリーランスエージェントを活用するなど、対策を考えておきましょう。
英語を勉強して海外で働く
英語を使いこなせれば、日本にいながら海外企業の仕事をこなすことも可能になるでしょう。データサイエンティストとして仕事で使えるレベルの英語を習得していると、働く場所や年収、仕事内容などの選択肢が一気に広がります。
実際に英語を身につけて世界に出て活躍しているデータサイエンティストも多数います。アメリカのデータサイエンティストの平均年収が高いことを前述したように、海外企業で働くことで年収を上げられる可能性はあるでしょう。
関連記事 : データサイエンティストに役立つ資格｜難易度や試験内容、必要なスキルを解説
未経験からデータサイエンティストになるには
厚生労働省の「職業情報提供サイト（日本版O-NET）」にもあるように、データサイエンティストは大学や大学院などで統計学、数学、情報工学などを専攻した人が就く場合が多い職種です。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のはハードルが高いといえます。
未経験からデータサイエンティストを目指すには、以下のような方法が考えられます。
- 大学などを卒業して新卒で就職する
- 研究職から転職する
- エンジニアやマーケターから転職する
大学などを卒業して新卒で就職する
大卒や院卒でデータサイエンティストになる場合、インターン研修などに積極的に参加して、新卒入社を目指しましょう。データサイエンスに関連する知識を学べる学部でない場合、民間のスクールなどに通って基礎的なエンジニアリング力を身につけるのもひとつの方法です。
研究職から転職する
大学院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道があるでしょう。
エンジニアやマーケターから転職する
エンジニアやマーケターとして培った経験やスキルを活かし、データサイエンティストに転職するという方法もあります。転職サイトなどには「未経験者歓迎」「未経験OK」といった条件の記載があるデータサイエンティストの求人も存在します。採用選考の際は、「データサイエンティストに求められる素養がある」「足りない知識はこれから学ぶ意欲がある」といった点を採用担当者にアピールしましょう。
関連記事 : 未経験からデータサイエンティストになるには｜求人内容や役立つ勉強について解説
キャリアプランを見据えて転職を目指そう
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ており、データサイエンティストのような高度なスキルを持つIT人材の需要は年々高まっています。未経験からデータサイエンティストになるのは簡単ではありませんが、将来のキャリアプランを見据え、高収入が見込めるデータサイエンティストへの転職を検討してみてはいかがでしょうか。
関連記事 : データサイエンティストのキャリアパス｜エンジニアやマーケターから転職するには？
データサイエンティストの年収に関するよくある質問
ここでは、データサイエンティストの年収に関するよくある質問について答えていきます。
Q. データサイエンティストになるためにはどのようなスキルが必要ですか？
データサイエンティストになるためには、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等が必要です。
Q. データサイエンティストはどの分野で需要が高いですか？
ITやWeb業界は膨大な量のデータが集まり、データの蓄積や運用の仕組みを作成することが求められるため、データサイエンティストの需要が高い業界になります。その他に金融・保険業界､製造業界でも需要が高まっています｡
Q. データサイエンティストの業務にはどのようなものが含まれていますか？
データサイエンティストの業務には、データ収集・前処理、解析アルゴリズムの選定・構築、解析結果の可視化・報告書作成等が含まれます。
Q. データサイエンティストが収入をアップするためにはどのような方法がありますか？
データサイエンティストが収入をアップするためには、スキルアップをして担当できる業務の幅を拡げることが肝要です。
例えば､プログラミングスキルを磨く､プロジェクトマネージャーを経てプロジェクト全体の指揮経験を積む､デジタルマーケティングに関する知識を身につける等に心がけると良いでしょう｡
Q. データサイエンティストになるために資格は必要ですか？
データサイエンティストになるために資格は必要ありませんが､データサイエンティスト検定､データベーススペシャリスト試験､統計検定等の資格を取得すると業務の役に立ちます｡
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。
役に立った／参考になったと思ったら、シェアをお願いします。
